基于Lucene的全文搜索引擎的应用研究-计算机应用技术专业论文.docxVIP

HYPERLINK \l _bookmark0 致 谢52 HYPERLINK \l _bookmark1 参考文献53 HYPERLINK \l _bookmark2 附 录55 HYPERLINK \l _bookmark3 原 创 性 声 明56 贵州大学硕士学位论文 贵州大学硕士学位论文 PAGE PAGE 1 中文摘要 在过去几年里，Internet 的资源迅速增长，使 web 发展成为包含多种信息资源，站点 遍布全球信息服务网络。在这样的大环境下，网络上出现了很多商业性的 web 搜索引擎，如 Google、百度、sougo 等，他们极大的方便了网络用户。但是由于他们是商业性质的，他们 的关键技术对于外界是保密的。为推进搜索引擎技术的发展， Apache 基金会 jakarta 推出 了一个开源的全文索引工具包 Lucene。 本文对搜索引擎的原理、组成、系统结构、工作流程等方面做了详细的分析和研究。搜 索引擎的未来发展方向是个性化和专业化。对于不同类型的用户群搜索相同的内容将得到不 同的更适合用户的搜索结果，这就是搜索引擎的个性化；而专业化则是指搜索引擎面向的是 更加具体的垂直方向，这样对于搜索的精确度更加准确。 在理论的基础上，本文利用 Bot 包实现网络机器人的开发，从“酷讯网”爬下网页解析 出所需的内容建立索引，同时基于 Struts+Hibernate+Spring 的 J2EE 框架搭建搜索引擎 Web 平台，利用 lucene 实现检索和索引的功能。本系统使用的 Bot 包是 Jeff Heaton 开发的一个 Bot 工具架构包；Lucene 是 Apache 软件基金会的一个开源项目，完全由 java 实现，适用于 需要全文搜索能力的应用程序，并具有良好的跨平台能力。 关键词： 搜索引擎；网络机器人；java；Lucene；Struts；Hibernate；Spring Abstract In the past few years, the rapid growth of the internet resource made the web to develop into a number of information resource and sites around the world information network. In this environment, the network appeared on a number of commercial web search engines such as Google, Baidu, sougo and so on. They greatly facilitate the users. However, because they are commercial in nature, their’s key technology for the outside world is kept confidential. To promote the development of the search engine technology, Apache Foundation Jakarta launched a full-text indexing open-source toolkit of Lucene. This paper does an in-depth research and analysis on the theory, framework, and data structure of a web search engine. Meanwhile this paper discusses the future developing trend of search engine which includes individuation and specialization. The same query will retrieve different and more satisfied search results according to the types of user, this is the search engine individuation; however refers to the specialized search engine is more specific for the vertical direction, so that the accuracy of the search more accurate. Base on the theory, this pap