CS1807-U201814745-朱槐志1

【课程名称】：Java语言程序设计 【实验名称】：基于内存的搜索引擎设计和实现 【学生姓名】：朱槐志 【指导教师】：纪俊文 **一、需求分析** 本次实验要求设计并实现一个基于内存的英文全文检索搜索引擎。主要功能包括： 1. **索引构建** - 读取指定目录下的`.txt`格式文本文件内容。 - 将内容分词，过滤掉数字、停用词（如"the", "is", "and"等）、长度小于3或大于20的单词。 - 使用Java集合类在内存中建立经过过滤的单词倒排索引。 - 索引对象可以序列化到文件，并能从文件反序列化回内存。 - 能在控制台输出索引内容。 2. **单个关键词搜索** - 根据关键词搜索，返回匹配结果集合。 - 计算每个命中文档的得分，并按得分排序。 - 输出命中文档的详细信息，包括路径、内容、关键词出现次数和得分。 3. **多个关键词搜索** - 支持两个关键词的“与”或“或”查询。 - “与”查询返回同时包含两个关键词的文档集合，“或”查询返回包含任意一个关键词的文档集合。 - 对每个命中文档计算得分，按得分排序，并显示详细信息。 4. **短语检索** - 实现包含两个相邻单词的短语检索，这两个单词必须出现在同一文档中。 额外要求： - 继承预定义的抽象类，实现预定义接口，不得修改已有数据成员和方法。 - 类和方法需添加Javadoc注释，生成API文档。 - 使用统一的测试数据集和案例进行功能测试，结果输出到文本文件。 - 仅需基于控制台实现，提供运行截图。 **二、系统设计** 1. **概要设计** 系统分为两大部分：索引构建模块和查询模块。 - **索引构建模块** - **文档处理模块** - 提取模块：读取文档内容，转化为包含文档ID、路径和TermTuple列表的二进制流。 - 过滤模块：过滤不符合要求的TermTuple。 - **索引生成模块** - 合并文档处理结果，创建包含文档ID-路径映射和Term-PostingsList映射的索引。 - **查询模块** - 处理单个关键词和多个关键词的搜索请求，以及短语检索。 2. **详细设计** - 索引构建中，文档处理模块可能包含一个BufferedReader类用于读取文件，一个Tokenizer类用于分词，以及一个Filter类用于过滤无效词。 - 索引生成模块可能包含一个IndexBuilder类，负责整合过滤后的TermTuple并构建索引结构。 - 查询模块包含一个IndexSearcher类，负责执行搜索操作，可能包含singleKeywordSearch()、multiKeywordSearch()和phraseSearch()方法。 - 短语搜索功能需要在IndexSearcher类中新增phraseSearch()方法，并编写TestPhraseSearchIndex测试类。 在实现过程中，应遵循预定义的抽象类和接口，确保代码的可扩展性和一致性。同时，使用Javadoc注释提高代码的可读性，并自动生成API文档以便于理解和维护。通过统一的测试数据集和案例，确保搜索引擎功能的准确性和性能。