移动互联网位置检索关键技术与Solr实现

"这篇论文是关于人工智能领域中的机器学习在移动互联网信息集成和位置检索中的关键技术研究与应用。作者Li Guoxiong在西安电子科技大学完成了这篇硕士论文，由刘辉副教授指导，于2015年11月提交。论文主要探讨了如何在移动设备上更有效地获取和定位信息，以及利用位置服务提供个性化服务。 论文首先介绍了移动互联网搜索的挑战，如智能手机的硬件限制导致在大量信息中找到精确和个性化结果的难度。接着，位置服务被定义为基于GIS（地理信息系统）的，能够提供精确地理位置服务的技术。特别是在社交媒体和生活服务类应用中，附近搜索功能成为提供精准服务的重要工具。论文进一步阐述了垂直型位置搜索服务，它是将特定行业的信息与附近搜索相结合，以提供更个性化的信息。 在技术实现部分，论文基于开源全文搜索引擎Solr构建了一个位置服务检索系统。这一系统包括信息集成子系统和移动互联网位置检索子系统两大部分。信息集成子系统利用网络爬虫技术，涉及任务调度、URL去重、网页析取和存储等关键技术。任务调度模块采用深度优先的URL调度策略；URL去重借助Bloom Filter算法；使用rpyquery解析HTML页面，并研究了网络爬虫的伪代理和反防盗链技术；存储部分设计并实现了与MySQL数据库的交互接口。 移动互联网位置检索子系统则关注空间索引、索引创建、搜索、缓存和分布式五个核心环节。在空间索引中，论文深入研究了GeoHash和Cartesian Tiers分层算法，特别是GeoHash的编码过程。索引创建模块涉及smarten、IKAnalyzer和Ansj三种中文分词算法的实现；搜索模块探讨了构建查询语句的方法；缓存管理则优化了数据检索速度。 这篇论文深入探讨了移动互联网环境下，如何运用机器学习和人工智能技术来解决信息集成和位置检索的问题，为移动搜索的个性化和效率提升提供了理论支持和技术方案。"