海量文档高速检索系统设计与实现.docVIP

XXX 硕士研究生学位论文 题　　目：海量文档高速检索系统的设计与实现 姓　　名： 学　　号：　　　　　　　 系　　别：　信息科学技术学院　　 专　　业：　计算机软件与理论　　 研究方向：　网络与分布式系统　　 导　　师：　　　教授　　　 二零零五年六月  版权声明 任何收存和保管论文各种版本的单位和个人，未经本论文作者授权，不得将本论文转借他人，亦不得随意复印、抄录、拍照或以任何方式传播。否则，引起有碍作者著作权益之问题，将可能承担法律责任。  摘要 搜索引擎的检索效率是评价搜索引擎质量的一个重要指标，面对互联网上信息量的不断增加以及搜索引擎网页库的不断增大，对检索系统性能要求也越来越高。本文详细介绍了一个搜索引擎检索系统的设计与实现，针对搜索引擎检索系统的性能问题进行了研究，讨论了影响检索性能的几个因素，并分别提出改进的方法和途径。这些方法包括设计出结构更加良好的倒排文件结构，改进整数压缩编码，引入倒排文件cache，预先计算关键词与文档相关度，减少关键词相对位置计算开销，改进站点聚类算法等。 另外，论文还阐述了系统中使用的新的相关度计算方法，这个算法使得在最终的结果排序上比原有系统有了一些改进。论文的组织形式以实际系统中各模块为主线，这些模块包括倒排文件结构，底层数据接口，查询，计分和站点聚类等。在论文最后给出了系统的综合测试结果