基于Solr的机构知识库检索系统构建研究.PDF

34 基于 Solr 的机构知识库检索系统构建研究 杨 洁 华中师范大学信息技术系 武汉 430079 ［摘要］介绍 Solr 的概念、特性以及体系结构，并使用它设计和构建机构知识库的检索系统，该系统 初步具备简单检索、高级检索、分面检索、相似资源检索、访问统计等功能, ,实现了机构知识库的个 性化检索。 ［关键词］ Solr 机构知识库 检索系统 1 引 言 伴随着计算机技术、网络技术以及数字化技术的迅速发展，数字化资源的发布和共享不再受时间、空 间的限制。在研究机构和大学里，由研究人员和教师通过网络收集、保存、处理的一些会议论文、期刊论 文、专著、教学课件、声音动画等数字化资源成为重要的学术资源。研究机构和大学将这些重要的学术资 源从分散存储在研究人员和师生员工等的计算机上集中起来构成了机构知识库（Institutional Repository, IR）。 机构知识库通过校园网甚至校际之间的协议，得到开放利用，一些发达国家的大学图 书馆使用这种机构知识库共享学术资源。与此同时，机构知识库也承载了学术传播、电子出版、场次保存、 知识管理、促进教育、科研评价、共享利用等诸多功能[1]。但是在互联网信息技术高速发展的今天，人们 更加关注如何以最快的时间获取最有价值的信息。传统仅基于关键字的检索已不能满足人们现在的要求， 如何能以最快的时间在机构知识库中找到自己想要的资源是现今亟需解决的问题。 如今，开源软件本着自由、共享的理念，作为一种新兴的软件模式正在迅速深入人心。开源软件能够 使开发者根据自身的需求进行二次开发来实现功能定制，从而提高其创新能力和针对性服务能力[2]。为了 能够结合用户的需求提供多层次、高性能、多方面的信息服务，应充分利用一些优秀的开源软件。 本文提出了基于Solr的机构知识库检索系统的模型，实现了对机构知识库的高效查询和浏览并提供了 相似资源的推荐。 2 Solr 概述 2.1 Solr 的概念及特性 Apache Solr 是一个开源的基于 Lucene 的搜索服务器。它使用 Java 语言开发，主要基于 HTTP 和 Apache Lucene 来实现，在全文索引工具 Lucene 的基础上进行了封装和功能扩展。Solr 提供了分面搜索、高亮显 示等功能并且支持多种输出格式（XML 和 JSON 格式）。它是一个较为稳定和成熟的全文检索服务器，易于 安装和配置，而且有自己独特的管理界面，是一个高性能的、可独立运行的企业级全文搜索引擎服务器[3]。 Solr 的特性主要包括：①高级的全文搜索功能，高亮显示检索结果；②专为高通量的网络流量进行 优化；③基于开放接口（XML 和 HTTP）的标准；④综合的 HTML 管理界面；⑤具有很强的可伸缩性，能够 /lisonline 图书情报工作网刊 2012 年第 11 期（总第 60 期） 研 究 论 文 35 有效地被复制到另外一个 Solr 搜索服务器；⑥使用 XML 配置达到灵活性和适配性，并具有可扩展的插件 体系。 2.2 Solr 体系架构 Solr在Lucene的基础上，重在数据之间内在关联关系的挖掘。作为一个完整的全文检索服务系统，Solr 具有良好的体系架构[4]，如图1所示: 管理 HTTP 请求处理服务 更新服务 界面 标准 分离的 定制 XML XML