毕业设计（论文）-基于Lucene的校园搜索系统开发

《毕业设计（论文）-基于Lucene的校园搜索系统开发》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、摘要校园网已经成为高校信息资源共享和管理的重要平台，网络构建目的不同使得校园网与互联网之间存在着较大差异，这些差异导致校园网搜索引擎的实现需要引进新的技术和方法。本文通过分析比较校园网和公用互联网的区别，统计分析并总结出校园网信息资源的特点，并基于这些特点提出了多维度量排序算法等技术，以提高搜索引擎查询准确度，实际构建的校园网搜索系统表现出比传统搜索引擎更优的搜索性能。在此基础上，本文利用基于Java的全文检索工具包Lucene开发定制了一个基于Lucene的校园网搜索系统。关键词：搜索引擎；Lucene；排序算法；相关度iiiAbstractCampusNetwork

2、isanimportantplatformofuniversityinformationresources，whichdiffersfromInternetinmanyaspects.Newmethodsandalgorithmsisusedtobuildagooduniversityinformationresourcessearchengine.BasedontheanalysesofthedifferencesbetweencampusnetworkandInternet，correspondingsolutionssuchasmultiplemetricsran

3、kingalgorithmisproposed.ArealuniversityinformationresourcessearchsystemisconductedandtheexperimentalresultsshowthatsearchsystemhasmanyadvantagescomparedwiththegeneralInternetsearchengine.ThisarticledescribeshowtodevelopasearchsystemofcampusnetworkforourneedquicklybasedonLucenewhichisapow

4、erfull-textretrievaltools.Keywords:searchEngine;Lucene;rankingalgorithm;Relevanceiii目录摘要iAbstractii目录iii第1章绪论11.1搜索引擎的概念11.2校园网搜索的特点21.3论文研究内容及其意义4第2章Lucene研究62.1Lucene简介62.2Lucene的应用、特点及优势62.3Lucene系统结构分析72.4Lucene数据流分析9第3章校园网搜索系统设计113.1体系结构设计113.2整体设计流程图123.3引擎设计主要类图133.3.1语言分析类133.3.2

5、文档结构类143.3.3索引管理类143.3.4查询分析和检索类173.3.5工具类183.4索引文件存储抽象18第4章校园网搜索系统实现224.1系统主要模块的具体实现224.1.1系统维护接口224.1.2索引器224.1.3查询分析器234.1.4索器244.2关键技术研究254.2.1中文分词254.2.2解析网页及索引入库254.2.3网页排序算法及检索输出264.2.4PDF等异构文本处理30总结与展望32参考文献33致谢34iii基于Lucene的校园搜索系统开发第1章绪论1.1搜索引擎的概念搜索引擎（SearchEngine）指的是一种在Web上应用的软

6、件系统，它以一定的策略在Web上搜集和发现信息，在对信息进行处理和组织后，为用户提供Web信息查询服务。从使用者的角度看，这种软件系统提供一个网页界面，让他通过浏览器提交一个词语或者短语，然后很快返回一个可能和用户输入内容相关的信息列表（常常会是很长一个列表，例如包含1万个条目）。这个列表中的每一条目代表一篇网页，至少有3个元素：标题：以某种方式得到的网页内容的标题。最简单的方式就是从网页的标签中提取的内容。（尽管在一些情况下并不真正反映网页的内容）。URL：该网页对应的“访问地址”。有经验的Web用户常常可以通过这个元素对网页内容的权威性

7、进行判断，例如http://www.people.com上面的内容通常就比http://notresponsible.net（某个假想的个人网站）上的要更权威些（不排除后者上的内容更有趣些）。摘要：以某种方式得到的网页内容的摘要。最简单的一种方式就是将网页内容的头若干字节（例如512）截取下来作为摘要。通过浏览这些元素，用户对相应的网页是否真正包含他所需的信息进行判断。比较肯定的话则可以点击上述URL，从而得到该网页的全文。随着Internet的迅速发展，网上的信息越来越多。如何从浩如烟海的信息中获得自己感兴趣的部分，就成为一个重要的问题