基于Lucene的多文檔全文檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著信息技術(shù)的迅猛發(fā)展，各種各樣的電子文檔也隨之涌現(xiàn)。如何在海量的文檔庫中迅速地找到符合用戶需求的問題成為了信息檢索的關(guān)鍵技術(shù)。全文檢索系統(tǒng)由信息檢索技術(shù)衍生而來，其核心是多文檔全文檢索技術(shù)，目的是有效地提高用戶檢索個(gè)性化文檔的效率。本文旨在設(shè)計(jì)一個(gè)基于Lucene的多文檔全文檢索系統(tǒng)，實(shí)現(xiàn)對(duì)指定目錄下的PDF、Word、Excel以及文本格式的文檔進(jìn)行檢索，為用戶提供一個(gè)快捷、安全的信息檢索渠道。
　　多文檔全文檢索系統(tǒng)主要通過

2、對(duì)PDF、Word、Excel以及文本格式的文檔的標(biāo)題、目錄以及文本內(nèi)容等信息進(jìn)行組織、索引、查詢等操作，并根據(jù)用戶的查詢條件檢索出匹配的文檔，其技術(shù)核心包括文檔解析、分詞處理、構(gòu)建索引、檢索索引庫、檢索結(jié)果處理等。本文采用PDFBoxAPI和POI技術(shù)分別抽取PDF和WORD、EXCEL文檔中的文本內(nèi)容和其它基本信息實(shí)現(xiàn)文檔解析，在此基礎(chǔ)上由Lucene的分析包以及第三方分詞系統(tǒng)中科院的ICTCLAS來作文檔的分詞處理，并結(jié)合了一定的

3、如去除標(biāo)點(diǎn)符號(hào)、停用詞等預(yù)處理操作來提高分詞的準(zhǔn)確率，減少索引的大小;再經(jīng)過一定的預(yù)處理操作后，對(duì)分詞后的文本進(jìn)行一定的組織，存入索引文件;最后根據(jù)用戶的檢索條件在索引文件中檢索到相關(guān)條目，找到對(duì)應(yīng)的文檔，并對(duì)結(jié)果根據(jù)相關(guān)性或修改時(shí)間進(jìn)行一定的排序后，返回給用戶。從而實(shí)現(xiàn)了更具專業(yè)性、內(nèi)容更加精確的多文檔全文檢索，達(dá)到滿足用戶個(gè)性化需求與提高信息檢索效率的設(shè)計(jì)目標(biāo)。
　　本文采用Struts2框架來開發(fā)實(shí)現(xiàn)整個(gè)多文檔全文檢索系統(tǒng)并