Chapter2+lucene框架基础.pptVIP

Chapter2 lucene框架基础 陈珂锐 chenke0616@163.com 计算机与信息工程学院 目录 1.Lucene简介 2.预备知识--类图 3.Lucene类图 4.入门实例 1. Lucene简介 1.1 什么是Lucene 1.2 全文检索系统的结构 1.3 为什么使用Lucene 1.4 Lucene版本号 1.5 Lucene移植版本 1.6 Lucene倒排索引原理 1.7 基于Lucene的有哪些信誉好的足球投注网站程序 1.8 Nutch 1.1 什么是Lucene Lucene是非常优秀的成熟的开源的免费的纯java语言的全文索引检索工具包。 全文检索?是指计算机索引程序通过扫描文章中的每一个词，对每一个词建立一个索引，指明该词在文章中出现的次数和位置，当用户查询时，检索程序就根据事先建立的索引进行查找，并将查找的结果反馈给用户的检索方式。 Lucene是一个高性能、可伸缩的信息有哪些信誉好的足球投注网站(IR)库。 Information Retrieval (IR) library.它使你可以为你的应用程序添加索引和有哪些信誉好的足球投注网站能力。 Lucene的作者Doug Cutting是资深的全文索引/检索专家，最开始发布在他本人的主页上，2001年10月贡献给APACHE，成为APACHE基金的一个子项目。 /lucene/ Lucene是一个IR库而不是现成的产品，当然也不是Lucene的初识者常常认为的web爬行器 1.2 全文检索系统的结构 1.3 为什么使用Lucene Lucene具有如下突出的优点： （1）索引文件格式独立于应用平台。Lucene定义了一套以8位字节为基础的索引文件格式，使得兼容系统或者不同平台的应用能够共享建立的索引文件。 （2）在传统全文检索引擎的倒排索引的基础上，实现了分块索引，能够针对新的文件建立小文件索引，提升索引速度。然后通过与原有索引的合并，达到优化的目的。 （3）优秀的面向对象的系统架构，使得对于Lucene扩展的学习难度降低，方便扩充新功能。 （4）设计了独立于语言和文件格式的文本分析接口，索引器通过接受Token流完成索引文件的创立，用户扩展新的语言和文件格式，只需要实现文本分析的接口。 （5）已经默认实现了一套强大的查询引擎，用户无需编写代码，系统可获得强大的查询能力，Lucene的查询中默认实现了布尔操作、模糊查询（Fuzzy Search）、分组查询等等。 开源,可扩展能力强,有各种语言版本,适合各种平台, 1.4 Lucene版本号（1） 1.4 Lucene版本号（2） 1.5 Lucene 移植版本 Lucene implementations in languages other than Java: CLucene - Lucene implementation in C++ dotLucene - Lucene implementation in .NET Lucene4c - Lucene implementation in C LuceneKit - Lucene implementation in Objective-C (Cocoa/GNUstep support) Lupy - Lucene implementation in Python (RETIRED) NLucene - another Lucene implementation in .NET (out of date) Zend Search - Lucene implementation in the Zend Framework for PHP 5 Plucene - Lucene implementation in Perl KinoSearch - a new Lucene implementation in Perl PyLucene - GCJ-compiled version of Java Lucene integrated with Python MUTIS - Lucene implementation in Delphi Ferret - Lucene implementation in Ruby 1.6 Lucene倒排索引原理 假设有两篇文章1和2文章1： Tom?lives?in?Guangzhou,I?live?in?Guangzhou?too.文章2： He?once?lived?in?Shanghai. 经过分词处理后????文章1的所有关键词为：[tom]?[live]?[guangzhou]?[i]?[live]?[guangzhou]????文章2的所有关键词为：[