吴洁明，韩云辉，冀单单

（北方工业大学信息工程学院，北京 100144）

1 引言

中国版权保护中心在深入研究国际现有的版权保护技术、相关的法规和标准后，认为从根本上解决数字作品产业链中各个参与者的利益分享和技术创新，实现快速高效的维权机制，是互联网版权保护的核心命题[1]。中国版权保护中心结合数字资源出版服务领域的发展趋势，对数字资源登记、备案和检索进行了深入的研究分析，解决数字作品存储和搜索问题，提出了要对数字作品进行登记、备案和审核，并对其提供快速搜索服务。

据IDC（互联网数据中心）于2010年的一则报道，2010年底全球数字信息总量将达到1.2ZB，到2020年这个数字将达到3.5ZB，其增长速度超过摩尔定律[2]。针对海量的数字信息，如何对其进行快速、准确的搜索成为研究的重点。目前，国内对于数字作品的研究处于初级阶段，关于海量数字作品信息搜索引擎的论文也很少，本文就是围绕这一问题，分析设计出实现海量数字作品信息的专业搜索引擎。

2 搜索引擎及Lucene应用

2.1 Lucene概述

Lucene是Apache软件基金会的一个顶级项目，它不是一个完整的全文检索系统，是一个高性能、可扩展的用Java语言开发的开放源码的全文检索工具包，共分五个模块，分别是：语料库（Corpus）、解析（Analysis）、索引（Index）、存储（Storage）和搜索（Search），每个模块又可分为：相互协议部分和具体实现部分。Lucene所提供的用于索引和查询的相关函数接口可以方便地嵌入到各类应用系统中，实现全文索引和搜索功能[3]。……