摘要：针对通用搜索引擎专业性不够、查准率较低的问题,基于nutch开源搜索引擎,采用基于本地词库和动态加载词库的正向迭代最细粒度切分算法实现中文分词。基于特征词和元数据标签的空间向量模型实现就业领域主题相关性判定,基于MapReduce引入网页链入链接权重因子和时间衰减因子改进LinkRank排序算法等对nutch进行二次开发,并在网页信息抓取和过滤、就业信息搜索和特征词推荐等环节引入就业领域本体信息,采用Java框架技术对用户查询接口进行了二次开发,提供了如关键字智能提醒、定制爬虫、二次查找、设定查询结果日期、订阅查询等扩展查询接口,设计并实现了基于nutch的就业垂直搜索引擎。实验结果表明,基于nutch的就业垂直搜索引擎具有较高的查准率,可以满足用户专业检索的需求。

摘要：目的为了解决高等院校信息资源领域搜索服务的需求,以及对搜索结果的个性化和实时性要求,针对高等院校信息资源分布比较多较广的特点,设计面向高校信息的相关垂直搜索引擎系统.方法利用nutch网络爬虫和Lucene索引平台结合中文分词、主题预测等相关垂直搜索引擎技术,针对高等院校信息资源这一类特定领域研究和实现一款具有市场潜力的垂直搜索引擎系统.结果在基于Lucene平台和改进的nutch开源爬虫框架下,设计并构建了包含抓取网页、解析网页、数据索引、数据搜索等功能组成的高校信息垂直搜索引擎原形.结论该高校信息垂直搜索引擎可为用户提供相关高校某个主题信息的检索、查询与分析等服务,同时在查询的准确率和效率上都比传统的搜索引擎有了显著的提高.

摘要：面对日益专业和个性化的信息检索需求,通用搜索引擎存在的问题暴露无遗。垂直搜索技术作为搜索引擎发展的一个主要方向,正在受到越来越多的关注。在给出一个垂直搜索引擎总体结构的基础上,详细分析了所涉及的关键技术:网页抓取、中文分词、文本分类等。并将分词和分类算法加入到nutch中,实现了系统原型。实验证明,该系统主题相关度达到94%以上。

摘要：针对互联网上旅游信息量飞速增长导致旅游者难以从海量大数据中检索出有效信息的问题,该文为帮助旅游者从众多Web旅游网站中高效地获取想要的地理信息,基于开源的nutch搜索引擎框架,结合旅游领域与地理信息的特性,对原有搜索引擎框架的索引及搜索方法模块进行改造,通过设计基于词典的双向最大匹配模型对地理信息进行分词,并集成到nutch搜索引擎框架的分词模块中,构建出面向旅游领域地理信息的垂直搜索引擎。最后,利用GIS技术,设计并实现了一个旅游地理信息垂直搜索系统,对旅游地理信息搜索服务进行了验证。

摘要：目的针对目前国内房产信息资源比较分散特点,研究房产信息垂直搜索引擎的建立模式与实现技术.方法应用Lucene与nutch平台以及垂直搜索引擎技术,开发具有市场应用价值的房产信息垂直搜索引擎.结果设计建立了包含网页抓取模块、网页解析模块、数据库存储模块、索引建立模块、查询模块组成的房产信息垂直搜索引擎.结论该房产信息垂直搜索引擎可为用户提供房源信息、房产新闻和数据的检索、查询与分析等服务.相比其他搜索引擎在搜索结果方面精度提高一倍,在运作成本方面仅为其他搜索引擎运作成本的1/2,搜索速度方面相比其他搜索引擎提高20%.

摘要：互联网高速发展的今天,网民能方便地在网络上针对各种热点问题进行评论和发表意见,从而形成大规模的舆论效应。如何对网络舆情进行实时的监控已经成为一些部门和机构热切关注的问题。文中针对上述问题,综合搜索引擎、网络监控、页面采集、信息挖掘等热点技术,设计并实现了一种部署简单、功能完整的网络舆论自动监控与分析系统。该系统能对网络热点论坛、搜索引擎、博客系统进行信息监控,并在某高校得到很好的实际应用。

摘要：通过从3个最大的中文百科全书(百度百科、互动百科、中文维基百科)所包含的大规模知识数据中识别重要的结构化特征生成RDF三元组,并将这些信息数据整合加入分布式大规模RDF数据存储系统,从而构成符合Linked Data要求的中文百科知识库RDF数据集。主要工作包括,通过配置网络爬虫对百度百科和互动百科的网页进行爬取,解析其中信息框等内容,生成RDF三元组并实现三元组的动态插入;下载需要的DBpedia中文三元组数据,将三元组进行整合并存储到课题组的大规模语义数据存储库Jingwei中;设计显示动态插入和三元组模式查询的页面,通过原型系统实验,验证了该方法的有效性。

摘要：垂直搜索引擎是搜索引擎领域的行业化分工,根据地学信息领域的行业特征、整体需求及其工作流程,在nutch开源搜索引擎平台上添加了"庖丁解牛"中文分词算法、主题相关度评分算法、"主题词管理"选项等技术,建立了基于网络蜘蛛模型的面向地学信息领域的垂直搜索引擎。经过测试及结果比较,该系统相对于通用搜索引擎有明显的优势,使地学信息的定位和查找更加准确。该系统具有良好的扩展性和通用性,对垂直搜索引擎的研究和开发具有一定的借鉴作用。

摘要：根据特定的主题用户的应用需求,深入研究主题搜索引擎的组织与结构,并结合实际情况,对主题信息收集模块进行设计。

摘要：对web文本聚类中的数据预处理、聚类算法及结果评估等进行了分析研究.在由lucene和nutch构建的搜索引擎的基础上,提出基于k-means聚类算法web网页聚类系统设计方案,并论述了各模块的设计与实现方法.