醫(yī)療器械垂直搜索引擎的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著我國互聯(lián)網(wǎng)技術(shù)在醫(yī)療行業(yè)的不斷滲透，傳統(tǒng)的醫(yī)療器械產(chǎn)品信息獲取渠道逐漸轉(zhuǎn)移到線上，越來越多的醫(yī)療器械產(chǎn)品信息被發(fā)布到網(wǎng)上，但海量的互聯(lián)網(wǎng)數(shù)據(jù)和多而雜亂的干擾信息為醫(yī)療機(jī)構(gòu)設(shè)備科、醫(yī)療器械從業(yè)人員及醫(yī)療器械消費(fèi)群體獲取醫(yī)療器械產(chǎn)品信息帶來了諸多不便。而通用搜索引擎由于搜索信息量過大、存在商業(yè)廣告排名等現(xiàn)象，也不利于醫(yī)療器械搜索用戶便捷可靠的獲取醫(yī)療器械產(chǎn)品信息。
　　因此，本文通過研究垂直搜索引擎的工作原理和相關(guān)技術(shù)，結(jié)合醫(yī)療器

2、械產(chǎn)品信息的特點(diǎn)和用戶需求研究并實(shí)現(xiàn)了一個(gè)醫(yī)療器械垂直搜索引擎。本文主要研究了以下內(nèi)容：
　?。?）基于對全文檢索框架和垂直搜索引擎相關(guān)技術(shù)的研究，以及對醫(yī)療器械信息檢索存在的問題的分析，提出了本文需求與目標(biāo)，設(shè)計(jì)了醫(yī)療器械垂直搜索引擎的整體架構(gòu)和工作流程；
　?。?）基于鏈接模板樹規(guī)則定制了醫(yī)療器械主題爬蟲的抓取策略，使用鏈接散列算法實(shí)現(xiàn)了主題爬蟲的多線程抓取，消除了爬蟲協(xié)議的限制，有效控制了醫(yī)療器械主題爬蟲的抓取范圍，提

3、高了爬蟲的抓取效率；
　　（3）基于DOM樹結(jié)構(gòu)定制了醫(yī)療器械產(chǎn)品信息的抽取策略，對醫(yī)療器械產(chǎn)品信息相關(guān)的節(jié)點(diǎn)信息進(jìn)行抽取和保存，實(shí)現(xiàn)了醫(yī)療器械產(chǎn)品信息網(wǎng)頁的噪聲過濾和文本結(jié)構(gòu)化；
　?。?）結(jié)合醫(yī)療器械產(chǎn)品信息的特點(diǎn)和用戶的檢索需求，在開源中文分詞器mmseg4j的基礎(chǔ)上定制了基于醫(yī)療器械專業(yè)詞典的全切分算法和醫(yī)療器械產(chǎn)品型號切分算法，結(jié)合Lucene的分詞機(jī)制形成了自定義醫(yī)療器械中文分詞器，并基于醫(yī)療器械本體研究了醫(yī)療器

4、械專業(yè)詞庫的構(gòu)建方法，基本實(shí)現(xiàn)了對細(xì)粒度鍵詞檢索和對產(chǎn)品型號檢索的功能；
　?。?）構(gòu)建數(shù)據(jù)庫-索引庫雙重存儲結(jié)構(gòu)，運(yùn)用Lucene的索引技術(shù)在結(jié)構(gòu)化存儲信息的同時(shí)結(jié)合自定義的醫(yī)療器械產(chǎn)品信息分詞器建立文本的倒排索引，進(jìn)而運(yùn)用Lucene的檢索技術(shù)設(shè)置不同域的檢索和排序，使用戶在醫(yī)療器械搜索界面可以進(jìn)行多域搜索和使用部分排序、篩選功能。
　　經(jīng)測試分析，本文的醫(yī)療器械垂直搜索引擎達(dá)到了搜索醫(yī)療器械產(chǎn)品信息的要求，可以在一定程