构建面向WARC文档的全文索引系统

来源 :现代图书情报技术 | 被引量 : 0次 | 上传用户:qvwen2005
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
【目的】开发网络信息存档WARC文件的解析与索引系统,充分挖掘科技网站存档资源价值。【应用背景】在网络资源采集存档领域,WARC文件格式获得了广泛的应用。随着网络信息的多样化,已有的WARC文件索引工具越来越难以满足用户多样性的查询需求。【方法】采用模块化方案解析WARC文件。分析比较常用的索引工具,选择Solr平台开发全文索引系统。【结果】实现对WARC文件基于内容的检索访问服务,并在WARC的索引中增加了学科分类、资源类型和存档时间等分面检索内容,从多维度对WARC文件内容进行揭示。【结论】向用户提供了丰富的科技网站存档数据信息,提高了用户检索访问效率。 [Objective] To develop a web information archive WARC file parsing and indexing system to fully tap the value of scientific and technological web site archived resources. Application Background In the field of network resource collection and archiving, WARC file format has been widely used. With the diversification of network information, the existing WARC file indexing tool is increasingly difficult to meet the user’s diverse query needs. 【Method】 Analyze WARC file with modular scheme. Analyze the more commonly used indexing tools, choose Solr platform to develop full-text indexing system. 【Result】 The content-based retrieval and access service to WARC files was realized. In the index of WARC, the content of subject classification, resource type and archive time were added to retrieve the contents of WARC files, revealing the content of WARC files from multiple dimensions. 【Conclusion】 The user is provided with a wealth of science and technology website archived data and information to improve the retrieval efficiency of the user.
其他文献
快速阅读在高校英语教学中越来越受到重视。加强词汇、语法教学,通过广泛阅读熟悉背景文化,掌握一定的阅读技巧,培养良好的阅读习惯和心理素质,对于提高快速阅读的能力,有着
<正> 厂矿在生产过程中会产生不同程度的粉尘。这些粉尘不仅污染厂区环境及大气,危害人们的健康,还严重威胁现场操作人员的生命,这是因为某些粉尘在特定情况下会发生爆炸。人
<正>董氏奇穴作为当今台湾四大针灸流派之一,近年在大陆针灸界产生了一定的影响,特别是在杨维杰、邱雅昌等董氏奇穴传人在大陆开办培训班之后,董氏奇穴的应用越来越多。兹就
目的:观察中西医结合治疗中重度痤疮的临床疗效。方法:60例随机分为观察组和对照组各30例,对照组用盐酸米诺环素口服,观察组用盐酸米诺环素口服及中药面膜外敷。结果:总有效
运动性踝关节损伤作为学校体育中的常见伤病,越来越受到广大体育工作者的重视。从踝关节运动损伤的解剖结构及发生原因的角度上,分析研究治疗踝关节运动损伤的方法及其预防措
目的:探究和分析替加环素在治疗多或者耐药鲍曼不动杆菌肺炎的临床治疗效果。方法:2016年3月-2018年3月收治所有多或泛耐药鲍曼不动杆菌肺炎患者110例,按照数字随机法将患者1
在参考中外文章的基础上,以综合述形式介绍了国内外固体废物处理处置技术发展概况。对我国固体废物处理处置及综合利用发展提出了建议。
目的系统评价普罗布考抗氧化作用及其预防再狭窄的效果,以观察其对动脉硬化进程的影响。方法采用Cochrane系统评价的方法,电子检索PubMed(1966~2007.9)、EMBASE(1980~2007.9)、
DanielGile于七十年代末提出了译员精力分配模式,认为同传是一个三种精力交织、共存的配合过程:听力理解精力、记忆精力和组织译语的精力,即:同传=听力分析+翻译+记忆+协调。