基于Lucene的站內(nèi)檢索系統(tǒng)的設計與優(yōu)化.pdf

1、伴隨著信息技術(shù)與互聯(lián)網(wǎng)技術(shù)的發(fā)展，接踵而來的則是信息量的爆炸式增長，人類社會已全面進入信息化的時代。人們在享受互聯(lián)網(wǎng)進步帶來的便利的同時，如何在海量信息數(shù)據(jù)中迅速找到符合用戶需求的信息，成為了信息檢索的關鍵技術(shù)。面對互聯(lián)網(wǎng)內(nèi)容的不斷產(chǎn)生、更新或者消失，搜索引擎技術(shù)的誕生打破了互聯(lián)網(wǎng)復雜的局面，為用戶找到所需求的信息提供了有力的手段。Lucene作為開源搜索架構(gòu)，具有開放、面向?qū)ο蟮葍?yōu)點，通過采用Lucene作為核心，從而構(gòu)建出適用于不同

2、環(huán)境下的獨立的檢索系統(tǒng)。
　　本文通過對Lucene技術(shù)框架進行分析和研究，闡述了基于全文檢索系統(tǒng)的檢索方法及其基本原理，結(jié)合目前網(wǎng)站信息多樣化的特點，分析了基于關系型數(shù)據(jù)庫全文檢索技術(shù)的不足，進而開發(fā)出一套實用性強、通用性高的站內(nèi)全文檢索系統(tǒng)，解決了網(wǎng)絡用戶的站內(nèi)搜索需求。論文的工作和成果主要體現(xiàn)在以下幾個方面:
　　(1)深入分析了全文檢索引擎Lucene的結(jié)構(gòu)及原理，通過對Lucene的分詞算法原理進行研究，結(jié)合中文語

3、義設計并改進了中文分詞器，構(gòu)建了同義詞詞庫引擎以實現(xiàn)白定義同義詞檢索功能。
　　(2)針對Lucene只能對文本類型數(shù)據(jù)進行檢索的特點，提出一種新的文本解析方法，該方法采用Tika文本解析器對信息進行抽取，用以建立索引，適用于各種類型文檔。避免了針對不同文檔使用多種解析器的復雜性。
　　(3)設計了一個站內(nèi)留言發(fā)布系統(tǒng)，用于對檢索系統(tǒng)進行測試，該留言發(fā)布系統(tǒng)具有較為完善的內(nèi)容發(fā)布機制，通過結(jié)合數(shù)據(jù)庫的設計和檢索系統(tǒng)的優(yōu)化改進