CAJ | 학술논문

针对Nutch网页排序算法和中文分词的不足以及单机运行的效率问题，在Nutch综合网页排序中添加用户点击率、网页发布时间以及主题内容相关度3个影响因子，同时添加JE中文分词器，最后利用基于 HDFS的 HBase技术使Nutch能够实时高效地索引和检索海量数据。通过对实验结果数据的分析发现，Nutch的爬取和索引效率提高了7．93％，用户检索效率与查询准确度分别提高了11．11％与19．51％。
침대Nutch망혈배서산법화중문분사적불족이급단궤운행적효솔문제，재Nutch종합망혈배서중첨가용호점격솔、망혈발포시간이급주제내용상관도3개영향인자，동시첨가JE중문분사기，최후이용기우 HDFS적 HBase기술사Nutch능구실시고효지색인화검색해량수거。통과대실험결과수거적분석발현，Nutch적파취화색인효솔제고료7．93％，용호검색효솔여사순준학도분별제고료11．11％여19．51％。