如何開發Nutch以獲得更好的阿拉伯語搜索技術？

Question

我是一名計算機科學專業的學生，​​致力於基於Nutch搜索引擎的項目。我想開發Java算法以更好地索引和搜索阿拉伯網站。我如何爲此目的優化任何想法？

Answer 1

阿拉伯語有29個字母，一些這些字母是具有子字母表像阿利夫（أ），其可以有不同的形式。

，如果你管理要分字母寬容即允許對這些字符

例如拼寫錯誤أحمد和احمد以及إحمد和آحمد，雖然它們具有不同的UTF8值，但您可以將它們作爲接近的結果。

而且，如果你能得到從根詞，讓搜索英文單，複數，動詞，名詞等

所以如果有人輸入قال（說）您可以在搜索敏感詞彙قول（話說）和（يقول）（說）和مقال（一種說法）等 它需要一個複雜的引擎做這種事

最後，如果你考慮tashkeel（裝飾元音），在輸入內容是可選你可以採取一個更具體的搜索，但會允許忽略它

如رجل可以匹配رجل（指男人）或رجل（意義上的腳走路）或رجل（腿）

我希望這將有助於