一种基于Nutch的垂直搜索引擎及方法

    公开(公告)号:CN105045854A

    公开(公告)日:2015-11-11

    申请号:CN201510395982.3

    申请日:2015-07-07

    发明人: 田青 高凯 陶秋红

    IPC分类号: G06F17/30 G06F17/27

    摘要: 本发明涉及互联玩搜索引擎技术领域,具体涉及一种基于Nutch的垂直搜索引擎及方法。本发明提出了一种基于Nutch的垂直搜索引擎及方法,能够围绕某一领域或某一专题展开检索,以满足特定人群对信息检索的个性化要求。本发明基于Nutch的垂直搜索引擎包括Nutch模块、预处理模块和聚类模块。Nutch模块用于从网络上搜集网页、建立网页的反向索引、利用反向索引搜索用户查找的关键词并向用户反馈检索结果。预处理模块用于文本的中文分词。聚类模块用于对Nutch模块的检索结果的文本聚类。Nutch模块分别与预处理模块和聚类模块双向通信。本发明垂直搜索引擎的搭建步骤包括(a)系统搭建和(b)服务器端软件配置。