基于多级Hash分词的全文搜索引擎的研究

  本文关键词：基于多级Hash分词的全文搜索引擎的研究，由笔耕文化传播整理发布。

《北京邮电大学》 2008年

基于多级Hash分词的全文搜索引擎的研究

苏亮  

【摘要】： 中文分词作为现代搜索引擎技术的重要基础,一直以来是人们研究的热点和难点。Lucene是一个成熟、开源的软件项目,是一个高性能的信息检索和查询工具,通过对Lucene源代码的分析和编程实验,让我们领略到了Lucene的精髓。由于其提供了一套简单却十分强大的核心API,使得我们可以快速得将它集成到我们自己应用程序中。但是,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。然而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低效的。本文在通过对Lucene分词的结构的分析,设计出了一种基于Hash的Lucene的高效机械分词方法。 目前信息处理用的词典机制主要有整词二分、TRIE索引树、逐字二分等几种方法,其中TRIE索引树和逐字二分机制查询效率较高。这几种词典机制都是以排序的线性表来提高查询效率,数据结构比较复杂且查询速度较慢。本文主要工作是分析了几种常用词典构造方法的优缺点,针对分词中特定的查询条件,设计并实现了基于Hash的分词词典,同时分析了基于Hash的分词词典的性能。 本文在此研究基础上开发出了个人桌面搜索引擎系统,索引和搜索部分利用Lucene引擎架构,实现了比Lucene自带的中文分词更有效的中文分词。文章最后在系统设计和实现的基础上,对中文分词进行了速度和准确率的测试,并在此基础上提出了今后努力的方向。

【关键词】：
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：TP391.1
【目录】：

下载全文 更多同类文献

CAJ全文下载

(如何获取全文？ 欢迎：购买知网充值卡、在线充值、在线咨询)

CAJViewer阅读器支持CAJ、PDF文件格式

【相似文献】

中国期刊全文数据库 前10条

1 刘兆伟;黄永峰;;面向主题搜索引擎的实现与优化[J];数据通信;2011年04期

2 周拴龙;;Lucene.net中文分词算法分析[J];郑州大学学报(理学版);2011年03期

3 付光;;面向招聘信息主题搜索引擎的研究与设计[J];广西教育;2011年18期

4 ;李彦宏论搜索引擎三个定律[J];新电子;2001年02期

5 相春雷;;2009年中国搜索引擎市场趋势分析[J];软件世界;2010年02期

6 ;揭秘搜索引擎收录网站的秘密[J];计算机与网络;2010年Z1期

7 马玥;;王小川:绝境之外[J];中国经济和信息化;2011年12期

8 魏蕾如;;基于搜索引擎的网络中文信息检索工具评价[J];数字技术与应用;2011年06期

9 ;创新工业搜索引擎[J];中国制造业信息化;2011年12期

10 邹燕飞;于成尊;赵亮;;基于Lucene的文本搜索引擎的设计和实现[J];计算机与现代化;2011年09期

中国重要会议论文全文数据库 前10条

1 彭轲;廖闻剑;;浅析搜索引擎[A];中国通信学会第五届学术年会论文集[C];2008年

2 李丹;;如何利用搜索引擎查找中医药信息[A];中国中医药信息研究会第二届理事大会暨学术交流会议论文汇编[C];2003年

3 邓长寿;郭景峰;杨焱林;邓安远;;下一代Web搜索引擎初探[A];第十八届全国数据库学术会议论文集（研究报告篇）[C];2001年

4 维尼拉·木沙江;吐尔洪·吾司曼;;维、哈、柯文搜索引擎中网页爬行器的设计与实现[A];少数民族青年自然语言处理技术研究与进展——第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会论文集[C];2010年

5 刘凡平;高艳华;于炯;张伟;;基于关键决策方法的站内搜索研究与实现[A];2010年全国开放式分布与并行计算机学术会议论文集[C];2010年

6 汤薇;曾艳;;构建校园网搜索引擎必要性分析[A];广西计算机学会2008年年会论文集[C];2008年

7 姚树宇;赵少东;;一种使用分布式技术的搜索引擎[A];2005年全国开放式分布与并行计算学术会议论文集[C];2005年

8 倪俊峰;;基于黄页搜索引擎的关键字排名广告系统的设计与实现[A];2005年中国索引学会年会暨学术研讨会论文集[C];2005年

9 张怡;查贵庭;;SEO在信息服务中的应用研究[A];2010年中国索引学会年会暨学术研讨会论文集[C];2010年

10 陈援非;何哲;朱珍民;;基于普适计算的个性化搜索技术[A];第二届和谐人机环境联合学术会议(HHME2006)——第2届中国普适计算学术会议(PCC'06)论文集[C];2006年

中国重要报纸全文数据库 前10条

1 清华大学IT可用性实验室;[N];计算机世界;2005年

2 姜蕊;[N];中国商报;2006年

3 主持人　陈建栋;[N];光明日报;2005年

4 本报记者　陈建栋;[N];光明日报;2005年

5 曾正乐;[N];经济日报;2005年

6 本报记者 秦海波;[N];经济日报;2005年

7 FN记者 柳立;[N];金融时报;2005年

8 闫辉;[N];计算机世界;2005年

9 本报记者 李剑;[N];通信信息报;2005年

10 华夏;[N];江苏科技报;2008年

中国博士学位论文全文数据库 前10条

1 岑荣伟;基于用户行为分析的搜索引擎评价研究[D];清华大学;2010年

2 李群;主题搜索引擎聚类算法的研究[D];北京林业大学;2011年

3 苏君华;面向搜索引擎的技术接受模型研究[D];南京大学;2011年

4 刘佐达;分布协作式搜索引擎模型及算法研究[D];清华大学;2011年

5 陈旭毅;基于索引云的企业搜索引擎实现研究[D];武汉大学;2011年

6 郭眈;中文互联网视频搜索引擎系统策略研究[D];北京交通大学;2012年

7 王镠璞;基于用户体验的互联网搜索引擎医学信息检索可用性评估研究[D];吉林大学;2010年

8 李莎莎;面向搜索引擎的自然语言处理关键技术研究[D];国防科学技术大学;2011年

9 白玉琪;空间信息搜索引擎研究[D];中国科学院研究生院（遥感应用研究所）;2003年

10 杨传耀;中文信息检索索引模型及相关技术研究[D];复旦大学;2007年

中国硕士学位论文全文数据库 前10条

1 刘琨;搜索引擎的研究与实现[D];西安电子科技大学;2004年

2 高磊;基于LUCENE的搜索引擎研究与实现[D];武汉理工大学;2007年

3 谢骋超;基于语义的数据库全文检索系统[D];浙江大学;2006年

4 闫继钢;搜索引擎的研究与实现[D];兰州大学;2009年

5 苏亮;基于多级Hash分词的全文搜索引擎的研究[D];北京邮电大学;2008年

6 冯斌;基于Lucene小型搜索引擎的研究与实现[D];武汉理工大学;2008年

7 全俊林;面向OA系统的个性化搜索引擎设计与实现[D];武汉理工大学;2007年

8 刘宏伟;搜索引擎中中文WEB文本自动分类研究[D];暨南大学;2007年

9 徐财应;基于Lucene的搜索引擎技术的研究与改进[D];长春理工大学;2010年

10 张彬;基于lucene的搜索引擎[D];上海师范大学;2010年

  本文关键词：基于多级Hash分词的全文搜索引擎的研究，，由笔耕文化传播整理发布。