全文检索是现代信息检索技术的一个非常重要的分支,它是处理非结构化数据的强大工具,也是搜索引擎的核心技术之一。本文对中文全文检索的有关技术进行了较为深入的研究。在基于字表的全文索引方面,本文提出了一种改进的倒排索引结构,同传统索引结构相比,更便于索引的构建、维护、更新。并根据其特征,设计了优化的查询策略。分析比较的结果表明,改进的索引结构在获得较高的动态性能的同时,还能有效地提高创建索引的速度。本文的重点放在了全文检索技术的应用上,对如何利用新技术、改善检索系统的结构、提高检索系统的性能和效率、加快检索速度、不断适应网络信息发展等方面做了重点研究。 全文检索是一种I/O密集型的应用,以往的全文检索系统的开发多在关系数据库的基础上进行。本文针对全文数据库的特点,深入讨论此法弊端与不足,并提出了在文件系统上构建的解决方案。由于目前全文检索系统的开发平台并不多见,本文介绍了一种全文检索引擎工具包—Lucene,它功能强大,小巧精悍,便于嵌入各种应用。近年在世界各地被广泛使用,诸如IBM等公司都使用其核心代码。作为一个开源软件,它为我们学习搜索引擎的核心技术提供了绝佳的机会,对其剖析研究、进行二次开发,是一件很有意义的事情。 在应用方面,本文主要工作是本校学位论文全文数据库的设计与实现。其检索子系统在文档数据加工、信息抽取及分类器相关工作的基础上,完成构建索引器、数据库存储设计、检索器设计等内容,最终实现了系统对中英文文献的导航浏览、全文检索和元数据检索服务功能。就检索的效率和效果而言,基本达到了最初的设计目的。