北航软件工程实验作业之需求文档.docVIP

Lucene 软件开发计划书 北京航空航天大学 2016-4-09 目 录 1引言 1 1.1编写目的 1 1.2 背景 1 1.3定义 1 1.4参考资料 2 2 项目概述 2 2.1工作内容 2 2.2主要参加人员 3 2.3产品 3 2.3.1程序 3 2.3.2文件 3 2.4验收标准 3 2.5完成项目的最迟期限 3 2.6本计划的批准者和批准日期 3 3实施计划 4 3.1工作任务的分解与人员分工 4 3.2各个任务判断标准和方法 4 3.3 组织形式 4 3.4进度 4 3.4预算 5 3.5关键问题 5 4支持条件 5 4.1计算机系统支持 5 软件需求说明书 1引言 1.1编写目的 为了便于协调组内成员进行后期的工作，对项目进行跟踪和监控，对任务的进度进行安排与调控，故对后期工作进行计划。提出需求指导后续工作 1.2 系统概述 Lucene 是一个基于 Java 的全文信息检索工具包，它不是一个完整的搜索应用程序，而是为你的应用程序提供索引和搜索功能。Lucene 目前是 Apache Jakarta 家族中的一个开源项目。也是目前最为流行的基于 Java 开源全文检索工具包。 目前已经有很多应用程序的搜索功能是基于 Lucene 的，比如 Eclipse 的帮助系统的搜索功能。Lucene 能够为文本类型的数据建立索引，所以你只要能把你要索引的数据格式转化的文本的，Lucene 就能对你的文档进行索引和搜索。比如你要对一些 HTML 文档，PDF 文档进行索引的话你就首先需要把 HTML 文档和 PDF 文档转化成文本格式的，然后将转化后的内容交给 Lucene 进行索引，然后把创建好的索引文件保存到磁盘或者内存中，最后根据用户输入的查询条件在索引文件上进行查询。不指定要索引的文档的格式也使 Lucene 能够几乎适用于所有的搜索应用程序。 图 1 表示了搜索应用程序和 Lucene 之间的关系，也反映了利用 Lucene 构建搜索应用程序的流程： 1搜索应用程序和 Lucene 之间的关系 1.3文档概述 文档用途：本文档主要是介绍Lucene系统需求及规格说明。 主要内容： (?以用例图、状态图的形式给出 Lucene系统功能需求的分解结构，并对用例模型中的参与者和用例进行详细的描述，其中主要包括软件系统的用 例模型、系统的核心流程等； (?使用 RUCM 模型对功能需求进行建模； (?描述了与此次系统实施相关的硬件环境的一些要求； (?描述了与此系统实施相关的软件环境的要求； 1.4术语和缩略语 编号 术语 英文 说明 1 UCM UCM 用例建模 2 RUCM RUCM 限制性用例模型 3 索引 Index 在 Lucene 中一个索引是放在一个文件夹中 4 段 Segment 一个索引可以包含多个段，段与段之间是独立的，添加新文档可以生成新的段，不同的段可以合并。 5 文档 Document 文档是我们建索引的基本单位，不同的文档是保存在不同的段中的，一个段可以包含多篇文档。 6 域 Field 一篇文档包含不同类型的信息，可以分开索引，比如标题，时间，正文，作者等，都可以保存在不同的域里。 7 前缀后缀规则 Prefix+Suffix 所谓前缀后缀规则，即当某个词和前一个词有共同的前缀的时候，后面的词仅仅保存前缀在词中的偏移，以及除前缀以外的字符串(称为后缀)。 8 差值规则 Delta 所谓差值规则(Delta)就是先后保存两个整数的时候，后面的整数仅仅保存和前面整数的差即可。 9 词元 Token 将文档分词并且标点符号和停词，得到一个个单独的单词 10 词 Term 经Token经过过滤后，得到的、词根形式单词。 11 Stop word 一种语言中最普通的的一些单词，由于没有特殊的意义，因而大多数情况下不能成为搜索的关键词，例如“this””， “the”等。 分词组件 Tokenizer 将文档进行的组件。 语言处理组件 将Token串过滤的组件。 《Lucene原理与代码分析完整版》 3功能需求 3.1软件功能分析 Lucene 软件包的发布形式是一个 JAR 文件，下面我们分析一下这个 JAR 文件里面的主要的 JAVA 包，使读者对之有个初步的了解。 Package: org.apache.lucene.document这个包提供了一些为封装要索引的文档所需要的类，比如 Document, Field。这样，每一个文档最终被封装成了一个 Document 对象。 Package: org.apache.lucene.analysis这个包主要功能是对文档进行分词，因为文档在建立索引之前必须要进行分词，所以这个包的作用可以看成是为建立索