垂直搜索引擎的設(shè)計開發(fā).pdf

1、隨著計算機(jī)技術(shù)和互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，網(wǎng)絡(luò)上的信息量也急劇增加。面對如此巨大的信息，搜索引擎的出現(xiàn)在一定程度上給人們帶來了方便。通過搜索引擎，人們可以快速地訪問一些自己不知道的網(wǎng)頁，從中獲取到很多有用的信息。然而，很多搜索引擎在搜索信息時往往會產(chǎn)生一些問題，如搜索到的頁面過多、網(wǎng)頁重復(fù)、網(wǎng)頁數(shù)據(jù)更新慢、符合搜索要求的網(wǎng)頁比較少等。而垂直搜索技術(shù)的產(chǎn)生很好的解決了這些問題，它為人們提供的不再是成千上萬的相關(guān)網(wǎng)頁信息，而是范圍很小，且極具針

2、對性的具體信息。
　　 本論文以手機(jī)資源為背景，通過運(yùn)用擴(kuò)展Heritrix和Lucene，初步構(gòu)建出了一個檢索結(jié)果比較精準(zhǔn)的垂直搜索引擎。本文主要的研究工作分有以下四個部分：(1)通過定制和擴(kuò)展Heritrix這個由Java開發(fā)的、開源的Web網(wǎng)絡(luò)爬蟲來從互聯(lián)網(wǎng)上爬取相關(guān)的信息資源；(2)利用HtmlParser工具對爬取的信息進(jìn)行分析和抽??；(3)深入研究Lucene以及及其相關(guān)的技術(shù)，將Lucene成功地運(yùn)用到了系統(tǒng)當(dāng)中，