基于lucene的面向主题信息搜索系统的关键技术分析及应用-计算机应用技术专业论文.docxVIP

摘要网络信息的爆炸性增长使搜索引擎成为人们上网必不可少的工具之一。其 摘要 网络信息的爆炸性增长使搜索引擎成为人们上网必不可少的工具之一。其 中应用最广泛的是以Goolge、百度为代表的综合性搜索引擎，这类搜索引擎服 务对象是网络大众用户它为广大网络用户在查找信息上提供了很大的方便。但 随之而来的查找结果的准确率低，其一是因为由于抓取网页数量以指数级别增 大，对这些网页的预处理能力降低，致使查询结果中存在大量重复网页；其二， 人们由于生活环境与工作环境的不同，对信息关注方向也不同，例如一个气象 工作人员，他们希望查询到的结果会把与气象相关的网页优先排序在前几页， 而一个农业工作者希望将与农产品相关的网页优先显示，这样一来综合性搜索 引擎便无法满足这类专业领域人员的需求了。在这种背景下面向主题的搜索引 擎应运而生。 面向主题的搜索引擎系统与综合性网页搜索引擎最大的区别就是对网页信 息进行了结构化信息抽取，这样做的好处是，在把网页分化成小粒度的单元后， 更加方便对网页文档的内容进行加工处理，如网页净化、去重等。由于搜索引 擎中运作着的各部分是环环相扣，当有了质量较高的网页预处理过程，接下来 可以减小索引的负担，且搜索出的结果准确率更高，使用户有更高的体验度。 面向主题搜索系统中，将它分为四大主要部分，分别为：数据搜集模块、 网页预处理模块、索引模块、搜索模块。其中，网页预处理模块又可以