主題搜索引擎的研究與應用.pdf

1、搜索技術(shù)的進步使得人類對數(shù)據(jù)、信息、知識進入了前所未有的共享模式。搜索是虛擬的人類意識。搜索技術(shù)反映個體在特定時期和范圍內(nèi)的行為取向和信息喜好，無數(shù)搜索的集合和綜合信息最終可以用以推測人類作為整體的文化屬性。 隨著信息多元化的增長，千篇一律的給所有用戶同一個入口顯然已經(jīng)不能滿足特定用戶更深入的查詢需求。因此我們需要一個分類細致精確、數(shù)據(jù)全面深入、更新及時的面向主題的搜索引擎。主題搜索引擎是針對某一特定領(lǐng)域提供的有一定價值的信息和

2、相關(guān)服務(wù)。以構(gòu)筑某一主題領(lǐng)域的Internet網(wǎng)絡(luò)信息資源庫為目標，智能地在互聯(lián)網(wǎng)上搜集符合此主題需要的信息資源。其特點就是“專、精、深”，且具有行業(yè)色彩。 本文在基于Lucene搜索引擎框架的研究和應用基礎(chǔ)上，對它的設(shè)計原理和特色以及評分體系進行深入的研究。Nutch是一個建立在Lucene核心之上的Web搜索的實現(xiàn)。本文利用Nutch易于擴展的插件機制進行二次開發(fā)。研發(fā)一個第三方工具把Lucene特殊的數(shù)據(jù)格式轉(zhuǎn)化為可視化的