基于MongoDB的旅游垂直搜索系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、國民經(jīng)濟快速發(fā)展以及人們生活水平不斷提高帶動了國內(nèi)旅游行業(yè)飛速發(fā)展?；ヂ?lián)網(wǎng)技術(shù)給人們獲取信息的方式帶來了根本性變革，人們越來越習(xí)慣通過互聯(lián)網(wǎng)獲取所需的信息。在旅游行業(yè)及其相關(guān)領(lǐng)域國內(nèi)已經(jīng)存在大量的網(wǎng)站，但這些網(wǎng)站多少都存在一些問題，主要表現(xiàn)為有效信息少、垃圾信息多、用戶體驗差、內(nèi)容沒有特色等，人們面對魚龍混雜的的海量信息通常無所適從。通用搜索引擎通常作為信息檢索的入口，但在精確查詢目標(biāo)信息方面表現(xiàn)的力不從心，不能滿足人們快速、準(zhǔn)確地獲取

2、目標(biāo)信息的需求。在這樣的背景下，就產(chǎn)生了既能提供全面、準(zhǔn)確的旅游相關(guān)信息又能簡單、快速地為人們提供旅游信息檢索服務(wù)的旅游垂直搜索引擎。
　　旅游垂直搜索引擎是垂直搜索技術(shù)在旅游行業(yè)及其相關(guān)領(lǐng)域的實際應(yīng)用。本論文對垂直搜索引擎的理論和技術(shù)進行了分析和研究，主要包括網(wǎng)絡(luò)爬蟲系統(tǒng)Heritrix，頁面解析和信息提取技術(shù)，全文檢索系統(tǒng)Lucene。針對系統(tǒng)業(yè)務(wù)數(shù)據(jù)存儲，分析研究了MongoDB分布式文檔存儲系統(tǒng)，并對分布式架構(gòu)中的選舉算法

3、和數(shù)據(jù)同步原理進行了詳細(xì)闡述。
　　在前面分析和研究相關(guān)技術(shù)和工具的基礎(chǔ)上設(shè)計并實現(xiàn)了旅游垂直搜索系統(tǒng)。系統(tǒng)使用Heritrix爬取網(wǎng)絡(luò)頁面，然后使用Jsoup和正則表達式解析網(wǎng)頁文件，精確提取所需的數(shù)據(jù)，再使用 Lucene對提取的結(jié)構(gòu)化的數(shù)據(jù)建立索引，同時基于Lucene的全文檢索功能實現(xiàn)了對酒店和景點信息的全文檢索。本系統(tǒng)使用雙數(shù)據(jù)庫模式，使用Mysql存儲結(jié)構(gòu)化、數(shù)據(jù)結(jié)構(gòu)比較固定的數(shù)據(jù)，使用 MongoDB存儲酒店和景點業(yè)