《信息检索系统》方案.docVIP

HX-2055 信息检索系统方案 目录 一 项目意义 ................................................................... 2 二 系统设计 ................................................................... 3 技术原理 ................................................................... 3 系统构架 ................................................................... 5 三 系统功能 ................................................................... 6 信息收集 ................................................................... 6 中文自然语言办理 ........................................................... 6 全文检索功能 ............................................................... 7 格式文件检索 ............................................................... 8 性能指标 ................................................................... 8 一 项目意义 跟着互联网的迅速发展， 每日有数千万条信息生成， 包含文字信息、 图 片信息、视频信息、语音信息等，经过百度、谷歌等大型商业搜寻引擎能够 找到自己想要的信息，可是也存在好多缺点。 百度、谷歌等大型商业搜寻引擎的搜寻原理是鉴于网络爬虫（ Spider ） 在世界各地百万台服务器上爬取网页数据， 而后储存到数据库以后显现给查 询用户，跟着网站数目以及网络上信息更新的迅速化， 这些网络爬虫不可以保 证把全部的信息都抓到， 特别是特别行业的行业信息， 即即是抓到了也不一 定能够在众多半据中显现出来。 所以， 关于一个部门来讲， 有必需存在一款 互联网信息检索系统来检索某一个行业的信息，每日自动在各大行业网站、 政府网站等数据库中检索最新信息， 经过自建的网络爬虫进行目标数据的抓 取、存贮、归类、显现。 经过自己的信息检索系统，能够让自己部门每日轻松地获取世界各地、 各个部门都发生了什么， 有哪些新的政策， 方便管理层在最新的信息数据下 迅速做出正确的决定。 据统计，内部网上的信息每年以 200%的速度增添，此中公布到互联网 上的信息只占到信息量的 1%-2%，而 98%以上的信息是公布在内部网上的。 内部网上的信息既有网页形式的，也包含其余 Word、PDF、XML等多种格式 的数据。 所以， 面对内部网中海量异构的信息资源， 怎样帮助用户迅速找到 他们所需要的信息是一个主要的技术挑战。 搜寻引擎能帮助用户方便、 快捷、安全地获取内部网上的信息， 在知足 高效的同时， 更重要的是保证了较高的查全率和查准率， 能供给智能化的概 念扩展搜寻， 极大的提升工作效率。 内部网搜寻引擎将组织中分别管理的信 息整合在一同， 在组织层面上实现新的增值与共享， 进而有效实现组织内容 利用的最优目标。 搜寻引擎的目标是实现内部网全文检索。 系统可对实行了内部网站资源 进行爬行， 不论内部网上的数据源在何地、 以何种形式存在， 都能够对其快 速地接见， 经过正确的分词成立索引， 进而实现高质量的搜寻查问。 搜寻引 擎的主要目标包含： （1）较高的查准率。搜寻系统支持按词索引、按字索引，同时实现中 文自动分词。 （2）较高的查全率。搜寻系统可搜寻各种异构的信息资源，包含传统 的网页信息、 Word、PDF、XML等不一样格式的文档以及各种主流数据库的表 中记录。 （3）智能化的检索结果排序。安全搜寻系统应采纳有关度剖析技术， 将用户需要的信息排在结果列表的前方，障蔽无用和错误的信息。 二 系统设计 技术原理 HX-2055互联网信息检索系统（以下简称 HX-2055）是针对特别行业、 政府部门、决议部门设计的一款高效率互联网信息检索系统， 采纳国际一流 程序算法设计， 系统构架与谷歌和百度的搜寻引擎拥有共同的技术特色， 能 够保证系统对及时信息的迅速收集、归类、显现。 在此刻信息爆炸的时代， 每个单位或个人都在为信息的迅