构建面向WARC 文档的全文索引系统后印本

作者： 胡吉颖 ¹ 吴振新 ¹ 谢靖 ¹ 张智雄 ¹
作者单位：

1. 中国科学院文献情报中心北京 100190
提交时间：2017-10-11 13:20:06

摘要: 【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。

网络存档 WARC文件模块化解析 Solr 索引

分类： 图书馆学、情报学 >> 情报学
引用： ChinaXiv:201711.01204 (或此版本 ChinaXiv:201711.01204V1)
DOI:10.12074/201711.01204V1
CSTR:32003.36.ChinaXiv.201711.01204.V1
推荐引用方式： 胡吉颖,吴振新,谢靖,张智雄.(2017).构建面向WARC 文档的全文索引系统.数据分析与知识发现.[ChinaXiv:201711.01204] (点此复制)

版本历史

[V1]

2017-10-11 13:20:06

ChinaXiv:201711.01204V1

下载全文

相关论文推荐

1. 基于CiteSpace的新质生产力研究现状及热点可视化分析	2024-06-11
2. 科技论文数据库作者识别号的适用性研究	2024-06-06
3. Hindawi期刊批量撤销论文分析	2024-06-05
4. 中华体育精神知识图谱分析	2024-06-03
5. 农村公共文化服务助推我国乡村振兴的模式探索与价值创新	2024-06-02
6. AIGC 赋能智慧图书馆建设:基础、特征、场景及策略	2024-06-02
7. 前景·质素·路径:ChatGPT 赋能智慧图书馆建设研究	2024-06-02
8. 《学术出版透明与最佳行为准则》更新及其对中国学术期刊的启示	2024-05-28
9. 强化故事力打造优质短视频显著提升阅读推广效果	2024-05-22
10. 英国大型阅读推广项目多元协作模式解析	2024-05-20


公开评论匿名评论仅发给作者

构建面向WARC 文档的全文索引系统 后印本

版本历史

相关论文推荐

构建面向WARC 文档的全文索引系统后印本