

版權說明: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,請進行舉報或認領
文檔簡介
1、近年來,隨著計算機技術的飛速發(fā)展,互聯(lián)網(wǎng)已經(jīng)從各方面影響著人們的工作和生活。為了更好的使用互聯(lián)網(wǎng)資源,搜索引擎應運而生。但是傳統(tǒng)的通用搜索引擎存在著網(wǎng)絡覆蓋率低、查準率差、錯誤導航等諸多問題,因此又出現(xiàn)了針對某一特定領域提供檢索服務的垂直搜索引擎。在學術領域,為了充分利用研究機構與研究人員等通過網(wǎng)絡共享的大量學術資源,有不少針對學術領域的垂直搜索引擎也相繼出現(xiàn)。但是,由于更新時間滯后、瀏覽與下載權限控制和時效性較差等原因,目前還沒有出現(xiàn)
2、類似通用的Google搜索引擎那樣使用率非常高的面向?qū)W術領域的垂直搜索引擎。
針對以上實際情況,本文研究并實現(xiàn)了一個新的面向?qū)W術領域的垂直搜索引擎,基于Nutch實現(xiàn)的該學術搜索引擎能夠為用戶提供時效性較強且與主題較相關的檢索結果,并通過用戶定制功能保證了系統(tǒng)的更新頻率。本文的主要工作包括以下幾個方面:
(1)為了保證信息搜集范圍的廣泛性,本文的學術搜索引擎在爬取模塊采用了全網(wǎng)爬取的方式,這打破了一些面向?qū)W術領域的搜
3、索引擎僅針對部分學術網(wǎng)站進行信息搜集的局限性。在全網(wǎng)爬取的前提下,本文為學術搜索引擎實現(xiàn)了主題爬取功能。主題爬取模塊引入了網(wǎng)頁主題相關性過濾機制,采用了一種基于語義引力的相似度計算方法,該算法通過計算網(wǎng)頁與主題相關詞的相似程度,來判定網(wǎng)頁與主題的相關程度。這種在爬取階段就進行主題判斷的方式,是目前實現(xiàn)垂直搜索引擎的最佳方式。全網(wǎng)環(huán)境下的主題爬取模塊的實現(xiàn),既保證了所搜集網(wǎng)頁的主題相關性,又使得本文的學術搜索引擎具備了發(fā)現(xiàn)互聯(lián)網(wǎng)中新的主題
4、相關網(wǎng)站的能力。
(2)在解析模塊,本文實現(xiàn)了基于模板的通用網(wǎng)頁解析器,該解析器克服了解析模板對網(wǎng)頁和網(wǎng)站結構的依賴性,實現(xiàn)了模板創(chuàng)建過程的半自動化,因此它具有一定的通用性。此外,該模板解析器可以通過定制解析來定向收集用戶感興趣的網(wǎng)頁信息(如網(wǎng)頁更新時間),因此該模板解析器能夠被定制以應用于不同的搜索引擎之中。
(3)本文成功的完成了Nutch原有的Lucene索引結構的重新構建,為學術搜索引擎的索引文件添加了自定義
5、的date域,并在檢索模塊實現(xiàn)了基于該時間域的排序方法,從而為學術搜索引擎添加了按網(wǎng)頁時效性進行檢索的功能。此外,檢索模塊還實現(xiàn)了綜合考慮網(wǎng)頁內(nèi)容重要性和網(wǎng)頁鏈接重要程度的排序方法,克服了一些面向?qū)W術領域的搜索引擎在排序方面的不足。
(4)用戶定制模塊實現(xiàn)了管理和配置整個學術搜索引擎的功能,實現(xiàn)了系統(tǒng)運行參數(shù)、種子URL的可視化配置,并允許用戶通過關鍵詞定制和篩選種子URL。此外,該部分還提供了種子URL推薦功能,用戶可以向?qū)W
6、術搜索引擎推薦新的種子URL。在配置完成后,用戶可以通過用戶定制模塊直接運行學術搜索引擎,這種易用性使得用戶可以根據(jù)實際需要確定系統(tǒng)的更新頻率,從而保證了檢索信息的時效性。
經(jīng)過實際部署與應用的基于Nutch的學術搜索引擎取得了預期的效果,通過分析學術搜索引擎的檢索結果,驗證了引擎系統(tǒng)各個模塊的主要功能。用戶可以通過學術搜索引擎檢索到與自己關注領域更相關且時效性更強的資訊信息。同時,基于Nutch的學術搜索引擎還具有良好的擴展
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,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)容負責。
- 6. 下載文件中如有侵權或不適當內(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確性、安全性和完整性, 同時也不承擔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。
最新文檔
- 基于Nutch的垂直搜索引擎研究與實現(xiàn).pdf
- 基于Nutch的可信搜索引擎研究與實現(xiàn).pdf
- 基于Nutch的企業(yè)搜索引擎的研究與實現(xiàn).pdf
- 基于nutch的農(nóng)業(yè)垂直搜索引擎研究與實現(xiàn)
- 基于Nutch的搜索引擎系統(tǒng)的設計與實現(xiàn).pdf
- 基于Nutch的垂直搜索引擎的分析與實現(xiàn).pdf
- 基于Nutch的搜索引擎排序算法的研究與實現(xiàn).pdf
- 基于Nutch搜索引擎的中文分詞算法研究與實現(xiàn).pdf
- 基于Nutch的智能語義搜索引擎.pdf
- 基于Nutch的中文主題搜索引擎的設計與實現(xiàn).pdf
- 基于Nutch的學校信息垂直搜索引擎的研究與實現(xiàn).pdf
- 基于Nutch的職位信息搜索引擎的設計與實現(xiàn).pdf
- 基于nutch海關主題搜索引擎的研究與設計
- 基于Nutch的維文與哈文搜索引擎的研究與實現(xiàn).pdf
- 基于Nutch的農(nóng)業(yè)垂直搜索引擎的研究.pdf
- 基于Nutch的科技主題搜索引擎Crawler的研究與實現(xiàn).pdf
- 基于Nutch的圖情博客搜索引擎的設計與實現(xiàn).pdf
- 基于Nutch的醫(yī)學領域垂直搜索引擎系統(tǒng)的研究與實現(xiàn).pdf
- 基于Nutch的科技項目主題搜索引擎研究.pdf
- 基于Hadoop的Nutch分布式搜索引擎研究與實現(xiàn).pdf
評論
0/150
提交評論