校園信息智能搜索引擎的設計與實現(xiàn).pdf

1、在全球互聯(lián)網(wǎng)飛速發(fā)展的大環(huán)境下，學校的網(wǎng)站建設已具備一定的規(guī)模和水準，大學校園網(wǎng)上的信息量越來越大。作為身處校園的學生，校園內(nèi)的信息更是與自己的學習、工作、生活、娛樂息息相關。而校園信息較之通用的網(wǎng)絡信息有其特殊性，如信息更新的速度快，資源內(nèi)容不少是以word、pdf、excel以及ppt等非網(wǎng)頁形式存在，信息散落在各院系的應用系統(tǒng)和服務器上，大量的資源沒有得到有效的整理和利用。并且網(wǎng)頁的發(fā)布需要經(jīng)過較嚴格的審核，發(fā)布的內(nèi)容具有權威性和

2、真實性，區(qū)別于互聯(lián)網(wǎng)的商業(yè)行為，正因為不需要使用交換鏈接等方式以獲得商業(yè)利益，所以網(wǎng)頁之間的鏈接較少，也是造成師生查找所需資源的不便、資源的利用率低的原因。
　　本文首先論述了國內(nèi)外搜索引擎技術的發(fā)展現(xiàn)狀，明確了本文的研究目標和研究意義，在此基礎上細化了校園信息智能搜索引擎的具體需求，明確了系統(tǒng)所需要解決的問題，提出了詳細的設計方案，并最終完成了校園信息智能搜索引擎各項功能開發(fā)。
　　在內(nèi)容分析與信息抽取方面，本文除了實現(xiàn)對

3、普通HTML頁面的解析和內(nèi)容抽取，還針對校園信息應用的特點，實現(xiàn)了對word、excel、ppt、pdf、xml等非HTML異構文本形式的內(nèi)容解析。
　　在索引和檢索的支撐技術方面，本文以Apache的開源軟件Lucene為基礎進行改造，完成了全文檢索和搜索引擎的框架，實現(xiàn)了新建索引、重建索引、刪除索引、合并索引等多項索引操作以及關鍵詞檢索功能。
　　主要的擴展體現(xiàn)在基于語義的檢索方面。考慮到中文語言語義豐富，并且用戶在搜索

4、時往往很難準確的使用關鍵詞的組合，而更習慣于用自然語言描述問題。為了提高系統(tǒng)查全率和查準率，本文在語義擴展和句型識別兩方面進行了重點的研究。在基于關鍵詞的精確檢索的基礎上，實現(xiàn)了模糊檢索模式以及句子檢索模式。模糊檢索通過對關鍵詞進行同義詞、近義詞、中英對照詞的語義擴展予以實現(xiàn)，句子檢索模式采用了關鍵詞提取與常用問句模板庫匹配相結合的方案，對問句進行語義分析、模板匹配進而對其進行分類識別，以明確檢索目的，提高檢索的智能化。
　　相關