[lucene] 问个问题，请大家提供点思路。
 |
jays1235
2010-07-11
现在希望用lucene来实现PageRank之类的link-based的排序。数据库是一个文件中含有多个html网页，这样的文件又有很多个，实现pagerank需要有网图，初步打算用邻接表存储网图，
1.请大家给点意见，怎样从这个文件中分割开每个html文件，并且赋予docId号，（2.lucene的docId号是怎样分配的？），而且每个html文件中会有超链接，这些超链接又可能是别的html文件的url地址，怎样让这个url的docId与后边可能出现的另一个html的docId匹配上（如果有匹配的话），我的想法是用hashmap,3.不知道大家有什么意见么？ 4.算出PageRank的值后，我打算赋给相应的docId,以备查找的时候用，开始决定用payload,但是发现payload是针对每个term的，不知道大家还有没有什么其他的建议关于存储PageRank的值？以及一些关于修改lucene的score的相关问题的看法都可以。非常感谢！如有意可以加qq聊(947806433)，毕竟搜索引擎的相关问题谈起来很复杂! |
