基于Nutch的电力行业全文搜索引擎的研究与设计.pdf

目前,通用搜索引擎对行业领域及特定主题信息覆盖率较低,且无法保证检索信息数据的安全性。因此,本文在开源的Nutch 搜索引擎架构的基础, 通过构建电力行业词典,利用改进的空间向量算法对抓取内容的相关度进行计算,并对相关内容进行过滤,结合主流的PageRank算法对搜索结果综合排序,并嵌入访问控制模块,对用户的访问权限进行认证, 对获取的信息数据进行基于权限的分类, 构建出具有电力行业特色的搜索专业引擎。提高了行业信息搜索的专业性,加强了搜索引擎的安全性。