面向地学信息领域垂直搜索引擎设计与实现

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (33): 85-88.

面向地学信息领域垂直搜索引擎设计与实现

张思发，马永格

中国地质大学计算机学院，武汉 430074

出版日期:2012-11-21 发布日期:2012-11-20

Design and implementation of vertical search engine for field of geosciences

ZHANG Sifa, MA Yongge

School of Computer Science, China University of Geosciences, Wuhan 430074, China

Online:2012-11-21 Published:2012-11-20

摘要/Abstract

摘要： 垂直搜索引擎是搜索引擎领域的行业化分工，根据地学信息领域的行业特征、整体需求及其工作流程，在Nutch开源搜索引擎平台上添加了“庖丁解牛”中文分词算法、主题相关度评分算法、“主题词管理”选项等技术，建立了基于网络蜘蛛模型的面向地学信息领域的垂直搜索引擎。经过测试及结果比较，该系统相对于通用搜索引擎有明显的优势，使地学信息的定位和查找更加准确。该系统具有良好的扩展性和通用性，对垂直搜索引擎的研究和开发具有一定的借鉴作用。

关键词: 地学信息领域, 垂直搜索引擎, Nutch, 中文分词, 页面排序, 主题词管理

Abstract: Vertical search engines are the industrial division of comprehensive search engines, and in this paper, according to the industry characteristics, the overall demand and the workflow of geosciences field, the “Paodingjieniu” Chinese word segmentation algorithm, the subject-correlation judgment function and the “Subject Management” option are added to the Nutch system, thus establishing the vertical search engine for geosciences. The online test and result comparison show that this system has obvious advantages compared with universal search engines, making it more accurate to locate and search geo-information. Besides, the system has good extensibility and versatility, providing some reference to the vertical search engine research and development.

Key words: geo-information, vertical search engines, Nutch, Chinese word segmentation, page ranking, subject management

张思发，马永格. 面向地学信息领域垂直搜索引擎设计与实现[J]. 计算机工程与应用, 2012, 48(33): 85-88.

ZHANG Sifa, MA Yongge. Design and implementation of vertical search engine for field of geosciences[J]. Computer Engineering and Applications, 2012, 48(33): 85-88.

[1]	涂文博，袁贞明，俞凯. 无池化层卷积神经网络的中文分词方法[J]. 计算机工程与应用, 2020, 56(2): 120-126.
[2]	孙宝山，李玮. 窥视孔连接的循环网络在中文分词上的研究[J]. 计算机工程与应用, 2019, 55(19): 160-165.
[3]	成于思1，施云涛2. 面向专业领域的中文分词方法[J]. 计算机工程与应用, 2018, 54(17): 30-34.
[4]	杨和平1，陈瑜2，3，张志强1. 网站简约本体垂直搜索系统的设计与实现[J]. 计算机工程与应用, 2017, 53(19): 257-264.
[5]	张绍阳，曹家波，王子凡，曲卫东. 基于加权二部图匹配的中文段落相似度计算[J]. 计算机工程与应用, 2017, 53(18): 95-101.
[6]	赵卫锋1，2，张勤1. 非结构化中文自然语言地址描述的自动识别[J]. 计算机工程与应用, 2016, 52(23): 19-24.
[7]	朱艳辉，刘璟，徐叶强，田海龙，马进. 基于条件随机场的中文领域分词研究[J]. 计算机工程与应用, 2016, 52(15): 97-100.
[8]	付宇新1，王鑫1，2，冯志勇1，2，吕雪栋1. 基于语义网的中文百科知识组织与集成[J]. 计算机工程与应用, 2015, 51(14): 120-126.
[9]	周俊1，3，郑中华2，张炜3. 基于改进最大匹配算法的中文分词粗分方法[J]. 计算机工程与应用, 2014, 50(2): 124-128.
[10]	魏刃佳，吴振强. 面向教育视频资源的垂直搜索引擎设计与实现[J]. 计算机工程与应用, 2014, 50(15): 113-116.
[11]	叶继平，张桂珠. 中文分词词典结构的研究与改进[J]. 计算机工程与应用, 2012, 48(23): 139-142.
[12]	赵友桥1，张山山1，路松峰1，吴志杰2. COX：高压缩率的中文XML文档压缩技术[J]. 计算机工程与应用, 2012, 48(17): 143-147.
[13]	李国和1，2，3，刘光胜1，2，3，秦波波1，2，3，吴卫江1，2，3，李洪奇1，2，3. 综合最大匹配和歧义检测的中文分词粗分方法[J]. 计算机工程与应用, 2012, 48(14): 139-142.
[14]	阳小兰，钱程，赵海廷. 一种基于Nutch的网页聚类系统的设计与实现[J]. 计算机工程与应用, 2011, 47(5): 118-122.
[15]	刘荣辉^1，2，郑建国¹. Deep Web下基于中文分词的聚类算法[J]. 计算机工程与应用, 2011, 47(4): 138-140.