基于Lucene的站內(nèi)搜索引擎技術(shù)的研究與應(yīng)用.pdf_第1頁
已閱讀1頁,還剩65頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展,網(wǎng)絡(luò)上的信息資源正以驚人的速度增長。
   出于信息化建設(shè)的需要,大量企事業(yè)單位都建立了自己的網(wǎng)站,以便向人們提供信息服務(wù),以提高企業(yè)的知名度和服務(wù)質(zhì)量。隨著時(shí)間的推移,許多網(wǎng)站中存儲(chǔ)了大量的信息,但是,相當(dāng)多的網(wǎng)站沒有自己的站內(nèi)搜索引擎系統(tǒng),這就有可能造成用戶無法快速找到自己感興趣的信息。
   盡管一些大型的web搜索引擎也向用戶提供站內(nèi)檢索的功能。例如Google、百度、雅虎都向‘Web站

2、點(diǎn)提供了支持站內(nèi)搜索的機(jī)制。但是由于Web搜索引擎收錄的Web頁面只占因特網(wǎng)中可收錄頁面的三分之一左右,同時(shí)Web搜索引擎通常是經(jīng)過一個(gè)固定的周期才刷新其收錄的頁面,這必然導(dǎo)致采用Web搜索引擎作為其站內(nèi)搜索引擎的站點(diǎn),其搜索結(jié)果質(zhì)量差、不精確、更新慢、不能及時(shí)顯示站內(nèi)信息。因此,對于這些沒有提供站內(nèi)信息檢索系統(tǒng)的網(wǎng)站,建立自己的站內(nèi)信息檢索系統(tǒng)成為了當(dāng)務(wù)之急。
   在對搜索引擎系統(tǒng)、全文檢索技術(shù)和Lucene開源工具包進(jìn)行了

3、深入研究的基礎(chǔ)上,本文設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于工Lucene的站內(nèi)搜索引擎系統(tǒng)。文中詳細(xì)介紹了站內(nèi)搜索引擎系統(tǒng)的需求分析、系統(tǒng)的整體組織架構(gòu)、系統(tǒng)實(shí)現(xiàn)的開發(fā)工具以及系統(tǒng)各個(gè)功能模塊的詳細(xì)設(shè)計(jì)和具體實(shí)現(xiàn).該系統(tǒng)包括四個(gè)功能模塊--信息采集模塊、構(gòu)建索引模塊、搜索模塊和人機(jī)交互界面模塊。信息采集模塊是搜索引擎的核心組成部分,其作用是用來采集指定站點(diǎn)的文檔信息,以便索引模塊建立索引;信息采集功能通過網(wǎng)絡(luò)爬蟲(crawler)按照一定規(guī)則編碼web

4、站點(diǎn),并將訪問到的信息資源下載到本地服務(wù)器。網(wǎng)絡(luò)爬蟲的性能在一定程度上決定了搜索引擎系統(tǒng)的搜索效果、信息是否及時(shí)更新、內(nèi)容是否豐富等。本文設(shè)計(jì)了一個(gè)多線程網(wǎng)絡(luò)爬蟲,用于系統(tǒng)信息的采集。構(gòu)建索引是搜索引擎的重要環(huán)節(jié),索引質(zhì)量的好壞決定了搜索結(jié)果的質(zhì)量和搜索的效果;本文以Lucene為基礎(chǔ)設(shè)計(jì)了一個(gè)可以索引HTML、Word、Excel、Powerpoint等多種格式數(shù)據(jù)源的索引框架,并詳細(xì)分析了構(gòu)建索引的流程、文檔解析的流程。當(dāng)索引文件建

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論