金毛猎犬的 Ruby 库真挺方便，专门帮你做各种信息检索和数据挖掘实验。预也省事，能自动标记化、词干提取、去HTML 标签，用起来比较顺手。

安装就一行：gem 'golden_retriever'，$ bundle搞定。想单独装也行：$ gem install golden_retriever，都挺快。

定义文档也蛮简单，看下面例子：

Mongoid.load!("mongoid.yml", "test")
class Article < GoldenRetriever>
想加自定义字段或规则也行，灵活得。

碰到要大段文本、搞搜索引擎原型、做机器学习前的数据准备，这玩意儿都还挺合适。用Mongoid存数据，用Sphinx做全文检索，搭配得还不错。

哦对，如果你还要研究LETOR、跨媒体检索或者想玩玩Python和Matlab那边的数据集，也可以参考下面这几个资源：微软信息检索排序数据集 LETOR、跨媒体信息检索等，思路都差不多。

如果你平时就爱折腾文本和搜索引擎，不妨试试golden_retriever，简单好上手，响应也快。