分布式蒙古文搜索引擎系統(tǒng)的研究與實現.pdf

1、作為蒙古族地區(qū)的官方文字之一，蒙古文在人們的生活中起著重要的作用。蒙古文國際標準編碼發(fā)布之后，蒙古文信息化步伐加快、互聯網技術不斷發(fā)展，數據資源快速積累。如何能夠從大量的蒙古文數據中獲取有價值的信息，對蒙古族人民具有重要意義。作為信息檢索的重要應用，搜索引擎技術可以滿足蒙古族人民這一迫切需求。然而，目前對蒙古文搜索引擎技術的研究才剛剛起步，尚無分布式處理方面的相關研究。
　　本文在目前較為成熟的Hadoop分布式平臺下，首先根據蒙

2、古文的構詞特點和Lucene分析器的工作原理，開發(fā)蒙古文分析器，實現蒙古文的詞干提取;其次，通過對Nutch增加蒙古文切詞插件以及用戶界面等相關模塊的二次開發(fā)，實現Nutch對蒙古文的良好支持;最后，開發(fā)出運行于Hadoop分布式平臺的蒙古文搜索引擎系統(tǒng)。
　　本文主要關注蒙古文全文檢索和搜索引擎技術的基本原理、蒙古文的構詞特點和詞干詞綴提取、Lucene分析器的工作原理、Nutch的框架結構和插件機制，以及Hadoop集群搭建的