论文摘要：电子商务平台中文搜索引擎系统的设计与实现

全文索引和检索是一种非常高效的信息检索技术，它极大地提高了从大量纷繁复杂的数据中查找特定信息的效率。作为开源组织Apache Jakarta的成员项目，Lucene是一个用Java语言实现的成熟、自由、开源的软件项目，是一个高性能的、可扩展的信息检索工具库，可以方便快捷地融入到应用程序中以增加索引和搜索功能。目前，Lucene的核心包和扩展包对中文分词采取类似英文的机械式切分方法。但是，由于中英文之间在形式上存在着巨大的差异，这种切分方法的分词效果是非常粗糙和低效的。在对包括中文分词技术在内的全文检索技术和Lucene内核的分词原理进行分析和研究的基础上，本文设计实现了一个基于词库的、采用正向最大匹配算法的中文分词模块。测试结果表明，与Lucene内核包采用的单汉字切分方法和其扩展包针对中日韩等亚洲语言采用的二元切分方法相比，该模块具有效果更好、性能更优的比较优势。此外，为了使Lucene可以方便、无缝地嵌入到应用程序中，Lucene的内核被设计得非常小巧，它的处理对象局限于纯文本数据。在现实世界中，纯文本格式的文档正处于逐渐减少的趋势，取而代之的是，越来越多的电子信息采用各种格式文档的形式保存。本文设计与实现的基于Lucene的中文搜索引擎系统模型采用接口实现的方式，并且使用动态实例化的方法，能够统一、有效地处理txt、xml、html、pdf、doc和rtf等多种常见的格式文档，其突出的优点与特点是在最大限度地为用户屏蔽各种格式文档差异性的同时，极大地扩展了Lucene可以处理的格式文档的类型。文章的最后在对系统设计与实现过程中的关键点进行探讨的基础上，对中文分词的准确性和召回率、检索结果处理、查询接口实现、索引更新策略等问题进行了引申，并提出了自己的见解，这些将作为今后继续努力的方向。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://www.87cpy.com/206556.html