目前的搜索引擎大多是综合性的,收录各方面、各学科和各行业的信息,在反映专题或专业化信息方面很难做到全、快、准。因此课题完成了基于行业的个性化搜索引擎。该论文总体分为六个部分,首先实现了网络爬虫。网络爬虫从网络上不断爬取网页,分析网页中包含的链接并且进入链接爬取相关联网页,爬取到的网页保存在本地机器中;接着进行网页分析。对网络爬虫爬取到的网页加以分析,去除网页中的控制命令和格式,只保留内容;然后进行切分词语。对保存的内容做中文的词语切分,形成单体的关键词;然后使用倒排表和散列表相结合的技术,对经过切分词语分析之后的网页内容建立词索引;接下来是检索器。对用户输入的查询内容做词语切分,查找网页,对查找的结果进行全面分析并评分,排序输出;最后,将最新的行业信息通过邮件的方式发送给相关的用户。另外,课题还实现了动态的扩展词库,能单个或者批量的添加新词。论文将搜索引擎与行业结合,通过两种方法体现了行业的特性,首先,抓取网页的网络爬虫选用的初始网页是某个行业的中心网页,通过这个行业中心网页可以链接到很多与行业有关的网站;其次,选用这个行业的词库来建立倒排索引。比如医药行业,需要选择医药行业的一个中心网页作为网络爬虫的初始网页和一个医药词库。论文的创新点在于个性化的体现,用户能够通过邮件的方式及时准确的得到感兴趣的行业信息。基于行业的个性化搜索引擎的建立,使查询结果更加行业化、个性化。