肖 巍,唐东凯,孙境棋,刘泽豪

(长春工业大学 计算机科学与工程学院，吉林 长春 130012)



基于Lucene和协同过滤算法的知识推送

肖 巍,唐东凯,孙境棋,刘泽豪

(长春工业大学 计算机科学与工程学院，吉林 长春 130012)

将Lucene检索技术、IKAnalyzer分词器以及Tika文本提取技术相结合进行智能文件检索及分类。然后根据用户的检索结果对文件关键字进行权值设置，用户关注度越高，则关键字权值越大。使用协同过滤算法根据用户查找的内容对用户关注度高的文件进行推送。

Lucene; IKAnalyzer; Tika; 协同过滤算法

0 引 言

互联网上的学术论文、期刊文献、专利数据库、网络媒体、社交平台(微信、微博、博客、论坛)等载体上蕴藏着大量的专家研究成果、学术观点、工作动态及最新言论等信息。在知识的不断增加过程中，由于知识的来源不同、用途不同、载体不同等，往往导致知识的时间链条错乱、关联知识无法有效检索、各类知识无法综合运用等问题的出现，伴随知识的持续积累，这种问题愈发突出。如何能够在快速有效地检索出所需知识的同时推送相关知识内容已经成为目前研究的重点。

1 智能知识检索(LUCENE+IKAnalyzer+TIKA)

智能检索采用Lucene搜索技术、IKAnalyzer分词器以及Tika文本提取三大技术相结合，提高了检索精度，节省了检索时间。Lucene是一个高性能的全文检索工具[1]。Lucene包含了两个主要的服务：索引和检索。

1.1 Tika文本提取

文本索引是Lucene重点构造的一个索引区域，为高性能内容查询而创建的知识库，并提供了丰富的API，可以与存储在索引中的内容交互，但是Lucene在创建索引时无法满足深入到文件内容中建立文件内容的索引[2-3]。……