2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩77頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著企業(yè)信息化建設(shè)的推廣,企業(yè)信息化系統(tǒng)產(chǎn)生海量的歷史數(shù)據(jù)。海量數(shù)據(jù)造成的存儲容量不夠、信息檢索效率低下、潛在價值難以挖掘等問題成為制約企業(yè)信息化發(fā)展的瓶頸。因此,研發(fā)一套數(shù)據(jù)歸檔與信息檢索系統(tǒng)來存儲和管理企業(yè)歷史數(shù)據(jù)顯得尤為重要。
   本文在對數(shù)據(jù)歸檔與信息檢索系統(tǒng)進行需求分析的基礎(chǔ)上,提出跨應(yīng)用程序的歸檔數(shù)據(jù)存儲與分類檢索方案,采用LUCENE全文檢索技術(shù)解決歷史數(shù)據(jù)的分類檢索問題,應(yīng)用XML技術(shù)解決應(yīng)用程序間的數(shù)據(jù)交換問

2、題,以J2EE平臺的多層架構(gòu)體系為基礎(chǔ),將系統(tǒng)分為數(shù)據(jù)歸檔、系統(tǒng)管理、用戶管理、重構(gòu)管理及信息檢索等五個功能模塊,完成了數(shù)據(jù)歸檔與信息檢索系統(tǒng)的總體設(shè)計。
   論文在系統(tǒng)研發(fā)過程中所應(yīng)用的技術(shù)主要包括信息檢索技術(shù)與XML技術(shù)。信息檢索技術(shù)主要介紹了索引維護與管理策略、檢索查詢策略與結(jié)果排序策略,詳細分析了三種中文分詞策略(基于詞典、詞頻統(tǒng)計、言語意義的中文分詞策略)和文檔倒排機制。XML技術(shù)則主要分析比較了兩種模型映射策略:邊

3、模型映射策略和結(jié)構(gòu)模型映射策略,并總結(jié)它們在不同應(yīng)用場景下的優(yōu)劣特性。
   首先本文采用既符合節(jié)點模型映射策略,又符合邊模型映射策略的XParent模型對結(jié)構(gòu)化數(shù)據(jù)進行模式轉(zhuǎn)換,提高數(shù)據(jù)的通信能力。對于非結(jié)構(gòu)化數(shù)據(jù)則使用文檔解析技術(shù)先將異構(gòu)化的pdf、word、html等格式的數(shù)據(jù)進行解析,解析完成后參照結(jié)構(gòu)化數(shù)據(jù)進行模式轉(zhuǎn)換。其次針對LUCENE中文分詞上的不足,選用中科院的ICTCLAS分詞系統(tǒng)代替LUCENE自帶的中文分

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論