垂直搜索引擎的設(shè)計(jì)開發(fā).pdf

1、隨著計(jì)算機(jī)技術(shù)和互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，網(wǎng)絡(luò)上的信息量也急劇增加。面對(duì)如此巨大的信息，搜索引擎的出現(xiàn)在一定程度上給人們帶來(lái)了方便。通過(guò)搜索引擎，人們可以快速地訪問(wèn)一些自己不知道的網(wǎng)頁(yè)，從中獲取到很多有用的信息。然而，很多搜索引擎在搜索信息時(shí)往往會(huì)產(chǎn)生一些問(wèn)題，如搜索到的頁(yè)面過(guò)多、網(wǎng)頁(yè)重復(fù)、網(wǎng)頁(yè)數(shù)據(jù)更新慢、符合搜索要求的網(wǎng)頁(yè)比較少等。而垂直搜索技術(shù)的產(chǎn)生很好的解決了這些問(wèn)題，它為人們提供的不再是成千上萬(wàn)的相關(guān)網(wǎng)頁(yè)信息，而是范圍很小，且極具針

2、對(duì)性的具體信息。
　　 本論文以手機(jī)資源為背景，通過(guò)運(yùn)用擴(kuò)展Heritrix和Lucene，初步構(gòu)建出了一個(gè)檢索結(jié)果比較精準(zhǔn)的垂直搜索引擎。本文主要的研究工作分有以下四個(gè)部分：(1)通過(guò)定制和擴(kuò)展Heritrix這個(gè)由Java開發(fā)的、開源的Web網(wǎng)絡(luò)爬蟲來(lái)從互聯(lián)網(wǎng)上爬取相關(guān)的信息資源；(2)利用HtmlParser工具對(duì)爬取的信息進(jìn)行分析和抽??；(3)深入研究Lucene以及及其相關(guān)的技術(shù)，將Lucene成功地運(yùn)用到了系統(tǒng)當(dāng)中，