基于Lucene的XML索引与检索

论文摘要

网络信息和数据的交互形成了信息时代的重要标志，XML得到越来越广泛的应用，随之而来的文档数据迅猛增长使得更新和维护XML文档成为一门重要的课题，为了更好使用XML文档，提高效率，降低开发和维护的成本，学者们不断对XML的相关理论进行了深入地研究，从数据存储到索引、一直到查询，使得XML理论和应用得到了快速地发展，难题不断地被化解，优秀的研究成果造就了很多索引和检索工具。不过对于人们日益增长的查询需求和多样性的XML数据，人们越来越希望能找到一种同时满足不同数据源(XML、纯文本，关系型数据库以及其他各种应用数据等)且能够有效处理各种查询请求的通用索引结构。因此，针对不同的XML应用，学者们提出了各种不同建立和维护索引的方法，从而满足各种不同环境下的用户需求。本文首先介绍了全文检索系统的相关技术，对Lucene全文检索工具进行了研究，接着对已有的XML相关技术进行了深入分析和探讨，最后根据XML的解析和编码技术对XML数据源文档进行处理，对XML文档树进行前缀编码，应用改进的Lucene中文分词器对解析模块提取的数据进行分词，通过扩展的Lucene的索引模块建立索引，开发实现一个基于Lucene的XML全文检索原型系统。本文对Lucene索引模块进行了改进，提高了二次开发的效率，使得实现简单并且非常方便地移植到其他全文检索系统，为建立准确、实用、高效的基于Lucene的全文检索系统打下坚实基础，同时促进了企业或组织更加高效地管理各种信息资源。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.3 本文的工作
• 第二章 全文检索系统关键技术
• 2.1 全文检索系统概述
• 2.2 全文检索系統功能与结构
• 2.2.1 索引基本结构
• 2.2.2 倒排索引
• 2.2.3 索引分类
• 2.2.4 索引评价标准
• 2.2.5 检索模型
• 2.3 Lucene全文检索系统关键技术研究
• 2.3.1 简介
• 2.3.2 Lucene的系统结构
• 2.3.2.1 语言分析包 org.apache.lucene.analysis
• 2.3.2.2 文档结构包 org.apache.lucene.document
• 2.3.2.3 索引管理包 org.apache.lucene.index
• 2.3.2.4 查询分析包 org.apache.lucene.queryParser
• 2.3.2.5 检索包 org.apache.lucene.search
• 2.3.2.6 存储包 org.apache.lucene.store
• 2.3.2.7 工具包 org.apache.lucene.util
• 2.3.3 Lucene的索引数据结构
• 2.4 本章小结
• 第三章 XML相关技术
• 3.1 XML简介
• 3.2 XML文档规范
• 3.3 XML的特色
• 3.4 XML解析技术
• 3.5 XML编码
• 3.6 本章小结
• 第四章 全文检索原型系统的设计
• 4.1 总体设计
• 4.2 系统各个模块的设计
• 4.2.1 解析模块
• 4.2.2 分词器
• 4.2.3 索引模块
• 4.2.4 检索模块
• 4.3 本章小结
• 第五章 全文检索原型系统的实现
• 5.1 系统各功能模块的实现
• 5.1.1 节点编码器
• 5.1.1.1 前缀编码介绍
• 5.1.1.2 节点编码的实现
• 5.1.2 改进的 Lucene中文分词器
• 5.1.3 索引模块
• 5.1.4 检索模块
• 5.2 性能优化研究
• 5.3 实验及展现
• 5.3.1 测试环境
• 5.3.2 性能测试
• 5.3.2.1 索引测试
• 5.3.2.2 检索测试
• 5.3.3 实验结论
• 5.4 本章小结
• 总结和展望
• 参考文献
• 致谢