基于Lucene的職位垂直搜索引擎的研究與實(shí)現(xiàn).pdf_第1頁(yè)
已閱讀1頁(yè),還剩67頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、州IIII/ll////II/III/I//I/Ill/Ill/11Y33015mllll4m‘m‘J7|I[IN泖歹幺密級(jí):——碩士學(xué)位論文⑧論文題目基王L旦堡盟星鮑驅(qū)焦垂直墊塞型鏊笪巫宜皇塞現(xiàn)作者姓名圃斐指導(dǎo)教師筮勇副教援學(xué)科(專業(yè)):讓箕扭熱苤所在學(xué)院i土箕扭型堂皇堇苤堂瞳提交日期2Q12生魚(yú)旦晝目浙江大學(xué)碩士學(xué)位論文摘要隨著互聯(lián)網(wǎng)時(shí)代的發(fā)展,Intemet上的資源爆炸式增長(zhǎng)。搜索引擎可以幫助用戶在網(wǎng)絡(luò)上方便的查找需要的信息,但是

2、以谷歌,百度為代表的通用搜索引擎目前由于網(wǎng)頁(yè)覆蓋率低,索引更新不及時(shí)以及檢索結(jié)果不精確等缺點(diǎn),難以滿足特定領(lǐng)域的需求。本文在開(kāi)源的全文檢索工具軟件包Lucene的平臺(tái)上,利用相關(guān)的開(kāi)發(fā)框架(Herkrix,HTMLParser等)研究和實(shí)現(xiàn)了對(duì)職位的專業(yè)化搜索功能的垂直搜索引擎。本文主要工作如下:首先,介紹了搜索引擎的發(fā)展歷史,深入研究了搜索引擎的工作原理,對(duì)搜索引擎的發(fā)展趨勢(shì)加以展望。其次,深入研究了網(wǎng)絡(luò)爬蟲(chóng)框架Heritrix以及基

3、于Java的全文搜索引擎工具包Lucene,此外還研究了影響搜索引擎精確度的中文分詞技術(shù)。接著,基于以上技術(shù),本文設(shè)計(jì)并實(shí)現(xiàn)了面向職位的求職垂直搜索引擎,包括信息采集模塊,網(wǎng)頁(yè)信息提取模塊,索引建立模塊,用戶檢索模塊這四個(gè)模塊。在信息采集模塊使用ELFHash算法用來(lái)映射URL到不同的下載隊(duì)列,加快抓取速度,在網(wǎng)頁(yè)信息提取模塊,主要使用iHTMLParser提取信息,在索引建立模塊和用戶檢索模塊,在現(xiàn)有的開(kāi)源搜索引擎框架Lucene的基

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論