面向文檔的全文檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著信息化程度的加深,幾乎所有的紙質(zhì)文檔都將轉(zhuǎn)換成電子版進(jìn)行保存,以便進(jìn)行保存、攜帶、檢索和查閱。目前基于全文數(shù)據(jù)庫的檢索系統(tǒng)需要數(shù)據(jù)庫作為底層支撐,這不論是在操作還是經(jīng)濟(jì)上都是普通用戶難以接受的。已有的面向磁盤文件的全文檢索系統(tǒng)在文檔類型的多樣化和檢索結(jié)果的優(yōu)化方面都存在一定的缺陷。
　　在面向文檔的全文檢索系統(tǒng)中,首先分析了系統(tǒng)背景和目的,給出了功能和性能方面的需求,采取瀏覽器/服務(wù)器體系結(jié)構(gòu),并將系統(tǒng)劃分為用戶界面、索引管理

2、、文檔檢索和結(jié)果展示四個模塊。然后,對基于詞頻和逆文本頻率的相似度評分算法進(jìn)行了詳盡的分析,指出這個算法在文檔的相似度得分上存在的缺陷,并依據(jù)這些缺點(diǎn)從“全詞匹配”和“詞項(xiàng)相鄰度”這兩個角度對算法進(jìn)行了優(yōu)化。接著,詳實(shí)地闡明系統(tǒng)中索引管理、文檔檢索和結(jié)果展示的實(shí)現(xiàn)流程。在索引管理模塊中分?jǐn)?shù)據(jù)庫中表的管理和磁盤上文件索引的管理兩個方面的實(shí)現(xiàn)來陳述;文檔檢索模塊中,在詳細(xì)介紹了文檔檢索過程的同時,給出了改進(jìn)后的相似度排序算法的具體的實(shí)現(xiàn)。最