基于掌上设备的搜索引擎技术的研究

论文摘要

信息检索是指知识信息的有序化识别和查找的过程。信息及其技术的飞速增长,使与互联网息息相关的搜索引擎成为信息检索的首选工具。目前,国内外有关搜索引擎的技术已经比较完善,然而,在互联网之外,把此项传统技术直接运用于硬件配置较低的掌上设备上,却存在着不容忽视的性能问题。论文通过对目前主流的搜索引擎技术深入分析,充分挖掘搜索引擎信息检索的潜力,结合掌上设备的知识,提出一套适合于成本和硬件配置都较低的掌上设备的搜索引擎信息检索的方案。本文从库架构搭建和掌上设备实现这两个方面展开搜索引擎设计：1.库架构搭建设计。通过对中文分词的分析与研究,用实验方法比较了掌上设备的分词关键字实现方法和单字位置信息方法的各自优缺点,以及性能调优方法,得出了在有限硬件条件下,用单字位置信息方法搭建库架构才是最佳的选择。2.掌上设备的实现设计。库架构搭建考虑的一切因素都依赖于掌上设备的实现。结合掌上设备的特点,给出了可行的库架构方案。最后,根据提出的库架构,给出一个基于此库架构设计的具体项目“掌上设备的大百科全书信息检索”的全部开发流程和关键技术难点,说明如何将设计及部署优化的具体策略应用在该项目中,并对该方案进行多次实验、测试和修改,证明了论文的设计理论和解决方案是合理可行的。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 论文研究背景
• 1.1.1 搜索引擎的历史
• 1.1.2 搜索引擎的分类
• 1.1.3 搜索引擎的现状
• 1.2 课题来源与论文研究方向
• 1.3 论文研究思路与研究内容
• 1.4 论文章节结构
• 第二章 中文分词与库架构的两种设计方案
• 2.1 中文分词的分析与研究
• 2.1.1 中文分词的原因
• 2.1.2 经典中文分词的算法研究
• 2.1.3 分词中的难题
• 2.2 基于关键字的库架构
• 2.3 基于位置信息的库架构
• 第三章 基于位置信息的库架构的性能调优
• 3.1 稀疏矩阵压缩技术编码
• 3.1.1 单字出现的位置信息号需要稀疏矩阵压缩
• 3.1.2 单字出现的位置信息号稀疏矩阵存储结构
• 3.1.3 稀疏矩阵的C语言描述
• 3.2 单字出现频率的统计编码
• 3.2.1 单字出现频率统计的优点
• 3.2.2 单字出现频率的统计C语言描述
• 3.3 单字出现位置的统计编码
• 3.3.1 单字出现位置的统计
• 3.3.2 单字出现位置号的二分查找算法
• 3.4 高频字组词的哈希算法
• 3.4.1 运用哈希算法的优点
• 3.4.2 哈希算法的C语言描述
• 3.5 文本分块哈夫曼压缩实现编码
• 3.5.1 运用哈夫曼压缩技术的优点
• 3.5.2 文本分块哈夫曼压缩实现C语言描述
• 第四章 基于单字位置的库架构应用实例
• 4.1 掌上设备的搜索引擎测试样本
• 4.2 掌上设备的软硬件配置
• 4.3 掌上设备的界面实现
• 4.4 掌上设备对稀疏矩阵索引库的检索
• 4.5 系统性能评测
• 第五章 结束语
• 致谢
• 参考文献
• 附录