web末大报告.docVIP

考查课报告 课程名称:Lucene全文检索平台 学 院： 信息工程与自动化学院 专业年级： 计科121 学 号： 201210405118 学生姓名： 李刚 指导教师： 王红斌 日 期： 2015-6-16  期末考查结果评定 评分项目 分值 得分 报告条理清晰，内容详实，体会深刻 40 报告格式符合规范 10 程序符合要求 40 界面…………………………………………………………1 二、全文检索介绍……………………………………………………………2 三、Lucene简介………………………………………………………………3 四、Lucene技术介绍………………………………………………………4 1、Lucene索引的建立…………………………………………………5 2、Lucene的搜索………………………………………………………6 3、Lucene的排序…………………………………………………………7 4、Lucene的过滤器………………………………………………………8 5、Lucene的分词…………………………………………………………9 五、基于Lucene的全文搜索实现高校图书信息搜索…………………………………………………………………………………10 1、图书信息XML文档格式定义…………………………………………11 2、建立索引…………………………………………………………………12 3、图书搜索…………………………………………………………………13 4、利用dom4j获取XML文档信息的实现……………………………14 5、利用Lucene建立图书信息索引的实现…………………………15 6、利用Lucene实现图书信息的搜索…………………………………16 六、总结…………………………………………………………………………17  搜索引擎的概念 Internet 上的信息量之大、范围之广、用户之多都比以往任何时候表现得突出，然而如何从浩瀚的信息海洋中得到所需要的信息就显得更加重要。网络搜索引擎的出现从某种程度上解决了这个问题，它是目前比较有效的网上信息获取方法。据CNNIC 的统计，用搜索引擎搜索仅次于电子邮件的应用。目前，网上比较有影响的搜索工具中，中文的有：Google、百度（baidu ）、北大天网、爱问（iask）、雅虎（Yahoo ）、搜狗（Sogou）等搜索引擎；英文的有：Google、Yahoo、AltaVista、Excite、Infoseek、Lycos、Aol 等。另外还有专用搜索引擎，例如，专门搜索歌曲和音乐的；专门搜索电子邮件地址、电话与地址和公众信息的；专门搜索各种文件的FTP 搜索引擎等。 搜索引擎并不是真正搜索互联网，它搜索的实际上是预先整理好的网页索引 数据库。真正意义上的搜索引擎，通常指的是收集了Internet 上几千万到几十亿个网页并对网页中的每一个词（即关键词）进行索引，建立索引数据库的全文搜索引擎。当用户查找某个关键词的时候，所有在页面中包含了该关键词的网页都将作为搜索结果被搜出来。在经过复杂的算法进行排序后，这些结果将按照与搜索关键词的相关度高低依次排列。 搜索引擎的原理可分为四步：从Internet 网页抓取网页、建立索引数据库、 在索引数据库中搜索排序、对搜索结果进行处理和排序。 （1） 从Internet 上抓取网页。利用能够从Internet 上自动收集网页的Spider 系统程序，自动访问Internet 并沿着任何网页中的所有URL 爬到其他网页，重返这个过程，并把爬过的所有网页收集回来。 （2） 建立索引数据库。由分析所有系统程序对收集回来的网页进行分析，提取相关网页信息（包括网页所在URL、编码类型、页面内容包含的关键词、关键词位置、生成时间、大小、与其他网页的链接关系等），根据一定的相关度算法进行大量复杂计算，得到每一个网页针对页面内容中及超链接中每一个关键词的相关度（或重要性），然后用这些相关信息建立网页索引数据库。 （3） 在索