Dspace安然搜索工具

Question

我一直在研究Dspace的项目 我一直在使用Enron Mail Corpus（从CMU源代码下载）。

我的问题是：

1. 我想收集600k电子邮件的全部集合，然后生成一个可以搜索它们的存储库

手动提供每封邮件的元数据不是一个可行的选择，因为它们有数百万！ Dspace中的进口设施可以提供任何帮助吗？或者是否有要编辑的文件？

我需要一些可行且快速的东西：我应该怎么做才能为系统提供这么多邮件？

1. 第二个问题：是否可以将任何集合中的附件编入索引？我的意思是我可以搜索文件搜索工具的内容吗？

Answer 1

如果要编辑或导入大量数据，可以使用批量元数据编辑。它非常适合导入元数据值，但必须稍后手动添加文件。 有关更多信息，请访问https://wiki.duraspace.org/display/DSDOC3x/Batch+Metadata+Editing#BatchMetadataEditing-TheCSVFiles

关于第二个问题，有一个流程可以索引支持的文件“Filter-media”。它支持Adobe PDF，HTML，文本，Microsoft Word和Microsoft Powerpoint。您可以编写一个java类来索引其他格式以满足您的需求。 它执行了/ bin / dspace过滤介质，应该作为cron添加。