

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、隨著互聯(lián)網技術的快速普及和數(shù)字信息的爆炸性增長,搜索引擎已經成為人們獲取信息最有效的手段之一。作為由Java編寫的全文索引和檢索工具包,Lucene可以方便的嵌入到各種互聯(lián)網應用中實現(xiàn)全文檢索功能,因此Lucene獲得了廣泛的應用。但是,隨著數(shù)據(jù)量的不斷增大和用戶搜索請求的并發(fā)量增多,基于單機的Lucene搜索服務在索引構建、索引存儲和搜索響應時間上已經不能滿足人們的需求,進而關注于基于分布式的Lucene搜索和排序方法研究。
2、 針對Lucene基于向量空間模型的排序方法對字段長度短和詞頻高的文檔敏感因而得分較高這一缺陷,本文圍繞排序算法、IK中文分詞和多域搜索三個方面來進行改進方法研究。首先通過例證分析了Lucene排序算法存在的不足,并針對應用中用戶希望能夠將“匹配到越多查詢詞的文檔越往前排”和大多數(shù)用戶“對長度在某一區(qū)間的文檔更感興趣”的需求,提出了一種調整Coord和LengthNorm因子計算方式的改進排序算法,通過實驗證明改進后的排序算法在P@10
3、和Map兩個指標上優(yōu)于原算法。本文還通過設定自定義詞典和采用智能分詞相結合的方式解決了IK中文分詞中因分詞不恰當而導致的搜索結果不準問題。在多域搜索中,本文針對視頻搜索業(yè)務中的多字段排序問題,給出了利用層次分析法設置查詢權重的解決方案,并通過實驗驗證可行。最后,本文給出了一種利用Lucene實現(xiàn)的基于距離的過濾和排序方案,以實現(xiàn)業(yè)內熱門的地圖搜索功能。
針對單機Lucene處理海量數(shù)據(jù)時的性能問題,本文設計了基于Hadoop平
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。
最新文檔
- 手機應用推薦算法及分布式實現(xiàn)研究.pdf
- 基于Lucene的分布式數(shù)據(jù)搜索.pdf
- 分布式系統(tǒng)互斥算法研究.pdf
- 基于Lucene的分布式全文檢索在構件庫系統(tǒng)中的實現(xiàn).pdf
- 基于Lucene網頁排名改進的分布式搜索系統(tǒng).pdf
- CDMA通信系統(tǒng)中的分布式功率控制算法及實現(xiàn).pdf
- 基于Lucene的分布式醫(yī)療搜索引擎的研究與實現(xiàn).pdf
- 分布式互斥算法的研究與實現(xiàn).pdf
- Hadoop分布式系統(tǒng)調度算法的研究.pdf
- 并行遺傳算法的分布式實現(xiàn).pdf
- 分布式RFID復合事件檢測算法及其系統(tǒng)實現(xiàn).pdf
- 分布式網絡爬蟲的設計與實現(xiàn)——分布式算法研究和系統(tǒng)架構設計---畢業(yè)論文
- 分布式聲源定位關鍵參數(shù)設計及定位算法實現(xiàn).pdf
- 關聯(lián)規(guī)則分布式挖掘算法研究和實現(xiàn).pdf
- 分布式實時系統(tǒng)容錯算法的研究.pdf
- 分布式系統(tǒng)中的調度算法研究.pdf
- 分布式天線系統(tǒng)下行資源分配算法研究.pdf
- 分布式入侵檢測系統(tǒng)節(jié)點聯(lián)動算法研究.pdf
- 分布式實時系統(tǒng)任務調度算法的設計和實現(xiàn).pdf
- 分布式量子計數(shù)算法研究.pdf
評論
0/150
提交評論