主題搜索引擎的研究與應(yīng)用.pdf

1、搜索技術(shù)的進(jìn)步使得人類對(duì)數(shù)據(jù)、信息、知識(shí)進(jìn)入了前所未有的共享模式。搜索是虛擬的人類意識(shí)。搜索技術(shù)反映個(gè)體在特定時(shí)期和范圍內(nèi)的行為取向和信息喜好，無(wú)數(shù)搜索的集合和綜合信息最終可以用以推測(cè)人類作為整體的文化屬性。 隨著信息多元化的增長(zhǎng)，千篇一律的給所有用戶同一個(gè)入口顯然已經(jīng)不能滿足特定用戶更深入的查詢需求。因此我們需要一個(gè)分類細(xì)致精確、數(shù)據(jù)全面深入、更新及時(shí)的面向主題的搜索引擎。主題搜索引擎是針對(duì)某一特定領(lǐng)域提供的有一定價(jià)值的信息和

2、相關(guān)服務(wù)。以構(gòu)筑某一主題領(lǐng)域的Internet網(wǎng)絡(luò)信息資源庫(kù)為目標(biāo)，智能地在互聯(lián)網(wǎng)上搜集符合此主題需要的信息資源。其特點(diǎn)就是“專、精、深”，且具有行業(yè)色彩。 本文在基于Lucene搜索引擎框架的研究和應(yīng)用基礎(chǔ)上，對(duì)它的設(shè)計(jì)原理和特色以及評(píng)分體系進(jìn)行深入的研究。Nutch是一個(gè)建立在Lucene核心之上的Web搜索的實(shí)現(xiàn)。本文利用Nutch易于擴(kuò)展的插件機(jī)制進(jìn)行二次開(kāi)發(fā)。研發(fā)一個(gè)第三方工具把Lucene特殊的數(shù)據(jù)格式轉(zhuǎn)化為可視化的