基于移動終端的Web信息檢索技術(shù)研究.pdf

1、隨著移動互聯(lián)網(wǎng)的快速發(fā)展，人們越來越習慣于隨時隨地通過手機等移動終端來上網(wǎng)。在瀏覽網(wǎng)頁時經(jīng)常會看到網(wǎng)頁中會包含大量和我們所關(guān)心的內(nèi)容無關(guān)的導航條、廣告信息、版權(quán)信息以及其他一些信息等。對于移動用戶來說，這些信息不僅讓他們被動的去瀏覽而浪費寶貴的時間，而且也因為瀏覽了這些信息造成不必要的流量浪費。所以如何除去網(wǎng)頁中多余的信息，讓網(wǎng)頁為用戶做出需求應答時所展現(xiàn)的內(nèi)容只是用戶想看的內(nèi)容，這是非常有必要的。比如，用戶只想獲取一個詞的名詞解釋，那

2、搜索引擎返回的結(jié)果就是單純的名詞解釋?；谶@一點，本文在研究了網(wǎng)頁凈化的相關(guān)技術(shù)和Lucene搜索引擎的基礎上，開發(fā)設計了一套適合手機等移動終端獲取主題文本信息的搜索系統(tǒng)。
　　 首先，論文對本系統(tǒng)需要用到的相關(guān)技術(shù)作了大致的介紹。主要研究了網(wǎng)頁凈化領(lǐng)域的相關(guān)技術(shù)，包括網(wǎng)頁適應、網(wǎng)頁分割和網(wǎng)頁主題信息提取，同時，對Lucene開發(fā)工具包的技術(shù)和應用特點作了重點介紹，主要涉及Lucene的索引和查詢，還有分析了自動摘要和正則表達式

3、。
　　 然后，論文針對本系統(tǒng)的兩個重要模塊分別作介紹。一個是網(wǎng)頁預處理模塊，基于對網(wǎng)頁凈化技術(shù)的研究，采用信息提取的方法實現(xiàn)對主題信息的獲取;另一個是信息檢索模塊，所檢索的信息就是網(wǎng)頁預處理模塊得到的主題信息。在改進的中文分詞的基礎上，采用Lucene搜索引擎包實現(xiàn)對信息的索引和查詢。
　　 最后，論文對整個系統(tǒng)的設計進行了介紹。系統(tǒng)實現(xiàn)了網(wǎng)頁搜集，網(wǎng)頁預處理和內(nèi)容服務三個模塊，完成了根據(jù)用戶輸入的關(guān)鍵字提供給用戶文本