【摘要】：隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，以及企業(yè)的日益國(guó)際化，使企業(yè)間的競(jìng)爭(zhēng)越來(lái)越激烈。如何能更及時(shí)、精確且全面的找到公司內(nèi)部信息，對(duì)于一個(gè)企業(yè)來(lái)說(shuō)是相當(dāng)重要的。雖然Google等大型商業(yè)搜索引擎也能實(shí)現(xiàn)企業(yè)內(nèi)部的檢索功能，但由于其商業(yè)性及大眾化，導(dǎo)致這種選擇存在很大的缺陷。因此，如何有效利用現(xiàn)有主流搜索引擎技術(shù)，更快捷、更方便的搭建自己的企業(yè)內(nèi)部搜索引擎，成為目前重要的研究課題。 本課題就是針對(duì)這種需求，分析企業(yè)搜索引擎的必要性及實(shí)現(xiàn)方案，本文基于Solr進(jìn)行企業(yè)搜索引擎的研究過(guò)程中，先對(duì)搜索引擎的概念以及系統(tǒng)結(jié)構(gòu)進(jìn)行介紹，接著深入研究全文索引技術(shù)和信息檢索技術(shù)，并重點(diǎn)介紹本文系統(tǒng)所涉及到的關(guān)鍵技術(shù)及經(jīng)典算法。同時(shí)還對(duì)Solr的有關(guān)內(nèi)容進(jìn)行分析與應(yīng)用，如中文分詞器MMSeg4j、Solr的Java客戶端Solrj、以及Solr的DataImportHandler處理器等。由于Solr是一個(gè)獨(dú)立的企業(yè)搜索引擎應(yīng)用服務(wù)器，它對(duì)Lucene的一些代碼進(jìn)行封裝，具有簡(jiǎn)單易用、功能強(qiáng)大等特點(diǎn)。本文就是在此基礎(chǔ)上，，結(jié)合其他關(guān)鍵技術(shù)如網(wǎng)絡(luò)爬蟲、信息抽取、中文分詞等，設(shè)計(jì)實(shí)現(xiàn)一個(gè)小型企業(yè)搜索引擎系統(tǒng)。 基于上述分析，并結(jié)合基本理論和相關(guān)技術(shù)的研究，本文最終設(shè)計(jì)實(shí)現(xiàn)了一個(gè)基于Solr的小型企業(yè)搜索引擎的實(shí)例。針對(duì)深度抓取工具Heritrix存在碰到即抓的缺陷，本文根據(jù)實(shí)例特征對(duì)Heritrix框架進(jìn)行改進(jìn)和擴(kuò)展，并成功將特定網(wǎng)頁(yè)下載到本地；研究解析工具HTMLParser的工作原理，并根據(jù)實(shí)例特點(diǎn)編寫代碼實(shí)現(xiàn)解析模塊，同時(shí)，將信息存儲(chǔ)到MySQL數(shù)據(jù)庫(kù)中；通過(guò)對(duì)Solr的索引和檢索框架進(jìn)行研究及必要的配置，搭建起Solr搜索引擎服務(wù)器；研究MMSeg4j中文分詞器的四種分詞模式，并與Solr進(jìn)行集成，并通過(guò)測(cè)試統(tǒng)計(jì)出其分詞準(zhǔn)確度達(dá)到98%；針對(duì)企業(yè)數(shù)據(jù)幾乎存儲(chǔ)在數(shù)據(jù)庫(kù)這種現(xiàn)狀，本文應(yīng)用Solr的DataImportHandler處理器，將數(shù)據(jù)庫(kù)數(shù)據(jù)導(dǎo)入Solr中，實(shí)現(xiàn)了針對(duì)企業(yè)這個(gè)目的；研究并改進(jìn)Solrj源碼實(shí)現(xiàn)了搜索功能，并設(shè)計(jì)了良好的用戶界面，進(jìn)而實(shí)現(xiàn)一個(gè)完整的企業(yè)搜索引擎。最后，在功能上和性能上對(duì)本系統(tǒng)進(jìn)行測(cè)試，得出該系統(tǒng)具有查詢準(zhǔn)確率高、實(shí)時(shí)性好的特點(diǎn)，且具有較好的實(shí)際應(yīng)用價(jià)值。
【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】：2013
【分類號(hào)】：TP391.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 滿鵬;;全文檢索的原理與實(shí)現(xiàn)探討[J];現(xiàn)代情報(bào);2009年07期

2 張賀;;基于搜索引擎的圖書館之城OPAC檢索平臺(tái)[J];科技情報(bào)開發(fā)與經(jīng)濟(jì);2011年04期

3 馬志強(qiáng);劉利民;蘇依拉;馬瑞明;;基于Lucene的站內(nèi)搜索引擎研究[J];內(nèi)蒙古工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年01期

4 李靜媛;淺談搜索引擎應(yīng)用技術(shù)[J];天津市財(cái)貿(mào)管理干部學(xué)院學(xué)報(bào);2005年01期

5 王仕仲;寧龍兵;;基于Nutch的中文搜索引擎的研究與實(shí)現(xiàn)[J];電腦開發(fā)與應(yīng)用;2009年07期

6 杜娟;;Nutch中文分詞的研究和改進(jìn)[J];軟件導(dǎo)刊;2011年06期

7 陳剛;盧炎生;;BBS搜索引擎設(shè)計(jì)與實(shí)現(xiàn)[J];微計(jì)算機(jī)信息;2006年18期

8 王華棟;饒培倫;;基于搜索引擎的中文分詞評(píng)估方法[J];情報(bào)科學(xué);2007年01期

9 蘆淑娟;;WebGIS搜索引擎系統(tǒng)研究與實(shí)現(xiàn)[J];軟件導(dǎo)刊;2007年05期

10 謝峰;劉洪星;;基于Lucene的Web站內(nèi)搜索引擎的研究[J];電腦知識(shí)與技術(shù);2008年04期

相關(guān)會(huì)議論文 前10條

1 彭軻;廖聞劍;;淺析搜索引擎[A];中國(guó)通信學(xué)會(huì)第五屆學(xué)術(shù)年會(huì)論文集[C];2008年

2 李丹;;如何利用搜索引擎查找中醫(yī)藥信息[A];中國(guó)中醫(yī)藥信息研究會(huì)第二屆理事大會(huì)暨學(xué)術(shù)交流會(huì)議論文匯編[C];2003年

3 鄧長(zhǎng)壽;郭景峰;楊焱林;鄧安遠(yuǎn);;下一代Web搜索引擎初探[A];第十八屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2001年

4 維尼拉·木沙江;吐爾洪·吾司曼;;維、哈、柯文搜索引擎中網(wǎng)頁(yè)爬行器的設(shè)計(jì)與實(shí)現(xiàn)[A];少數(shù)民族青年自然語(yǔ)言處理技術(shù)研究與進(jìn)展——第三屆全國(guó)少數(shù)民族青年自然語(yǔ)言信息處理、第二屆全國(guó)多語(yǔ)言知識(shí)庫(kù)建設(shè)聯(lián)合學(xué)術(shù)研討會(huì)論文集[C];2010年

5 湯薇;曾艷;;構(gòu)建校園網(wǎng)搜索引擎必要性分析[A];廣西計(jì)算機(jī)學(xué)會(huì)2008年年會(huì)論文集[C];2008年

6 姚樹宇;趙少東;;一種使用分布式技術(shù)的搜索引擎[A];2005年全國(guó)開放式分布與并行計(jì)算學(xué)術(shù)會(huì)議論文集[C];2005年

7 倪俊峰;;基于黃頁(yè)搜索引擎的關(guān)鍵字排名廣告系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[A];2005年中國(guó)索引學(xué)會(huì)年會(huì)暨學(xué)術(shù)研討會(huì)論文集[C];2005年

8 張怡;查貴庭;;SEO在信息服務(wù)中的應(yīng)用研究[A];2010年中國(guó)索引學(xué)會(huì)年會(huì)暨學(xué)術(shù)研討會(huì)論文集[C];2010年

9 陳援非;何哲;朱珍民;;基于普適計(jì)算的個(gè)性化搜索技術(shù)[A];第二屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議(HHME2006)——第2屆中國(guó)普適計(jì)算學(xué)術(shù)會(huì)議(PCC'06)論文集[C];2006年

10 楊萌;李春麗;朱明;;網(wǎng)絡(luò)搜索技術(shù)下的編輯工作[A];學(xué)報(bào)編輯論叢（第十一集）[C];2003年

相關(guān)重要報(bào)紙文章 前10條

1 李一鑫;搜索排名的紅與黑[N];財(cái)經(jīng)時(shí)報(bào);2007年

2 周文林;搜狗3.0能否撼動(dòng)搜索市場(chǎng)[N];經(jīng)濟(jì)參考報(bào);2007年

3 惠正一;比爾·蓋茨:微軟不怕Google[N];第一財(cái)經(jīng)日?qǐng)?bào);2005年

4 賽迪顧問(wèn)股份有限公司互聯(lián)網(wǎng)與電子商務(wù)咨詢中心 常燕杰;搜索，還是門戶[N];中國(guó)計(jì)算機(jī)報(bào);2005年

5 陳珊;浙江移動(dòng)推出手機(jī)搜索引擎服務(wù)[N];人民郵電;2005年

6 趙法忠;搜索引擎還需悠著點(diǎn)[N];中國(guó)經(jīng)營(yíng)報(bào);2005年

7 金朝力;搜索引擎火拼搜索質(zhì)量[N];北京商報(bào);2006年

8 本報(bào)記者　 趙曉輝 孟昭麗;搜索引擎駛?cè)搿氨茱L(fēng)港”[N];中國(guó)證券報(bào);2006年

9 孫t;搜索引擎驚喜侵權(quán)官司止于“避風(fēng)港”？[N];第一財(cái)經(jīng)日?qǐng)?bào);2006年

10 姜蕊;問(wèn)天下誰(shuí)識(shí)搜索？[N];中國(guó)高新技術(shù)產(chǎn)業(yè)導(dǎo)報(bào);2006年

相關(guān)博士學(xué)位論文 前10條

1 岑榮偉;基于用戶行為分析的搜索引擎評(píng)價(jià)研究[D];清華大學(xué);2010年

2 李群;主題搜索引擎聚類算法的研究[D];北京林業(yè)大學(xué);2011年

3 蘇君華;面向搜索引擎的技術(shù)接受模型研究[D];南京大學(xué);2011年

4 劉佐達(dá);分布協(xié)作式搜索引擎模型及算法研究[D];清華大學(xué);2011年

5 陳旭毅;基于索引云的企業(yè)搜索引擎實(shí)現(xiàn)研究[D];武漢大學(xué);2011年

6 郭眈;中文互聯(lián)網(wǎng)視頻搜索引擎系統(tǒng)策略研究[D];北京交通大學(xué);2012年

7 王昤璞;基于用戶體驗(yàn)的互聯(lián)網(wǎng)搜索引擎醫(yī)學(xué)信息檢索可用性評(píng)估研究[D];吉林大學(xué);2010年

8 李莎莎;面向搜索引擎的自然語(yǔ)言處理關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

9 鄭文良;基于簡(jiǎn)單本體的農(nóng)業(yè)P2P搜索引擎關(guān)鍵技術(shù)研究[D];沈陽(yáng)農(nóng)業(yè)大學(xué);2013年

10 白玉琪;空間信息搜索引擎研究[D];中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所）;2003年

相關(guān)碩士學(xué)位論文 前10條

1 劉琨;搜索引擎的研究與實(shí)現(xiàn)[D];西安電子科技大學(xué);2004年

2 李雷;基于Nutch的農(nóng)業(yè)信息搜索引擎實(shí)現(xiàn)和優(yōu)化[D];吉林大學(xué);2011年

3 尉建興;基于Lucene搜索引擎的研究與應(yīng)用[D];太原理工大學(xué);2011年

4 徐財(cái)應(yīng);基于Lucene的搜索引擎技術(shù)的研究與改進(jìn)[D];長(zhǎng)春理工大學(xué);2010年

5 張彬;基于lucene的搜索引擎[D];上海師范大學(xué);2010年

6 薛云;Internet上元搜索引擎的研究與設(shè)計(jì)[D];太原理工大學(xué);2003年

7 王春花;基于Nutch的農(nóng)業(yè)搜索引擎檢索結(jié)果排序策略的研究[D];西北農(nóng)林科技大學(xué);2010年

8 董晨;基于模糊聚類的個(gè)性化搜索引擎的研究[D];福州大學(xué);2005年

9 封俊;基于Hadoop的分布式搜索引擎研究與實(shí)現(xiàn)[D];太原理工大學(xué);2010年

10 李浩;分布式教育網(wǎng)信息檢索系統(tǒng)的研究和實(shí)現(xiàn)[D];華南理工大學(xué);2010年

本文編號(hào)：2711155