面向水路基礎數(shù)據(jù)庫平臺的Lucene全文檢索技術研究.pdf

1、二十一世紀是一個信息化、網(wǎng)絡化的時代，人們可以時時感受到足不出戶就可以進行辦公、交友等活動帶來的巨大的好處。但在信息數(shù)據(jù)量膨脹的時代，面對著海量的數(shù)據(jù)，如何快速的從中查找到有用的的數(shù)據(jù)，成為信息化數(shù)據(jù)管理亟待解決的問題。對待從海量數(shù)據(jù)中快速獲取到有意義數(shù)據(jù)的主要方法就是使用信息檢索技術，而為待檢索數(shù)據(jù)創(chuàng)建索引然后對索引進行檢索的全文檢索技術在對海量數(shù)據(jù)檢索上又有著很大的優(yōu)勢。本文結(jié)合需求對全文檢索及Lucene全文檢索框架進行研究，設計

2、實現(xiàn)了一個面向水路基礎數(shù)據(jù)庫平臺的Lucene全文檢索系統(tǒng)，檢索用戶可以在檢索頁面輸入檢索關鍵字即可對數(shù)據(jù)資源進行全文檢索。
　　本文研究全文檢索技術所依托的背景系統(tǒng)水路基礎數(shù)據(jù)庫平臺具有如下特點:1、具有水路運輸相關專業(yè)性;2、多種數(shù)據(jù)源（Word文檔、PDF文檔、Excel文檔、數(shù)據(jù)庫記錄數(shù)據(jù)等）;3、數(shù)據(jù)源為中文辦公文獻資料及數(shù)據(jù)庫記錄等。本文對基于Java語言的開源全文檢索架構(gòu)Lucene進行了深入的研究，根據(jù)全文檢索技術

3、所要應用的系統(tǒng)平臺的特點，對Lucene全文檢索框架進行功能上的擴充。如Lucene自帶的兩個中文分析器不能有效的對中文進行切分過濾等處理，所以本文對Lucene自帶的中文分析器進行了分析改進以迎合本水路數(shù)據(jù)全文檢索的需求;又如Lucene只能夠?qū)ξ谋緮?shù)據(jù)進行解析處理，而待索引的數(shù)據(jù)多種格式的文檔數(shù)據(jù)，所以本文研究設計了一個對多種常用格式的文檔數(shù)據(jù)解析處理的接口，它可以很好的解決不同格式文檔索引問題。再如本文針對水路基礎數(shù)據(jù)庫平臺的多數(shù)