構件垂直搜索引擎的關鍵技術研究.pdf

1、基于構件的軟件開發(fā)方法（Component-Based Software Development）被視為解決“軟件危機”的有效途徑之一，構件庫是這一方法的基礎設施。然而單一構件庫的規(guī)模不能滿足軟件開發(fā)人員的需求，眾多異構的構件庫之間的互不可訪問性，使得“尋找構件”變得非常困難。隨著Internet的迅速發(fā)展，Internet上出現(xiàn)了許多提供商業(yè)構件和開源構件的構件庫，此外Internet上還散落著大量的未能被某個構件庫收集的構件。垂直搜

2、索引擎的出現(xiàn)與發(fā)展為實現(xiàn)Internet上構件資源的搜索提供了解決思路和技術保證。垂直搜索引擎面向某個主題，針對特定人群，保證了對某一特定領域信息的完全收錄與及時更新，通過對采集的數(shù)據(jù)進行深度的挖掘分析，能夠向用戶提供個性化的搜索服務。
　　 構件垂直搜索引擎的關鍵技術包括主題爬行算法、構件信息表示及結構化抽取，構件索引與檢索。主題爬行算法的研究是以Shark Search算法為基礎展開的，結合Nutch中的OPIC算法的實現(xiàn)方

3、法，設計了一種面向主題的爬行算法L-Shark Search，實驗表明L-Shark Search算法比原始的Shark Search算法有更好的爬行效果。根據(jù)現(xiàn)行構件庫網站所能提供的構件描述信息設計了一個構件描述模型iUCDL，提出了一種基于模板的結構化信息抽取方法對構件信息進行精確抽取。對于構件信息的索引，在保持Lucene的全文檢索風格不變的前提下，通過加入XML結構信息來支持構件刻面檢索，并結合刻面構件匹配模型，對搜索結果進行二