【摘 要】
：
为了解决期刊论文的大量存储、PDF文本解析、无法快速准确搜索等问题,文章首先使用HDFS分布式系统存储大量期刊论文,其次采用PDF抽取技术将非纯文本格式的PDF期刊转换为纯文
【基金项目】
：
国家自然科学基金项目(61672041)
论文部分内容阅读
为了解决期刊论文的大量存储、PDF文本解析、无法快速准确搜索等问题,文章首先使用HDFS分布式系统存储大量期刊论文,其次采用PDF抽取技术将非纯文本格式的PDF期刊转换为纯文本格式,然后分析比较主流中文分词器,最后采用倒排索引、分布式索引和优化相关度排序算法等,分析并设计了一个面向期刊论文的搜索引擎。实验结果表明,本文有效的解决大量论文的存储和访问,缩短建立索引时间,提高了搜索结果的准确性。
其他文献
生物柴油生产过程中需要解决的一个关键技术问题是油相与醇相的非均相混合，即传质对反应的影响显著。本研究利用水力空化技术进行液一液非均相微观混合，考察了温度、空化元件入
本文论述了用废铁屑合成氧化铁黑的基本原理,提出了制备氧化铁黑的实验方法及工艺,并通过对比实验确定了制备氧化铁黑的最佳工艺条件.
农产品营销课程精品资源共享建设可以培养大学生的创新创业观念。基于此,介绍专业教学与资源建设的内容和意义,明确其在当前“双创”视角下的重要性,从教学模式创新与方法创
胃癌发生的机制目前仍未被完全阐明，尽管胃癌的诊断和治疗技术已得到较大程度的提高，但其预后仍然不能让人满意，早诊早治是提高胃癌总生存率的关键，常见的肿瘤标志物在临床应用上
随着科学技术的不断发展,电气行业迎来了发展的高峰期,这也使得电气控制得到了广泛的关注。因此,本文将对PLC技术在电气控制应用中出现的问题进行分析,并提出针对性的措施,同
背景抽动-秽语综合征(Tourette’s syndrome,TS)是一种无意识的、无目的的、重复的刻板活动为特征的神经精神性疾病。临床表现为头面、腹部及四肢不自主的抽动,喉部发出奇特
禽类胫骨软骨发育不良(TD)在世界各国呈广泛分布,每年给禽类行业造成不可估量的经济损失。对TD产生的原因进行了概述,以期为禽类生产中预防此类疾病提供参考。
据长白山气象局多年以来的气象观测总结,落叶松主要虫害松毛虫的暴发年份和气象条件有着密切的相关性。基于此,分析松毛虫暴发年份的气象因素,找出与松毛虫发生发展相关的气
仓储管理是物流管理的重要环节，仓储成本占物流成本较大的比重。仓库容量的有效利用是仓储管理中容易被忽视的环节。库容量的损失主要考虑两个方面的因素：一是平面的损失，就是通
上三叠统延长组长63油层是鄂尔多斯盆地华庆地区重要的勘探目的层。笔者从取心井岩心与测井资料入手,通过对长63油层沉积相精细研究,认为长63油层为三角洲前缘湖底滑塌浊积扇