本文關(guān)鍵詞：基于Lucene的企業(yè)智能搜索引擎實(shí)現(xiàn)研究　出處：《浙江理工大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 企業(yè) 搜索引擎 主題爬蟲(chóng) Lucene 排序 關(guān)鍵詞 維度 本體

【摘要】：傳統(tǒng)互聯(lián)網(wǎng)搜索引擎可以供用戶檢索到許多信息，但對(duì)于企業(yè)用戶，它搜索結(jié)果涵蓋范圍太廣且不能達(dá)成對(duì)內(nèi)部系統(tǒng)報(bào)表或數(shù)據(jù)庫(kù)的有效查找。再加上現(xiàn)代企業(yè)信息化的繁榮興盛，使得專用的搜索引擎成為他們提高工作效率的迫切需要，企業(yè)搜索引擎也因此成為當(dāng)前科技中備受關(guān)注的研究之一。 所以論文選定“基于Lucene的企業(yè)智能搜索引擎實(shí)現(xiàn)研究”這一課題，結(jié)合浙江中煙建設(shè)搜素引擎系統(tǒng)的目標(biāo)，引入并改進(jìn)一系列技術(shù)，提出了面向煙草企業(yè)的智能搜索引擎架構(gòu)，并設(shè)計(jì)實(shí)現(xiàn)了浙江中煙搜索引擎系統(tǒng)。本文研究的關(guān)鍵點(diǎn)有： （1）根據(jù)浙江中煙智能搜索引擎系統(tǒng)要達(dá)到的目標(biāo)總結(jié)出現(xiàn)代企業(yè)對(duì)搜索引擎的兩種需求：一是通過(guò)主題搜索為用戶提供特定行業(yè)的相關(guān)信息，如行業(yè)動(dòng)態(tài)等；二是根據(jù)用戶輸入的普通查詢關(guān)鍵詞搜索到相關(guān)報(bào)表或?qū)?nèi)部關(guān)系數(shù)據(jù)庫(kù)內(nèi)容。 （2）設(shè)計(jì)特定主題的增量型聚焦網(wǎng)絡(luò)爬蟲(chóng)：在傳統(tǒng)爬蟲(chóng)架構(gòu)基礎(chǔ)上建立煙草主題爬蟲(chóng)架構(gòu)，改進(jìn)爬行策略提高爬行速率與準(zhǔn)確率，根據(jù)煙草行業(yè)網(wǎng)站特點(diǎn)制定增量模型提高爬蟲(chóng)的時(shí)新性，并將爬取的內(nèi)容進(jìn)行云存儲(chǔ)、去噪與查重等處理。 （3）基于Lucene建立煙草行業(yè)的智能檢索模型：結(jié)合Lucene的向量空間模型算法和改進(jìn)的PageRank算法給出面向煙草行業(yè)相關(guān)度排序算法；根據(jù)浙江中煙數(shù)據(jù)倉(cāng)庫(kù)的設(shè)計(jì)特點(diǎn)提出“維度關(guān)鍵詞”這一概念，構(gòu)建煙草領(lǐng)域本體，并提出基于本體的關(guān)鍵詞語(yǔ)義擴(kuò)展策略，設(shè)計(jì)了煙草行業(yè)關(guān)系數(shù)據(jù)庫(kù)查詢的體系結(jié)構(gòu)。 （4）提出了企業(yè)搜索引擎的體系架構(gòu)，主要包括源數(shù)據(jù)抽取、利用聚焦爬蟲(chóng)進(jìn)行數(shù)據(jù)采集、數(shù)據(jù)加工、數(shù)據(jù)存儲(chǔ)、信息檢索、系統(tǒng)管理以及頁(yè)面展示幾個(gè)層面。 （5）設(shè)計(jì)實(shí)現(xiàn)了浙江中煙企業(yè)搜索引擎系統(tǒng)，實(shí)現(xiàn)了查準(zhǔn)率比通用搜索引擎高出很多的煙草行業(yè)內(nèi)主題網(wǎng)頁(yè)搜索，，以及通過(guò)簡(jiǎn)單關(guān)鍵字對(duì)浙江中煙內(nèi)部報(bào)表和關(guān)系數(shù)據(jù)庫(kù)的檢索，并對(duì)某些重要內(nèi)容的檢索結(jié)果匯總分析為用戶進(jìn)行展示。滿足了浙江中煙對(duì)企業(yè)搜索的需求，同時(shí)可以擴(kuò)展應(yīng)用到其他企業(yè)。
【學(xué)位授予單位】：浙江理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 文竹;;基于C#的網(wǎng)絡(luò)爬蟲(chóng)搜索引擎的設(shè)計(jì)[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2013年20期

2 宋曉青;沈琦;張曉凌;;基于關(guān)系數(shù)據(jù)庫(kù)的技術(shù)轉(zhuǎn)移領(lǐng)域本體自動(dòng)構(gòu)建方法研究[J];電腦與信息技術(shù);2014年02期

3 陳金梁;李青;;基于本體的領(lǐng)域文檔主題抽取方法研究[J];電腦開(kāi)發(fā)與應(yīng)用;2014年09期

4 蘇若凡;;基于網(wǎng)絡(luò)爬蟲(chóng)的股票信息預(yù)警系統(tǒng)的研究與實(shí)現(xiàn)[J];電子世界;2014年16期

5 王曉菲;何利力;羅強(qiáng);;基于Lucene的煙草行業(yè)智能搜索引擎設(shè)計(jì)與實(shí)現(xiàn)[J];工業(yè)控制計(jì)算機(jī);2014年11期

6 郭政;鄧興;;基于BHO的文本過(guò)濾技術(shù)的分析與實(shí)現(xiàn)[J];計(jì)算機(jī)安全;2014年04期

7 梁棟;臧冬松;孫功星;Valentin Kuznetsov;;CMS實(shí)驗(yàn)中關(guān)系數(shù)據(jù)庫(kù)的精確關(guān)鍵詞查詢[J];計(jì)算機(jī)工程;2014年01期

8 李豫山;;基于聚焦搜索引擎的搜索引擎優(yōu)化策略的研究[J];科技信息;2014年12期

9 白培發(fā);王成良;徐玲;;一種融合詞語(yǔ)位置特征的Lucene相似度評(píng)分算法[J];計(jì)算機(jī)工程與應(yīng)用;2014年02期

10 岳紹敏;李萬(wàn)龍;王璐;光順利;;基于Lucene索引的數(shù)據(jù)庫(kù)全文檢索[J];吉林大學(xué)學(xué)報(bào)(理學(xué)版);2014年05期

本文編號(hào)：1320070