学海网

硕士学位论文 面向专利主题的分布式搜索引擎的研究
摘要
针对专利信息的应用在科研和专利业务的诸多方面起着重要作用，快速，准确地检索专利信息可以大大提高研究效率、降低经费投入、提高技术研发和专利工作质量。技术决策机构、企业、大学、研究机构以及专利代理、专利审查和专利诉讼机构在开展专利战略、专利研发工作中离不开专利信息。本文针对全球各大专利机构（美国，欧洲，世界，中国，日本，韩国，台湾）的专利信息构建搜索引擎。本系统由Spider,索引器，分析器，检索器，任务管理器五部分组成，涉及的关键技术:Spider，负载均衡，排序，并行处理模型,缓存机制等。由于搜索引擎处理的专利信息数据量十分庞大，而且每年还以惊人的速度增长，搜索引擎设计成分布式并行处理的系统同时用若干机器协同计算处理，分布式并行的方法可以取得更好的性价比；处理效能；安全性；扩展性。本文论述构建一种基于分布式并行计算技术的Web搜索引擎模型架构。采用分布式并
行编程模式，选用了任务分发和SPMD模式。采用功能分解、迭代分解、几何分解相结合的分解技术。在并行编程中线程是流行的模型，在并行计算上采用Java Thread和Thread Group的编程模型。消息传递对分布式的并行编程是有效的，在分布式计算的消息传递上采用Java的Socket通信方式。
关键词：专利，分布式，Spider，分词，并行