基于Lucene的博客搜索引擎設(shè)計與實現(xiàn).pdf

1、Lucene作為一個優(yōu)秀的開源的搜索引擎框架，提供了高效便捷的全文檢索服務(wù)。因而被廣泛應(yīng)用在多種信息檢索場景中。然而隨著其收錄文檔數(shù)量的不斷增加，根據(jù)關(guān)鍵詞匹配的方式檢索到的文檔數(shù)量也迅速增加。將大量的相關(guān)的結(jié)果呈現(xiàn)給用戶，用戶只能在其中手動查找真正想要的文檔。這樣的檢索質(zhì)量差強人意。
　　為了改善Lucene檢索結(jié)果排序質(zhì)量不高問題，本文基于Lucene和博客應(yīng)用場景，構(gòu)建了博客搜索引擎。嘗試從提高中文分詞精度、衡量文檔質(zhì)量和擴

2、展關(guān)鍵詞三個方面對Lucene原有的檢索結(jié)果排序機制進行了優(yōu)化。在中文分詞方面，使用更先進的“結(jié)巴”分詞工具代替Lucene原有的“StandardAnalyzer”，提高了分詞準(zhǔn)確率。同時根據(jù)博客本身的特點，將改進的PageRank算法應(yīng)用在搏客好友關(guān)系分析上。通過對博客用戶的好友關(guān)系分析計算出其“影響力”，影響力越大博文質(zhì)量也越高。最后使用詞向量的方式獲得檢索關(guān)鍵詞的同義詞，借此提高關(guān)鍵詞的表示能力。
　　考慮到需要對大規(guī)模數(shù)