企业集团的智能搜索引擎平台的建立

【摘要】通用搜索引擎的性质，决定了其不能满足特殊领域、特殊人群的精准化信息检索的需求。伴随着企业信息化快速发展，为企业量身定制企业级搜索引擎成为一种需求，企业搜索引擎也将成为信息化时代的一大研究热点。与通用搜索引擎相比，企业搜索引擎有着采集内容更丰富、安全系数更高、更高的查全率和查准率等特点：企业搜索引擎面向的数据不仅包括互联网上网页形式的数据，还包括企业内部数据库以及行业应用系统中的业务数据，而业务数据对通用搜索引擎来说是透明的，所以企业搜索引擎有着更高的数据获取门槛，企业搜索引擎面向的用户群体所要查找的往往是行业内的信息，因此对准确率的要求也就更高。本文选择企业集团的智能搜索引擎平台的建立为课题，文中提出了面向集团企业的搜索引擎体系架构，并结合浙江中烟工业公司对企业搜索引擎系统的需求，提出了浙江中烟工业公司企业搜索引擎系统框架，并对其系统进行设计，系统将实现基于烟草行业的垂直搜索引擎。本文具体研究内容如下：1)搜索引擎的四大系统：下载系统、分析系统、索引系统、查询系统。本文根据烟草行业的特殊性，结合烟草行业知识深入研究互联网搜索引擎原理，确立烟草行业对搜索引擎的需求以及企业垂直搜索引擎应实现的功能。2)提出企业搜索引擎系统的聚焦网络爬虫体系架构。文章分析了行业内网页爬取的相关算法，给出了烟草行业的网页重访策略。在存储网页信息时引入基于MongoDB的云存储方案构建网页库，并给出了企业内部数据的抽取方案。3)企业搜索引擎的数据处理分析系统。提出基于烟草行业的网页查重模型，在数据处理模块的研究与设计中，本文针对企业内部搜索提出了本体库的构建。4)企业搜索引擎的查询系统。结合全文搜索的算法以及在PageRank算法的基础上给出了面向烟草主题的算法改进，并通过对查询日志的分析对用户查询意图的推测进行研究与应用，为企业搜索引擎系统的设计提供理论依据。5)基于以上理论知识，本文在浙江理工大学企业智能实验室对企业搜索引擎研究的基础上，对企业搜索引擎系统进行设计，提出企业搜索引擎的体系架构。将该体系应用到作者正在参与开发的浙江中烟工业企业搜索引擎系统中，提出浙江中烟搜索引擎系统框图，以浙江中烟搜索引擎系统的实现效果对本文提出的系统方案进行检验。
【作者】王慕泼；
【导师】何利力；
【作者基本信息】浙江理工大学，计算机应用技术，2014，硕士
【关键词】搜索引擎；企业；网络爬虫；网页库；PageRank；中文分词；索引；查询日志；

【参考文献】
[1]沈盼.保水降温半柔性路面中保水水泥砂浆的开发及性能评价[D].重庆交通大学,道路与铁道工程,2012,硕士.
[2]李亚强.中国新型农村养老保险研究[D].天津财经大学,社会保障,2012,硕士.
[3]商云鹏.牛病毒性腹泻病毒RT-LAMP检测方法的建立及初步应用[D].东北农业大学,预防兽医学,2013,硕士.
[4]朱俊伟.论破产管理人制度[D].苏州大学,法律,2003,硕士.
[5]张怀国.Al-Cu-Mg-Zn四元系铝合金富铝角相平衡的研究[D].东北大学,材料学,2010,硕士.
[6]寇永大.PC小箱梁桥开裂主要成因及机理研究[D].长安大学,桥梁与隧道工程,2013,硕士.
[7]梁丽.马克思“真正共同体”构想与构建社会主义和谐社会及其相互价值意义研究[D].西南大学,马克思主义哲学,2013,硕士.
[8]李烁.信息技术与高中语文写作整合的教学模式研究[D].河北大学,教育技术,2003,硕士.
[9]王秀勤.魏晋咏怀组诗研究[D].兰州大学,中国古代文学,2013,硕士.
[10]冯硕.卤素灯的伺服放大器设计研究[D].北方工业大学,机械工程,2014,硕士.
[11]曾宇.投资信托受托人忠实义务研究[D].上海大学,民商法学,2013,硕士.
[12]齐烨,常秋英,王斌,李娟.激光织构对干摩擦性能的影响及机理研究[J].兵工学报,2015,02:200-205.
[13]刘婕姝.艺术是伟大的兴奋剂[D].东北师范大学,外国哲学,2012,硕士.
[14]赖小慧.广东日产汽车贸易有限公司客户关系管理研究[D].湘潭大学,工商管理,2011,硕士.
[15]孙圣雅.网络时代职业学校思政教育管理工作的问题与对策探析[D].鲁东大学,教育管理（专业学位）,2013,硕士.
[16]黄小武,刘凌燕,黄盛仁.试论空分装置的防爆技术[J].中国安全科学学报.2001(04)
[17]赵贵宾.预防公安机关权力腐败问题研究[D].河北大学,行政管理,2014,硕士.
[18]张宇飞.开发区建设对周边社区居民地方感影响研究[D].华东师范大学,人文地理学,2013,硕士.
[19]吴超楠.基于分数阶傅里叶变换的高精度线性调频信号参数估计方法[D].华南理工大学,通信与信息系统,2014,硕士.
[20]陈晓梅.二维斑点追踪技术对评价左室射血分数正常的心力衰竭的价值[D].吉林大学,影像医学与核医学,2014,硕士.
[21]史定华.再访GI/M/1排队[J].自动化学报,2001,03:357-360.
[22]赵明晓.PTT织物分散染料/紫外线吸收剂同浴染色工艺研究[D].青岛大学,纺织化学与染整工程,2013,硕士.
[23]杨草原.基于Android终端的屏幕共享系统的设计与实现[D].华中科技大学,集成电路工程,2013,硕士.
[24]王广锋.独立居室供暖控制系统的设计与开发[D].东北大学,控制工程,2011,硕士.
[25]陈坤.后掠式弧形深松铲柄的结构优化研究[D].吉林农业大学,农业机械化工程,2012,硕士.
[26]王金艳.甲烷、氮气常压直接合成氨催化剂的制备及其性能研究[D].西北大学,化学工程,2014,硕士.
[27]韩奎.石墨烯负载PdM、PtM金属间化合物的控制合成及其电催化性能研究[D].华东交通大学,分析化学,2013,硕士.
[28]李佳锐.巩固社会主义意识形态视野下的消费主义研究[D].浙江理工大学,思想政治教育,2014,硕士.
[29]李增生.西部物流产业发展研究[D].华东师范大学,马克思主义理论与思想政治教育,2003,硕士.
[30]宋学义.液压泵站的设计要点(上)[J].液压与气动.1993(05)
[31]李婷婷.ZSM-5/11共晶分子筛与多级孔道ZSM-5分子筛的合成[D].华东理工大学,化学工艺,2014,硕士.
[32]王宏伟.曲线回转外形筒体零件无飞边辊挤成形研究[D].中北大学,材料加工工程,2014,硕士.
[33]叶少丽.江西省高技术产业技术创新对经济增长的影响研究[D].南昌大学,技术经济及管理,2012,硕士.
[34]张文理.基于数字化信息实验系统的计算机辅助实验的设计和探索[D].南京师范大学,2004.
[35]王蓉,张海燕,王文广,刘慧.二氧化钛阵列-二氧化钛/石墨烯颗粒复合结构光阳极对染料敏化太阳能电池的改善[J].光学学报,2013,12:179-184.
[36]刘春明.立式储液罐地震响应数值分析及基础隔震研究[D].华中科技大学,结构工程,2013,硕士.
[37]于玮玮.体外震波在缺血缺氧诱导的H9c2细胞凋亡中的作用研究[D].北京协和医学院,心血管内科学（专业学位）,2014,博士.
[38]邵大恺.山东省税收收入与经济增长关系实证研究[D].厦门大学,税务,2014,硕士.
[39]李富.一种简单实用的触发电路[J].冶金自动化,1988,03:58-59.
[40]谢胜利,谢振东,韦岗.非线性分布参数系统跟踪控制的学习算法[J].自动化学报,1999,05:627-632.
[41]张翠玲,吴东红.网络计量学方法初探[J].情报杂志,2005,01:17-18.
[42]佟为明,张希栋,李中伟,林景波.基于椭圆曲线密码的数据集中器通信报文混合密码算法[J].电力系统自动化,2014,04:86-91.
[43]安文策.中美称赞语回应策略的对比研究[D].河北师范大学,英语语言文学,2012,硕士.
[44]刘雪莉.数据挖掘及其在小电流接地选线中的应用[D].华北电力大学（北京）,2005.
[45]安宸.我国货币政策和房地产价格关系的实证研究[D].湘潭大学,金融学,2011,硕士.
[46]王庆林.Riccati代数方程中矩阵P与R,Q关系的研究[J].自动化学报,1996,01:111-114.
[47]钱绍琴,李仲奇.对不锈钢硫酸-硫酸铜腐蚀试验方法的探讨[J].四川冶金.1990(04)
[48]黄慧娟.绿色经济背景下的职业教育研究[D].华东师范大学,职业技术教育学,2013,硕士.
[49]周莉.百瑞源枸杞产业发展有限公司品牌战略研究[D].宁夏大学,农业经济管理,2014,硕士.
[50]董雪.改良性儿童医疗机构空间意象研究[D].齐鲁工业大学,设计艺术学,2014,硕士.