基于MongoDB的旅游垂直搜索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、國(guó)民經(jīng)濟(jì)快速發(fā)展以及人們生活水平不斷提高帶動(dòng)了國(guó)內(nèi)旅游行業(yè)飛速發(fā)展?；ヂ?lián)網(wǎng)技術(shù)給人們獲取信息的方式帶來(lái)了根本性變革，人們?cè)絹?lái)越習(xí)慣通過(guò)互聯(lián)網(wǎng)獲取所需的信息。在旅游行業(yè)及其相關(guān)領(lǐng)域國(guó)內(nèi)已經(jīng)存在大量的網(wǎng)站，但這些網(wǎng)站多少都存在一些問(wèn)題，主要表現(xiàn)為有效信息少、垃圾信息多、用戶(hù)體驗(yàn)差、內(nèi)容沒(méi)有特色等，人們面對(duì)魚(yú)龍混雜的的海量信息通常無(wú)所適從。通用搜索引擎通常作為信息檢索的入口，但在精確查詢(xún)目標(biāo)信息方面表現(xiàn)的力不從心，不能滿(mǎn)足人們快速、準(zhǔn)確地獲取

2、目標(biāo)信息的需求。在這樣的背景下，就產(chǎn)生了既能提供全面、準(zhǔn)確的旅游相關(guān)信息又能簡(jiǎn)單、快速地為人們提供旅游信息檢索服務(wù)的旅游垂直搜索引擎。
　　旅游垂直搜索引擎是垂直搜索技術(shù)在旅游行業(yè)及其相關(guān)領(lǐng)域的實(shí)際應(yīng)用。本論文對(duì)垂直搜索引擎的理論和技術(shù)進(jìn)行了分析和研究，主要包括網(wǎng)絡(luò)爬蟲(chóng)系統(tǒng)Heritrix，頁(yè)面解析和信息提取技術(shù)，全文檢索系統(tǒng)Lucene。針對(duì)系統(tǒng)業(yè)務(wù)數(shù)據(jù)存儲(chǔ)，分析研究了MongoDB分布式文檔存儲(chǔ)系統(tǒng)，并對(duì)分布式架構(gòu)中的選舉算法

3、和數(shù)據(jù)同步原理進(jìn)行了詳細(xì)闡述。
　　在前面分析和研究相關(guān)技術(shù)和工具的基礎(chǔ)上設(shè)計(jì)并實(shí)現(xiàn)了旅游垂直搜索系統(tǒng)。系統(tǒng)使用Heritrix爬取網(wǎng)絡(luò)頁(yè)面，然后使用Jsoup和正則表達(dá)式解析網(wǎng)頁(yè)文件，精確提取所需的數(shù)據(jù)，再使用 Lucene對(duì)提取的結(jié)構(gòu)化的數(shù)據(jù)建立索引，同時(shí)基于Lucene的全文檢索功能實(shí)現(xiàn)了對(duì)酒店和景點(diǎn)信息的全文檢索。本系統(tǒng)使用雙數(shù)據(jù)庫(kù)模式，使用Mysql存儲(chǔ)結(jié)構(gòu)化、數(shù)據(jù)結(jié)構(gòu)比較固定的數(shù)據(jù)，使用 MongoDB存儲(chǔ)酒店和景點(diǎn)業(yè)