基于Lucene的RSS搜索与分类

来源 :北京机械工业学院 北京信息科技大学 | 被引量 : 0次 | 上传用户:a361583800
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
搜索引擎给互联网带来了巨大的变化,使得人们能够在浩如烟海的知识世界中,获得自己想要的信息。搜索引擎技术也已经成为信息检索的热门技术。RSS信息聚合技术在新闻和博客领域迅速得到推广,使得互联网信息变得结构化起来。人们对于搜索引擎的要求也越来越高,在实时性方面传统搜索引擎已经不能满足人们的需求。RSS搜索引擎呼之欲出,各大知名企业都在暗中角力。 本文提出以RSS信息为数据来源,在传统搜索引擎的基础上,对进行RSS信息进行获取和深度挖掘,构建一个实时性较强的RSS搜索引擎。该研究是在开源项目基础上进行的,针对中文信息检索对该项目进行了改进。改进了中文分词和关键字高亮算法,编写了全新的HTML分析器,实现了分摘要和全文进行检索,按照相关度和时间两种方式对结果进行排序,并增加了网页快照功能。提高了用户体验,取得了不错的效果。 本文对基于RSS的搜索引擎进行了初步研究。在实际的应用中,尤其是在大规模应用中,好有许多亟待解决的问题有待进一步的研究。本文所积累的一些经验和资源,也可以作为进一步研究的基础。
其他文献
人脸识别技术是指应用计算机实现人脸的自动识别的技术,是当前模式识别和计算机视觉领域的一个研究热点。人脸识别涉及的技术很多,其中关键的是特征提取和分类方法。本文以此为
随着云计算的发展,虚拟机被广泛应用于现实生活中,大型服务器所面临的资源浪费和服务性能干扰问题也得到了初步的解决。传统的虚拟机资源分配方式采用的是静态分配,即虚拟机
传统的电力远动系统在数据传输速度和灵活性方面,无法满足对实时数据交换的要求。本文结合IEC制定的变电站网络化最新通信标准IEC61850,对电力远动信息传输方式进行了深入的
随着Internet在人们生活中各个领域内的应用,网络安全也越来越引起世界各国的关注。计算机病毒在不断的产生和传播,计算机网络被黑客非法侵入,重要信息资料的泄密,甚至造成网
智能交通系统(ITS)是交通运输领域研究的前沿课题。为实现ITS对车辆的实时、动态管理,国际上专门开发了适用于ITS领域的短距离无线通信协议,即专用短程通信(DedicatedShort-Ran
嵌入式系统的高可信性是指系统具有高安全性、高可用性、高可靠性、高可维修性和高健壮性等特征。随着嵌入式技术的飞速发展,嵌入式计算机渐渐渗透到人们生活的方方面面。但
网络教学是利用计算机手段和网络技术,协助时空分离的教师和学生共同完成教学活动的一种新型教育形式,是e-Learning发展的趋势。基于Web的在线课件系统是未来多媒体课件的主要
学位
随着Internet网信息的急速膨胀,各项和Web有关的服务也都逐渐增多,Web信息在很多方面得到了广泛的应用。在本文中,我们探索了网络文本之间的相关度计算方法。重点讨论了以下
煤炭生产在我国工业经济活动中起着重要的作用,社会各界和政府对煤矿安全生产的重视使得实际生产中对于矿井下人员精确定位系统的需求越来越高,精确定位成为矿井下人员定位系