十一月一号,周一。
炜杰站在新办公室的窗前,看着中关村大街上的梧桐树。叶子已经黄了大半,风一吹,纷纷扬扬地落下来,铺在地上像一层碎金。
倒计时十五天。
何明的爬虫爬到了五十万个网页。分布式架构跑稳定了,三台服务器昼夜不停地运转,硬盘灯一闪一闪,像三颗同步跳动的心脏。
刘芳的索引系统做了第三次升级。五十万网页的检索响应时间,平均2.1秒。她还加了一个简单的排序算法——基于关键词出现频率和网页被引用次数的综合权重。
王志远的分词团队做出了第一版中文分词系统。词典容量五万个词,支持未登录词的识别,准确率比正向最大匹配提升了将近一倍。
何明把这四个模块拼在一起——爬虫、分词、索引、排序——做成了一个能