基于雙分詞器的醫(yī)療類網(wǎng)站站內(nèi)搜索研究與實現(xiàn).pdf

1、站內(nèi)搜索引擎技術(shù)是搜索引擎技術(shù)的一個重要分支，專門適用于醫(yī)療信息類網(wǎng)站的站內(nèi)搜索引擎可以幫助醫(yī)生和患者更加快捷方便的查找和定位信息，同時，針對適用于醫(yī)療信息類網(wǎng)站站內(nèi)搜索性能指標需要更高于通用搜索引擎的特點，本文研究設(shè)計并實現(xiàn)一個適用于醫(yī)療信息類網(wǎng)站的基于雙分詞器的站內(nèi)搜索系統(tǒng)具有一定的研究價值和實用價值。
　　本文開篇介紹了研究的背景和意義，并隨后介紹了站內(nèi)搜索的相關(guān)知識及一般構(gòu)建站內(nèi)搜索引擎的幾種方式。通過對比分析，選擇使用通

2、用搜索引擎技術(shù)來解決適用于醫(yī)療信息類網(wǎng)站的站內(nèi)搜索問題。緊接著，進一步介紹了通用搜索引擎及通用搜索中的關(guān)鍵技術(shù)。然后，介紹了幾種用戶搭建通用搜索引擎的兩種方式，并通過對比分析，選擇了使用開源全文搜索引擎框架Nutch來二次開發(fā)實現(xiàn)適用于醫(yī)療信息類網(wǎng)站站內(nèi)搜索引擎?；谝陨系难芯亢头治?，本文主要做了以下兩分面的工作:
　　首先，本文根據(jù)醫(yī)療服務(wù)類網(wǎng)站站內(nèi)最重要信息基本與醫(yī)生和疾病及癥狀相關(guān)的特點，以及用戶訪問此類網(wǎng)站查詢信息時輸入查

3、詢條件基本是醫(yī)生與疾病癥狀關(guān)鍵字的結(jié)合的查詢習慣，在對開源搜索引擎框架Nutch進行了定制和二次開發(fā)的基礎(chǔ)上，針對通用站內(nèi)搜索無法正確處理錯別字查詢條件、拼音查詢條件以及在通用站內(nèi)搜索中排序合理性較差等問題，提出了一種基于雙分詞器的醫(yī)療類網(wǎng)站站內(nèi)搜索模型。該模型將Nutch默認中文分詞器替換為基于字典庫的庖丁分詞器(Paoding-Tokenizer)并擴展其字典庫，同時嵌入另一個擁有特殊字典的自己編寫的分詞器，并且利用這個特殊分詞器來

4、處理幾乎全部的用戶輸入，切分出輸入中的醫(yī)生姓名和疾病及癥狀名稱關(guān)鍵字，并忽略其他的無關(guān)信息，僅將這些關(guān)鍵字提交給索引器去檢索索引庫。
　　其次，本文對基于雙分詞的站內(nèi)搜索模型和單分詞器的傳統(tǒng)站內(nèi)搜索模型進行了詳細的對比實驗，實驗內(nèi)容不僅包括常規(guī)的查詢時間、查準率、排序合理性參數(shù)等搜索引擎性能指標，還詳細分析了不同類別關(guān)鍵詞組成的長查詢語句在兩種站內(nèi)搜索引擎模型下的性能表現(xiàn)，從而得出基于雙分詞器的站內(nèi)搜索模型在長查詢語句條件下相比傳