标题：面向烟草行业的搜索引擎的研究与应用
作者：陈龙飞 何利力
作者单位：浙江理工大学信息学院，浙江 杭州 310018
关键字：搜索引擎，网络爬虫，主题判别，烟草行业
摘要：立足烟草行业，结合笔者在实际项目中的开发经历，介绍了垂直搜索引擎的设计思路。分别对用户接口模块、检索模块、网页解析模块、网络爬虫模块进行了梳理与总结，重点阐述了网络爬虫的主题判别思路。在主题判别的过程中，将预判因子、元信息因子、词库因子纳入主题相关度的计算，提高了搜索引擎的查准率。