基于lucene面向主题的手机搜索引擎的研究与实现.pdf

《基于lucene面向主题的手机搜索引擎的研究与实现.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、电子科技大学UNIVERSITYOFELECTRONICSCIENCEANDTECHNOLOGYOFCHINA专业学位硕士学位论文MASTERTHESISFORPROFESSIONALDEGREE（电子科技大学图标）论文题目基于lucene面向主题的手机搜索引擎的研究与实现专业学位类别工程硕士学号201191100123作者姓名成锐指导教师武德安副教授万方数据分类号密级注1UDC学位论文基于lucene面向主题的手机搜索引擎的研究与实现（题名和副题名）成锐（作者姓名）指导教师武德安副教授电子科技大学成都夏永恒高工交通运输部管理干部学院河北申请学位

2、级别硕士专业学位类别工程硕士（职务、职称、学位、单位名称及地址）工程领域名称软件工程提交论文日期2012.9论文答辩日期2012.12学位授予单位和日期电子科技大学2012.12答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号万方数据STUDYONCONTEXT-AWARERECOMMENDATIONBASEDONTRUSTMECHANISMANDITSAPPLICATIONSAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:S

3、oftwareEngineeringAuthor:ChengRuiAdvisor:WuDeanSchool:SchoolOfMathematicalSciencesUESTC万方数据独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。作者签名：成锐日期：2012年9月1日论文使用授

4、权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后应遵守此规定）作者签名：导师签名：日期：年月日万方数据摘要摘要随着Internet和WWW的迅速膨胀发展，Internet上的资源呈爆炸趋势，人们越来越依赖互联网。为了帮助人们在浩如烟海的网络海洋中得到对自己有用的信息，基于Internet的各类搜索引擎发展

5、迅速。目前，被广泛使用的搜索引擎有百度，Google等通用搜索引擎，这类搜索引擎功能虽然已经十分强大，基本可以满足广大用户的需求。但是当用户希望搜索特定领域的信息时，这类搜索引擎缺点明显。因此主题搜索引擎便产生了。本文在对主题搜索引擎的关键技术进行深入研究的基础上，设计并实现了一种面向娱乐信息主题的搜索引擎，此引擎是基于Lucene的。本文章主要研究内容如下：首先，描述了搜索引擎的概念，分类，所面临的问题，研究现状，和评价指标。其次，深入研究了面向主题搜索引擎的关键技术。首先研究了网络爬虫的搜索策略和评价指标。其次对基于Java的全文索引引擎工具

6、包Lucene进行了深入的研究和学习。此外研究了影响搜索引擎精确度的关键分词技术。接着，基于以上关键技术，本文设计并实现了娱乐主题搜索引擎系统，包括信息采集模块，索引建立模块，查询模块。在信息采集模块采用SharkSearch算法来分析URL，采用HtmlParser提取页面信息；在索引模块，改进了基于词典的MMSEG中文分词算法，加入了地域名词，商户名称，菜系等主题专有词典；在查询模块，通过词性加权来提高对搜索结果排序的准确度。最后，总结了本论文的主要内容，本系统存在的问题，以及对未来的展望。关键词：主题搜索引擎；主题爬虫；Lucene；信息检

7、索；中文分词I万方数据AbstractAbstractWiththerapiddevelopmentofInternetandWWW，TherearesomuchinformationontheInternet.AndpeopleareincreasinglydependentonInternettodoresearch.InordertohelppeoplesearchusefulinformationinInternet,generalsearchenginecameintobeingandhavebeendevelopedrapidly．S

8、omegeneralsearchenginesuchasbaidu,google,becamepopular.Howeverforpro