校園信息智能搜索引擎的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、在全球互聯(lián)網(wǎng)飛速發(fā)展的大環(huán)境下，學(xué)校的網(wǎng)站建設(shè)已具備一定的規(guī)模和水準(zhǔn)，大學(xué)校園網(wǎng)上的信息量越來越大。作為身處校園的學(xué)生，校園內(nèi)的信息更是與自己的學(xué)習(xí)、工作、生活、娛樂息息相關(guān)。而校園信息較之通用的網(wǎng)絡(luò)信息有其特殊性，如信息更新的速度快，資源內(nèi)容不少是以word、pdf、excel以及ppt等非網(wǎng)頁(yè)形式存在，信息散落在各院系的應(yīng)用系統(tǒng)和服務(wù)器上，大量的資源沒有得到有效的整理和利用。并且網(wǎng)頁(yè)的發(fā)布需要經(jīng)過較嚴(yán)格的審核，發(fā)布的內(nèi)容具有權(quán)威性和

2、真實(shí)性，區(qū)別于互聯(lián)網(wǎng)的商業(yè)行為，正因?yàn)椴恍枰褂媒粨Q鏈接等方式以獲得商業(yè)利益，所以網(wǎng)頁(yè)之間的鏈接較少，也是造成師生查找所需資源的不便、資源的利用率低的原因。
　　本文首先論述了國(guó)內(nèi)外搜索引擎技術(shù)的發(fā)展現(xiàn)狀，明確了本文的研究目標(biāo)和研究意義，在此基礎(chǔ)上細(xì)化了校園信息智能搜索引擎的具體需求，明確了系統(tǒng)所需要解決的問題，提出了詳細(xì)的設(shè)計(jì)方案，并最終完成了校園信息智能搜索引擎各項(xiàng)功能開發(fā)。
　　在內(nèi)容分析與信息抽取方面，本文除了實(shí)現(xiàn)對(duì)

3、普通HTML頁(yè)面的解析和內(nèi)容抽取，還針對(duì)校園信息應(yīng)用的特點(diǎn)，實(shí)現(xiàn)了對(duì)word、excel、ppt、pdf、xml等非HTML異構(gòu)文本形式的內(nèi)容解析。
　　在索引和檢索的支撐技術(shù)方面，本文以Apache的開源軟件Lucene為基礎(chǔ)進(jìn)行改造，完成了全文檢索和搜索引擎的框架，實(shí)現(xiàn)了新建索引、重建索引、刪除索引、合并索引等多項(xiàng)索引操作以及關(guān)鍵詞檢索功能。
　　主要的擴(kuò)展體現(xiàn)在基于語(yǔ)義的檢索方面?？紤]到中文語(yǔ)言語(yǔ)義豐富，并且用戶在搜索

4、時(shí)往往很難準(zhǔn)確的使用關(guān)鍵詞的組合，而更習(xí)慣于用自然語(yǔ)言描述問題。為了提高系統(tǒng)查全率和查準(zhǔn)率，本文在語(yǔ)義擴(kuò)展和句型識(shí)別兩方面進(jìn)行了重點(diǎn)的研究。在基于關(guān)鍵詞的精確檢索的基礎(chǔ)上，實(shí)現(xiàn)了模糊檢索模式以及句子檢索模式。模糊檢索通過對(duì)關(guān)鍵詞進(jìn)行同義詞、近義詞、中英對(duì)照詞的語(yǔ)義擴(kuò)展予以實(shí)現(xiàn)，句子檢索模式采用了關(guān)鍵詞提取與常用問句模板庫(kù)匹配相結(jié)合的方案，對(duì)問句進(jìn)行語(yǔ)義分析、模板匹配進(jìn)而對(duì)其進(jìn)行分類識(shí)別，以明確檢索目的，提高檢索的智能化。
　　相關(guān)