面向本地電腦的垂直搜索引擎的分析與實現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)的普及和信息技術(shù)的發(fā)展，人們工作和生活中越來越離不開信息資源，網(wǎng)絡(luò)上積累了少量的信息資源，從這些種類和數(shù)量繁多的信息資源中獲取有價值的信息變得越來越難，信息查詢的速度和效率已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足人們對信息獲取的需求。搜索引擎技術(shù)在很大程度上解決了在互聯(lián)網(wǎng)上查找信息的瓶頸問題，它整合了網(wǎng)絡(luò)上的信息資源，為用戶提供了信息查詢和導(dǎo)航服務(wù)，能夠幫助人們快速查找和定位到需要的有用信息。雖然搜索引擎產(chǎn)品很多，但目前基本水平式的通用搜索引擎在使用

2、過程中仍然存在很多問題。
　　面向本地電腦的搜索引擎系統(tǒng)是在開源Lucene框架的基礎(chǔ)上設(shè)計和開發(fā)的，系統(tǒng)能對個人電腦中的常用OFFICE格式的文件、XML格式的文件、HTML格式的文件、PDF文件、Flash文件，甚至是TAR、ZIP和BZIP2等類型的壓縮文件格式進(jìn)行信息搜索和查找。本文首先對面向本地電腦的垂直搜索引擎中的關(guān)鍵技術(shù)進(jìn)行研究，包括信息抽取技術(shù)、分詞技術(shù)、數(shù)據(jù)分類技術(shù)等；接著分析系統(tǒng)的功能需求和性能需求；然后對系統(tǒng)

3、進(jìn)行了概要設(shè)計和詳細(xì)設(shè)計，最后介紹基于Lucene開源框架的系統(tǒng)的開發(fā)和實現(xiàn)過程，并對系統(tǒng)進(jìn)行了測試。針對用戶本地電腦中文檔信息變化快的特點，設(shè)計了一種對本地電腦中的文件進(jìn)行動態(tài)監(jiān)測的技術(shù)實現(xiàn)對發(fā)生變化的文檔的實時更新和索引。由于本地電腦中的文件經(jīng)常被修改、刪除和新建等，當(dāng)文件發(fā)生變化時，為了避免搜索到的信息的無效性，搜索引擎的索引模塊也需要隨著文件的變化而不斷的實時更新。基于動態(tài)監(jiān)測技術(shù)的文件索引能夠避免文件被重復(fù)索引，還能夠提高文檔