基于Nutch的圖情博客搜索引擎的設計與實現.pdf

1、隨著Web2.0理念和技術的興起，全球互聯網用戶享受到了豐富多樣的交互性信息服務，博客正是這種交互性信息服務的典型代表。在這種時代背景下，圖書情報學領域的學生、研究人員等紛紛開設博客進行信息交流。然而，圖情博客分散、博文質量參差不齊的現狀給界內人士的使用帶來了不便，雖然Google博客搜索、百度博客搜索等相關的主題搜索引擎已經解決了一些問題，但是仍舊不能滿足圖情界用戶的需求。本文就是針對這一問題嘗試構建圖情博客搜索引擎，以滿足圖情用戶的

2、需求。本文首先對搜索引擎相關技術和圖情博客進行分析，其次引入Nutch這一開源搜索引擎并基于Nutch制定了圖情博客搜索引擎的設計方案，再次依據該設計方案開發(fā)出相應的主題搜索引擎，最后以實驗的方法對該主題搜索引擎的性能進行評估。本文各章節(jié)的主要內容如下:
　　1.緒論。本章介紹了論文的選題背景、選題意義、國內外研究現狀、所采用的研究方法和創(chuàng)新之處。
　　2.搜索引擎相關技術及圖情博客分析。本章首先分析了搜索引擎、主題搜索引擎

3、的運行原理，指出二者的主要區(qū)別在于信息采集模塊和網頁內容解析模塊兩部分，主題搜索引擎改進了網絡爬蟲模塊和并在網頁內容解析模塊增加了主題詞庫進行信息過濾。其次從博客站點結構、博客頁面內容、博客之間鏈接結構三方面對圖情博客進行分析，以增加對圖情博客的全面認識。
　　3 Nutch簡介及Nutch系統(tǒng)的運行環(huán)境配置與運行。本章首先介紹了開源搜索引擎Nutch的基本情況和框架結構，對Nutch有個初步的認識。然后配置Nutch系統(tǒng)的運行環(huán)

4、境并詳細闡釋其運行流程，對Nutch的運行原理和詳細結構有進一步的認識。
　　4基于Nutch的圖情博客搜索引擎的設計。本章依據軟件工程的思想，首先分析搜索引擎系統(tǒng)要實現的目標、要解決的問題以及可行性，然后通過用例圖（Use Case Diagram）和序列圖（Sequence Diagram）對系統(tǒng)的用戶需求進行闡述，最后給出了系統(tǒng)的總體設計方案和詳細設計方案。
　　5基于Nutch的圖情博客搜索引擎的核心模塊實現。本章對