| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-21页 |
| ·分布式全文检索系统的研究背景 | 第11-14页 |
| ·分布式全文检索的国内外研究概况 | 第14-17页 |
| ·检索技术 | 第14-15页 |
| ·分布式技术 | 第15页 |
| ·文件预处理和索引管理技术 | 第15-17页 |
| ·本文研究内容 | 第17-18页 |
| ·章节安排 | 第18-21页 |
| 第2章 分布式全文检索系统相关技术 | 第21-47页 |
| ·引言 | 第21页 |
| ·分布式全文检索系统架构 | 第21-24页 |
| ·文本提取技术 | 第24-30页 |
| ·文件实时监控技术 | 第24-25页 |
| ·文件类型基本概念 | 第25-26页 |
| ·文件类型识别技术 | 第26-27页 |
| ·文件类型的规范表示 | 第27-28页 |
| ·字符编码格式 | 第28-29页 |
| ·邮件内容传输编码 | 第29-30页 |
| ·中英文分词技术 | 第30-40页 |
| ·分词基本概念 | 第30-32页 |
| ·常用的中文分词方法 | 第32-34页 |
| ·中文分词的关键问题 | 第34-39页 |
| ·中文分词的评价指标 | 第39页 |
| ·英文词根提取 | 第39-40页 |
| ·分布式搜索技术 | 第40-45页 |
| ·索引和搜索技术 | 第40-42页 |
| ·分布式搜索 | 第42-43页 |
| ·Katta简介 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 第3章 文件文本实时提取 | 第47-71页 |
| ·引言 | 第47页 |
| ·文本实时提取系统框架 | 第47-48页 |
| ·文件实时监控 | 第48-49页 |
| ·文件类型识别 | 第49-50页 |
| ·编码识别与转换 | 第50-52页 |
| ·字符编码格式识别 | 第50-52页 |
| ·字符编码格式转换 | 第52页 |
| ·文本提取 | 第52-63页 |
| ·对eml文件的文本提取 | 第55-57页 |
| ·对word和wps、rtf等文件的文本提取 | 第57-60页 |
| ·对xls和ppt系列文件的文本提取 | 第60页 |
| ·对压缩文件的文本提取 | 第60-61页 |
| ·对txt、csv、html、xml等文件的文本提取 | 第61-63页 |
| ·对pdf、wpd、图像、音频、视频文件的文本提取 | 第63页 |
| ·测试及结果分析 | 第63-68页 |
| ·本章小结 | 第68-71页 |
| 第4章 中英文分词算法 | 第71-93页 |
| ·引言 | 第71页 |
| ·分词器框架 | 第71-73页 |
| ·词典管理 | 第73-76页 |
| ·中文分词 | 第76-84页 |
| ·前向最大匹配算法 | 第76-78页 |
| ·正向增字最大匹配算法 | 第78-80页 |
| ·歧义处理 | 第80-84页 |
| ·英文分词 | 第84-86页 |
| ·中英文混合分词 | 第86-87页 |
| ·实验及结果分析 | 第87-91页 |
| ·本章小结 | 第91-93页 |
| 第5章 基于Katta的分布式索引管理 | 第93-109页 |
| ·引言 | 第93页 |
| ·分布式索引管理平台的框架 | 第93-94页 |
| ·索引管理 | 第94-97页 |
| ·接口函数 | 第94-96页 |
| ·任务管理 | 第96-97页 |
| ·用户交互页面设计 | 第97-102页 |
| ·日期区间筛选查询 | 第97-98页 |
| ·文件类型筛选查询 | 第98页 |
| ·分页查询 | 第98-100页 |
| ·页面缓存 | 第100-101页 |
| ·原始文档链接 | 第101-102页 |
| ·实验及结果分析 | 第102-107页 |
| ·实验平台搭建 | 第102-105页 |
| ·实验结果及分析 | 第105-107页 |
| ·本章小结 | 第107-109页 |
| 第6章 总结与展望 | 第109-111页 |
| ·本文工作总结 | 第109页 |
| ·研究展望 | 第109-111页 |
| 参考文献 | 第111-121页 |
| 致谢 | 第121-123页 |
| 在读期间发表的学术论文与取得的研究成果 | 第123页 |