基于全文检索的企业资源搜索系统

基于文档集合的全文检索是现代信息技术的一个重要的分支,是处理大规模非结构化的信息的工具,当前许多搜索引擎的理论基础也基于此。本论文论述的重点是全文检索技术的运用,包括倒排文档的建立,倒排文档的压缩,索引的建立及索引的查询。对全文检索的技术进行了以下较为深入的研究:1、介绍了国内国外检索技术的发展历史以及最新的技术发展现状。讨论了文档数据库的概念;普通文本检索的概念;倒排文档、文档压缩、索引查询等技术特点。2、研究论述了全文索引技术倒排列表的结构及压缩技术并对倒排索引的结构进行了改进以获得更好的结果排名;详细论述了数据字典的采集过程;简单介绍了停用词等关键字过滤的技术。3、研究论述了全文检索技术生成倒排列表的技术,详细论述了典型的倒排文档生成算法,包括基于内存的倒排,和基于归并的倒排,并对其时间效率,空间效率进行了详细的分析。4、研究论述了全文检索技术索引查询的技术,并详细论述了最小完美哈希函数的实现,分别论述了布尔查询及基于进行排名的算法。