基于 Lucene 的检测报告搜索引擎的设计与实现

公告平台经过多年的建设与发展,已经积累了数量庞大的产品数据,其中检测报告数据库中已经存储了大约230余万份检测报告,然而目前对于该部分数据尚未形成有效的检索手段。本文为公告检测报告数据库设计基于Lucene框架的全文检索引擎,实现基于内容的全文检索服务。本项工作对于丰富公告检测报告的检索方式和提高检索效率,规范公告管理,提升政府和企业对公告服务的满意度具有重要的现实意义。     

具有三级索引词库结构的中文分词方法研究

提出了一种分组并具有三级索引结构的词库组织体系,给出了合适的索引密度间隔;针对系统基本词库的扩充问题,考虑了一种基于词频统计并具有过滤功能的关键词自动抽取和小词条添加方法。大量仿真实验结果表明,采用该方法可较大提高中文文本的切词速度及信息的查全查准率。     

一种基于DotLucene搜索引擎的自动答疑系统

比较了全文检索方法与常规的数据库内搜索的不同之处,提出应用DotLucene技术实现知识库站内中文全文检索的方法,事实表明,索引和查找的时空效率都很高。     

Isearch机制分析

Isearch是由美国国家自然科学基金投资,网络信息发掘与检索中心研制开发的一个全文检索引擎,也是最早实现诸如XML文档等基于标记的检索的搜索引擎之一。与一般XML检索引擎的设计相比,Isearch由于结合采用了全文检索引擎的一些技术,有效地控制了索引文件的大小,并保持了较高的检索效率。Isearch系统机制的研究,对于深入了解XML文档检索原理,尤其是拓展XML文档检索系统的功能具有重要意义。     

全文检索为WWW增添生机

Internet 正以200 %的用户增长率迅速发展,成为人们在工作和生活中不可缺少的工具。人们可以通过Internet 收发邮件,查找信息,订购产品。WWW(World Wide Wed 全球信息网)是Internet 的一个重要组织部分,是近年来在Internet 上发展最快的服务之一。WWW 服务器以超文本的形式组织信息,用户可以通过Internet 利用MS2IE、Net scape 等WWW 浏览器方便地浏览这些信息。WWW 上的信息量远远超出人们可以想像的范围,而且仍在快速地增长。据统计,中国的四大互连网Chinanet 、CERnet 、CSTnet 和Gbnet 有32 万以上用户,接入网1000 多家,有12 万以上用户。全球的WWW 服务器数目已经达到几十万,全球的WWW 网页数量每50 多天就会增加一倍。随着信息量的膨胀,人们在信息的海洋中搜索自己所需要的信息的能力显得越来越重要,在这种需求下,越来越多的WWW 服务器开始加入辅助人们进行信息查询的检索工具,而几乎所有的检索工具都采用了相同的方法———全文检索( Full -text ret rieval 或Free - text ret rieval) 。     

中英文Internet信息服务系统

针对中英文Ｉｎｔｅｒｎｅｔ信息服务的特点,并根据互连网信息服务业务发展的管理需要,提出了一种实用的中英文Ｉｎｔｅｒｎｅｔ信息服务系统解决方案,阐述了安全管理、计费管理、全文检索等关键技术。     

一种基于Lucene的地名数据库快速检索系统*

针对传统关系型数据库海量地名数据检索效率低下的问题,提出了一种盘古分词和Lucene全文检索相结合的地名数据库快速检索方法。首先,设计了一种地名数据表结构,比较了几种常用开源分词器的中文分词性能,并选用性能优异的盘古中文分词器,通过扩展其词典来实现中文地名的有效分词。其次,利用内存索引和多线程并行处理技术提高Lucene创建倒排索引效率,并依据地名类别和显示优先级属性优化了检索结果相关度排序策略。最后,开发了一套具有快速搜索和地图定位展示的Web地名检索系统,使用500万条真实地名数据测试了其检索性能,查询平均耗时不到1秒,比MySQL数据库模糊检索效率提高了15倍,匹配结果也更加准确,能够提供高效灵活的海量地名公共检索服务。     

E-textbook全文检索

基于电子教材的特殊应用的需求,在传统的web页面全文检索技术基础上,设计了电子教材的全文检索系统。它包含教材文档处理模块、索引服务模块和检索服务模块。根据电子教材的结构需求,定义了索引文件数据结构、文本文件数据结构、索引条目数据结构及结果排序的分数模型。通过系统的实现,为电子教材学习者提供了快速准确的检索服务,提高学习者学习效率。