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