分布式蒙古文搜索引擎系統(tǒng)的研究與實(shí)現(xiàn).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(guó)際標(biāo)準(zhǔn)編碼發(fā)布之后，蒙古文信息化步伐加快、互聯(lián)網(wǎng)技術(shù)不斷發(fā)展，數(shù)據(jù)資源快速積累。如何能夠從大量的蒙古文數(shù)據(jù)中獲取有價(jià)值的信息，對(duì)蒙古族人民具有重要意義。作為信息檢索的重要應(yīng)用，搜索引擎技術(shù)可以滿足蒙古族人民這一迫切需求。然而，目前對(duì)蒙古文搜索引擎技術(shù)的研究才剛剛起步，尚無(wú)分布式處理方面的相關(guān)研究。
　　本文在目前較為成熟的Hadoop分布式平臺(tái)下，首先根據(jù)蒙

2、古文的構(gòu)詞特點(diǎn)和Lucene分析器的工作原理，開(kāi)發(fā)蒙古文分析器，實(shí)現(xiàn)蒙古文的詞干提取;其次，通過(guò)對(duì)Nutch增加蒙古文切詞插件以及用戶界面等相關(guān)模塊的二次開(kāi)發(fā)，實(shí)現(xiàn)Nutch對(duì)蒙古文的良好支持;最后，開(kāi)發(fā)出運(yùn)行于Hadoop分布式平臺(tái)的蒙古文搜索引擎系統(tǒng)。
　　本文主要關(guān)注蒙古文全文檢索和搜索引擎技術(shù)的基本原理、蒙古文的構(gòu)詞特點(diǎn)和詞干詞綴提取、Lucene分析器的工作原理、Nutch的框架結(jié)構(gòu)和插件機(jī)制，以及Hadoop集群搭建的