摘要：搜索引擎就是运用机器学习、数据挖掘知识的典型啊。简单的来说，搜索引擎就是存储所有的可以访问的静态网页并将它们存储起来，当你查询的时候将那些跟你的要求相关的网页送给你。搜索引擎也经历了一段时间，期间起起伏伏、波澜壮阔，从雅虎的目录式的搜索引擎，再到谷歌的崛起，被墙，然后百度开始NB起来，到现在国内还是有很多家企业进入搜索领域（搜狗、搜搜、360等等）。 从前面的介绍可以看出，建立一个搜索引擎首先需要做的是获取所有的可以访问的网页，这一过程称之为爬取（crawling），相应的程序称之为爬虫（crawler）。然后需要将这些网页存储起来。因为在使用搜索引擎时，我们提供给搜索引擎的是好几个“词... 阅读全文

摘要：字符串匹配有很多算法，最简单的算法就是从模式P的开头(j=0)和主串S的某个位置开始进行比较（i），如果相等(p[j] == s[i])，则比较模式串的下一个位置和主串的下一个位置(++j;++i)，如果不相等(p[j] != s[i])，则要发生回溯，从主串的位置i-j重新开始匹配，这样速度会收到影响( i = i-j+1; j=0 )。 KMP算法的优势即在于避免了回溯，当模式串j和主串i位置的字符不匹配时，查询一个数组next，从模式串位置p[ next[j] ]开始和主串的i位置开始匹配，这样主串就没有回溯，速度也就加快了，那么如何计算next数组呢？ 首先对nex... 阅读全文