基于Lucene的电子公文全文检索系统研究与实现

摘要

近年来信息技术飞速发展，企业信息化达到很高的水平，电子办公成为企业日常工作交流的主要方式，电子公文成为了企业信息传递、保存的重要形式。企业各部门每天产生的电子公文越来越多，如何让用户能够随时快速全面地从这些电子公文中找到所关心的内容，日趋显得重要。与此同时，网络全文搜索引擎发展迅速，其搜索的高效和人性化极大地改变了人们的搜索习惯。因此，提供一种高效的检索方式对于提高系统用户的工作效率、改善用户体验和提升企业信息化水平尤为重要。
　　本文深入分析了电子公文检索系统的研究现状和存在的不足，将Lucene全文检索技术引入到企业的电子公文检索中，构建了基于Lucene的电子公文全文检索引擎。着重就电子公文检索的安全问题、Lucene检索实时索引问题，以及检索结果排序问题进行了深入研究，在现有的系统访问控制模型的基础上，提出了一种扩展的访问权限控制模型;通过查阅大量技术资料和进行系统分析，研究并设计了Lucene实时索引;结合电子公文检索结果排序的影响因素，改进了Lucene默认的检索结果排序策略。并对企业电子公文部分实际业务进行调研分析，构建了小型的基于Lucene的电子公文全文检索系统。将Lucene全文检索技术应用到电子公文的检索中，实现了对电子公文统一入口、多数据源查询的信息检索方式，能够对用户输入的查询语句进行扩展，支持各种格式文档的全文检索，按一定的顺序返回用户具有访问权限的文档，满足了企业的实际检索需求，并且对Lucene全文检索技术在企业级搜索中的应用具有一定的借鉴意义。

目录

声明

致谢

摘要

1 绪论

1．1 选题背景

1．2 国内外研究现状

1．3 研究目的及意义

1．4 研究内容和论文结构

1．4．1 研究内容

1．4．2 论文结构

2 相关理论与技术综述

2．1 全文检索相关理论及现状研究

2．1．1 全文检索概念

2．1．2 全文检索的一般过程

2．1．3 全文检索技术研究现状

2．1．4 全文检索系统及其发展

2．2 Lucene全文检索工具包研究

2．2．1 Lucene概述

2．2．2 Lucene系统结构和功能

2．2．3 Lucene应用现状

2．3 Lucene关键技术及现状研究

2．3．1 中文分词及研究现状

2．3．2 索引结构和索引过程

2．3．3 检索结果排序及研究现状

3 基于Lucene的电子公文检索主要问题及访问控制模型研究

3．1 主要研究问题

3．1．1 电子公文检索安全问题

3．1．2 Lucene实时索引问题

3．1．3 检索结果排序问题

3．2 电子公文流转安全性分析

3．2．1 电子公文流转过程

3．2．2 电子公文安全性分析

3．3 几种访问控制模型研究

3．3．1 DAC模型和MAC模型

3．3．2 基于角色的访问控制模型

3．4 引入用户和组扩展的访问控制模型

3．4．1 模型定义

3．4．2 模型结构设计

3．4．3 模型实现方式

4 Lucene实时索引研究与电子公文检索系统索引构建

4．1 实时更新索引必要性分析

4．2 Lucene检索实时索引研究

4．2．1 新增文档实时索引

4．2．2 删除文档实时索引

4．2．3 更新文档实时索引

4．3 电子公文检索系统索引构建

4．3．1 系统索引域选项

4．3．2 系统实时索引构建

5 基于Lucene的电子公文检索结果排序策略研究

5．1 Lucene检索结果排序策略

5．1．1 Lucene排序原理

5．1．2 Lucene评分机制

5．1．3 改进Lucene排序策略的原因

5．2 改进的检索结果排序策略

5．2．1 电子公文检索结果排序影响因素分析

5．2．2 改进的检索结果排序策略

5．3 理论验证和实验分析

5．3．1 理论验证

5．3．2 实验分析

6 基于Lucene的电子公文检索原型系统设计与实现

6．1 原型系统设计

6．1．1 整体思路及架构设计

6．1．2 整体处理流程设计

6．1．3 开发环境与开发工具选择

6．2 原型系统实现

6．2．1 文本抽取模块实现

6．2．2 中文分词模块实现

6．2．3 索引模块实现

6．2．4 检索模块实现

6．2．5 系统运行结果展示

6．2．6 检索结果对比分析

7 总结与展望

7．1 论文总结

7．2 工作展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集