網(wǎng)絡(luò)讀物元數(shù)據(jù)垂直搜索引擎研究與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)上信息的快速增長，搜索引擎在用戶獲取信息過程中起著越來越重要的作用。通用搜索引擎在用戶需求的驅(qū)動(dòng)下，技術(shù)上取得巨大的進(jìn)步，商業(yè)上也獲得了巨大的成功。然而在互聯(lián)網(wǎng)飛速發(fā)展的新情況下，通用搜索引擎面臨著嚴(yán)峻的挑戰(zhàn)。首先，搜索引擎的更新速度跟不上互聯(lián)網(wǎng)上信息的快速變化。更重要的是，通用搜索引擎的搜索結(jié)果中含有大量的垃圾信息，用戶需要耗費(fèi)大量精力才能找到自己感興趣的結(jié)果。通用搜索引擎難以滿足用戶的專業(yè)化、精確化信息需求。在這樣的背景下

2、，各種各樣的垂直搜索應(yīng)用應(yīng)運(yùn)而生，蓬勃發(fā)展。
　　 本文面向網(wǎng)絡(luò)原創(chuàng)類讀物和出版讀物的元數(shù)據(jù)，以通用搜索引擎為范本，深入研究垂直搜索引擎的原理和總體架構(gòu)，并實(shí)現(xiàn)了高效、實(shí)用的翰林讀物元數(shù)據(jù)垂直搜索引擎，向用戶提供垂直搜索服務(wù)。本文實(shí)現(xiàn)的垂直搜索引擎，主要包括以下幾個(gè)方面的工作：1．實(shí)現(xiàn)了多線程、安全高效的定向元數(shù)據(jù)爬蟲，對抓取的圖書網(wǎng)頁進(jìn)行了結(jié)構(gòu)化元數(shù)據(jù)提取。2．基于Lucene開源工具，實(shí)現(xiàn)了對元數(shù)據(jù)的全文索引。3．基于J2E

3、E框架，實(shí)現(xiàn)了高效的檢索服務(wù)子系統(tǒng)，并對Lucene默認(rèn)的結(jié)果排序算法進(jìn)行了改進(jìn)。4．對元數(shù)據(jù)知識(shí)挖掘和知識(shí)關(guān)聯(lián)進(jìn)行了廣泛的探索，包括讀物相關(guān)、作者相關(guān)、讀者相關(guān)等，并與百度百科進(jìn)行了關(guān)聯(lián)，同時(shí)對用戶個(gè)性化推薦進(jìn)行了探索。此外，本文對翰林讀物元數(shù)據(jù)搜索引擎進(jìn)行了檢索效率和檢索質(zhì)量方面的對比測試，實(shí)驗(yàn)結(jié)果證明其良好的實(shí)用性和有效性。
　　 本文提出的翰林讀物元數(shù)據(jù)垂直搜索引擎不僅具有良好的實(shí)用性，而且具有一定的商業(yè)前景。本系統(tǒng)在搜