基于Lucene的Web信息搜索系統(tǒng)的設(shè)計與實(shí)現(xiàn).pdf

1、隨著網(wǎng)絡(luò)信息資源的急劇增長，人們越來越多的關(guān)注如何快速有效的從海量的網(wǎng)絡(luò)信息中，抽取出潛在的、有價值的信息，使之有效的在管理和決策中發(fā)揮作用。搜索引擎是指因特網(wǎng)上專門提供查詢服務(wù)的一類網(wǎng)站，這些網(wǎng)站通過網(wǎng)絡(luò)搜索軟件(或稱網(wǎng)絡(luò)蜘蛛)，收集因特網(wǎng)上大量網(wǎng)站的頁面信息，經(jīng)過加工處理后建庫，從而能夠?qū)τ脩籼岢龅母鞣N查詢做出響應(yīng)。
　　基于Web的搜索技術(shù)已經(jīng)先后經(jīng)歷了三代的發(fā)展：集中式檢索階段、分布式檢索階段和智能化檢索階段。當(dāng)前的搜索引

2、擎研究的主要焦點(diǎn)集中在自動化、智能化檢索和提高檢索的精確度上。今后的搜索引擎還將不斷擴(kuò)展附加功能，以主題化檢索為特征，以適應(yīng)不同層次用戶的個人信息檢索需求。
　　信息采集器(網(wǎng)絡(luò)蜘蛛)是Web搜索引擎的數(shù)據(jù)來源，它的性能直接影響了資源采集的數(shù)量，質(zhì)量以及速度。因此，信息采集器是搜索引擎中一個很重要的部分。本論文在介紹搜索引擎有關(guān)技術(shù)和Lucene工具包的基礎(chǔ)上，研究和實(shí)現(xiàn)了一個可由用戶設(shè)定線程的多線程信息采集器，通過信息采集器采集