文本數(shù)據(jù)索引技術(shù)研究及其在數(shù)字圖書館中的應(yīng)用.pdf

1、數(shù)字圖書館是二十一世紀全球文化科技競爭的焦點之一。這種競爭既是科學(xué)技術(shù)的競爭，更是知識經(jīng)濟時代的市場競爭。數(shù)字圖書館的建設(shè)已經(jīng)成為當前評價一個國家信息基礎(chǔ)水平的重要標志，也是近年來發(fā)達國家十分重視的基礎(chǔ)性項目。數(shù)字圖書館具有收藏數(shù)字化、操作電腦化、傳遞網(wǎng)絡(luò)化、信息存貯自由化、資源共享化、結(jié)構(gòu)連接化的特點。 信息檢索是建設(shè)數(shù)字圖書館涉及到的多項技術(shù)之一。在龐大的信息資源中為用戶提供科學(xué)、高效的檢索信息的手段，是數(shù)字圖書館應(yīng)具有的一

2、項重要功能。 本文對直接影響數(shù)字圖書館建設(shè)的相關(guān)技術(shù)問題加以介紹，論述了目前國內(nèi)外在數(shù)字圖書館方面的研究現(xiàn)狀，介紹了中文全文檢索的定義、建立中文全文索引的難點問題、以及目前對中文文本文件建立全文索引的三種實現(xiàn)方案。并針對該問題重點研究了數(shù)字圖書館中文本數(shù)據(jù)的索引技術(shù)，包括對以XML和MARC二種格式描述的元數(shù)據(jù)文本文檔建立主題索引和對中文文本文檔建立全文索引二個方面，論述了解析這兩類元數(shù)據(jù)提取索引單元的相關(guān)技術(shù)和方法。

3、同時，設(shè)計了一個數(shù)字圖書館系統(tǒng)的體系結(jié)構(gòu)，并給出圖示，接著對系統(tǒng)中各個組成部分的功能進行了介紹，然后論述了在該設(shè)計方案下，系統(tǒng)是如何工作的，最后分析了本系統(tǒng)的特點。 最后，介紹了系統(tǒng)中索引生成器的具體實現(xiàn)。給出了對以XML和MARC格式描述的元數(shù)據(jù)文本文檔建立主題索引和對中文文本文檔建立全文索引的實現(xiàn)過程。對XML和MARC格式元數(shù)據(jù)的解析是采用的SAX接口即基于事件觸發(fā)的方法。對中文文本文檔建立全文索引時是選擇雙字符作為索引單