面向水路基礎(chǔ)數(shù)據(jù)庫平臺的Lucene全文檢索技術(shù)研究.pdf

1、二十一世紀(jì)是一個(gè)信息化、網(wǎng)絡(luò)化的時(shí)代，人們可以時(shí)時(shí)感受到足不出戶就可以進(jìn)行辦公、交友等活動帶來的巨大的好處。但在信息數(shù)據(jù)量膨脹的時(shí)代，面對著海量的數(shù)據(jù)，如何快速的從中查找到有用的的數(shù)據(jù)，成為信息化數(shù)據(jù)管理亟待解決的問題。對待從海量數(shù)據(jù)中快速獲取到有意義數(shù)據(jù)的主要方法就是使用信息檢索技術(shù)，而為待檢索數(shù)據(jù)創(chuàng)建索引然后對索引進(jìn)行檢索的全文檢索技術(shù)在對海量數(shù)據(jù)檢索上又有著很大的優(yōu)勢。本文結(jié)合需求對全文檢索及Lucene全文檢索框架進(jìn)行研究，設(shè)計(jì)

2、實(shí)現(xiàn)了一個(gè)面向水路基礎(chǔ)數(shù)據(jù)庫平臺的Lucene全文檢索系統(tǒng)，檢索用戶可以在檢索頁面輸入檢索關(guān)鍵字即可對數(shù)據(jù)資源進(jìn)行全文檢索。
　　本文研究全文檢索技術(shù)所依托的背景系統(tǒng)水路基礎(chǔ)數(shù)據(jù)庫平臺具有如下特點(diǎn):1、具有水路運(yùn)輸相關(guān)專業(yè)性;2、多種數(shù)據(jù)源（Word文檔、PDF文檔、Excel文檔、數(shù)據(jù)庫記錄數(shù)據(jù)等）;3、數(shù)據(jù)源為中文辦公文獻(xiàn)資料及數(shù)據(jù)庫記錄等。本文對基于Java語言的開源全文檢索架構(gòu)Lucene進(jìn)行了深入的研究，根據(jù)全文檢索技術(shù)

3、所要應(yīng)用的系統(tǒng)平臺的特點(diǎn)，對Lucene全文檢索框架進(jìn)行功能上的擴(kuò)充。如Lucene自帶的兩個(gè)中文分析器不能有效的對中文進(jìn)行切分過濾等處理，所以本文對Lucene自帶的中文分析器進(jìn)行了分析改進(jìn)以迎合本水路數(shù)據(jù)全文檢索的需求;又如Lucene只能夠?qū)ξ谋緮?shù)據(jù)進(jìn)行解析處理，而待索引的數(shù)據(jù)多種格式的文檔數(shù)據(jù)，所以本文研究設(shè)計(jì)了一個(gè)對多種常用格式的文檔數(shù)據(jù)解析處理的接口，它可以很好的解決不同格式文檔索引問題。再如本文針對水路基礎(chǔ)數(shù)據(jù)庫平臺的多數(shù)