基于Nutch的圖情博客搜索引擎的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著Web2.0理念和技術(shù)的興起，全球互聯(lián)網(wǎng)用戶享受到了豐富多樣的交互性信息服務(wù)，博客正是這種交互性信息服務(wù)的典型代表。在這種時(shí)代背景下，圖書情報(bào)學(xué)領(lǐng)域的學(xué)生、研究人員等紛紛開設(shè)博客進(jìn)行信息交流。然而，圖情博客分散、博文質(zhì)量參差不齊的現(xiàn)狀給界內(nèi)人士的使用帶來了不便，雖然Google博客搜索、百度博客搜索等相關(guān)的主題搜索引擎已經(jīng)解決了一些問題，但是仍舊不能滿足圖情界用戶的需求。本文就是針對這一問題嘗試構(gòu)建圖情博客搜索引擎，以滿足圖情用戶的

2、需求。本文首先對搜索引擎相關(guān)技術(shù)和圖情博客進(jìn)行分析，其次引入Nutch這一開源搜索引擎并基于Nutch制定了圖情博客搜索引擎的設(shè)計(jì)方案，再次依據(jù)該設(shè)計(jì)方案開發(fā)出相應(yīng)的主題搜索引擎，最后以實(shí)驗(yàn)的方法對該主題搜索引擎的性能進(jìn)行評估。本文各章節(jié)的主要內(nèi)容如下:
　　1.緒論。本章介紹了論文的選題背景、選題意義、國內(nèi)外研究現(xiàn)狀、所采用的研究方法和創(chuàng)新之處。
　　2.搜索引擎相關(guān)技術(shù)及圖情博客分析。本章首先分析了搜索引擎、主題搜索引擎

3、的運(yùn)行原理，指出二者的主要區(qū)別在于信息采集模塊和網(wǎng)頁內(nèi)容解析模塊兩部分，主題搜索引擎改進(jìn)了網(wǎng)絡(luò)爬蟲模塊和并在網(wǎng)頁內(nèi)容解析模塊增加了主題詞庫進(jìn)行信息過濾。其次從博客站點(diǎn)結(jié)構(gòu)、博客頁面內(nèi)容、博客之間鏈接結(jié)構(gòu)三方面對圖情博客進(jìn)行分析，以增加對圖情博客的全面認(rèn)識。
　　3 Nutch簡介及Nutch系統(tǒng)的運(yùn)行環(huán)境配置與運(yùn)行。本章首先介紹了開源搜索引擎Nutch的基本情況和框架結(jié)構(gòu)，對Nutch有個(gè)初步的認(rèn)識。然后配置Nutch系統(tǒng)的運(yùn)行環(huán)

4、境并詳細(xì)闡釋其運(yùn)行流程，對Nutch的運(yùn)行原理和詳細(xì)結(jié)構(gòu)有進(jìn)一步的認(rèn)識。
　　4基于Nutch的圖情博客搜索引擎的設(shè)計(jì)。本章依據(jù)軟件工程的思想，首先分析搜索引擎系統(tǒng)要實(shí)現(xiàn)的目標(biāo)、要解決的問題以及可行性，然后通過用例圖（Use Case Diagram）和序列圖（Sequence Diagram）對系統(tǒng)的用戶需求進(jìn)行闡述，最后給出了系統(tǒng)的總體設(shè)計(jì)方案和詳細(xì)設(shè)計(jì)方案。
　　5基于Nutch的圖情博客搜索引擎的核心模塊實(shí)現(xiàn)。本章對