基于个性化服务的汽车信息搜索引擎的研究-计算机科学与技术专业论文.docxVIP

摘 摘 要 Web2．0的迅速普及带给人们丰富信息的同时，也使人们对信息的把握能力 大大下降，庞大的信息量已经超出了人们预期的设想。传统的信息检索系统已 经不能满足用户需求，通用搜索引擎的出现满足了一般用户的基本需求，但它 在特定领域的主题搜索和用户个性化搜索服务方面仍有不足。本文提出的基于 个性化服务的汽车主题搜索引擎系统正是为了弥补这些方面的不足。 本文首先介绍了搜索引擎的研究背景和工作原理，接着深入分析Heritrix网 络爬虫的体系架构，扩展Heritrix的相关组件以定制汽车主题网络爬虫，并引入 URL散列算法ELFHash算法改变Heritrix网络爬虫原有的Key分配策略，使得 爬虫可以多线程抓取同一域名下的网页，实现了汽车主题爬虫的多线程，高效 抓取网页的目的。 本文采用Lucene全文检索框架作为系统的搜索框架，介绍了全文检索的基 本原理和Lucene的相关技术：索引技术、排序技术等，并在此基础上指出Lucene 原有结果排序方法的不足，它仅仅是以网页内容的相关度作为网页排序的依据， 不能客观的反映网页的重要性，为此在Lucene原有的排序算法的基础上引入谷 歌的PageRank算法，将二者结合起来，改进了原有排序算法。 在上述理论研究工作的基础上，本文设计并实现了一个基于个性化服务的 汽车主题搜索引擎系统，从用户的购车需求入手，将系统分为汽车主题爬虫模 块、汽