位置:成果数据库 > 期刊 > 期刊详情页
基于Tika和Lucene的桌面搜索引擎研究与实现
  • ISSN号:1000-7024
  • 期刊名称:《计算机工程与设计》
  • 时间:0
  • 分类:TP393[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]首都师范大学信息工程学院,北京100048, [2]北京理工大学图书馆,北京100081
  • 相关基金:国家自然科学基金项目(61272446);北京市属高等学校人才强教深化计划“中青年骨干人才”基金项目(PHR201008083)
中文摘要:

在桌面搜索引擎中,对于二进制文件格式的处理,通常需要针对每一种具体的文件格式编写独立的解析器,复杂度较高且不易维护。从分析开源搜索引擎Lucene出发,提出一种基于Tika和Lucene的桌面搜索引擎框架,能够使用统一的应用编程接口来处理不同二进制格式的文档。整个框架均为开放源代码形式,各模块间耦合度低,易于扩展。在实现方面,基于最新的Lucene4.1,实现了对桌面系统内文档的全文搜索;并在索引性能优化方面,相比于传统的参数配置优化和内存缓冲优化两方面,使用最新的DWPT(documents writer per thread)技术,使索引性能提升了35%。

英文摘要:

To process of the binary file format in desktop search engine, writing separately for each specific file format parser is usually needed with a high degree of complexity, which difficult to maintain. By analyzing of the open source search engine Lu cene as a start, a desktop search engine framework based on Tika and Lucene is proposed, to use a unified application program ming interface to deal with different binary format documentation. The framework is open sourced, the degree of coupling be tween modules is low that is easy to extend. As the implementation aspects, this framework based on the latest Lucene4.1 and achieves the full-text search of documents in the desktop system. Besides, compared to traditional parameters configuration opti- mization and memory buffer optimization, the latest DWPT (documents writer per thread) technology is used to optimize index performance. The experimental results show that index performance is improvedly 35%.

同期刊论文项目
期刊论文 11 会议论文 4 获奖 2
同项目期刊论文
期刊信息
  • 《计算机工程与设计》
  • 北大核心期刊(2011版)
  • 主管单位:中国航天科工集团
  • 主办单位:中国航天科工集团二院706所
  • 主编:汤铭瑞
  • 地址:北京142信箱37分箱
  • 邮编:100854
  • 邮箱:ced@china-ced.com
  • 电话:010-68389884
  • 国际标准刊号:ISSN:1000-7024
  • 国内统一刊号:ISSN:11-1775/TP
  • 邮发代号:82-425
  • 获奖情况:
  • 中国科学引文数据库来源期刊,中国学术期刊综合评价数据库来源期刊,中国科技论文统计与分析用期刊
  • 国内外数据库收录:
  • 波兰哥白尼索引,美国剑桥科学文摘,英国科学文摘数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:45616