基于Lucene的面向商業(yè)應(yīng)用的搜索引擎研究與實(shí)現(xiàn).pdf

1、如今因特網(wǎng)上的信息可以用驚人來形容。同時(shí)，我們的信息來源已經(jīng)不僅僅限于因特網(wǎng)領(lǐng)域中了——因?yàn)榕_(tái)式電腦的存儲(chǔ)量也在飛速增長。當(dāng)我們一邊要面對如此大量的信息，一邊時(shí)間又成為寶貴的資源時(shí)，只有找到一種更加靈活、自由和即時(shí)查詢的方式才能通過盡可能小的努力而迅速跨越嚴(yán)格的分類界限，準(zhǔn)確地找到我們所需的信息。各種各樣搜索引擎的出現(xiàn)解決了這個(gè)問題。搜索引擎技術(shù)正成為計(jì)算機(jī)工業(yè)界和學(xué)術(shù)界爭相研究和開發(fā)的熱點(diǎn)。 搜索引擎就是按照某種策略搜索和收集

2、信息，并且對這些信息加以組織和處理，為用戶提供信息查詢服務(wù)的軟件應(yīng)用系統(tǒng)。 本文首先對搜索引擎的產(chǎn)生背景、發(fā)展歷史進(jìn)行了說明，并對當(dāng)前著名的四大中文搜索引擎進(jìn)行了簡單介紹，同時(shí)指出了搜索引擎的發(fā)展現(xiàn)狀和趨勢。接下來，文章對搜索引擎的基本原理、相關(guān)技術(shù)和處理流程作了進(jìn)一步的分析。通過對中文搜索引擎核心技術(shù)的研究，讓我們對中文搜索引擎的實(shí)現(xiàn)難點(diǎn)有了更深的認(rèn)識(shí)。由于在中文的書面格式中，詞與詞之間沒有自然的分隔符(例如英文中的空格)，中

3、文分詞就成為中文語言分析過程的核心任務(wù)。本文著重分析和比較了現(xiàn)有中文分詞技術(shù)，并且提出了一個(gè)基于最短路徑分詞算法的改進(jìn)方法。 文章接著介紹了一個(gè)純Java實(shí)現(xiàn)的成熟、自由、開源的軟件項(xiàng)目：Lucene。Lucene是一個(gè)高性能的、可擴(kuò)展的信息檢索工具庫。通過對Lucene源代碼的分析和編程實(shí)驗(yàn)，讓我們領(lǐng)略到了Lucene的精髓。由于其提供了一套簡單卻十分強(qiáng)大的核心API，使得我們可以快速得將它集成到我們自己的應(yīng)用程序中。