基于Lucene的搜索引擎優(yōu)化.pdf

1、當(dāng)今網(wǎng)絡(luò)技術(shù)飛速發(fā)展，隨之而來(lái)的是信息量的爆炸式增長(zhǎng)，人類(lèi)已經(jīng)進(jìn)入了信息時(shí)代，互聯(lián)網(wǎng)在提供人們海量信息的同時(shí)，也帶來(lái)了搜索信息的困難。如何才能在如此浩瀚的信息海洋中尋找自己想要的信息，一直是互聯(lián)網(wǎng)用戶(hù)關(guān)心的問(wèn)題。搜索引擎正是解決這一問(wèn)題的有利工具，搜索引擎技術(shù)是根據(jù)一定的策略、運(yùn)用特定的計(jì)算機(jī)程序從互聯(lián)網(wǎng)上搜集信息，在對(duì)信息進(jìn)行組織和處理后，為用戶(hù)提供檢索服務(wù)，將用戶(hù)檢索相關(guān)的信息展示給用戶(hù)的系統(tǒng)。但是由于搜索引擎技術(shù)涉及到數(shù)據(jù)庫(kù)、信息

2、檢索、人工智能、自然語(yǔ)言處理等技術(shù)，所以眾多商業(yè)公司都不愿將自己的搜索引擎核心技術(shù)公之于眾。
　　 Lucene是一個(gè)開(kāi)放源代碼的全文檢索引擎工具包，即它不是一個(gè)完整的全文檢索引擎，而是一個(gè)全文檢索引擎的架構(gòu)，提供了完整的查詢(xún)引擎和索引引擎，部分文本分析引擎。本人在公司實(shí)習(xí)期間的主要工作為設(shè)計(jì)公司網(wǎng)站的站內(nèi)全文搜索引擎，因此本人對(duì)搜索引擎技術(shù)進(jìn)行了較為深入的了解和研究，本文是通過(guò)對(duì)全文搜索引擎工具包Lucene的架構(gòu)的分析，實(shí)現(xiàn)

3、和更新了Lucene中的部分模塊以滿足實(shí)際的需要。
　　 1．針對(duì)Lucene的原有中文分析器具有檢索查全率、查準(zhǔn)率不夠理想的缺點(diǎn)，重新設(shè)計(jì)實(shí)現(xiàn)了Lucene的中文分詞模塊。首先對(duì)Lucene中的詞典機(jī)制進(jìn)行了優(yōu)化設(shè)計(jì)，之后利用簡(jiǎn)易詞典對(duì)字符串搜索范圍進(jìn)行了有效的縮減。與原Lucene的檢索模塊相比，提高了一定的檢索效率。
　　 2．在本文中設(shè)計(jì)并實(shí)現(xiàn)了一種基于詞典的中文分詞算法，并采用了詞前綴哈希算法來(lái)進(jìn)行中文匹配。<