本文關(guān)鍵詞：LUCENE實(shí)現(xiàn)的基于RSS的博客搜索引擎，由筆耕文化傳播整理發(fā)布。

哈爾濱下程火學(xué)碩十學(xué)位論文

摘要

ＸＭＬ是一種可擴(kuò)展的標(biāo)記語(yǔ)言，為跨平臺(tái)、跨領(lǐng)域的應(yīng)用提供了一種通信手段。隨著ＸＭＬ在ＷＥＢ應(yīng)用上的Ｒ益廣泛，，ＲＳＳ已經(jīng)成為目前最廣泛的ＸＭＬ應(yīng)用，被廣泛的應(yīng)用于信息服務(wù)站點(diǎn)，如新聞網(wǎng)站、博客站點(diǎn)等。

隨著互聯(lián)網(wǎng)的迅速發(fā)展，搜索引擎成為了人們獲取信息的一個(gè)重要途徑。人們?cè)谙Ｍ�搜索引擎能夠提供全面的信息資源的同時(shí)，也對(duì)搜索引擎的服務(wù)提出了更高的要求。與傳統(tǒng)的搜索引擎相比，博客搜索引擎在檢索內(nèi)容、工作原理、檢索方式等方面有著很大的區(qū)別，因此，若用傳統(tǒng)的搜索引擎檢索一些以ＲＳＳ格式發(fā)布的博客內(nèi)容，就會(huì)存在著檢索效率低、更新速度慢等缺點(diǎn)，而ＲＳＳ博客搜索引擎克服了這些缺點(diǎn)。

本文研究了博客搜索引擎的工作原理，主要研究了博客搜索引擎中的博客網(wǎng)絡(luò)爬蟲(chóng)與用戶(hù)興趣模型。網(wǎng)絡(luò)爬蟲(chóng)是搜索引擎中的一個(gè)重要部分，其爬取質(zhì)量直接影響到搜索引擎的搜索結(jié)果。由于ＲＳＳ網(wǎng)頁(yè)與普通網(wǎng)頁(yè)的不同，ＲＳＳ博客網(wǎng)絡(luò)爬蟲(chóng)爬取各個(gè)博客文章的ＲＳＳ鏈接，本文對(duì)ＲＳＳ種子的收集、解析、建立索引進(jìn)行了研究，設(shè)計(jì)并實(shí)現(xiàn)了集ＲＳＳ種子獲取、解析并建立索引為一體的ＲＳＳ博客網(wǎng)絡(luò)爬蟲(chóng)。傳統(tǒng)的搜索引擎面向的是廣大的用戶(hù)，不能根據(jù)用戶(hù)的喜好返回最相關(guān)的結(jié)果，而用戶(hù)往往希望搜索引擎能夠根據(jù)自己的實(shí)際情況來(lái)返回最相關(guān)的結(jié)果，基于此，本文介紹了用戶(hù)興趣模型的概念與應(yīng)用，設(shè)計(jì)并實(shí)現(xiàn)了基于博客文章標(biāo)簽與分類(lèi)的用戶(hù)興趣模型，包括用戶(hù)興趣模型的初始化、更新及與搜索結(jié)果的匹配等。

在介紹網(wǎng)絡(luò)爬蟲(chóng)與用戶(hù)興趣模型的基礎(chǔ)上，本文設(shè)計(jì)并實(shí)現(xiàn)了基于ＲＳＳ的博客搜索引擎，并用Ａｊａｘ等技術(shù)改善了用戶(hù)的搜索體驗(yàn)。關(guān)鍵詞：ＲＳＳ；搜索引擎；網(wǎng)絡(luò)爬蟲(chóng)；Ａｊａｘ：用戶(hù)興趣模７型

Word文檔免費(fèi)下載：LUCENE實(shí)現(xiàn)的基于RSS的博客搜索引擎 （下載1-69頁(yè)，共69頁(yè)）

  本文關(guān)鍵詞：LUCENE實(shí)現(xiàn)的基于RSS的博客搜索引擎，由筆耕文化傳播整理發(fā)布。