面向主题的p2p搜索引擎的研究.pdf

摘    要 
互联网的快速发展导致互联网信息资源的爆炸似的增长，人们在享受互联网为我们
的学****工作提供便利的同时，也为我们从庞大的互联网络中如何准确、快速地获取有价
值的信息来满足用户的个性化需求带来了不便。搜索引擎的出现在一定程度上解决了这
一问题。它使得用户从记住大量繁杂的网址中解脱出来，从而使用户能快速准确地搜索
到自己所需的信息。其快速与准确性使得搜索引擎成为互联网上最流行的应用工具之一。
然而随着互联网的发展，它仍存在一些亟需解决问题，一是如何快速准确的搜索出某一
专业主题相关的信息，诸如如何从互联网中搜索出某一商品的拍卖信息，为用户的个性
化需求提供参考；二是随着互联网信息量的剧增，如何应对当前搜索引擎体系的不断膨
胀，从而达到提高搜索引擎的整体效率的目的。
解决这一问题已成为当前搜索引擎的主要研究方向之一。本文在研究了 P2P 技术和
面向主题的搜索引擎技术的基础上，将 P2P 的 Chord 协议引入到面向主题的搜索引擎中，
提出了一种基于 P2P 的面向主题的搜索引擎的设计方案。本文首先设计了一种面向主题
的 P2P 搜索引擎的框架模型。同时简述了主题蜘蛛的搜索策略与主题相关度的计算方法，
并探讨了一种基于 DHT 的中文分词词典的设计方案以及基于 DHT 的倒排索引创建策
略，另外借鉴了 Chord 协议组织各索引结点，并用 DHT 技术组织排倒索引文件，并用实
验证明了采用 DHT 技术组织各索引文件比采用传统的双字母倒排索引技术组织各索引
文件，更能有效的提高搜索引擎的检索效率，降低搜索引擎的查询时的关键字的比较次
数。最后用户直接将查询信息请求发送给查询服务器，查询服务器通过检索 Chord 路由
表来定位索引文件和相关主题的 URL 地址来实现。

关键词：搜索引擎；P2P；索引；主题蜘蛛；相关度
Abstract
The rapid development of Internet leads to the explosive growth of Internet information
resources, people begin to consider how to quickly and accurately obtain the most valuable
information to meet user’s individual requirements while enjoying the conveniences it bring
to our life and work. The emergence of search engines, to some extent, solves this problem. It
frees the users from remembering large number of complicated URLs, thus allowing users
find their needed information quickly and accurately. Its fast and accuracy makes the search
engines become one of the most popular application tools on the Internet. However, with the
development of the Internet, there are still some problems urgently to solve. Firstly, how to
search out a series of professional-subject-related information quickly and accurately becomes
a problem, such as how to search out commodity auction information from Internet for users’
personality requirements reference. Secondly, as the rapid increase in the amo