作者：李广丽 刘觉夫垂直搜索引擎网络机器人主题相关度哈希表向量空间模型lucene
摘要：给出了垂直搜索引擎的体系结构，然后分别设计了垂直搜索引擎的三大核心模块：主题词库、网络机器人和中文分词。在主题词库模块中设计了一个分层的主题词库系统，该词库将颗粒大的主题词置于词库高层，而将颗粒小的主题词置于词库低层，既考虑了主题搜索的广度，也考虑了主题搜索的精度。而在网络机器人设计过程中则综合运用了多线程及基于VSM的主题相关度判断算法进行主题网页爬行，在中文分词设计中则采用最大正向匹配算法完成中文分词。实验表明，多线程是提高网络机器人爬行速度的关键。此外，搜索引擎的准确率达到了63％。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
