三、项目开发计划
1、开发规模计划
由于本项目是作为课程作业来做的，受到时间和人力等方面的约束，我们在实际开发中只能减小问题的规模，开发一个demo程序的原型系统。初步计划是，抓取网页只在北大未名和水木清华两大bbs的相关版面进行。在此基础上进行网页信息的提取，分词，建立索引，然后实现对输入关键词的解析，匹配查询，结果排序，返回到页面显示等工作，从而完成概念上的实现，给出初步的系统原型。
2、初步开发计划
(1)界面
类似于baidu和google的界面，用户可以输入搜索条件，点击搜索按钮后，下面排列出符合条件的结果。稍微不同的是，由于租房信息跟地域(城市、地区)紧密相关，所以在用户输入搜索条件前，要先让用户选定一个地区，然后再进行搜索。这里我们仅考虑北京市城区。
(2)后台
初步考虑分为以下几个模块：
A.网页抓取模块：对北大未名和水木清华两大bbs相关版面，利用crawler进行抓取。
B.网页分析模块：提取网页中有用的信息，保存为文本格式。
C.网页分段模块：采用合适的分段技术，将每个文本分成多段。
D.索引建立模块：对分好的段进行分词、标注、词频统计等工作，建立全文索引。
E.查询匹配：将用户输入的关键词，采用合适的查找算法与索引进行逐一匹配，将符合的内容提取出来，返回到界面。
F. 排序：考虑相似度和时间等因素，将结果越接近，时间越新的内容排到前面。