發(fā)布時間：2024-05-19 17:48

　　隨著科學(xué)技術(shù)的持續(xù)發(fā)展,專利數(shù)據(jù)量不斷提升,專利數(shù)據(jù)管理變得越來越困難,企業(yè)快速并有效的提取有價值的專利信息也越來越困難。針對以上問題,本課題設(shè)計并實現(xiàn)了一款基于Solr技術(shù)的專利信息檢索系統(tǒng)。主要工作包括以下幾方面:首先,針對專利信息檢索系統(tǒng)的技術(shù)實現(xiàn)的復(fù)雜性,主要采用Solr全文搜索引擎技術(shù)和IK Analyzer分詞器插件實現(xiàn)本系統(tǒng)檢索功能。Solr通過對Lucence底層封裝,實現(xiàn)倒排索引功能,通過使用IK Analyzer自定義分詞器插件,檢索詞或短語更容易查找專利文檔,并且Solr搜索技術(shù)成熟穩(wěn)定,支持多種數(shù)據(jù)格式,對專利數(shù)據(jù)的格式多樣性支持性更好。其次,針對專利信息檢索系統(tǒng)的檢索速度方面的優(yōu)化,系統(tǒng)通過硬件和系統(tǒng)架構(gòu)方面進(jìn)行優(yōu)化,保證檢索速度。硬件方面,對服務(wù)器內(nèi)存和CPU配置進(jìn)行升級,并將傳統(tǒng)硬盤替換成SSD硬盤提升索引讀寫速度。系統(tǒng)架構(gòu)方面,通過對Solr基礎(chǔ)單元Field進(jìn)行合并,加權(quán)重等優(yōu)化,實現(xiàn)檢索速度提升。然后,針對專利信息檢索系統(tǒng)的高可用性,采用基于SolrCloud和ZooKeeper的分布式搜索方案,并對Solr索引進(jìn)行集群部署,保證了檢索系統(tǒng)的高可用性...

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2-1用戶檢索流程

具體要點如下：1)系統(tǒng)中包含語法儲存庫，與詞匯庫相結(jié)合后，對句子中的詞匯進(jìn)行分析2)包含詞匯儲存庫，將使用較為廣泛的詞匯搭配方式、使用頻率較高的詞庫中；3)具有較寬的詞匯量，設(shè)置專業(yè)詞匯庫，從而實現(xiàn)專業(yè)文獻(xiàn)的搜索；4)若句子無法進(jìn)行分詞，可以將句子中的每個字作為詞匯進(jìn)行分....

圖2-2全文檢索系統(tǒng)架構(gòu)圖

了該搜索方式。排名查詢RankedQuery的使用范圍較大，通過向量空間模型算法、概率模型算法等對文檔、關(guān)鍵詞之間的相關(guān)度進(jìn)行計算，同時依據(jù)相關(guān)度的高低進(jìn)行搜索結(jié)果的排列，將相關(guān)度排名的前一百條消息返回給用戶，用戶可以設(shè)置消息返回數(shù)量。2.2.3全文檢索全文數(shù)據(jù)庫是全文檢....

圖2-3全文檢索流程圖

用于全文搜索和搜索。使用Lucene實現(xiàn)全文搜索的開發(fā)，其能夠提供具有強(qiáng)大功能的應(yīng)用程序界面[6]。Lucene屬于Java中的免費(fèi)開源工具，發(fā)展較為成熟，是目前Java中最受歡迎的工具。雖然信息檢索庫與搜索引擎有關(guān)，但不應(yīng)混淆[9]。2.3.1Lucene實現(xiàn)....

圖2-4詞典結(jié)構(gòu)圖

圖2-4詞典結(jié)構(gòu)圖要。詞典結(jié)構(gòu)有很多種，每種都有各自的優(yōu)缺點組，通過二進(jìn)制搜索方法檢索數(shù)據(jù)，并且有哈希，但需要更高的性能來支持TB級數(shù)據(jù)的倒排索圖列出了一些常用字典的優(yōu)缺點。如表2-1所示表2-1數(shù)據(jù)結(jié)構(gòu)對比表優(yōu)缺點實現(xiàn)簡單，但性能差性能高，內(nèi)存消耗大占用內(nèi)存....

本文編號：3978242