目前,互聯(lián)網(wǎng)技術(shù)發(fā)展迅速,網(wǎng)絡(luò)信息資源迅速增加,搜索引擎為人們查詢互聯(lián)網(wǎng)信息提供了極大的便利。在我國(guó),農(nóng)村人口眾多,農(nóng)業(yè)又是基礎(chǔ)產(chǎn)業(yè),加快農(nóng)業(yè)信息化的建設(shè)步伐有助于有效的解決“三農(nóng)”問(wèn)題,整合農(nóng)業(yè)信息資源,使我國(guó)農(nóng)業(yè)逐步走向信息農(nóng)業(yè)。有效的解決農(nóng)業(yè)用戶在生產(chǎn)、生活中遇到的各種農(nóng)業(yè)問(wèn)題,可以促進(jìn)農(nóng)業(yè)信息化的發(fā)展,本文研究和開(kāi)發(fā)了一個(gè)農(nóng)業(yè)領(lǐng)域的搜索引擎。本文是基于開(kāi)源軟件Nutch進(jìn)行開(kāi)發(fā)的。Nutch是一個(gè)基于java語(yǔ)言的開(kāi)源項(xiàng)目,是一個(gè)輕量級(jí)且運(yùn)行穩(wěn)定的搜索引擎,有著較高的查全率和查準(zhǔn)率。不過(guò),Nutch在網(wǎng)頁(yè)解析方面和摘要提取方面存在不足,不能滿足農(nóng)業(yè)用戶的搜索要求,本文對(duì)Nutch的這兩個(gè)方面進(jìn)行了改進(jìn),并實(shí)現(xiàn)了搜索詞的查詢擴(kuò)展功能。論文的主要工作如下：（1）在網(wǎng)頁(yè)抓取策略中,采用廣度優(yōu)先算法進(jìn)行網(wǎng)頁(yè)信息的抓取,通過(guò)對(duì)爬行層數(shù)進(jìn)行限制,可以盡可能多的抓取農(nóng)業(yè)網(wǎng)站的網(wǎng)頁(yè)信息。（2）在網(wǎng)頁(yè)解析技術(shù)中,采用STU-DOM樹(shù)模型,利用HTML解析器將HTML轉(zhuǎn)換為一棵具有語(yǔ)義屬性的DOM樹(shù),通過(guò)對(duì)其進(jìn)行結(jié)構(gòu)的過(guò)濾和內(nèi)容的剪枝,保留與主題相關(guān)的節(jié)點(diǎn)信息,實(shí)現(xiàn)網(wǎng)頁(yè)主題信息的提取功能。（3）在... 

【文章來(lái)源】：河北農(nóng)業(yè)大學(xué)河北省

【文章頁(yè)數(shù)】：57 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

查看索引Fig.4-2checktheindexmap

圖4-3前臺(tái)搜索界面Fig.4-3 the search interface(3)搜索結(jié)果展示當(dāng)農(nóng)業(yè)W戶輸入檢索內(nèi)容后，以搜索玉米為例，系統(tǒng)會(huì)將檢索內(nèi)容提交給后臺(tái)，進(jìn)行搜索，并對(duì)搜索結(jié)果進(jìn)行摘要的提取和査詢的擴(kuò)展，最后返回給農(nóng)業(yè)用戶的搜索結(jié)果包括三方面的內(nèi)容：檢索出的文檔標(biāo)題、文檔URL、文檔的摘要內(nèi)容和用戶的查詢擴(kuò)展詞。

圖4-7 SDD搜索結(jié)果Fig.4-7 the SDD engine search results伴隨著歷史的進(jìn)程，滄州市鹽山縣全縣地勢(shì)坦蕩，農(nóng)產(chǎn)品依賴于特定區(qū)域的氣候、水質(zhì)、土壤等，逐漸產(chǎn)生了許多優(yōu)勢(shì)農(nóng)產(chǎn)品和特色農(nóng)產(chǎn)品。全縣面積73萬(wàn)畝，盛產(chǎn)小棗、玉米、谷子、高粱等，經(jīng)濟(jì)作物有苜蓿、設(shè)施蔬菜、金絲小棗、棉花、花生等，菜、棗、草、畜為農(nóng)業(yè)四大支柱，金絲小棗種植面積已達(dá)35萬(wàn)畝，菜、棗、畜發(fā)展勢(shì)迅猛。鹽山縣的種植養(yǎng)殖農(nóng)戶需要及時(shí)的農(nóng)業(yè)信息、農(nóng)業(yè)技術(shù)、農(nóng)業(yè)資訊及國(guó)家政策等。本文針對(duì)鹽山縣的實(shí)際情況，通過(guò)對(duì)當(dāng)?shù)剞r(nóng)業(yè)用戶進(jìn)行調(diào)查，對(duì)他們的生產(chǎn)、生活中遇到的實(shí)際問(wèn)題進(jìn)行了搜索，選擇了 100個(gè)查詢內(nèi)容，使用不同的搜索引擎得到的搜索結(jié)果不同。對(duì)于每種搜索引擎，每次搜索都對(duì)前20篇文檔進(jìn)行統(tǒng)計(jì)，共得到2000個(gè)搜索結(jié)果，現(xiàn)對(duì)搜索結(jié)果進(jìn)行對(duì)比分析，如下表：表4-1搜索結(jié)果比較Tab. 4-1 comparison of results of search對(duì)比項(xiàng) 農(nóng)業(yè)用戶對(duì)搜索 含有大量鏈接或 檢索詞與農(nóng)業(yè) ZTI 有無(wú)摘要情況搜索引拿結(jié)果滿意的文檔數(shù) 死鏈接的網(wǎng)站數(shù) 無(wú)關(guān)的文檔數(shù) 查詢擴(kuò)展百度 584 1164 581 截取文本前部分 有

【參考文獻(xiàn)】：
期刊論文
[1]基于本體的Web信息抽取研究綜述[J]. 金燕.  圖書館學(xué)研究. 2012(16)
[2]基于農(nóng)業(yè)信息化的垂直搜索引擎的分析與設(shè)計(jì)[J]. 彭攀峰,劉波.  農(nóng)機(jī)化研究. 2012(05)
[3]實(shí)現(xiàn)Lucene接口的中文分詞器的比較研究[J]. 黃翼彪.  科技信息. 2012(12)
[4]IK Analyzer 2012發(fā)布中文分詞庫(kù)[J].   硅谷. 2012(06)
[5]國(guó)外本體構(gòu)建方法比較分析[J]. 尚新麗.  圖書情報(bào)工作. 2012(04)
[6]基于領(lǐng)域本體知識(shí)庫(kù)的語(yǔ)義查詢擴(kuò)展[J]. 楊清琳,李陶深,農(nóng)健.  計(jì)算機(jī)工程與設(shè)計(jì). 2011(11)
[7]基于Jena及其本體推理的研究[J]. 柴留祥,何豐.  計(jì)算機(jī)技術(shù)與發(fā)展. 2011(11)
[8]基于改進(jìn)的正向最大匹配中文分詞算法研究[J]. 王惠仙,龍華.  貴州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(05)
[9]基于骨架法的企業(yè)本體構(gòu)建方法改進(jìn)[J]. 宋曉雯.  經(jīng)濟(jì)論壇. 2010(07)
[10]農(nóng)業(yè)搜索引擎的發(fā)展現(xiàn)狀及關(guān)鍵技術(shù)研究[J]. 彭玉容,楊捧,高媛.  安徽農(nóng)業(yè)科學(xué). 2010(20)

碩士論文
[1]開(kāi)源中文分詞器的比較研究[D]. 黃翼彪.鄭州大學(xué) 2013
[2]基于自然語(yǔ)言理解的車輛行駛指令抽取[D]. 袁樹(shù)明.北京郵電大學(xué) 2013
[3]基于HTML的Web信息抽取技術(shù)的研究與應(yīng)用[D]. 于立艷.哈爾濱工程大學(xué) 2011
[4]基于信息抽取和語(yǔ)義相似度的多文檔自動(dòng)文摘技術(shù)研究[D]. 徐惠婷.東北大學(xué) 2010
[5]基于OWL的領(lǐng)域本體構(gòu)建方法研究[D]. 孫維聰.哈爾濱工業(yè)大學(xué) 2009
[6]基于統(tǒng)計(jì)與語(yǔ)義分析的多文檔自動(dòng)摘要研究[D]. 宋宣辰.中國(guó)科學(xué)技術(shù)大學(xué) 2009
[7]基于包裝器模型的信息抽取算法研究[D]. 李知穎.東北師范大學(xué) 2009
[8]查詢擴(kuò)展技術(shù)研究[D]. 姚小同.北京郵電大學(xué) 2009
[9]基于OWL描述的本體推理研究[D]. 龔資.吉林大學(xué) 2007
[10]面向特定領(lǐng)域的專業(yè)搜索引擎的架構(gòu)與實(shí)現(xiàn)方法[D]. 胡曉博.哈爾濱工程大學(xué) 2007



本文編號(hào)：3006632