project1说明.txt

任务1：解析元数据和文本表单PDF
从PDF格式的1000篇论文中提取元数据，例如标题，作者和页面。建议将机器学习软件Grobid用于此任务。它可用于从学术文档中提取全文和元数据信息，结果保存在xml文件中。
提示
* 1000 PDF（2.61G）可以在这里下载。
*这是Grobid教程或您可以在GitHub上搜索grobid以获取更多信息。
任务2：从Grobid索引和搜索解析的元数据
使用您在任务1中获得的信息构建倒排索引。索引应至少包括以下字段：标题，作者，日期，从属关系，地址和全文。
编写代码以使用查询搜索不同的字段，例如在字段“title”中搜索单词“computer”。
提示
* 建议使用基于java的工具Lucene来构建和搜索索引。

任务3：使用索引构建简单的Web搜索引擎
实现一个简单的Web搜索界面来显示您的搜索结果。在提交查询后，小型搜索引擎至少应为用户提供结果列表，并且可以根据需要将更多功能添加到网站中。
提示
*网站的后端可以使用IIS + PHP或Tomcat + J2EE + JSP实现。
*前端可以通过HTML5 + CSS + JS实现。此外，还有许多流行的前端框架，如bootstrap和Amazeui。
*有关更多网站建设教程，您可以参考w3cshool。