基于DotLucene的網(wǎng)站搜索技術(shù)研究.pdf

1、搜索解決方案是搜索引擎的核心，如何有效、合理地架構(gòu)出一個(gè)搜索方案是搜索引擎質(zhì)量的主要標(biāo)準(zhǔn)。搜索引擎技術(shù)涵蓋知識(shí)范圍比較廣闊，對(duì)于沒有基礎(chǔ)的中小型搜索應(yīng)用，架構(gòu)出一個(gè)合理的搜索引擎困難重重。面對(duì)目前市場(chǎng)上搜索引擎巨頭公司的技術(shù)壟斷，中小企業(yè)中的搜索業(yè)務(wù)更多選擇了依賴于大公司的搜索服務(wù)，而很少有企業(yè)獨(dú)立為自己開發(fā)一套合適的搜索引擎。 搜索引擎技術(shù)中有幾大難點(diǎn)：網(wǎng)絡(luò)蜘蛛模塊、索引器模塊、搜索器模塊和中文環(huán)境下的中文分析模塊。以上幾大模

2、塊正是本文要解決的搜索引擎問題的關(guān)鍵。 對(duì)于網(wǎng)絡(luò)蜘蛛模塊，要求有一個(gè)可靠的程序從互聯(lián)網(wǎng)中抓取信息，作為搜索引擎的信息來源，其中包括了網(wǎng)頁的抓取，信息的歸檔和處理。索引器模塊解決的是搜索引擎索引建立的問題，即從收集到的網(wǎng)頁中通過信息倒排技術(shù)，制作出詞為單位的索引，并且隨著新信息資源的加入，如何維護(hù)和擴(kuò)充這些索引。搜索引擎檢索器模塊解決的是如何處理用戶的搜索，即如何訪問索引，從中找到用戶檢索的信息。 對(duì)于中文企業(yè)的應(yīng)用，還伴