多源文檔全文檢索系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、全文檢索是快速有效的信息檢索技術(shù)，它極大地提高了人們從大量紛繁復(fù)雜的數(shù)據(jù)中查找特定信息的效率。雖然目前對(duì)文本處理技術(shù)已經(jīng)有了很大的發(fā)展和應(yīng)用，但是仍然存在一些問題有待研究：如何抽取有效的文本；如何抽取標(biāo)記文檔中的元數(shù)據(jù)信息；如何提高文本搜索的準(zhǔn)確率和召回率。 本文的研究是多源文檔全文檢索系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)，主要是對(duì)整個(gè)文件數(shù)據(jù)庫的表示、組織、索引和查詢，即根據(jù)用戶的查詢要求，從文件數(shù)據(jù)庫中檢索出相關(guān)的信息。其中心環(huán)節(jié)是文本內(nèi)容解析、

2、索引庫的建立、查詢信息的獲得、檢索結(jié)果的處理以及相關(guān)信息的匹配，主要研究工作體現(xiàn)在： （1）分析和總結(jié)多源文檔全文檢索系統(tǒng)構(gòu)建的技術(shù)和理論。對(duì)中文分詞技術(shù)、全文索引技術(shù)、面向用戶需求的檢索以及基于內(nèi)容的元數(shù)據(jù)描述技術(shù)進(jìn)行了詳細(xì)的研究與闡述。 （2）設(shè)計(jì)與分析多源文檔全文檢索系統(tǒng)結(jié)構(gòu)。針對(duì)中文全文內(nèi)容分析問題、多源文檔轉(zhuǎn)換問題、中文分詞問題，提出了有效的解決模型。研究內(nèi)容包括全文檢索系統(tǒng)結(jié)構(gòu)、功能模塊設(shè)計(jì)和索引結(jié)構(gòu)和數(shù)據(jù)庫

3、設(shè)計(jì)。研究重點(diǎn)在于分詞、索引和檢索模塊的分析與設(shè)計(jì)。 （3）多源文檔全文檢索系統(tǒng)構(gòu)建的關(guān)鍵技術(shù)研究。提出一種基于詞頻統(tǒng)計(jì)和檢索效率更高的特征詞聚合與具備較大靈活性的貝葉斯算法結(jié)合的分詞構(gòu)想，有利于透徹地分析用戶輸入的查詢請(qǐng)求，以保證查詢結(jié)果的質(zhì)量，返回給用戶最想要的結(jié)果，同時(shí)檢索結(jié)果也能夠具備單詞切詞的靈活性。 （4）多源文檔全文檢索系統(tǒng)實(shí)現(xiàn)。擇優(yōu)選用了Java語言中比較成熟的Struts框架技術(shù)來規(guī)劃系統(tǒng)開發(fā)的層次，結(jié)