基于lucene搜索引擎的研究与改进

《基于lucene搜索引擎的研究与改进》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、基于Lucene搜索引擎的研究与改进摘要Lucene是目前已经儿年，最受欢迎的免费Java的全文检索库。首先，本文分析了珠光体系结构、索引机制、搜索机制；其次，它研允排序技术和如何调整索引的性能；最后，文章提出丫新的检索排序算法。关键字：索引；搜索；条款；因子；maxMergeDocs；满意程度；：新的算法一、引言Lucene是优秀的全文搜索引擎工具软件包和一个成熟的、免费的、开源的项目，在Java中实现。然而，它不是一个完整的全文搜索引擎，而是全文搜索引擎的体系结构。Lucene提供完整的搜索引擎，完整的索引引擎，部分文本分析引擎（两种西方语言：英语和德

2、语）［1］。它是项0Apache雅加达家庭成员。木文的结构如下：第二部分我们分析Lucene系统结构；第三部分研究Lucene运行机制（索引和搜索）；第四部分讨论如何调整索引的性能；第五部分我们对分类技术的研宄，提出新的检索排序算法。在第六部分我们进行有关的新算法的可行性分析；最后在第七部分得出结论。二、LUCENE系统结构作为一个优秀的全文搜索引擎，Lucene系统结构具有强烈的面向对象特征。首先，Lucene系统定义一个索引文档格式已无关平台：第二，该系统的核心部件R在抽象类，和混凝土平台实现设计用来抽象类实现;最后，它穿过层而向对象处理，实现一种低耦

3、合，高效率，便于二次开发的搜索引擎系统。Lucene体系结构如图1所示：Lucene査词器＜Lwenc分析器.4-*文件索*索引，指针、9LuceneyjjpLucene库一索引核心，•LuceneJtS*基本的封装结构＜■，图1Lucene索引结构从图1，我们可以看到，Lucene系统由3个主要部分，即基本的封装结构、索引核心、外部接口组成。索引核心也是系统的关键所在。Lucene系统所有源代码都划分成7个模块（在Java包来表示），并且每包完成特定的功能。其核心类软件包是组织Apache.Lucene.analysis,org.apachelucene

4、.index,org.apachelucene.search。每个包的功能，如表1:表lLuccnc各包功能包功能org.apachelucene.search搜索界面org.apachelucene.index索引接口org.apache,lucene.analysis语言分析器org.apache,lucene.queryParser查询分析器org.apache,lucene.document文件存储器org.apache,lucene.store底层I/O存储结构org.apache,lucene.util一些公共数据结构三、LUCENE运行机制L

5、ucene主要包括两个功能：•建立索引数据库和索引纯文木；•根据用户的查询，搜索索引已经建立的数据库。A.索引机制分度机构是Lucene系统的核心部分。似乎可以简单地完成此操作的过程屮哪些索引文档可能只能调用LuceneAPT的几种方法。然而，它实际上隐藏巧妙而复杂的索引过程背后的简单过程。图2显示了索引进程：图2索引进程从图2,我们可能会看到，索引过程分为预处理、分析文本、索引存储三个主要的阶段。1）预处理因为Lucene只可以纯文本文档编制索引，索引数据之前，索引的数据必须转换成文木字符流是Lucene可以处理的格式。上述过程称为预处理，即预处理用于从

6、非文本文档中提取文本信息。在那之后，提取出来的数据用于创建卢塞恩的文档和相应的字段。2）分析文本创建字段的文档之后，Lucene不应直接进行索引操作，而是分析数据。分析，在Luccrw中，是指过程的字段文本转换其最基本的索引表示形式、条款。这些术语用來确定文件的匹配，查询搜索期间。分析仪通过执行任意数量的操作上，可将文本包括分词、丢弃标点、从用小写字母的字符移除口音(也称为正常化)，删除常用词、减词到根窗体(词干)，或改变词的基木形式(归类)成。这一过程也称为标记，和大块的文本从文本流中救出被称为令牌。令牌，结合其相关联的字段的名称，是术语。3)索引存储后

7、建立条件。Lucene将调用达到多少的addDocument(文档)方法，并将数据存储到索引数据库倒排的索引的数据结构。索引的代码的示例如下所示：publicclassIndexWcb{String口ur1s={“URL1”，“URL2”};String[]contents={“webl”，“web2”};Stringindexpath;//indexpath;publicvoidsetup()throwsIOException{//indexstoring;indexpath=“D:/storepath”;addDocuments(indexpath);

8、}publicvoidaddDocuments(stringdir