隨著近幾年信息通信技術(shù)和互聯(lián)網(wǎng)技術(shù)的發(fā)展,互聯(lián)網(wǎng)的信息含量呈爆炸式增長(zhǎng),如何在這些海量數(shù)據(jù)中快速、準(zhǔn)備搜索出用戶需要的信息已經(jīng)成為了眾多企業(yè)和研究機(jī)構(gòu)關(guān)注的交點(diǎn)。異構(gòu)數(shù)據(jù)的檢索是從各類異構(gòu)數(shù)據(jù)文檔組成的數(shù)據(jù)源當(dāng)中搜索出用戶想要的文檔,在企業(yè)、政府、學(xué)校中有著廣泛應(yīng)用。本文依托了國(guó)家十一五科技支撐計(jì)劃項(xiàng)目“安全可信的電信級(jí)生殖健康運(yùn)營(yíng)支撐體系關(guān)鍵技術(shù)研究"的優(yōu)生知識(shí)庫(kù)系統(tǒng),論述了系統(tǒng)開發(fā)的背景和國(guó)內(nèi)外異構(gòu)數(shù)據(jù)搜索引擎技術(shù)發(fā)展現(xiàn)狀,分析了優(yōu)生知識(shí)庫(kù)系統(tǒng)異構(gòu)數(shù)據(jù)搜索現(xiàn)有的不足以此為基礎(chǔ)進(jìn)行改造,改造后的系統(tǒng)稱之為“異構(gòu)優(yōu)生知識(shí)庫(kù)搜索系統(tǒng)"。 論文的主要工作體現(xiàn)在如下幾個(gè)方面：1.對(duì)異構(gòu)數(shù)據(jù)文檔進(jìn)行一個(gè)統(tǒng)一的文本處理,調(diào)研開源工具的使用,對(duì)不同種類的文檔(PDF、WORD、XML)進(jìn)行統(tǒng)一的格式轉(zhuǎn)換。2.對(duì)多種中文分詞工具進(jìn)行調(diào)研并做性能測(cè)試,找出一種適合“異構(gòu)優(yōu)生知識(shí)庫(kù)搜索系統(tǒng)"的中文分詞,并加以改善。3.對(duì)異構(gòu)數(shù)據(jù)文檔進(jìn)行搜索結(jié)果的排序,把PageRank算法加以改進(jìn),并應(yīng)用到本系統(tǒng)的結(jié)果排序之中。4.對(duì)“異構(gòu)優(yōu)生知識(shí)庫(kù)系統(tǒng)”進(jìn)行完成的編碼、測(cè)試。 論文的主要貢獻(xiàn)是解決了原有優(yōu)生知識(shí)庫(kù)系統(tǒng)...

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 課題研究的意義與應(yīng)用前景
    1.4 本文研究?jī)?nèi)容
    1.5 論文結(jié)構(gòu)
    1.6 本章小結(jié)
第二章 相關(guān)技術(shù)介紹
    2.1 文本轉(zhuǎn)換
    2.2 索引技術(shù)
    2.3 中文分詞
    2.4 用戶交互
    2.5 本章小結(jié)
第三章 海量異構(gòu)數(shù)據(jù)搜索引擎的設(shè)計(jì)
    3.1 系統(tǒng)整體架構(gòu)
    3.2 文本轉(zhuǎn)換子系統(tǒng)架構(gòu)
        3.2.1 系統(tǒng)架構(gòu)
        3.2.2 文本上傳
        3.2.3 獲取統(tǒng)一文本
        3.2.4 文本內(nèi)容處理
    3.3 索引維護(hù)子系統(tǒng)架構(gòu)
        3.3.1 中文分詞
        3.3.2 索引維護(hù)
    3.4 用戶查詢子系統(tǒng)架構(gòu)
        3.4.1 用戶查詢流程
        3.4.2 關(guān)鍵詞解析
        3.4.3 結(jié)果排序
        3.4.4 文本預(yù)覽
        3.4.5 文件下載
    3.5 本章小結(jié)
第四章 系統(tǒng)實(shí)現(xiàn)
    4.1 開發(fā)環(huán)境
    4.2 系統(tǒng)架構(gòu)與配置
        4.2.1 系統(tǒng)架構(gòu)
        4.2.2 開源技術(shù)
        4.2.3 后臺(tái)配置
    4.3 文件上傳子系統(tǒng)實(shí)現(xiàn)
        4.3.1 子系統(tǒng)簡(jiǎn)介
        4.3.2 子系統(tǒng)序列
        4.3.3 詳細(xì)實(shí)現(xiàn)
    4.4 文本轉(zhuǎn)換子系統(tǒng)實(shí)現(xiàn)
        4.4.1 子系統(tǒng)簡(jiǎn)介
        4.4.2 停用詞去除與詞干提取
        4.4.3 相關(guān)開源技術(shù)介紹
        4.4.4 子系統(tǒng)序列
        4.4.5 詳細(xì)實(shí)現(xiàn)
    4.5 索引子系統(tǒng)實(shí)現(xiàn)
        4.5.1 子系統(tǒng)簡(jiǎn)介
        4.5.2 相關(guān)開源技術(shù)介紹
        4.5.3 索引建立
        4.5.4 增量索引與索引刪除
        4.5.5 詳細(xì)實(shí)現(xiàn)
    4.6 用戶查詢模式實(shí)現(xiàn)
        4.6.1 子系統(tǒng)簡(jiǎn)介
        4.6.2 鏈接分析與PageRank算法
        4.6.3 基于PangRank改造的無(wú)鏈接排序
        4.6.4 綜合索引分值和無(wú)鏈接文檔排序分值
        4.6.5 搜索結(jié)果預(yù)覽與下載
        4.6.6 子系統(tǒng)流程
        4.6.7 詳細(xì)實(shí)現(xiàn)
    4.7 本章小結(jié)
第五章 系統(tǒng)測(cè)試
    5.1 Loadrunner簡(jiǎn)介
    5.2 性能測(cè)試
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文主要成果
    6.2 下一步工作
    6.3 本章小結(jié)
參考文獻(xiàn)
致謝



本文編號(hào)：3850447