基于lucene的全文检索系统的研究与实现

《基于lucene的全文检索系统的研究与实现》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、天津师范大学硕士学位论文基于Lucene的全文检索系统的研究与实现姓名：高欣申请学位级别：硕士专业：计算机应用技术指导教师：王岚20100401摘要随着互联网技术的飞速发展，网络上的信息数量急剧增长。为了能在如此多的信息中找到自己所需要的信息，人们需要一个高效的检索工具，为此全文检索技术成为关注的热点。它对于信息的整合具有非常强的实用性。本文的主要工作有四个方面。第一，早期的全文检索系统大多是基于关系数据库的，本文针对全文数据库的特点，深入分析此方法的不足之处，并提出基于文件系统来构建全文检索系统。第二，本文介绍了一种全文检索引擎工具包一Lucell

2、e，它只能检索英文和德文两种语言，并不能检索中文，因此开发一个基于Lucelle的全文检索系统，肯定得有中文检索模块。本文实现了中文检索。第三，本文分别用LeveIlShtein编辑距离和Jar0．wiIll(1er距离计算英文单词的相似度。第四，Lucene的内核非常小，它仅能处理纯文本格式数据。因此，为了让全文检索系统既能检索纯文本格式的数据，又不用将文档转换成其他中间格式，本文在LuceIle中增加多格式文档处理模块，目的是能使LuceIle检索常用的多种文档格式，例如word，eXcel，powerpoint和pdfo本文利用stnlts框架

3、搭建系统平台，利用MVC(M0delⅥeⅣController模型视图控制器)模式使得程序层次结构非常清晰，也使得分工很明确，对系统的维护和扩展变得容易。在应用方面，本文的主要工作是对本地的不同格式的文档检索。其中检索部分在文档数据加工、信息筛选的基础上，完成构建索引、数据记录存储、检索器设计和索引优化，最终实现了全文检索。就召回率和准确率而言，基本达到了最初的设计目的。关键j闻：Lucene；全文检索；stmts框架；文档解析AbstractWitllt11erapiddeVelopmentofnemettechn0109y，廿1e锄ountofi

4、11fo姗ationhasbeeIlnsingiIlunima舀nablespeed．Tofindinfo肌ationthatwereallyneed，weneedaIle蚯cientsearchtool，soFull—teXtRetrieValbecomestllehottopic．IthasVe盯strongaVailabilityforinfomation_inte黟ation．7111emainworkoftllispaperh硒fouraSpects．First，mostofeadyFull—teXtRetrieValsystemswere

5、basedonrelationaldatabase．Withthepu叩oseofde印lytalking廿ledisadV锄tageoftllismethod，wep蕾叩oseamethodwhichb勰edonfilesyst锄in恤smesis．Second，mispal)erin昀duceSaFull—teXtRetrieValeIl百nekit—LuceIle，whichcall011lyretrieVeEn鲥ShandGe肌锄，noChinese．SoifyoudevelopaFull—teXtRetrievalsySt锄whichisb

6、asedonLucelle，itmuSthaVememoduleofretrievalChinese．Thisp印errealizessearchinChinese．Third，t11ispaperuSeSLevellshteineditdistaIlcealldJar0一WinklefdistaIlcetocomputemesimil撕tyofEndishwordsrespectiVely-Fourm，tllecoreofLuceIlehasbeelldeSi印cdVerysmart，itwaslimitedtotheprocessingtextf

7、o衄at．Witll廿1epurposeofretrieVingav撕etyoffilef．omats，themoduleⅥ，hichcallprocessmultiplef曲【Ilatsw弱established，SuchaSword，excel，powerpoint锄dpd￡Stnnsisadoptedtobuildsystemplatfbml，MVCmakespro伊锄clear'italsomakeSVe拶cleardiVisionoflabor'systemmaintenancea11dexp锄sioneasi既Asfortheapplic

8、ationaspect，thisp印er份cusesonmeretrje啊ngofdiff．erentf．o