文必龙，叶 静

(东北石油大学计算机与信息技术学院，黑龙江 大庆 163318)

信息社会的快速发展使得信息的容量达到了空前的高度.在大部分行业中，企业内容每年增加一倍以上.重要而敏感的内容遍及各处，它们存在于企业的数据库中，电子邮件的附件中，专用内容管理服务器中、分布式文件系统或私人工作区中，以及内部网和面向公众的网站中.用户需要有效的企业搜索，将分布各处的信息转化为运营优势，企业搜索引擎［1］成为研究热点.企业搜索引擎与因特网搜索引擎比较具有其特殊的特性［2］:企业搜索引擎需要面向企业网，对企业内部的信息资源进行搜索;因特网搜索引擎的搜索对象是网页和多媒体文件，而企业搜索引擎可以对企业数据库进行搜索;因特网搜索的内容和展现的信息都是完全开放，不存在安全性问题，但企业的数据涉及企业的核心利益，要求具有很高的保密性;因特网搜索和展现的内容都是网页和文件的原始形态，但企业数据库中的数据有的是以编码形式保存，需要进行专门的语义处理和代码转换，变成用户能读懂的文字、图形和报表等方式.

数据采集［3］是搜索引擎工作的第一步，只有相关的信息被爬行器抓取到才能进行下一步的数据分析工作.由于企业搜索引擎素要处理的信息［4］包括了大量的异构数据库和异构文档，需要对不同类型的信息书写不同的处理函数以提取文本.本文根据……