——[URL=http://www.china-pub.com/computers/common/info.asp?id=36538]《走进搜索引擎》[/URL]，电子工业出版社，2007年10月出版。 （http://www.china-pub.com/computers/common/info.asp?id=36538）。

该书以非常浅显的语言介绍了搜索引擎各个构件的主要工作原理，非常容易理解，尤其适于初学者入门。对于希望了解搜索引擎原理、希望进入搜索行业的读者，本书相当值得一读！

本书作者梁斌先生从事搜索引擎研究多年，经验丰富，兴趣方向包括数据挖掘、Wed挖掘、搜索引擎和软件工程等，目前在清华大学信息科学与技术国家实验室从事搜索引擎相关研究工作。

关于本书的疑问或者其他搜索引擎技术、营销方面的问题，读者朋友们可以在此回帖提问，他会在此为大家作出解答。

================
该书有关信息如下
================

内容简介

在网络普及的今天，人们经常在信息海洋中彷徨，在万维网迷宫般的复杂与魅力之间挣扎。直到搜索引擎这一伟大的技术产生，才使得人们犹如找到了走出迷宫的灯塔，可以非常便捷地找到自己所需要的信息。.
正是因为搜索引擎离我们越来越近，所以越来越多的人期待着能够揭开她神秘的面纱。其实搜索引擎并不是变幻莫测的大海，也不是高不可攀的山峰。请拿起本书，它就是引领你的火炬，它就是你身边的伙伴，它将带着你走进搜索引擎。在那里，你必将会被搜索引擎精致的设计和宏伟的架构所征服。..
本书由搜索引擎开发研究领域年轻而有活力的科学家精心编写，作者将自己对搜索引擎的深刻理解和实际应用巧妙地结合，使得从未接触过搜索引擎原理的读者也能够轻松地在搜索引擎的大厦中遨游一番。
本书作为搜索引擎原理与技术的入门书籍，面向那些有志从事搜索引擎行业的青年学生、需要完整理解并优化搜索引擎的专业技术人员、搜索引擎的营销人员，以及网站的负责人等。
本书是从事搜索引擎开发的工程技术人员难得的参考书，也可作为大中专院校相关专业的教学辅导书。

作者介绍

梁斌 毕业于南京大学，获得软件工程硕士学位，曾经发表过多篇论文，获得1项国家专利，作者主要的兴趣方向包括数据挖掘、Wed挖掘、搜索引擎和软件工程等，目前在清华大学信息科学与技术国家实验室从事搜索引擎相关研究工作。...

我已经看了梁老师书的目录，感觉很不错，尤其关于pagerank的算法以及倒排索引的结构，准备买下一本来。

我从6月份开始，一致在阅读和学习Lucene的资料，根据Lucene in Action上面的说法，众多搜索引擎在索引结构上都很相似----倒排索引，索引结构相似，那么建立索引和查询索引的算法也不会有太大的差异。而真正造成他们不同的是排序算法，google用的是pagerank，而lucene也是有相应的score的计算，实际上在建立索引的时候，对每个文档设置文章中的每个域都可以设置它的boost factor值。

信息量永远是无限的，却有永不疲倦的爬虫，现在的索引以及算法也可以做到足够快的定位内容，而真正体现价值的应该是rank算法，拯救人类注意力，也就是如何搜的准的问题。

对于搜索大体的架构我已有一些了解，并也用lucene.net和lucene做了一些实践的工作，但是由于接触时间不长，对于rank算法，还不太了解，我觉得这不仅仅是一个算法的问题。我甚至认为google之所以强，我们不仅仅要看它的搜索技术，还要看它的js技术，为什么是js，因为重视js就是重视用户本身，重视界面的人性化，只有重视用户，它才知道我们要什么，所以它的pagerank才要胜出一筹！

我希望能和梁老师有更进一步的学习和了解。

如果你需要了解搜索引擎的原理不可避免需要一些数学知识，概率可能需要的多一些，另外本科的微积分等也有使用，都是基础，你说的随机过程在理解PageRank时需要一些，但是不是转研的很深，了解基本结论就可以了，就像工科数学大部分是公式，证明的东西并不多。

李晓明老师的书很不错，可以仔细专研一下。

想问梁老师关于存储的看法即搜索引擎的存储系统将朝什么方向发展,将如何影响IR领域?

想问梁老师关于存储的看法即搜索引擎的存储系统将朝什么方向发展,将如何影响IR领域?                                                     
   
~~~~~~我想你可能是想了解索引系统，倒排表方面的信息。

索引和查询系统是相互联系的，查询的需求驱动着索引的设计，而不是相反，从目前看倒排索引是大规模数据全文检索的最佳方式，另外还有一些其他方式，比如位图，署名文件等，（可以参见Managing gigabytes一书，此书国内96年引进过第一版，可以去学校图书馆借着看），书中详细比较了这些索引方式的优劣。

IR从目前看来主要的困扰，或者说业界最需要解决的问题大致是这样几个方面
(1)排序，如何更好的排序使得最能符合用户的查询企图（索引设计中也都考虑到了查询中排序的需要),关于排序，微软研究院也有很多不错的研究成果，可以参考。
(2) 反垃圾，反作弊，这还是与排序有关，排序涉及了很多利益，因此大量的作弊导致搜索质量很低，搜索引擎需要大量的精力对付恶意SEO的一些做法。
（3）专项搜索，目前可以看到很多这样的专项搜索，例如少儿搜索，图书搜索，论文搜索等，搜索引擎越来越开始照顾非主流的人群。专项搜索需要很多技术，例如分类，信息抽取，定向抓取等技术。

谢谢。

梁老师，我是学信息管理与信息系统的，手头有一本卢亮的《搜索引擎原理、实践与应用》，通读了一遍，感觉写得也挺浅显，容易入门。我也很想买你的书读读。请问你能对比一下这两本书吗。

谷歌的工作环境确实不错，能够给你很好的提升空间，但是谷歌肯定不是唯一，还有其他很好的公司。我觉得您的问题主要是道路问题，就这个问题我想说这样几点，供您参考。
（1）打基础很重要，金庸写的射雕英雄传中，梅师姐可以说是一个武痴，练功很刻苦，为什么不能有大成，主要是它没有从九阴真经上册开始练习，忽视了基础。打基础是一件没有捷径的，这一点必须勤学苦练，有信心。
（2）注意交流，同样是金庸的小说，很多高手都是闭门练功，然后出关和各路高手过招，找出差距，这就是交流，总是闭门练功是不行的，要善于切磋交流。
（3）注意自己的优势，没有人在每个方面都能做到最好，任何公司录用你都是要发挥你最大的优势，这一点很重要，要认识自己，突出优势。

不妨把看的过程中的一些问题和体会，和大家分享一下，共同提高。

感谢梁先生百忙之中的赐教

   3）index
          distributed index
   4）query
          match rank
          other rank
          summay
       这个问题比较大，几乎搜索的方方面面都在为最后的效果发挥巨大的作用。

第三个问题，搜索引擎目前主要覆盖的是大众的兴趣，就像做一个春节晚会，各种资源都具备了，就是不能让全国人民满意，我想我们任何人去办这台晚会都不能做到让任何人都满意。当然努力的目标是让更多的人满意，个性化的搜索，新闻推送目前都在研究和尝试，最终做到让尽可能多的人满意，照顾尽可能多的人的多方面需求。    

以下是引用vanway在2008-5-19 13:17:00的发言： 看到本文才注册了这个帐号 国内讲搜索引擎方面的书还不多，感谢梁先生为搜索引擎技术的普及和发展所作的工作 在这里，想请问梁先生三个问题： 1、据我所知，搜索引擎一个很重要的方面就是其效率，google的page rank算法，作为一个巨大矩阵的运算要实现，也是由于其非常好的算法实现。梁先生能指导一下相关方面的研究资料吗？ 2、同样，数据挖掘之与搜索引擎结合，也同样存在着算法效率的问题。或采用相对简单的数据挖掘算法，或设计结合的模式，或优化数据挖掘的实现。此方面相关知识，能否请梁先生不吝赐教 3、也是我在工作中一直遇到的问题，就是人们“关心”的概念，当我们在做聚类和分类的时候，我们可以用xxx算法，得到yy%的结果。可是我们得到的结果是否是人们感兴趣，甚至人和人感兴趣的层次和角度也不同，或者说，需要根据相同问题的不同层次或角度来解决问题。请问，您的工作中遇到相关问题，一般会采用什么样的策略。 感谢梁先生百忙之中的赐教

你的《走进搜索引擎》上周刚买！

以下是引用amoysem在2008-10-21 7:26:00的发言： 梁老师有没有个人BLOG类的呢？ 很想关注下，你对搜索引擎的相关看法！ 你的《走进搜索引擎》上周刚买！

实验室女生做学问的是很多的，而且成果并不差，因此不要太在意自己是女生，而不适合计算机，兴趣是最好的老师。

以下是引用天涯咫尺之遥在2008-10-21 9:09:00的发言： 现在我才确定自己的方向 我导师是做数据库的，所以我现在选择了存储的方向，但我对无线通信这个方向也特别有兴趣，所以想以后能做无线通信方面的数据库，梁老师，感觉这个方向怎样呢？ 以前总觉得女孩子不适合搞计算机，突然发现了自己的优势，我英语还不错，比较善于跟同学沟通，还有就是我得逻辑思维能力还是可以的，性别的劣势反而能成为我的优势，这是我的想法。

以下是引用amoysem在2008-10-22 21:01:00的发言： 希望能够从梁老师那边学到更多的知识 不知道梁老师对企业在搜索引擎营销，有什么见解呢？

就是说：
1.梁老师感觉SEO这个职业如何？
2.企业在网络营销中，SEO应该处于一种什么样子的地位？

以下是引用sesamfox在2008-10-31 20:44:00的发言： 梁老师您好 我现在硕士论文马上就要开题，我的研究方向是web数据挖掘，看了一些文章但是没什么收获，找不到比较好的创新的地方。 您认为这个领域现在哪个地方还有不完善，可以研究创新的地方吗？