基于Lucene的分布式醫(yī)療搜索引擎的研究與實現(xiàn).pdf

1、近年來，計算機與互聯(lián)網(wǎng)技術(shù)迅猛發(fā)展，網(wǎng)絡上的信息量與日俱增，人們要從如此龐大的信息量中搜索出我們需要的信息成了一項重要而艱巨的任務。搜索引擎在網(wǎng)絡世界中正扮演著越來越重要的角色。
　　搜索引擎的信息檢索和索引效率是決定一個搜索引擎性能的關(guān)鍵因素。當信息量增大，索引量也隨之增大，這時搜索引擎服務器的壓力會顯著升高，搜索引擎的索引更新效率會明顯下降。因此，單機型的搜索引擎系統(tǒng)難以滿足高數(shù)據(jù)量和高并發(fā)量的需求，為了提高搜索引擎的新能，提

2、升系統(tǒng)處理海量數(shù)據(jù)的能力，構(gòu)建分布式的搜索引擎系統(tǒng)是解決問題的有效方法。Hadoop是云計算領(lǐng)域最具代表性的一個開源項目，Hadoop為廣大開發(fā)者提供了很好的分布式框架，使開發(fā)者開發(fā)出適合自己的分布式應用程序。
　　當前，互聯(lián)網(wǎng)上的各種搜索引擎得到了廣大用戶的親睞。然而，隨著各個領(lǐng)域信息的不斷深入和細化，通用的搜索引擎已經(jīng)越來越難以滿足不同領(lǐng)域用戶的需求。因此，開發(fā)出針對特定領(lǐng)域的信息搜索引擎是非常有必要的。眾所周知，醫(yī)療衛(wèi)生事業(yè)

3、是關(guān)系著人類生存、健康的重要事業(yè)。隨著科技的發(fā)展，醫(yī)療衛(wèi)生領(lǐng)域的信息化不斷加深，醫(yī)療領(lǐng)域的信息量日漸龐大，人們對醫(yī)療信息的獲取也日益迫切。如何快速、準確地獲取第一手的醫(yī)療信息是人們亟待解決的問題。
　　Lucene是一個由java語言編寫的開源搜索引擎工具包，它是一個開源的全文索引架構(gòu)，其中包括檢索引擎和索引引擎，為開發(fā)人員提供了強大的接口，使開發(fā)人員開發(fā)出具體的搜索應用程序。本文通過分析搜索引擎的基本原理，采用hadoop的ma

4、p-reduce編程模型，同時基于Lucene開源工具包，開發(fā)出一款適合醫(yī)療領(lǐng)域的搜索引擎服務系統(tǒng)。主要的研究內(nèi)容與工作如下:
　　1)分析介紹了Lucene開發(fā)搜索引擎的相關(guān)技術(shù)和hadoop分布式文件系統(tǒng)的原理?；趆adoop的map-reduce編程模型，設計出分布式網(wǎng)絡爬蟲程序，實現(xiàn)對網(wǎng)絡信息的分布式抓取與檢索。
　　2)將開源中文分詞器加入系統(tǒng)中，在網(wǎng)頁和信息分析時實現(xiàn)中文分詞功能，對文章中的語句進行正確有效的切