基于Web文本信息的智能檢索系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展和網(wǎng)絡(luò)應(yīng)用的日益廣泛，Internet已經(jīng)成為了人們獲取信息資源和進(jìn)行信息交流的一個重要途徑，與此同時，Web信息也日益增長。如何從海量的互聯(lián)網(wǎng)信息中找到自己所需要的信息，成為了互聯(lián)網(wǎng)發(fā)展的一大難題。雖然傳統(tǒng)搜索引擎的出現(xiàn)極大地提高了網(wǎng)絡(luò)信息的檢索速度，在一定程度上解決了這個問題，但還是無法滿足人們想要準(zhǔn)確獲取信息的需求。因而對搜索引擎智能化的技術(shù)研究有著重要的現(xiàn)實意義。
　　本文通過研究搜索引擎的技術(shù)框架和智

2、能信息檢索的主要技術(shù)方案，針對傳統(tǒng)搜索引擎存在的不足，利用開源軟件Lucene和Nutch，設(shè)計和實現(xiàn)了基于Web的文本信息的智能檢索系統(tǒng)。本論文所做的主要工作如下：
　?。?）在對信息檢索的模型理論和搜索引擎的綜合技術(shù)充分了解的基礎(chǔ)上，針對傳統(tǒng)搜索引擎存在的不足，詳細(xì)分析了自然語言理解技術(shù)、基于Agent的智能信息檢索、基于本體的智能信息檢索和網(wǎng)頁相關(guān)性研究，并對PageRank和HIT算法進(jìn)行優(yōu)劣對比，優(yōu)化PageRank算法

3、。
　　（2）基于Lucene和Nutch搜索引擎智能化的實現(xiàn)。Lucene是Nutch內(nèi)核的重要組成部分，從對Nutch的實現(xiàn)效果來看，Nutch的工作原理和當(dāng)前商業(yè)搜索引擎的工作原理是一樣的，也包含了其他技術(shù)要點(diǎn)，包括網(wǎng)頁快照、網(wǎng)頁詳細(xì)信息等。利用語義分析和智能Agent的相關(guān)知識，從本地文檔和數(shù)據(jù)庫建立索引，建立計算機(jī)所能理解的“知識”，從而使信息檢索更加智能化。
　?。?）實驗改進(jìn)。Nutch原型的Crawl部分還有