lucene的的应用.pdfVIP

课程内容  第一章：lucene简介  第二章：入门实例  第三章：内建Query对象  第四章：分析器Analyzer  第五章：Query Parser  第六章：索引  第七章：排序  第八章：过滤  项目实践：构建一个简单的WEB有哪些信誉好的足球投注网站程序 第一章:Lucene简介  有哪些信誉好的足球投注网站引擎的历史  什么是Lucene  全文检索系统的结构  为什么使用Lucene  Lucene倒排索引原理  Lucene Implementations  基于Lucene的有哪些信誉好的足球投注网站程序  Compass  Nutch  开源有哪些信誉好的足球投注网站引擎列表  全球商用有哪些信誉好的足球投注网站市场  Heritrix介绍  课堂练习:Heritrix简单抓取任务的设置 有哪些信誉好的足球投注网站引擎的历史 萌芽：Archie 、Gopher 起步：Robot(网络机器人)的出现与Spider(网络爬虫) 发展：Excite、Galaxy、Yahoo等 繁荣：Infoseek、AltaVista 、Google和Baidu 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 全文检索系统的结构  . 为什么使用Lucene  Lucene作为一个全文检索引擎，其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，用户无需自己编写代码即使系 统可获得强大的查询能力，Lucene的查询实现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, Lucene倒排索引原理  假设有两篇文章1和2 文章1的内容为：Tom lives in Guangzhou,I live in Guangzhou too. 文章2 的内容为：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：[he] [live] [shanghai]  加上“出现频率”和“出现位置”信息后，我们的索引结构为： 关键词 文章号[出现频率] 出现位置 guangzhou 1[2] 3，6 he 2[1]