面向教育資源搜索引擎的研究與實(shí)現(xiàn).pdf

1、隨著信息時(shí)代的來(lái)臨和網(wǎng)絡(luò)資源的迅猛發(fā)展，互聯(lián)網(wǎng)已成為教育工作者和有學(xué)習(xí)需求的人獲取教育信息的重要途徑，使其能夠獲取多樣便捷豐富的教育資源，滿足學(xué)習(xí)或工作需求。隨著數(shù)據(jù)量的增大，在使用傳統(tǒng)搜索引擎進(jìn)行檢索時(shí)，由于其較廣的覆蓋面，檢索結(jié)果往往伴隨著一些對(duì)用戶來(lái)說(shuō)無(wú)用的信息。而垂直搜索引擎面向某一個(gè)具體領(lǐng)域，有特定的用戶群，能夠提供更加精準(zhǔn)的信息檢索服務(wù)。如何使學(xué)習(xí)者能夠更有效的在互聯(lián)網(wǎng)資源中找到自己想要的教育資源，是本文所要解決的主要問(wèn)題。

2、
　　本文以教育資源的檢索需求為背景，描述了課題相關(guān)來(lái)源和設(shè)計(jì)目標(biāo)，介紹了通用搜索引擎和垂直搜索引擎并進(jìn)行了比較，深入研究了垂直搜索引擎的系統(tǒng)架構(gòu)、工作原理、關(guān)鍵技術(shù)、工作流程等相關(guān)理論和技術(shù)，在此基礎(chǔ)上對(duì)系統(tǒng)進(jìn)行了需求分析，包括系統(tǒng)的背景目標(biāo)、主題范圍和前后臺(tái)業(yè)務(wù)需求，并基于需求進(jìn)行了系統(tǒng)總體設(shè)計(jì)，設(shè)計(jì)了系統(tǒng)前后臺(tái)工作流程和框架，劃分了系統(tǒng)模塊并對(duì)各模塊進(jìn)行了詳細(xì)的設(shè)計(jì)。
　　通過(guò)擴(kuò)展運(yùn)用Heritix、HTMLParse

3、r和Lucene，本文實(shí)現(xiàn)并整合了一個(gè)面向教育資源的垂直搜索引擎，其主要內(nèi)容有：1）首先，利用Heritix實(shí)現(xiàn)網(wǎng)頁(yè)數(shù)據(jù)的采集，并對(duì)其進(jìn)行擴(kuò)展和定制，在對(duì)網(wǎng)頁(yè)進(jìn)行基于鏈接的主題過(guò)濾后下載到本地形成網(wǎng)頁(yè)庫(kù)；2）其次，利用正則表達(dá)式和HTMLParser抽取網(wǎng)頁(yè)信息，選取樣本站點(diǎn)網(wǎng)頁(yè)形成用于描述主題的主題詞庫(kù)，并采用空間向量模型對(duì)后續(xù)頁(yè)面進(jìn)行基于內(nèi)容的主題過(guò)濾，形成文本庫(kù)；3）接下來(lái)，利用Lucene進(jìn)行索引的建立和查詢，優(yōu)化索引建立過(guò)程，