基于移動(dòng)終端的Web信息檢索技術(shù)研究.pdf

1、隨著移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展，人們越來越習(xí)慣于隨時(shí)隨地通過手機(jī)等移動(dòng)終端來上網(wǎng)。在瀏覽網(wǎng)頁時(shí)經(jīng)常會(huì)看到網(wǎng)頁中會(huì)包含大量和我們所關(guān)心的內(nèi)容無關(guān)的導(dǎo)航條、廣告信息、版權(quán)信息以及其他一些信息等。對于移動(dòng)用戶來說，這些信息不僅讓他們被動(dòng)的去瀏覽而浪費(fèi)寶貴的時(shí)間，而且也因?yàn)闉g覽了這些信息造成不必要的流量浪費(fèi)。所以如何除去網(wǎng)頁中多余的信息，讓網(wǎng)頁為用戶做出需求應(yīng)答時(shí)所展現(xiàn)的內(nèi)容只是用戶想看的內(nèi)容，這是非常有必要的。比如，用戶只想獲取一個(gè)詞的名詞解釋，那

2、搜索引擎返回的結(jié)果就是單純的名詞解釋?；谶@一點(diǎn)，本文在研究了網(wǎng)頁凈化的相關(guān)技術(shù)和Lucene搜索引擎的基礎(chǔ)上，開發(fā)設(shè)計(jì)了一套適合手機(jī)等移動(dòng)終端獲取主題文本信息的搜索系統(tǒng)。
　　 首先，論文對本系統(tǒng)需要用到的相關(guān)技術(shù)作了大致的介紹。主要研究了網(wǎng)頁凈化領(lǐng)域的相關(guān)技術(shù)，包括網(wǎng)頁適應(yīng)、網(wǎng)頁分割和網(wǎng)頁主題信息提取，同時(shí)，對Lucene開發(fā)工具包的技術(shù)和應(yīng)用特點(diǎn)作了重點(diǎn)介紹，主要涉及Lucene的索引和查詢，還有分析了自動(dòng)摘要和正則表達(dá)式

3、。
　　 然后，論文針對本系統(tǒng)的兩個(gè)重要模塊分別作介紹。一個(gè)是網(wǎng)頁預(yù)處理模塊，基于對網(wǎng)頁凈化技術(shù)的研究，采用信息提取的方法實(shí)現(xiàn)對主題信息的獲取;另一個(gè)是信息檢索模塊，所檢索的信息就是網(wǎng)頁預(yù)處理模塊得到的主題信息。在改進(jìn)的中文分詞的基礎(chǔ)上，采用Lucene搜索引擎包實(shí)現(xiàn)對信息的索引和查詢。
　　 最后，論文對整個(gè)系統(tǒng)的設(shè)計(jì)進(jìn)行了介紹。系統(tǒng)實(shí)現(xiàn)了網(wǎng)頁搜集，網(wǎng)頁預(yù)處理和內(nèi)容服務(wù)三個(gè)模塊，完成了根據(jù)用戶輸入的關(guān)鍵字提供給用戶文本