基于Lucene的蒙古文搜索引擎的设计与实现

来源 :内蒙古大学 | 被引量 : 3次 | 上传用户:angeldd
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
如今,互联网上信息量的增长速度非常快,中国互联网的普及率也在提高,网民规模正在扩大,中国网民常使用的搜索引擎已达8种以上,而针对蒙古文的搜索引擎却非常少。搜索引擎的应用为用户对信息的搜索带来了便利,但少数民族语言的搜索服务发展比较缓慢,在技术和应用方面远不如中英文的搜索引擎。蒙古文历史比较长远,使用蒙古文编撰的文献资料较多,但其网络资源很少并且不宜发现。将蒙古文搜索引擎系统应用于民族工艺美术平台,有利于改善用户使用平台搜索服务时的体验。论文运用网络爬虫工具包HttpClient和网页解析工具包Jsoup,分别对民族工艺美术平台站点爬取蒙古文网页信息并对其进行解析。解析后的文档内容经过蒙古文分析器处理后形成索引。由于Lucene分析器不支持对蒙古文的分析,因此需要在全文检索工具包Lucene的基础上,根据蒙古文的词法特点对分析器进行重写,功能包括蒙古文的词切分、停用词和标点符号过滤以及词干提取等。蒙古文搜索引擎系统为用户提供了接口,接收用户查询,由检索器将检索出的相关文档按相关度排序后再将文档列表传递给用户接口。基于Web服务器端用户的访问记录和交互信息,采用Web日志挖掘技术中的关联规则对用户的搜索行为和日志记录进行分析,向用户提供个性化的信息推荐。最后,依据蒙古文的书写方式,运用CSS提示层技术将有限的页面设置为可以提供更多信息的形式,并结合HTML、Ajax和JavaScript等前端技术,将搜索结果展现给用户。论文分析、设计和实现了蒙古文搜索引擎系统,在民族工艺美术平台上进行了测试和应用。
其他文献
<正>随机对照试验(RCT)被认为是评价医学干预措施有效性和安全性的"金标准"。将RCT应用于中医药(包括针灸)的临床疗效评价具有重要意义。由于目前各RCTs的质量参差不齐,影响
农村信用社要实现向现代金融业的转变,就必须进一步完善和强化财务管理,提高管理水平。本文分析了当前农村信用社财务管理存在的问题,探讨了完善的对策。通过加强农村信用社的财
背景和目的:基底细胞癌(basal cell carcinoma,BCC)是最常见的皮肤恶性肿瘤,起源于表皮及皮肤附属器的基底样细胞。BCC发病率在全球处于逐年上升的趋势,国内发病率尚未见报道
现阶段新农村建设已进入了一个高速发展阶段,而制约新农村建设的最主要因素是融资难的问题,尤其是贫困地区的广大农村金融供给资金严重匮乏。为了解决此问题,国家出台了相关
介绍了纳米电化学DNA生物传感器的基本概念和分类,并介绍了用于DNA标记的纳米粒子的六种类型及其三大检测方法,在此基础上对纳米电化学DNA生物传感器在基因检测、疾病诊断、D
背景及目的:环氧化酶(cyclooxygenase,COX)是催化花生四烯酸合成前列腺素(PGs)的限速酶,它有两种异构体:COX-1和COX-2。COX-1表达于大多数组织,通过产生PGs调控机体正常的生理功
人力资源管理流程是企业人力资源中的关键业务流程,企业由于工作流程有待理顺、职能部门权责不清造成的流程环节繁多、实施过程漫长,不能及时维护更新员工的信息,很可能在实
研究背景 卵巢癌是目前死亡率最高的妇科恶性肿瘤,由于75%卵巢癌患者在初次诊断时已为晚期,化疗成为与手术同样重要的治疗手段。虽然卵巢癌患者对当今卡铂-紫杉醇一线化疗方
目前我国已经开通的高速列车线路中,绝大多数必须经过隧道,武广、郑西等高铁线上隧道占比接近线路总长的20%,所以高速列车在隧道内会车在所难免。高速列车在隧道狭小的空间内高速运行,由于隧道壁面限制和隧道入口效应的影响,其周围空间会形成复杂的流场。而且两车在隧道内交会时的气动压力变化比明线会车更加复杂和剧烈,所以作用在车体上的气动载荷将会显著增强。列车尾车尾流会不断脱落,其脱落频率可能影响列车车体的振动
从新规则实施后要求运动员具备较高的身体素质和技术水平出发,提出必须加强少儿运动员的身体素质训练,狠抓身体机能发展的敏感期,以达到事半功倍的效果,并指出目前训练中的误