基于Lucene的產品比價搜索系統(tǒng)的研究與設計.pdf_第1頁
已閱讀1頁,還剩66頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、互聯(lián)網近年來呈現(xiàn)蓬勃發(fā)展趨勢,網上的信息量每日呈爆炸式的增長。信息海量增長的同時,百度,谷歌等通用搜索引擎已經無法滿足人們對特定領域的搜索需求。為此,針對特定領域的垂直搜索技術,已經成為了國內外研究的熱點,垂直搜索引擎由此而誕生。
   國內外已有許多成功投入商用的垂直搜索網站。這些網站的運營成功,又反過來促進垂直搜索技術的研究進步。比如國內的以旅游為搜索主題的“去哪兒網”,以及新浪,騰訊等門戶網站中的以數碼為主題的網頁分欄里,

2、都是用戶訪問較多的網站。但是,當用戶在這些網站中輸入了錯別字時,卻反饋不了用戶想要的搜索結果。為此,如何正確理解用戶的輸入意圖,也成為了垂直搜索引擎研究的重點內容之一。
   本文研究并實現(xiàn)一個垂直搜索引擎,基于Lucene的產品比價搜索系統(tǒng)。具體的研究內容有:
   (1)分析了垂直搜索引擎特征及其關鍵技術,明確了論文的研究主題。
   (2)詳細分析了實現(xiàn)產品比價搜索系統(tǒng)的各項關鍵技術,對網絡爬蟲,頁面解析技

3、術,以及對實現(xiàn)索引和搜索兩個功能的Lucene的開源API進行了分析。
   (3)對中文搜索中的難點內容,中文分詞技術進行了研究,介紹了基于最大正向匹配和基于統(tǒng)計的兩種常用的中文分詞算法,并針對最大正向匹配算法的不足,提出了一種改進的方法,該方法保留了傳統(tǒng)正向匹配算法的優(yōu)點,結合了詞頻統(tǒng)計。并通過三組實驗來驗證改進后算法,在分詞精度上得到了提高。
   (4)對拼寫檢查技術進行研究,將計算最長公共子串(LCS)的方法添

4、加到比價搜索系統(tǒng)的后臺檢索模塊中,即當用戶輸入錯別字時,系統(tǒng)能夠進行糾錯,并返回用戶想要搜索的內容。使得系統(tǒng)能夠正確理解用戶的輸入意圖,具有一定的容錯功能。
   本文對構建垂直搜索引擎的各個模塊進行詳細的分析,使用開源的網絡爬蟲技術來抓取指定的網頁,并使用頁面解析技術,將抓取的網頁解析成文本格式。用Lucene提供的API對這些文本進行索引和搜索,并使用本文提出的改進中文分詞代替Lucene中自帶的中文分詞器,以及將LCS技術

溫馨提示

  • 1. 本站所有資源如無特殊說明,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,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論