摘要：运用nutch搜索引擎技术开源和完整网络搜索的设计思想,构建了基于nutch的海关情报资源主题搜索引擎系统模型,分析研究了系统各功能子模块的主要作用和功能整合方案,并提出了系统实施运行的相关技术路线;从而较好地解决了海关系统目前尚无专业化的主题搜索引擎的问题,实现了在统一的技术平台进行海关情报和文献资源的全文检索,为各级海关用户提供了一个方便、快捷、准确地获取情报信息的有效工具。

摘要：开源搜索引擎nutch是针对英文环境开发的,针对nutch对中文进行单字切分的不足,在剖析nutch分词器的基础上,基于nutch的插件机制,结合中科院的中文分词系统ICTCLAS,成功地实现了nutch对中文的词语切分,完善了基于nutch的中文搜索引擎的开发。

摘要：分析Apache开源框架nutch和Hadoop的系统结构,利用nutch和Hadoop设计高效、可靠、可扩展的分布式搜索引擎,来解决搜索引擎对海量数据的处理和存储问题。

摘要：在网络的海量信息搜索过程中,医学情报研究和信息服务机构,经常需要构建面向专题的垂直搜索系统以满足特定人群的需求。本文利用nutch和Lucene等开源软件设计了一个面向生物医学信息的垂直搜索引擎系统,并对网页信息抓取、格式处理、内容索引和检索等关键技术进行了说明。在此搜索引擎中,通过加入中文分词和增量抓取等模块,提高了中文关键字的识别率,缩短了信息的更新周期。目前该系统已经上线测试,能够获得较为精确和及时的搜索结果。

摘要：nutch是一个开放源代码的Web搜索引擎,由于不夹杂商业利益,它对搜索结果的排序算法较为透明公平。未来的搜索引擎的发展趋势之一是个性化和智能化,本文在研究开源nutch的基础上设计实现了一个具有关联用户搜索行为的搜索引擎。

摘要：搜索引擎是互联网上检索信息的工具,能有效地提高信息定位的效率。通用搜索引擎的查询结果难以满足精确搜索的要求,于是垂直搜索成为搜索引擎的一个重要补充。垂直搜索引擎与通用搜索引擎最大的区别就是前者对网页进行了页面净化、信息抽取、页面分类、数据挖掘等深度的加工,从（共3页)

摘要：针对现有的E-learning学习系统没有可供学习者搜索知识的功能,自带的检索也只能为学习者提供无差别的、千人一面的搜索结果,从而使学习者丧失学习兴趣的问题,设计和实现了一个新的E-learning系统.在开源的在线学习系统chamilo的基础上,将nutch搜索引擎加入其中,实现了利用其搜索自身需要信息并得到与预想相匹配的结果.通过实验证明,该系统能提供学习者方便的知识搜索和更丰富的学习资源,提高学习者的学习效率和获得知识的能力.

摘要：nutch的排序机制使得一些传统的高质量的页面经常出现Web检索结果的前面,而新加入的高质量的Web页面很难被用户找到。针对传统基于链接算法中对新内容的迟钝性,提出了对网页的补偿算法,对Web上在一段时间内好的资源信息使其排名结果上升,而对于不好的资源使其下降,以此来加速优质内容的传播和网络内容的合理化。并最终把改进后的算法应用在基于nutch的搜索引擎中,通过实验来验证和测试。

摘要：分析了nutch的语言分析器结构，针对nutch对中文进行单字切分的不足，结合基于多层隐马模型的汉语词法分析系统ICTCLAS，以JavaCC脚本设计了可扩展的词法分析器，实现了nutch对中文的词语切分。实验表明，利用JavaCC和ICTCLAS分词系统实现的中文分词完善了nutch的中文搜索功能。

摘要：本文介绍了nutch网络爬虫的系统架构和抓取网页信息流程,针对nutch网页信息数据采集冗余的问题,引入了增量更新方法和适应性采集周期计算方法,首先使用Simhash算法和汉明距离计算出网页相似度,根据网页相似度计算出网页采集周期,然后根据此周期进行网页信息采集,在采集前根据网页元信息中的网页内容长度与网页最后更新时间的变化与否判断是否进行采集。实验结果表明,随着采集次数的增多,网页采集周期会在真实网络变化周期上下浮动,使得网页采集周期与真实网页变化周期之间较为接近,最终有效的减少了冗余的网页信息采集数据量,减轻了对网络环境的压力,实现了适应性的增量的网页信息采集过程。