基于Lucene的職位垂直搜索引擎的研究與實現(xiàn).pdf_第1頁
已閱讀1頁，還剩67頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：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，請進行舉報或認領

文檔簡介

1、州IIII／ll／／／／II／III／I／／I／Ill／Ill／11Y33015mllll4m‘m‘J7|I[IN泖歹幺密級：——碩士學位論文⑧論文題目基王L旦堡盟星鮑驅焦垂直墊塞型鏊笪巫宜皇塞現(xiàn)作者姓名圃斐指導教師筮勇副教援學科(專業(yè))：讓箕扭熱苤所在學院i土箕扭型堂皇堇苤堂瞳提交日期2Q12生魚旦晝目浙江大學碩士學位論文摘要隨著互聯(lián)網(wǎng)時代的發(fā)展，Intemet上的資源爆炸式增長。搜索引擎可以幫助用戶在網(wǎng)絡上方便的查找需要的信息，但是

2、以谷歌，百度為代表的通用搜索引擎目前由于網(wǎng)頁覆蓋率低，索引更新不及時以及檢索結果不精確等缺點，難以滿足特定領域的需求。本文在開源的全文檢索工具軟件包Lucene的平臺上，利用相關的開發(fā)框架(Herkrix，HTMLParser等)研究和實現(xiàn)了對職位的專業(yè)化搜索功能的垂直搜索引擎。本文主要工作如下：首先，介紹了搜索引擎的發(fā)展歷史，深入研究了搜索引擎的工作原理，對搜索引擎的發(fā)展趨勢加以展望。其次，深入研究了網(wǎng)絡爬蟲框架Heritrix以及基

3、于Java的全文搜索引擎工具包Lucene，此外還研究了影響搜索引擎精確度的中文分詞技術。接著，基于以上技術，本文設計并實現(xiàn)了面向職位的求職垂直搜索引擎，包括信息采集模塊，網(wǎng)頁信息提取模塊，索引建立模塊，用戶檢索模塊這四個模塊。在信息采集模塊使用ELFHash算法用來映射URL到不同的下載隊列，加快抓取速度，在網(wǎng)頁信息提取模塊，主要使用iHTMLParser提取信息，在索引建立模塊和用戶檢索模塊，在現(xiàn)有的開源搜索引擎框架Lucene的基

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)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，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)容負責。
  • 6. 下載文件中如有侵權或不適當內(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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論