光盤(pán)庫(kù)搜索引擎的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著大數(shù)據(jù)時(shí)代的到來(lái),某些企業(yè)機(jī)構(gòu)迅速積累了大量重要數(shù)據(jù)。光盤(pán)庫(kù)為海量重要數(shù)據(jù)提供了長(zhǎng)期保存和便捷使用的技術(shù)手段,主要應(yīng)用在數(shù)據(jù)備份、數(shù)據(jù)歸檔系統(tǒng)中。為便于數(shù)據(jù)管理和利用,以上兩種系統(tǒng)需要配備相應(yīng)的檢索機(jī)制。傳統(tǒng)的檢索機(jī)制根據(jù)人為添加的檢索信息查找文獻(xiàn),可利用的信息量少,處理效率低。搜索引擎多用于互聯(lián)網(wǎng)信息的檢索,且一般采用全文檢索技術(shù),可以幫助用戶在短時(shí)間內(nèi)根據(jù)關(guān)鍵字找到全面且準(zhǔn)確的網(wǎng)絡(luò)資源。在光盤(pán)庫(kù)系統(tǒng)中引入搜索引擎技術(shù),能為用戶提

2、供更加便捷的檢索服務(wù),同時(shí)提升光盤(pán)庫(kù)的使用效率。
　　為了給光盤(pán)庫(kù)建立一個(gè)全文檢索系統(tǒng),研究了全文檢索搜索引擎的工作原理,分析了光盤(pán)庫(kù)系統(tǒng)架構(gòu)和多級(jí)存儲(chǔ)系統(tǒng)的性質(zhì),研究了常見(jiàn)的檢索模型。使用各類文本提取工具實(shí)現(xiàn)了不同類型文檔內(nèi)容的提取;使用ICTCLAS30分詞工具完成中文分詞的功能;按照傳統(tǒng)的倒排索引方案建立索引數(shù)據(jù)庫(kù),結(jié)合光盤(pán)庫(kù)的文件管理數(shù)據(jù)庫(kù)共同構(gòu)成了光盤(pán)庫(kù)的索引系統(tǒng);為減少光盤(pán)庫(kù)換盤(pán)操作,給出了針對(duì)光盤(pán)庫(kù)檢索的排序方法;實(shí)