基于Lucene的企業(yè)搜索引擎系統(tǒng)研究與實(shí)現(xiàn).pdf

1、當(dāng)前,隨著企業(yè)信息化水平逐漸提高,企業(yè)信息資源越來越豐富,不僅包括各種數(shù)據(jù)庫信息,而且還包括企業(yè)內(nèi)部存儲(chǔ)的大量文本信息。然而,這些文本信息資源分布分散,信息組織形態(tài)多樣化,迫切的需要進(jìn)行統(tǒng)一整合和查找。企業(yè)內(nèi)部信息資源搜索引擎系統(tǒng)的建立,對于優(yōu)化企業(yè)信息資源檢索顯得越來越重要。
　　該文分析了企業(yè)搜索引擎的研究現(xiàn)狀和存在的不足,并針對企業(yè)的電子文檔組織管理領(lǐng)域,定制了一個(gè)基于Lucene的企業(yè)搜索引擎系統(tǒng),擴(kuò)展了Lucene的應(yīng)用

2、功能。著重研究了Lucene內(nèi)部的文檔排序算法,改進(jìn)了文檔排序算法模型,利用層次分析法來確定文檔排序的權(quán)重。利用K-means聚類算法將搜索結(jié)果自動(dòng)聚類,形成一個(gè)類似文件夾的層次結(jié)構(gòu)的搜索結(jié)果頁面,以便于用戶瀏覽。利用多線程技術(shù)實(shí)現(xiàn)了索引的分布式管理策略,提高了系統(tǒng)的效率和穩(wěn)定性。改進(jìn)后的系統(tǒng)實(shí)現(xiàn)了企業(yè)中pdf、word、html、text等常見文本格式的文本抽取,將其轉(zhuǎn)化成Lucene所支持的固定索引格式,從而使系統(tǒng)支持各種文本格式的