特定网站新闻检索系统的设计与实现

被引量 : 0次 | 上传用户:ayun2009
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
互联网快速的发展,人们的生活越来越离不开互联网,网络信息量爆发式地增长给搜索引擎带来了巨大的挑战。人们每天都花一定的时间来浏览新闻网站,了解当前国内外正在发生的一些时事新闻,然而互联网上的新闻门户网站也越来越多,人们获取自己感兴趣的新闻也就越来越难。在很多情形下(例如舆情检测等),人们只对一些特定网站的新闻感兴趣,而通用搜索引擎并不提供这种选择。这种情况下,我们需要一个面向特定网站的新闻搜索系统,能为用户搜集、整理并提供感兴趣的新闻服务。本文旨在设计并实现一个及时准确的、用户可配置和定制的、可扩展的新闻搜索系统,该系统能实时采集指定网站的新闻,并给用户提供个性化的新闻搜索服务。本文调研了搜索引擎及新闻搜索国内外的研究现状,基于搜索引擎的主要工作原理,提出了面向特定网站的新闻检索系统的设计。本文使用MVC分层思想对系统进行实现,将系统分成数据采集层、业务逻辑层和展示层。本文通过新闻网站的RSS源来发现最新的新闻报道,使用Boilerpipe开源库提取网页的正文信息,使用IK分词器对网页正文进行分词并为网页建立倒排索引,最后为用户提供个性化的新闻搜索服务。同时本文还根据新闻的特性,提出了基于新闻相关性、新鲜性、新闻类别、新闻来源站点这四个因素的新闻搜索结果排序算法对新闻结果进行排序。本文对系统进行测试,统计新闻的采集情况,对新闻网页正文提取进行测试,对新闻搜索系统的Web服务部分进行功能测试。
其他文献
目的:探讨重症急性胰腺炎合并急性肾功能衰竭的护理方法及效果。方法选取该院收治的80例重症急性胰腺炎合并急性肾功能衰竭患者随机分为观察组与参考组,各为40例,给予参考组患者
铜绿假单胞菌(Pseudomonas aeruginosa)是一种人类机会致病菌,它可以引起严重感染并常常对人类生命造成威胁。本研究前期发现铜绿假单胞菌中谷胱甘肽(glutathione,GSH)合成酶基因gshB的缺失会导致三型分泌系统(type III secretion system,T3SS)的表达量降低,但具体机制并不清楚。为了进一步研究谷胱甘肽在铜绿假单胞菌中的作用,我们构建了谷氨酸-
乙烯裂解炉对流段翅片管是乙烯生产装置的“血脉”,经受高温、高压、腐蚀等因素影响,一旦发生损伤开裂,将形成火灾爆炸隐患,甚至造成财产损失和人员伤亡。研究翅片管损伤行为并提
一、引言在稀土永磁电机应用中,由于钕铁硼永磁材料的居里温度较低,温度系数较高,因而在高温使用时磁损失较大。早期在小容量的PMSM设计中,转子温升问题并没有引起学者们足够的重
肠球菌是内源性和外源性医院感染的第二大病原菌,可以诱发脑膜炎、尿道炎、败血症以及腹腔感染等多种疾病。随着抗生素的频繁使用,肠球菌的多重耐药性日益增强,特别是耐万古霉素肠球菌的出现,使肠球菌感染成为亟待解决的公共卫生问题。中国细菌耐药监测网(CHINET)监测数据显示,引起感染的肠球菌主要为粪肠球菌,因此从分子水平上开发靶标的高亲和力分子探针对粪肠球菌的识别和检测具有重要意义。本文利用全细菌指数富集
为了实现光伏和建筑一体化,太阳能电池组件需要被制作成夹层产品和中空产品直接应用于建筑幕墙、屋顶上。目前大部分组件封装厂家采用传统层压机生产,不仅效率低、产品品质差,还
<正>引言"满洲"这两个字曾经写作"满珠""满住",指少数民族满族集中居住的地域,相当于现在东北三省和内蒙古的部分地区。1928年,曾设立过中国共产党满洲委员会的组织。无论是
会议
柚黄酮类物质具有很强的生物活性,是一种天然的生物活性物质,无毒副作用,集着色和防腐为一体,被广泛应用于医药、食品、饮料、果酒及果醋中,目前已经成为心血管疾病、抗氧化化妆品
为明确不同短日照诱导对小豆花芽分化的影响,以早熟品种白红2号、中熟品种冀红9218和晚熟品种唐山红小豆为材料,分别设置SD-12 h-1 WK(12 h光/12 h暗处理1周)、SD-12 h-2 WKS(12
《尔玛的婚礼》是第一部反映羌族现实主义题材的故事片,影片以原生态的手法,通过场景、服饰、人物塑造等手段,为羌族丰富的非物质文化遗产提供了影像化表达的途径,影片也因此