發(fā)布時間：2024-06-12 04:46

　　隨著Internet的普及信息處理等高科技技術的不斷發(fā)展，越來越多的企業(yè)也在廣泛利用Internet技術進行數據共享等信息處理的應用，使得信息內容也正以驚人的速度增加，同時內部業(yè)務系統(tǒng)催生大量的復發(fā)性、多結構化的數據。在企業(yè)規(guī)模的不斷擴大，數據不斷累積的情況下，傳統(tǒng)的搜索引擎自身存在信息處理的缺陷，用戶只能檢索到公開的網頁信息，對網頁查全率以及查準率過低，對于企業(yè)內部的網頁則無法檢索到，無法滿足企業(yè)用戶的檢索需要。企業(yè)的運營分析層如何把正確的信息、在正確的時機提供給相應的決策層，以及決策層如何及時準確地獲得必要的決策參考信息等問題將成為一個緊迫而復雜的課題�；�于需求的驅動，一種基于企業(yè)深度挖掘型垂直搜索引擎的出現(xiàn)利用元數據的管理等技術構建一個“綜合的營銷平臺”的數據中心，以及構筑在其上的商務智能，來管理和合理利用信息，給數據服務帶來了新的解決方案，因此本文選擇課題“基于企業(yè)深度挖掘型垂直搜索引擎在數據服務上的研究與應用”，提出了面向企業(yè)的搜索引擎體系架構，并將其應用到浙江中煙工業(yè)企業(yè)搜索引擎系統(tǒng)中，提出了浙江中煙營銷搜索引擎系統(tǒng)框架。文章主要研究內容如下： 1)根據卷煙企業(yè)營銷的狀況和...

【文章頁數】：74 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景、意義
    1.2 垂直搜索引擎的服務市場
        1.2.1 搜索引擎服務市場背景
        1.2.2 企業(yè)搜索引擎服務市場趨勢
    1.3 本文研究內容
    1.4 本文組織結構
第二章 垂直搜索引擎研究
    2.1 垂直搜索引擎的概述
    2.2 垂直搜索引擎結構及工作原理
    2.3 垂直搜索引擎的優(yōu)勢
    2.4 構建良好深度挖掘型垂直搜索引擎的要求
    2.5 本章小結
第三章 面向主題的數據采集
    3.1 網絡主題爬蟲概述
        3.1.1 網絡主題爬蟲定義
        3.1.2 網絡主題爬蟲搜索策略
        3.1.3 主題爬蟲網頁的搜集
    3.2 主題相關性算法及改進
        3.2.1 偏好主題 PageRank 算法
    3.3 元數據管理模塊
        3.3.1 元數據管理
    3.4 本章小結
第四章 數據的壓縮索引和 HBase 云存儲
    4.1 數據的壓縮
        4.1.1 范式哈夫曼算法
    4.2 壓縮索引的方法
        4.2.1 倒排文件壓縮算法
    4.3 HBase 云存儲
        4.3.1 引言
        4.3.2 文件存儲系統(tǒng) HDFS
        4.3.3 海量數據處理 MapReduce
        4.3.4 協(xié)同服務管理 Zookeeper
    4.4 本章小結
第五章 企業(yè)搜索引擎的用戶查詢
    5.1 引言
    5.2 網頁信息匹配和檢索
        5.2.1 煙草本體詞典的構建
        5.2.2 中文分詞技術
        5.2.3 語義相似度計算
        5.2.4 面向特征的網頁查重刪除技術
    5.3 索引庫的建立
    5.4 檢索模塊
        5.4.1 概率模型算法
        5.4.2 檢索結果的排序
        5.4.3 檢索結果文檔摘要
    5.5 檢索結果的特點分析
    5.6 本章總結
第六章 企業(yè)搜索引擎系統(tǒng)設計及實現(xiàn)
    6.1 引言
    6.2 浙江中煙營銷搜索引擎系統(tǒng)設計
        6.2.1 系統(tǒng)的需求分析
        6.2.2 系統(tǒng)的總體架構
        6.2.3 系統(tǒng)架構設計
    6.3 系統(tǒng)開發(fā)環(huán)境
    6.4 煙草領域本體構建
    6.5 人機交互界面
    6.6 本章總結
第七章 總結與展望
    7.1 全文總結
    7.2 研究展望
參考文獻
致謝
攻讀學位期間的研究成果



本文編號：3993250