本項目是第九屆服創大賽的A組賽題，旨在解決龐大的文檔分類問題，快速檢索所鍵入的關鍵字信息。提供安全科學合理的權限訪問機制。在我看來，本系統就是兩個核心點第一訪問信息快速準確，第二安全科學合理的權限管理，其他還有知識分類，知識上傳，下載等等。

本系統采取的后端的技術（本人負責后端）：（

一、系統架構

SSM 三大框架。

通過Maven 構建，github 實現版本管理。

搜索模塊：

Lucene 全文檢索 Hanlp 中文智能分詞。

Redis 緩存歷史查詢記錄。

知識結構分類模塊：

提供知識結構兩級分類，知識在數據庫中保存樹的結構。

結合Echarts 智能提取每個節點繪制知識圖譜。

Mahout 三種協同過濾算法，智能推薦知識。

權限管理模塊：

Shiro 權限管理，用戶-角色-權限權限管理

二、功能簡介

嚴格權限管理。基于shiro的權限管理，有一個超級管理員，管理員，用戶，管理員可以對知識進行維護，如知識增刪，審批發布打印，知識質量評判等。

多種格式的批量上傳下載更新以及上傳前能夠對資源進行預覽。導入導出支持zip ,txt ,pdf , docx多種格式，同時導出支持手動和自動。

知識圖譜。將海量但有關系的知識，自動構建知識圖譜，用戶可點擊知識圖譜相關節點進行查看。

快速而精準的搜索功能。提供全文，全拼，首字母，關鍵詞等多種查詢功能，以及搜索是提供關鍵詞提示搜索按熱點知識和時間排序。

知識關聯功能。對知識點同類型，具有相同關鍵字的知識進行關聯展示，也能通過專家判斷進行診斷式推理關聯，形成以某一知識問題為核心，逐層分析推理為分支的知識關聯體系。

知識審批流程功能。用戶上傳的知識或要發表的知識需要由超級管理員指定的相關專家進行審查后，才能上傳到我們的KnowAll云數據庫或者進行發表。

熱點知識統計（點擊率，點贊收藏率等）。根據用戶評分，用戶的收藏，用戶的點贊或不喜歡數量以及知識被瀏覽點擊數量，對知識進行統計。

用戶收藏點贊評論分享。用戶可以根據自己的喜愛對知識點贊和不喜歡評分

知識分類。按時間，點擊率等對知識進行分類，并對知識分熱點和高中低多個等級

知識收藏。課程收藏，收藏視頻，更快捷的找到并學習自己所收藏的視頻。

三，特色綜述

智能構建知識圖譜

根據知識跟節點遍歷查找所有的子節點，結合Echarts繪制出知識圖譜

???

?個性化知識推薦功能

基于協同過濾的推薦引擎的輸入是用戶的歷史偏好信息， Mahout 提供的協同過濾的推薦策略，我們選擇其中最經典的三種，User CF, Item CF 和 Slope One

?? 2.? 知識的關鍵字提取功能

我們使用的基于TextRank算法提取關鍵詞同時結合TF-IDF統計詞條到我們數據庫。能夠為用戶提供快速精準的知識定位與推薦功能。

? 3? .多文件拖拽式及文件格式檢查和預覽式上傳

支持批量上傳，上傳時用bootStrap? fileinput? 結合百度富文本UEditor? 支持多文件拖拽上傳并且支持上傳時格式檢查和預覽。

? 4.無緩沖式，多格式知識在線預覽

用ffmpeg處理視音視頻文件, openoffice轉化office文檔，itextpdf、poi處理office，red5-server搭建流媒體服務 用Ckplay 播放器來在線預覽各種格式。

??? 5.企業級的統一知識搜索

系統在采用Lucene的基礎上，引入了Hanlp自然語言處理技術。同時將歷史查詢結果保存在Redis 非關系型數據庫。查詢速度達到百萬條/毫秒，增加詞典，增強分詞效果。

四、問題與解決方案

知識文檔龐大，歸類麻煩：該系統建立智能知識圖譜，海量數據查找方便。文檔分類結構清晰

如何準確和快速全文檢索：采用Hanlp 智能中文分詞建立Lucene 索引庫，搜索結構準確，對歷史查詢結果緩存在redis中，這樣解決了搜索數量大慢的問題，基本能夠滿足初級企業級搜索要求。

批量上傳：使用支持多文件上傳的插件Fileinput 后臺多線程并發處理轉換成文件流。

知識在線預覽：用ffmpeg處理視音視頻文件, openoffice轉化office文檔，itextpdf、poi處理office，red5-server搭建流媒體服務 用Ckplay 播放器來在線預覽各種格式。增強用戶體驗實現類似主流播放網站的強大功能。

中文錯別字識別：集成JcJc 自動識別錯別字功能。

五、產品優勢

六、一些項目截圖

'

下載地址：

https://github.com/gb1998/

謝謝

總結

以上是生活随笔為你收集整理的企业知识库管理系统的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。