基于Lucene的博客搜索引擎設計與實現(xiàn).pdf

1、Lucene作為一個優(yōu)秀的開源的搜索引擎框架，提供了高效便捷的全文檢索服務。因而被廣泛應用在多種信息檢索場景中。然而隨著其收錄文檔數(shù)量的不斷增加，根據(jù)關鍵詞匹配的方式檢索到的文檔數(shù)量也迅速增加。將大量的相關的結果呈現(xiàn)給用戶，用戶只能在其中手動查找真正想要的文檔。這樣的檢索質量差強人意。
　　為了改善Lucene檢索結果排序質量不高問題，本文基于Lucene和博客應用場景，構建了博客搜索引擎。嘗試從提高中文分詞精度、衡量文檔質量和擴

2、展關鍵詞三個方面對Lucene原有的檢索結果排序機制進行了優(yōu)化。在中文分詞方面，使用更先進的“結巴”分詞工具代替Lucene原有的“StandardAnalyzer”，提高了分詞準確率。同時根據(jù)博客本身的特點，將改進的PageRank算法應用在搏客好友關系分析上。通過對博客用戶的好友關系分析計算出其“影響力”，影響力越大博文質量也越高。最后使用詞向量的方式獲得檢索關鍵詞的同義詞，借此提高關鍵詞的表示能力。
　　考慮到需要對大規(guī)模數(shù)