基于Lucene的搜索引擎技術(shù)的研究與改進(jìn).pdf

1、隨著互聯(lián)網(wǎng)的普及，各種各樣的繁多的信息在互聯(lián)網(wǎng)上傳播和存在，人們越來越多的喜歡使用互聯(lián)網(wǎng)來獲取信息，因此，如何在紛繁復(fù)雜的上萬上億的信息里，快捷而準(zhǔn)確的獲取自己所需要的信息呢?由此搜索引擎技術(shù)應(yīng)運(yùn)而生。
　　 搜索引擎是指能在互聯(lián)網(wǎng)上搜集并檢索出用戶需要的信息的系統(tǒng)，該系統(tǒng)主要由三部分組成：信息搜索、信息整理、用戶查詢。
　　 Lucene是由Apache軟件基金會支持和提供的一套開放源代碼的用于全文檢索引擎工具包，即它

2、不是一個完整的全文檢索引擎，而只是一個全文檢索引擎的架構(gòu)。
　　 由于Lucene本身并沒有像網(wǎng)絡(luò)爬蟲在互聯(lián)網(wǎng)上搜集信息的模塊，因此本文就要設(shè)計一個多線程的搜集信息的模塊。
　　 本文首先分析開源的全文檢索引擎工具包Lucene的架構(gòu)，然后分析Lucene在中文分詞方面的不足，設(shè)計一種基于字典快速檢索的中文分詞算法：另一方面Lucene在檢索結(jié)果排序方面也有不足之處，提出一種按出現(xiàn)的檢索關(guān)鍵字的個數(shù)、檢索關(guān)鍵字在文中出現(xiàn)