基于Lucene的RSS搜索與分類.pdf

1、搜索引擎給互聯(lián)網(wǎng)帶來了巨大的變化，使得人們能夠在浩如煙海的知識世界中，獲得自己想要的信息。搜索引擎技術(shù)也已經(jīng)成為信息檢索的熱門技術(shù)。RSS信息聚合技術(shù)在新聞和博客領(lǐng)域迅速得到推廣，使得互聯(lián)網(wǎng)信息變得結(jié)構(gòu)化起來。人們對于搜索引擎的要求也越來越高，在實(shí)時(shí)性方面?zhèn)鹘y(tǒng)搜索引擎已經(jīng)不能滿足人們的需求。RSS搜索引擎呼之欲出，各大知名企業(yè)都在暗中角力。 本文提出以RSS信息為數(shù)據(jù)來源，在傳統(tǒng)搜索引擎的基礎(chǔ)上，對進(jìn)行RSS信息進(jìn)行獲取和深度挖

2、掘，構(gòu)建一個實(shí)時(shí)性較強(qiáng)的RSS搜索引擎。該研究是在開源項(xiàng)目基礎(chǔ)上進(jìn)行的，針對中文信息檢索對該項(xiàng)目進(jìn)行了改進(jìn)。改進(jìn)了中文分詞和關(guān)鍵字高亮算法，編寫了全新的HTML分析器，實(shí)現(xiàn)了分摘要和全文進(jìn)行檢索，按照相關(guān)度和時(shí)間兩種方式對結(jié)果進(jìn)行排序，并增加了網(wǎng)頁快照功能。提高了用戶體驗(yàn)，取得了不錯的效果。 本文對基于RSS的搜索引擎進(jìn)行了初步研究。在實(shí)際的應(yīng)用中，尤其是在大規(guī)模應(yīng)用中，好有許多亟待解決的問題有待進(jìn)一步的研究。本文所積累的一些經(jīng)