寻药系统计划书.doc

项目计划书寻药系统计划书编 写 人：陈宇 刘晶 闫研 张鹏 张云洁编写日期：2008 年 11 月 20 日文档修订记录版本编号说明：如形成文件、变更内容和变更范围日期变更人批准日期批准人1. 系统描述1.1. 选题背景当下Google和Baidu等优秀搜索的搜索引擎掀起互联网的第二次热浪，它们让信息无处不在，正在改变我们的生活。但传统的搜索引擎大多还是全文搜索引擎，搜索对象为整个web，而不是某个特定领域。垂直搜索是针对某一个行业的专业搜索引擎，是搜索引擎的细分和延伸，是对网页库中的某类专门的信息进行一次整合，定向分字段抽取出需要的数据进行处理后再以某种形式返回给用户。健康是人生最宝贵的财富，人们在生活中少不了要求医问药。互联网上现有的关于医药的信息庞杂，每个与医药相关的网站都会发布大量信息，用户常常无法从海量的信息中找到自己想要的信息。为了能让用户更直接有效获取关于医药方面的信息，我们小组为用户设计一个针对医药的垂直搜索引擎。1.2. 系统简介功能简介l 提供各种药品的基本资料和交易信息：其中包括药品说明书、生产厂商、供应商、价格l 采集关于该药品使用的临床反馈信息(包括患者和医生专家的反馈信息)，并分析系统收集到的反馈信息，对反馈信息进行分类(包括疗效、使用禁忌、优惠的购买渠道)等，供用户参考。1.3. 运行环境Windows2000以上，联网（IE6以上浏览器）。2 系统简介2.1基本技术1Spider技术：抓取目标网站的内容，主要抓取以下几类网站的信息：药品信息专业网站、药厂网站的药品介绍页面。为了保证服务的质量，提供最新的药品信息，要做到每天进行网页的抓取。可能遇到的问题是如何选取种子集合？如何进行动态页面的抓取？这些都需要研究和解决。2网页结构化信息抽取技术或元数据采集技术：自动识别和提取结构化数据。3分类技术：预先设定药品的种类，将抓取到的药品信息去重分类，存入数据库，为索引并以搜索的方式满足用户做准备。4GUI界面技术：接受用户查询，提供查询结果，并对结果的排序。排序策略需要按照查询与文档内容的相关度进行，同时可以考虑药品的性价比因素。2.2系统基本框架结构：前台GUI系统信息预处理与分类系统药品基本信息采集系统反馈信息采集系统股评意图自动识别及判断系统（SVM）2.3子系统功能描述1、 药品基本信息采集系统通过分析动态网页的生成方式，动态生成每种药品基本信息的url，从而将每个药品的基本信息从网上抓取下来，对抓取的网页进行分析，去掉其中的冗余信息，形成完整的药品基本信息html文件2、药品反馈信息采集系统定期到各大网站或论坛自动搜索并抓取相关药品使用反馈文章3、信息预处理及分类系统首先对药品信息进行去重过滤，抽取关键信息如药品成分、主治、价格等后存入数据库，用于后面生成网页；对反馈信息进行分类，存入数据库相关字段。4、前台GUI系统本子系统根据用户请求，动态的从后台数据库中为其生成相应页面，返回给用户。2.4 系统评价指标1全面性 2更新性 3准确性 4功能性3 进度计划11月底，学习所需知识，在组内进行定期讨论；12月初，开始搭建原型系统，暂不考虑过多的细节；12月20日，完成原型系