全文检索系统整体方案教学教材
![全文检索系统整体方案教学教材](https://img.360docs.net/img7a/1e922iw2r0j30yx4k2catn1ofv8353x1-a1.webp)
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
1全文检索系统方案
1.1 全文检索需求
1)系统提供模糊检索、分类搜索、高级复合搜索、全文检索、图片内容检
索、跨库检索等多种检索途径;
2)支持字索引和词索引;
3)检索条件具有完整的关键词布尔逻辑运算AND、OR、NOT能力,支持复
合式布尔逻辑运算查询,并且可以配合多组左括号"("与右括号")"作关
键词查询优先级的设置;
4)提供用户多次递进查询的功能,用户可根据上一次查询关键词得到的检
索结果集,增加查询关键词与缩小搜索日期范围,而得到更准确的查询
结果集;
5)能够支持对以上文件中的中文(简体/繁体)、英文、日语、韩语内容实
现关键字检索;
6)支持对Word、TXT、PDF等多种主流文档格式全文检索,并提供开发接
口以支持特殊文档格式的全文检索;
7)在数据源数据发生更新时,能在索引库中反映出来,保证搜索的信息为
最新,即支持增量索引机制;
8)用户可自行设定时间,让系统自动定时进行更新索引;
9)对于百万级记录数的搜索以及结合模糊搜索等查询方式,搜索时间不得
超过10秒;
10)提供跨数据源、数据格式的搜索;
11)同过相关性搜索,能够把和搜索条件相关联的信息搜索出来;
12)不但能够对图片的描述信息进行搜索,还能对图片内容的检索;
13)提供COM与SOAP的搜索接口(Interface) 可让其它应用程序或查询网页
能够提供用户查询入口和查询结果的呈现,用户可通过应用程序或浏览
器访问全文检索服务器,提交查询条件,可在浏览器中查看检索结果;
14)查询结果集中应包含结果集总数、命中的结果文件的完整路径,以及符
合关键词出现的内容片断;
15)在搜索结果集中,关键词应被标识出来,用特殊的字体及颜色和其他文
字进行区别,查询者可在查询结果片断中一目了然的看到关键词出现的
位置;
16)查询结果可按照关键词命中次数,命中结果文件的修改时间,大小等条
件进行排序;
17)可提供用户对检索命中结果文件在索引库中进行标记,从而再次检索
时,不在标记过的文件中进行查询;
1.2 全文检索系统总体方案
系统将采用以下全文检索流程。
针对企业内部的信息,包括文件服务器上的文件、网站网页、ERP 等系统存放信息的数据库信息、办公应用中的公文档案文档已经内容管理系统中流转的内容,本系统提供了两种数据适配器来提取其中的正文内容和属性内容,形成一个相对结构化的数据虚拟层;本系统的索引引擎(Indexer )对结构化的数据虚拟层进行中文切分词、文件特征分析和逐步索引,以及其它索引算法,生成索引数据库;使用者(user )在搜索页面中输入查询字串等搜索条件并提交给本系统后,本系统的全文检索查询引擎(Searcher )会在索引库中进行搜索,并将符合搜索条件的搜索结果返回给使用者;使用者(user )可于查询结果页面,进一步链接到信息原文查看详细内容。
对于系统管理,管理员可通过相应web 方式的管理程序来管理整个系统运行环境及设置文件;并通过索引引擎(Indexer.exe )实时或定时创建索引,更新索引数据库的内容,使检索信息维持在最新状态。
IRMS.Indexer
Index Database IRMS.SearchEngine
Application Application (User Interface)
(User Interface)
Term Extract
Term Index Folder/Share Folder with Documents
Web Site Robot/Spider By URL Entry
RDBMS
(ODBC /
OLEDB / JDBC)
Lotus Domino R5,R6(NSF)
FileNET
內容管理Fuzzy Search
Synonym Phrase
Wild-Card
Multi-field Filter IRMS Adapter
Data Source Composer
File Extractor
1.3 全文检索系统带来的效益
✓高效率的整合搜索,大幅减少组织成员在取得信息时花费的时间!
本系统和其它搜索系统只针对特定信息源搜索不同,它能对企业内部绝大多数的信息创建索引和搜索,具备强大的信息整合及快速回应能力,让企业成员以单一搜索页面、简易的操作方式,即可在最短时间内,完整、准确、及时地掌握企业内外所有信息,不必再耗费大量时间的找寻信息!
✓信息过量不会造成企业成员的信息焦虑!
通过本系统强大的索引/搜索能力,大量的信息也可在瞬间过滤出符合使用者条件的信息,不必担心迷失在漫漫的信息洪流之中!
✓非结构/非组织的信息,不再是知识管理的盲点!
文件/档案以及非经过分类管理的信息,因为附加信息稀少,往往成为知识利用上难以判断、分析的信息。本系统直接针对内容全文分析、关联,使这类信息同样可让使用者以检索方式,快速筛选利用!
✓整合容易,使用简易,导入迅速,易于接受!
套装化、模块化的设计及灵活的整合能力,能在企业内迅速的安装设置;操作方式简单,企业成员易于接受,导入方便。以最经济的时间、人力及费用成本为企业创建信息流通、充分分享的知识环境。
1.4 全文检索系统平台架构
本系统基于组件化和松散耦合架构和设计,系统平台架构示意图如下:
整个系统主要分为信息整合、信息萃取和服务、应用整合三个部分。
✓信息整合
此部分主要作用是将企业内部存储于不同应用系统中的结构化信息、半结构化信息、非结构化信息通过本系统提供的两种数据适配器进行信息提取,形成一个相对结构化的数据虚拟层,以备后期信息萃取和服务。
✓信息萃取和服务
在信息整合层形成的相对结构化的数据虚拟层基础上,本系统将对其中的每笔记录进行中文切分词、索引、文件特征分析、自动分类等各种演算算法处理,形成可以提供搜索服务的索引库。用户利用本系统的搜索引擎处理提供的强大的搜索功能,如中文同音搜索、简繁体对译、模糊搜索、同义词搜索、文章概念搜索、分类浏览等,快速、准确、完整、及时、有效地搜索到符合自己搜索条件的信息。
✓应用整合
本系统还提供了完整的外部程序整合机制。所有组件均提供SDK完整开发接口,方便应用整合和应用扩展。
1.4.1信息整合