數(shù)據(jù)歸檔與信息檢索系統(tǒng)的研究與實現(xiàn).pdf_第1頁
已閱讀1頁,還剩77頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著企業(yè)信息化建設的推廣,企業(yè)信息化系統(tǒng)產生海量的歷史數(shù)據(jù)。海量數(shù)據(jù)造成的存儲容量不夠、信息檢索效率低下、潛在價值難以挖掘等問題成為制約企業(yè)信息化發(fā)展的瓶頸。因此,研發(fā)一套數(shù)據(jù)歸檔與信息檢索系統(tǒng)來存儲和管理企業(yè)歷史數(shù)據(jù)顯得尤為重要。
   本文在對數(shù)據(jù)歸檔與信息檢索系統(tǒng)進行需求分析的基礎上,提出跨應用程序的歸檔數(shù)據(jù)存儲與分類檢索方案,采用LUCENE全文檢索技術解決歷史數(shù)據(jù)的分類檢索問題,應用XML技術解決應用程序間的數(shù)據(jù)交換問

2、題,以J2EE平臺的多層架構體系為基礎,將系統(tǒng)分為數(shù)據(jù)歸檔、系統(tǒng)管理、用戶管理、重構管理及信息檢索等五個功能模塊,完成了數(shù)據(jù)歸檔與信息檢索系統(tǒng)的總體設計。
   論文在系統(tǒng)研發(fā)過程中所應用的技術主要包括信息檢索技術與XML技術。信息檢索技術主要介紹了索引維護與管理策略、檢索查詢策略與結果排序策略,詳細分析了三種中文分詞策略(基于詞典、詞頻統(tǒng)計、言語意義的中文分詞策略)和文檔倒排機制。XML技術則主要分析比較了兩種模型映射策略:邊

3、模型映射策略和結構模型映射策略,并總結它們在不同應用場景下的優(yōu)劣特性。
   首先本文采用既符合節(jié)點模型映射策略,又符合邊模型映射策略的XParent模型對結構化數(shù)據(jù)進行模式轉換,提高數(shù)據(jù)的通信能力。對于非結構化數(shù)據(jù)則使用文檔解析技術先將異構化的pdf、word、html等格式的數(shù)據(jù)進行解析,解析完成后參照結構化數(shù)據(jù)進行模式轉換。其次針對LUCENE中文分詞上的不足,選用中科院的ICTCLAS分詞系統(tǒng)代替LUCENE自帶的中文分

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論