| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 中文分词研究现状 | 第9-10页 |
| 1.3 搜索引擎概述 | 第10-13页 |
| 1.3.1 搜索引擎简介 | 第10-11页 |
| 1.3.2 搜索引擎发展历史及现状 | 第11-13页 |
| 1.4 本文研究内容 | 第13-14页 |
| 1.5 论文结构安排 | 第14-15页 |
| 2 中文分词概述 | 第15-28页 |
| 2.1 中文分词词典机制 | 第15-19页 |
| 2.1.1 基于整词二分词典机制 | 第15-16页 |
| 2.1.2 基于Trie索引树词典机制 | 第16-17页 |
| 2.1.3 基于逐字二分词典机制 | 第17-18页 |
| 2.1.4 基于双字哈希的词典机制 | 第18-19页 |
| 2.2 中文分词主要方法 | 第19-22页 |
| 2.2.1 基于字符串匹配的分词算法 | 第20-21页 |
| 2.2.2 基于统计的分词算法 | 第21-22页 |
| 2.2.3 基于理解的分词算法 | 第22页 |
| 2.3 中文分词难点 | 第22-27页 |
| 2.3.1 分词歧义 | 第22-24页 |
| 2.3.2 新词识别 | 第24页 |
| 2.3.3 分词规范 | 第24-25页 |
| 2.3.4 歧义采集方法 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 最大匹配算法改进及词典优化 | 第28-42页 |
| 3.1 最大匹配算法分析及改进 | 第28-34页 |
| 3.1.1 最大匹配算法分析 | 第29-30页 |
| 3.1.2 最大匹配算法改进思路 | 第30-32页 |
| 3.1.3 改进后的正向最大匹配算法 | 第32-34页 |
| 3.2 双字哈希词长分组词典机制设计 | 第34-36页 |
| 3.3 基于双字哈希词长分组词典结构的最大匹配改进算法 | 第36-39页 |
| 3.4 分词歧义处理 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 4 改进算法在Lucene中的应用实现 | 第42-55页 |
| 4.1 搜索引擎开发平台Lucene | 第42-44页 |
| 4.2 Lucene系统结构 | 第44-46页 |
| 4.3 Lucene索引和检索实现 | 第46-47页 |
| 4.3.1 Lucene索引实现 | 第46-47页 |
| 4.3.2 Lucene检索实现 | 第47页 |
| 4.4 中文分词模块框架设计 | 第47-49页 |
| 4.5 构造GaiJinAnalyzer分词器 | 第49-52页 |
| 4.6 优化的词典机制实现 | 第52-53页 |
| 4.6.1 词典的结构 | 第52页 |
| 4.6.2 词典的建立 | 第52-53页 |
| 4.7 基于改进算法的分词工具 | 第53-54页 |
| 4.8 本章小结 | 第54-55页 |
| 5 实验结果及性能测试 | 第55-61页 |
| 5.1 算法测试环境及衡量标准 | 第55页 |
| 5.2 实验结果及性能比较 | 第55-60页 |
| 5.2.1 验证词典性能 | 第57-58页 |
| 5.2.2 分词算法比较 | 第58-60页 |
| 5.3 实验结果总结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间发表的学术论文 | 第67-69页 |