本书系统阐述了搜索引擎的基本概念及相关技术，共由9章组成，内容包括：搜索引擎的基本概念和基础原理介绍、网页抓取技术、网页信息预处理技术、信息索引技术、信息查询与评价技术、多媒体信息检索技术，并分别介绍了基于Lucene和Nutch的搜索引擎开发技术。本书适合做为面向高校计算机科学与技术及相关专业的高年级本科生和研究生的教材，同时可供搜索引擎设计者、Web站点管理员以及相关领域的工程技术人员自学参考。

本书从教学的角度出发，对搜索引擎的原理及开发技术进行了全面的介绍，内容包括搜索引擎的基本原理、网页抓取技术、信息预处理技术、信息索引技术、信息查询技术和多媒体信息检索技术。另外，本书还对搜索引擎开发技术进行了详细的讨论。

本书适合高等院校计算机科学与技术专业及相关专业的高年级学生和研究生阅读参考，也适合相关领域的工程技术人员参阅。

第1章 搜索引擎概述

　1.1 搜索引擎的概念、原理及历史与发展

　　1.1.1 搜索引擎的概念

　　1.1.2 搜索引擎的原理

　1.2 搜索引擎的历史与发展趋势

　　1.2.1 搜索引擎的发展史

　　1.2.2 搜索引擎的发展趋势

　1.3 搜索引擎的分类

　　1.3.1 全文搜索引擎

　　1.3.2 目录索引搜索引擎

　　1.3.3 元搜索引擎

　　1.3.4 分布式搜索引擎

　1.4 搜索引擎的关键技术

　　1.4.1 信息收集和存储技术

　　1.4.2 信息预处理技术

　　1.4.3 信息索引技术

　1.5 主要搜索引擎介绍

　　1.5.1 谷歌搜索

　　1.5.2 雅虎搜索

　　1.5.3 百度搜索

　　1.5.4 北大天网搜索

　1.6 小结

　思考题

第2章 搜索引擎基础

　2.1 搜索引擎的体系结构

　　2.1.1 搜索器

　　2.1.2 索引器

　　2.1.3 检索器

　　2.1.4 用户接口

　2.2 搜索引擎的工作原理

　　2.2.1 网页搜集

　　2.2.2 网页处理

　　2.2.3 查询服务

　2.3 搜索引擎的数据结构

　　2.3.1 存储结构

　　2.3.2 信息库

　　2.3.3 文本索引

　　2.3.4 词典

　　2.3.5 采样表

　　2.3.6 前向索引

　　2.3.7 后向索引

　2.4 元搜索引擎

　　2.4.1 元搜索引擎的基本构成

　　2.4.2 元搜索引擎的分类

　　2.4.3 常用元搜索引擎介绍

　　2.4.4 元搜索引擎的特点

　　2.4.5 主要技术指标

　2.5 个性化搜索引擎

　　2.5.1 系统模块及其功能

　　2.5.2 个性化搜索引擎的关键技术

　2.6 智能搜索引擎

　　2.6.1 智能搜索引擎特征

　　2.6.2 智能搜索引擎主要技术

　2.7 小结

　思考题

第3章 网页抓取技术

　3.1 搜索引擎爬虫

　　3.1.1 网络爬虫工作原理

　　3.1.2 开源网络爬虫简介

　　3.1.3 网页信息的抓取

　3.2 搜索引擎爬虫的关键技术

　　3.2.1 网页抓取优先策略

　　3.2.2 深度优先策略

　　3.2.3 广度优先策略

　　3.2.4 最佳优先策略

　　3.2.5 不重复抓取策略

　　3.2.6 网页重访策略

　　3.2.7 网页抓取提速策略

　　3.2.8 Robots协议

　3.3 小结

　思考题

第4章 网页信息预处理技术

第5章 信息索引技术

第6章 信息查询与评价技术

第7章 多媒体信息检索技术

第8章 搭建基于Lucene的搜索引擎

第9章 搭建基于Nutch的搜索引擎

参考文献