醫(yī)療器械垂直搜索引擎的設計與實現(xiàn).pdf

1、隨著我國互聯(lián)網技術在醫(yī)療行業(yè)的不斷滲透，傳統(tǒng)的醫(yī)療器械產品信息獲取渠道逐漸轉移到線上，越來越多的醫(yī)療器械產品信息被發(fā)布到網上，但海量的互聯(lián)網數(shù)據和多而雜亂的干擾信息為醫(yī)療機構設備科、醫(yī)療器械從業(yè)人員及醫(yī)療器械消費群體獲取醫(yī)療器械產品信息帶來了諸多不便。而通用搜索引擎由于搜索信息量過大、存在商業(yè)廣告排名等現(xiàn)象，也不利于醫(yī)療器械搜索用戶便捷可靠的獲取醫(yī)療器械產品信息。
　　因此，本文通過研究垂直搜索引擎的工作原理和相關技術，結合醫(yī)療器

2、械產品信息的特點和用戶需求研究并實現(xiàn)了一個醫(yī)療器械垂直搜索引擎。本文主要研究了以下內容：
　?。?）基于對全文檢索框架和垂直搜索引擎相關技術的研究，以及對醫(yī)療器械信息檢索存在的問題的分析，提出了本文需求與目標，設計了醫(yī)療器械垂直搜索引擎的整體架構和工作流程；
　?。?）基于鏈接模板樹規(guī)則定制了醫(yī)療器械主題爬蟲的抓取策略，使用鏈接散列算法實現(xiàn)了主題爬蟲的多線程抓取，消除了爬蟲協(xié)議的限制，有效控制了醫(yī)療器械主題爬蟲的抓取范圍，提

3、高了爬蟲的抓取效率；
　?。?）基于DOM樹結構定制了醫(yī)療器械產品信息的抽取策略，對醫(yī)療器械產品信息相關的節(jié)點信息進行抽取和保存，實現(xiàn)了醫(yī)療器械產品信息網頁的噪聲過濾和文本結構化；
　?。?）結合醫(yī)療器械產品信息的特點和用戶的檢索需求，在開源中文分詞器mmseg4j的基礎上定制了基于醫(yī)療器械專業(yè)詞典的全切分算法和醫(yī)療器械產品型號切分算法，結合Lucene的分詞機制形成了自定義醫(yī)療器械中文分詞器，并基于醫(yī)療器械本體研究了醫(yī)療器

4、械專業(yè)詞庫的構建方法，基本實現(xiàn)了對細粒度鍵詞檢索和對產品型號檢索的功能；
　　（5）構建數(shù)據庫-索引庫雙重存儲結構，運用Lucene的索引技術在結構化存儲信息的同時結合自定義的醫(yī)療器械產品信息分詞器建立文本的倒排索引，進而運用Lucene的檢索技術設置不同域的檢索和排序，使用戶在醫(yī)療器械搜索界面可以進行多域搜索和使用部分排序、篩選功能。
　　經測試分析，本文的醫(yī)療器械垂直搜索引擎達到了搜索醫(yī)療器械產品信息的要求，可以在一定程