基于Lucene的分布式醫(yī)療搜索引擎的研究與實(shí)現(xiàn).pdf

1、近年來，計(jì)算機(jī)與互聯(lián)網(wǎng)技術(shù)迅猛發(fā)展，網(wǎng)絡(luò)上的信息量與日俱增，人們要從如此龐大的信息量中搜索出我們需要的信息成了一項(xiàng)重要而艱巨的任務(wù)。搜索引擎在網(wǎng)絡(luò)世界中正扮演著越來越重要的角色。
　　搜索引擎的信息檢索和索引效率是決定一個(gè)搜索引擎性能的關(guān)鍵因素。當(dāng)信息量增大，索引量也隨之增大，這時(shí)搜索引擎服務(wù)器的壓力會(huì)顯著升高，搜索引擎的索引更新效率會(huì)明顯下降。因此，單機(jī)型的搜索引擎系統(tǒng)難以滿足高數(shù)據(jù)量和高并發(fā)量的需求，為了提高搜索引擎的新能，提

2、升系統(tǒng)處理海量數(shù)據(jù)的能力，構(gòu)建分布式的搜索引擎系統(tǒng)是解決問題的有效方法。Hadoop是云計(jì)算領(lǐng)域最具代表性的一個(gè)開源項(xiàng)目，Hadoop為廣大開發(fā)者提供了很好的分布式框架，使開發(fā)者開發(fā)出適合自己的分布式應(yīng)用程序。
　　當(dāng)前，互聯(lián)網(wǎng)上的各種搜索引擎得到了廣大用戶的親睞。然而，隨著各個(gè)領(lǐng)域信息的不斷深入和細(xì)化，通用的搜索引擎已經(jīng)越來越難以滿足不同領(lǐng)域用戶的需求。因此，開發(fā)出針對(duì)特定領(lǐng)域的信息搜索引擎是非常有必要的。眾所周知，醫(yī)療衛(wèi)生事業(yè)

3、是關(guān)系著人類生存、健康的重要事業(yè)。隨著科技的發(fā)展，醫(yī)療衛(wèi)生領(lǐng)域的信息化不斷加深，醫(yī)療領(lǐng)域的信息量日漸龐大，人們對(duì)醫(yī)療信息的獲取也日益迫切。如何快速、準(zhǔn)確地獲取第一手的醫(yī)療信息是人們亟待解決的問題。
　　Lucene是一個(gè)由java語言編寫的開源搜索引擎工具包，它是一個(gè)開源的全文索引架構(gòu)，其中包括檢索引擎和索引引擎，為開發(fā)人員提供了強(qiáng)大的接口，使開發(fā)人員開發(fā)出具體的搜索應(yīng)用程序。本文通過分析搜索引擎的基本原理，采用hadoop的ma

4、p-reduce編程模型，同時(shí)基于Lucene開源工具包，開發(fā)出一款適合醫(yī)療領(lǐng)域的搜索引擎服務(wù)系統(tǒng)。主要的研究內(nèi)容與工作如下:
　　1)分析介紹了Lucene開發(fā)搜索引擎的相關(guān)技術(shù)和hadoop分布式文件系統(tǒng)的原理。基于hadoop的map-reduce編程模型，設(shè)計(jì)出分布式網(wǎng)絡(luò)爬蟲程序，實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)信息的分布式抓取與檢索。
　　2)將開源中文分詞器加入系統(tǒng)中，在網(wǎng)頁和信息分析時(shí)實(shí)現(xiàn)中文分詞功能，對(duì)文章中的語句進(jìn)行正確有效的切