基于Nutch框架下的中小型網(wǎng)絡(luò)開源搜索引擎的研究與應(yīng)用.pdf_第1頁
已閱讀1頁,還剩75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)信息技術(shù)的不斷發(fā)展,各種基于企業(yè)和政府內(nèi)網(wǎng)的B/S應(yīng)用不斷涌現(xiàn)。這些應(yīng)用由于各種原因如安全、保密等因素不對外網(wǎng)開放,但同時(shí)又積累了大量的數(shù)據(jù)。如何讓用戶快速有效地從這些數(shù)據(jù)中獲得想要的信息為越來越多研究者所關(guān)注,針對這些內(nèi)網(wǎng)應(yīng)用的搜索引擎功能也就應(yīng)運(yùn)而生。
  本文首先對搜索引擎的原理、系統(tǒng)結(jié)構(gòu)等方面做了分析與介紹,然后結(jié)合Nutch開源搜索引擎框架,對搜索引擎涉及到的一些關(guān)鍵技術(shù)進(jìn)行了研究與分析。在此基礎(chǔ)上本文完成了以

2、下幾方面的工作:
  1、針對內(nèi)網(wǎng)環(huán)境下多站點(diǎn)信息分布的特點(diǎn),本文分析了內(nèi)網(wǎng)站點(diǎn)之間的內(nèi)容相關(guān)度(Relevance)、重要性(Authority)以及頁面之間指出的超鏈和新穎程度等因素,改進(jìn)了原有Nutch爬蟲的算法與爬行策略,從而提高了Nutch爬蟲在內(nèi)網(wǎng)環(huán)境下對多站點(diǎn)信息的搜集處理能力。
  2、本文采用了Lucene全文索引庫來存儲(chǔ)信息,并利用其完成了檢索功能模塊的設(shè)計(jì),然后針對內(nèi)網(wǎng)索引數(shù)據(jù)量小,用戶類型多的特點(diǎn)對檢

3、索進(jìn)行了優(yōu)化,從而達(dá)到了降低索引存儲(chǔ)時(shí)間,提高用戶檢索速度的效果。
  3、本系統(tǒng)前臺(tái)搜索功能使用了J2EE框架下的MVC分層模式來進(jìn)行設(shè)計(jì)開發(fā)。設(shè)計(jì)中首先使用Nutch插件獲取索引數(shù)據(jù)并建立模型層,然后結(jié)合Nutch的API與用戶信息模型來開發(fā)業(yè)務(wù)層,最終將搜索結(jié)果通過視圖層展示在前臺(tái)。另外系統(tǒng)分別從索引、檢索、Web等層面進(jìn)行緩存,加快了用戶的響應(yīng)與搜索體驗(yàn)。
  4、本系統(tǒng)通過基于用戶的Web訪問信息挖掘技術(shù)實(shí)現(xiàn)了搜索

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。

最新文檔

評(píng)論

0/150

提交評(píng)論