構(gòu)件垂直搜索引擎的關(guān)鍵技術(shù)研究.pdf

1、基于構(gòu)件的軟件開發(fā)方法（Component-Based Software Development）被視為解決“軟件危機(jī)”的有效途徑之一，構(gòu)件庫是這一方法的基礎(chǔ)設(shè)施。然而單一構(gòu)件庫的規(guī)模不能滿足軟件開發(fā)人員的需求，眾多異構(gòu)的構(gòu)件庫之間的互不可訪問性，使得“尋找構(gòu)件”變得非常困難。隨著Internet的迅速發(fā)展，Internet上出現(xiàn)了許多提供商業(yè)構(gòu)件和開源構(gòu)件的構(gòu)件庫，此外Internet上還散落著大量的未能被某個構(gòu)件庫收集的構(gòu)件。垂直搜

2、索引擎的出現(xiàn)與發(fā)展為實(shí)現(xiàn)Internet上構(gòu)件資源的搜索提供了解決思路和技術(shù)保證。垂直搜索引擎面向某個主題，針對特定人群，保證了對某一特定領(lǐng)域信息的完全收錄與及時更新，通過對采集的數(shù)據(jù)進(jìn)行深度的挖掘分析，能夠向用戶提供個性化的搜索服務(wù)。
　　 構(gòu)件垂直搜索引擎的關(guān)鍵技術(shù)包括主題爬行算法、構(gòu)件信息表示及結(jié)構(gòu)化抽取，構(gòu)件索引與檢索。主題爬行算法的研究是以Shark Search算法為基礎(chǔ)展開的，結(jié)合Nutch中的OPIC算法的實(shí)現(xiàn)方

3、法，設(shè)計了一種面向主題的爬行算法L-Shark Search，實(shí)驗表明L-Shark Search算法比原始的Shark Search算法有更好的爬行效果。根據(jù)現(xiàn)行構(gòu)件庫網(wǎng)站所能提供的構(gòu)件描述信息設(shè)計了一個構(gòu)件描述模型iUCDL，提出了一種基于模板的結(jié)構(gòu)化信息抽取方法對構(gòu)件信息進(jìn)行精確抽取。對于構(gòu)件信息的索引，在保持Lucene的全文檢索風(fēng)格不變的前提下，通過加入XML結(jié)構(gòu)信息來支持構(gòu)件刻面檢索，并結(jié)合刻面構(gòu)件匹配模型，對搜索結(jié)果進(jìn)行二