基于CLucene和Larbin的企業(yè)搜索引擎的研究與實(shí)現(xiàn).pdf

1、隨著企業(yè)的發(fā)展以及企業(yè)信息化建設(shè)的不斷推進(jìn),電子商務(wù)、門戶網(wǎng)站得到廣泛的推廣,企業(yè)內(nèi)部信息量增長速度非?？臁Ｃ鎸?duì)如此巨大的信息量,傳統(tǒng)的信息獲取方法已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足人們快速準(zhǔn)確獲取信息的需求。常見的通用搜索引擎能夠滿足用戶搜索網(wǎng)絡(luò)信息的需求,但是在搜索企業(yè)信息時(shí),這類搜索引擎就無法達(dá)到用戶的期望了。企業(yè)搜索引擎面臨以下技術(shù)難點(diǎn):多源異構(gòu)數(shù)據(jù)類型、搜索內(nèi)容的全面性、搜索的準(zhǔn)確性、個(gè)性化檢索等。企業(yè)搜索引擎的出現(xiàn),正是為了解決此類問題。

2、r>　　 本文設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)企業(yè)搜索引擎的原型系統(tǒng),該系統(tǒng)為進(jìn)一步研究企業(yè)搜索引擎打下了良好的基礎(chǔ)。主要工作包括:
　　 1.論述了企業(yè)搜索引擎的研究意義以及體系結(jié)構(gòu)。
　　 2.介紹了搜索引擎的基本概念以及工作原理,并深入研究了搜索引擎的核心技術(shù),包括中文分詞,爬取算法等。
　　 3.基于Larbin開源爬蟲,通過擴(kuò)展功能實(shí)現(xiàn)企業(yè)內(nèi)部搜索引擎的爬蟲,包括編碼轉(zhuǎn)換、頁面登錄、URL過濾以及網(wǎng)頁消噪等。