1、Web2.0的迅速普及帶給人們豐富信息的同時(shí)，也使人們對信息的把握能力大大下降，龐大的信息量已經(jīng)超出了人們預(yù)期的設(shè)想。傳統(tǒng)的信息檢索系統(tǒng)已經(jīng)不能滿足用戶需求，通用搜索引擎的出現(xiàn)滿足了一般用戶的基本需求，但它在特定領(lǐng)域的主題搜索和用戶個(gè)性化搜索服務(wù)方面仍有不足。本文提出的基于個(gè)性化服務(wù)的汽車主題搜索引擎系統(tǒng)正是為了彌補(bǔ)這些方面的不足。
　　 本文首先介紹了搜索引擎的研究背景和工作原理，接著深入分析Heritrix網(wǎng)絡(luò)爬蟲的體系架構(gòu)

2、，擴(kuò)展Heritrix的相關(guān)組件以定制汽車主題網(wǎng)絡(luò)爬蟲，并引入U(xiǎn)RL散列算法ELFHash算法改變Heritrix網(wǎng)絡(luò)爬蟲原有的Key分配策略，使得爬蟲可以多線程抓取同一域名下的網(wǎng)頁，實(shí)現(xiàn)了汽車主題爬蟲的多線程，高效抓取網(wǎng)頁的目的。
　　 本文采用Lucene全文檢索框架作為系統(tǒng)的搜索框架，介紹了全文檢索的基本原理和Lucene的相關(guān)技術(shù)：索引技術(shù)、排序技術(shù)等，并在此基礎(chǔ)上指出Lucene原有結(jié)果排序方法的不足，它僅僅是以網(wǎng)頁內(nèi)

3、容的相關(guān)度作為網(wǎng)頁排序的依據(jù)，不能客觀的反映網(wǎng)頁的重要性，為此在Lucene原有的排序算法的基礎(chǔ)上引入谷歌的PageRank算法，將二者結(jié)合起來，改進(jìn)了原有排序算法。
　　 在上述理論研究工作的基礎(chǔ)上，本文設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于個(gè)性化服務(wù)的汽車主題搜索引擎系統(tǒng)，從用戶的購車需求入手，將系統(tǒng)分為汽車主題爬蟲模塊、汽車網(wǎng)頁信息抽取模塊、索引模塊和用戶查詢模塊四個(gè)模塊，并詳細(xì)的介紹四個(gè)模塊的技術(shù)原理和實(shí)現(xiàn)方法。
　　 最后，本文