铁路物资目录全文检索技术研究
合集下载
- 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)。
合 系统 ，对用 户表 现为物 资分类 、编码条 目、条 目
２ 全 文检 索对 物 资管 理 工 作 的作 用
２１ 全 文检 索概 述 ．
属 性 、编码模板 等具 体 内容 。物 资 目录的应用 范 围 主要 集 中在 铁路 企 业 的生 产 、财 务 、物 资管 理 部
全 文检索 是将文 件 中所 有文 本与 检索项 匹 配的 信 息检 索方法 。全文 检索 系统是 按照 全文检 索理 论 建 立起来 的用 于提供 全文 检索 服务 的软件 系统 ， 目 前 已在 Ｗｅ 索 引擎 、电子 图书 馆 系 统 、企 业 级 ｂ搜 检 索 系统 、桌面搜索 方 面有大 量成熟 的应用 ，其核 心技术 为分词 、索 引 、检 索和 检索结 果排 名 。 ２２ 全 文检 索对 物资 目录维 护工 作的作 用 ． 物资 目录全 文检 索 技术 可在 目录 申请 、审 核 、 维护 阶段 给 出重 复或 高 相似 度重 复 数 据 申请 提示 ，
・
避免重复申请 ，有效减少申请条 目总量。在物资 目 录维 护过 程 中 ，可辅 助 发现 现有 条 目的重 复 情 况 ，
处 理历 史性 的重复信 息 ，包括 比较 复杂 的常规算 法
涛 ，Ｔ 程 师
３８ ・
铁 道 技 术 监 督
难 以发现 的复杂 信息 。如 “ 携计 算机 ，Ｃ Ｕ：酷 便 Ｐ 睿 ２５Ｇ，内存 ：２Ｇ 与 “ 记 本 电 脑 ，２Ｇ 内 ． ” 笔 存 ，ｉ处 理 器 ” ５ ，检 索算 法要 给 出近乎 相 等 的相 似 度评价 。涉及 重点 物资 时 ，系统 需要 给 出 “ 笔记 本 电脑 ，Ｔ ｉ Ｐｄ４ ０ ｈｎ ａ ２ ”数 据与 上述 数 据 的接 近相 等 ｋ
实施应 用 。
２ １ 年 １ 月 ，物资 目录初步编制完成时，总 ００ ２
条 目为 ２ ８万条 ，２ １
条 目为 ４ ０万条 。在发 布前 的 ８ 个月 中 ，申请条 目超
收 稿 日期 ：２ １ － ２ ２ ０２ ０ — ８ 作 者 简 介 ：刘
档 。 由于物资 目录中存在 大量 专业词 汇 ，因此用类
似 词典 的定义 语言形 式予 以表 述 。为确定其 语言模
ｃｎ ｉ＝ ｓ普 ｉ ｏ
。
按照 管理要 求 ，物资 目录全文 检索 结果 不允许 存在遗漏 ，即从理论上讲查全率应 为 １ 。在综合考虑 技术 实现 难度 、用户体 验 、响应 时间等 因素 的前提 下 ，参照 相关开 源搜 索引擎 的指标 设置 ，最终 设定 申请 用 户 的查 准率 指标 为 ０ ，查 全 率指 标为 ０ ５ ． ３ ．。 ７ 维护用 户 的查准率指标 为 ０ ５ ． ，查全 率指标 为 ０ ５ ０ ．。 ９ 将上 述指 标定义 为算法 的基 础指标 ，在 此基 础上从
据 的修正 、名词 术语 的标准 化 、分类及 模版 的归 并 调 整等大 量工作 。
ｌ 铁 路 物 资 目录与 维 护 工 作概 述
铁路 物资 目录 （ 以下 简称 “ 物资 目录” 是将 铁 ） 路 生产 所用到 的物 资按照一 定 的规则进行 组织 ，并
对 每种物 资 的基 本屙 ｌ 特征给 予说 明和编次 的综 生与
中图 分 类 号 ：Ｆ ３ ． Ｇ ５ ．５ ５０６ ７： ３４４
文 献标 识 码 ：Ｂ
文章 编 号 ： １０ — １８（０ ２ ０ — ０ ８ ０ ０ ６９７ ２１ ） ５０３—４
０ 引言
在铁 路物资 管理相 关信 息系统 中设计 并使用 全
过２ ０万条 ，有效新 增 条 目达 到 １ ２万条 ，月均 申请 超过 ３万条 。虽 然物 资 目录的模板 自动 编码技 术 发
第４ ０卷
Ｖｏ． １ ４０
第 ５期
Ｎｏ． ５
铁 道 技 术 监 督
ＩＡ Ｉ ＇ ＡＬ。 ＯＮ１／） ￣ ＩｇＡＹ ０ｂ Ｉ。 Ｃ 。 （ １ 。 Ｙ 。 Ｌ 。 Ｉ
研 究 与 交 流
ＴＬ １、 Ａ １ ） ）（（ Ｍ Ｉ ＮＩ １ １ （ ｌ¨ＩＩ 、 、
需
。
（） ４
图 １ 物资 目录中文词汇的频率、排名关系
・
３９ ・
研 究 与交 流
铁 路 物 资 目录令 文 检索 技 术 研 究
图 １ 中各 中文词汇 的分 布接近齐 夫定 律 （ 图中
的斜线 ） 要求 ，可参考基于 自然语言模型的搜索算
法。
汉语词典中最大词长的确定以物资 目录的统计 数据为基础确定 。以 “ 物资名称”项为例，物资 目
择 ｆ传播 。在铁路物资采购商务平台市场资讯信息组 生
织过程 中，结合 Ｗｅ ｂ爬虫 （ｒｗ ｅ） ｃａ ｌ 技术 ，在少量人 ｒ
将索 引 文件全 部加载 入 内存 ，降低磁盘 Ｉ 销 。 Ｏ开 搜 索 引擎领 域 常用 的文 档特 异度 （ｐｃ ｃｙ 、 ｓｅｉ ｉ ） ｉ ｆｔ 详尽 性 （ｘａｓｖｖ 、新颖 性 （ｏｅ ｙ 等指标不适 ｅｈｕｔｉ ） ｉｔ ｎｖｈ ）
门，应用过程包括物资的计划申请 、采购 、仓储 、 收发 、会计核算 等 环节 。物资 目录 的编码条 目是相
关 管理 过程 中物资 的唯一 ｌ 生标识 。各铁 路企业 现使
用 的物 资 目录 （０ １ 版） ２１ 年 ，通 过实 时 的全路 集 中
维 护机 制 ，在 各铁路 局相 关生产 环节及 信息 系统 中
录 中的物 资名 称长 度 为 １４ ～ ２个汉 字 ，其 分 布 规律
见表 ｌ 。
表 １ 物 资 目录 中物 资 名称 长 度 分 布 情 况
名称长度
ｌ ２ ３
４
４２ 物资 目录全 文检 索算 法模型 ． 物资 目录全 文检索算 法模 型包 括分词 、索 引构 建 、检索 、结果 排名 ４个部 分 。分词 部分 采用基 于 词 典 的中文分词 方式 ，索 引采 用倒排 序索 引 ，结果 排 名采用 修 正 的临近度 排名 。算法 框 架部 分如 图 ２
３３ 其他 指标 ． 用 户 录入 关 键 词 时 应 同 步 看 到 前 ５ Ｏ条 结 果 ， 系统 响应 时 间不超 过 ３ ０ｍ ，后 续 结果在 ５ｓ内显 ０ ｓ 示 完 毕 。索 引 文件 应 小 于 ２ ０Ｍ 字 节 ，便 于 用 户 ０
化信息提取 ， 实现信 息的聚类 、 分类功能 ， 在信 息 传 递过程 中可实 现对专题信息 、文档的路 由 、过滤和选
分词 、同义词等方面采取系列措施改进指标 。
（ 能 否自然语言模型的差异，最终判断检索算法模型 ２ 型与 直 接 参 考 搜 索 引 擎 模 型 ， 按 照 语 言 学 家 ）
Ｇ ｏｇ ｉｆ 出 的 齐 夫 定 律 （ｏ （ｒｑ ｅ ｃ ） Ｃ ０ ｅｒｅＺｐ 提 １ ｆ ｕｎｖ＝ 一 ・ ｇ ｅ
工干预的 前提下， 实现专题类信息的精确检索 ， 实现 历史数据 、信 息的快照和趋势性分析。
３ 物 资 目录 全 文检 索 的指 标 设 计
３１ 有效性 指标设 计 ．
用于物资目录，在物资 目录全文检索系统中未采用， 仅在 物资管理其他 系统 的全文检索 中适度考虑 。
设计 过程 中定义 ２个集 合 ，一 是检 索反馈 的条 目集 Ｒ ｓ ｅ ，二 是 目录 中与 该 检 索 相 关 的条 目子 集
所示 。
出现次数
２０ ２ ４ ３ ９ ５３ ７ ５ ７ ５９ ０
６ ８ｌ ７２
名称长度
７ ８ ９
ｌ ０
现次数
４ ４ ３７０ ３ ５ Ｏ３ ６ ２ ９ ０４９
是维 护工 作强 度 很高 ，维 护人 员 必 须在 ２ｄ
内对 申请数 据进行 实质 性 响应 ；二 是 申请 数据 质量 不 高 ，涉及 错误 填写 、错误 归类 、信息 不完 整 、填 写 不规范 、字符错 用 、符号 错用 、数据 重复 等诸 多 问题 ，且很 多 问题只 能依靠 人工判 断 ，严重 影 响了 维 护Ｔ作 效率 的提升 ；三是 现行物 资 目录距 离行业 标 准还有 差距 ，需要 进行重 复数据 的清理 、错 误 数
条 目总 数 的 ５％ ，且 在 前 ｋ个 条 目中 ，只允 许 有 ０ ２％的条 目与用户期 望无关 。 ０
ｒｅ ｌ ｅ ａ ｌ 似 ＞ ％ ０５， 值 舳＞ ． （ ５） （ ６） ｐｅ ｉｉｎ 似 ） ％ ０８ ｒｃｓ ＠ｋ ｏ 值 鲫 ＞ ．。
全文 检索技 术可 为铁路 物资相 关信息 系统 的数 据 中心构建 与信息共享提供实质性 的帮助 ，辅助构建 文档 、用户的分类模型定义 ，完成信息 的摘要 和结构
４ 参 考 模 型 的 选 择
４１ 物资 目录全 文检 索算 法的语 言模型 ．
Ｒｌ ｅ。根 据 这 ２个 集 合 ，设 置 查 全 率 （ｅａ１ ｒｃｌ ）和查 准率 （ｒｃ ｉｎ 个 有效性 指标 ，并定 义如 下 ： ｐｅｉｏ ）２ ｓ
ｒｃｌ ｅａ ＝ ｌ ， （） １
搜 索引擎 等技术 中有 大量 的成熟检 索模 型可 供 参 考 ，但搜索 引擎 的数据 通常 为 自然语 言 表述 的文
了适用于物资 目录应用维护需要的全文检索技术 ，定义了物资 目录特有的全文检索指标和算 法。通过对相关
技术的应用 ，有效提升了物资 目录维护工作效率 ，保 障了数据质量 ，为物资 目录在物资管理各环节的拓展 应
用 提 供 了技 术 基 础 。
关键词 ：铁路物资 目录 ；信息系统 ；全文检索
挥 了巨大作用 ，但维护工作仍然存在一 些难点 。
一
文检索技术，可在物资 目录维护、组织过程资产管 理 、资讯 管理 系统 中提供 良好 的用 户体验 ，提 高＿ 丁 作效 率 。其 中 ，物资 目录全 文检索 技术是 相关应 用
的基 础 。物资 目录全 文检索 技术对 查全率 、查 准率 指标 要求 十分严 格 ，是系统设 计 的关键 和难点 。
的相似 度评 价 。 ２ 全 文检 索在物 资管理 信息 系统 中的拓展 ． ３
为了量化结果排序算法在改善用户体验中的作 用 ，尽可能将有效的信息排在检索结果的前面。依 据物资 目录的特点，在式 （ ） 式 （ ） ５、 ６ 中，将 ｋ 值 定义为检索结果条 目与检索项 的相似度大于 ８％ ０ 的数 量 ，即在排 序后 的前 ｋ个条 目中 ，要包含 有效
０ 剖 ｌ００ 崧 嚣
一
褂
１０ Ｏ
１ ０
ｒ ａ ＠ ：【 ｅｌｋ Ｒ ｃｌ
： 盘
【ｌ ｌＪ ｔｅ
（） ３
ｌ
ｌ
１ ０
１） （ ０
ｌＯ ０ １ ０ １ ０ ０ ０ ｏ ０ ００ ｏ ０
排名（ 对数坐标 ）
ｐ ｉ＠： ｒｉ ｅｓ 。
铁 路 物 资 目录全 文 检 索技 术研 究
刘 涛
（ 州铁路 局 物 资管 理 处 ，河 南 郑 州 ４ ０ ５ 郑 ５０ ２）
摘
要 ：在铁路物资 目录应用维护过程 中，重复数据判断极为困难 ，制约 了物资 目录应用维 护效率 和质
量的提升 ，对物资 目录的规范性也有很大影响。为解决这些问题 ，依据物资 目录特点和维护工作需要 ，研究
ｌｇ ｒｎ ）验证 物资 目录 的分词结 果 ，对物 资 目录 ｏ ａｋ ） 中使 用 到 的 中文词 汇 的 出现 频 率 、排 名 进 行 了 统 计 ，结 果如 图 １ 示 。 所
１ ０ ＯＯＨ ０
一
３２ 排名检 索有效 性指标 设计 ． 在搜 索引擎 中 ，为 了返 回有效 序列 ，避 免用户 阅读 无关 的文档 ，通 常针对 检索返 回的前 ｋ个 文档 Ｒ ｓ 一１ ｅ［ ｋ，定义 前 ｋ个结 果 的查 全 率 （ ｃｌ ）和 １ ｒ ａ＠ｋ ｅ ｌ 查 准率 （ｒｃｓ ｎ ） ｐｅｉｏ＠ｋ 指标 ，其定 义 如下 ： ｉ
２ 全 文检 索对 物 资管 理 工 作 的作 用
２１ 全 文检 索概 述 ．
属 性 、编码模板 等具 体 内容 。物 资 目录的应用 范 围 主要 集 中在 铁路 企 业 的生 产 、财 务 、物 资管 理 部
全 文检索 是将文 件 中所 有文 本与 检索项 匹 配的 信 息检 索方法 。全文 检索 系统是 按照 全文检 索理 论 建 立起来 的用 于提供 全文 检索 服务 的软件 系统 ， 目 前 已在 Ｗｅ 索 引擎 、电子 图书 馆 系 统 、企 业 级 ｂ搜 检 索 系统 、桌面搜索 方 面有大 量成熟 的应用 ，其核 心技术 为分词 、索 引 、检 索和 检索结 果排 名 。 ２２ 全 文检 索对 物资 目录维 护工 作的作 用 ． 物资 目录全 文检 索 技术 可在 目录 申请 、审 核 、 维护 阶段 给 出重 复或 高 相似 度重 复 数 据 申请 提示 ，
・
避免重复申请 ，有效减少申请条 目总量。在物资 目 录维 护过 程 中 ，可辅 助 发现 现有 条 目的重 复 情 况 ，
处 理历 史性 的重复信 息 ，包括 比较 复杂 的常规算 法
涛 ，Ｔ 程 师
３８ ・
铁 道 技 术 监 督
难 以发现 的复杂 信息 。如 “ 携计 算机 ，Ｃ Ｕ：酷 便 Ｐ 睿 ２５Ｇ，内存 ：２Ｇ 与 “ 记 本 电 脑 ，２Ｇ 内 ． ” 笔 存 ，ｉ处 理 器 ” ５ ，检 索算 法要 给 出近乎 相 等 的相 似 度评价 。涉及 重点 物资 时 ，系统 需要 给 出 “ 笔记 本 电脑 ，Ｔ ｉ Ｐｄ４ ０ ｈｎ ａ ２ ”数 据与 上述 数 据 的接 近相 等 ｋ
实施应 用 。
２ １ 年 １ 月 ，物资 目录初步编制完成时，总 ００ ２
条 目为 ２ ８万条 ，２ １
条 目为 ４ ０万条 。在发 布前 的 ８ 个月 中 ，申请条 目超
收 稿 日期 ：２ １ － ２ ２ ０２ ０ — ８ 作 者 简 介 ：刘
档 。 由于物资 目录中存在 大量 专业词 汇 ，因此用类
似 词典 的定义 语言形 式予 以表 述 。为确定其 语言模
ｃｎ ｉ＝ ｓ普 ｉ ｏ
。
按照 管理要 求 ，物资 目录全文 检索 结果 不允许 存在遗漏 ，即从理论上讲查全率应 为 １ 。在综合考虑 技术 实现 难度 、用户体 验 、响应 时间等 因素 的前提 下 ，参照 相关开 源搜 索引擎 的指标 设置 ，最终 设定 申请 用 户 的查 准率 指标 为 ０ ，查 全 率指 标为 ０ ５ ． ３ ．。 ７ 维护用 户 的查准率指标 为 ０ ５ ． ，查全 率指标 为 ０ ５ ０ ．。 ９ 将上 述指 标定义 为算法 的基 础指标 ，在 此基 础上从
据 的修正 、名词 术语 的标准 化 、分类及 模版 的归 并 调 整等大 量工作 。
ｌ 铁 路 物 资 目录与 维 护 工 作概 述
铁路 物资 目录 （ 以下 简称 “ 物资 目录” 是将 铁 ） 路 生产 所用到 的物 资按照一 定 的规则进行 组织 ，并
对 每种物 资 的基 本屙 ｌ 特征给 予说 明和编次 的综 生与
中图 分 类 号 ：Ｆ ３ ． Ｇ ５ ．５ ５０６ ７： ３４４
文 献标 识 码 ：Ｂ
文章 编 号 ： １０ — １８（０ ２ ０ — ０ ８ ０ ０ ６９７ ２１ ） ５０３—４
０ 引言
在铁 路物资 管理相 关信 息系统 中设计 并使用 全
过２ ０万条 ，有效新 增 条 目达 到 １ ２万条 ，月均 申请 超过 ３万条 。虽 然物 资 目录的模板 自动 编码技 术 发
第４ ０卷
Ｖｏ． １ ４０
第 ５期
Ｎｏ． ５
铁 道 技 术 监 督
ＩＡ Ｉ ＇ ＡＬ。 ＯＮ１／） ￣ ＩｇＡＹ ０ｂ Ｉ。 Ｃ 。 （ １ 。 Ｙ 。 Ｌ 。 Ｉ
研 究 与 交 流
ＴＬ １、 Ａ １ ） ）（（ Ｍ Ｉ ＮＩ １ １ （ ｌ¨ＩＩ 、 、
需
。
（） ４
图 １ 物资 目录中文词汇的频率、排名关系
・
３９ ・
研 究 与交 流
铁 路 物 资 目录令 文 检索 技 术 研 究
图 １ 中各 中文词汇 的分 布接近齐 夫定 律 （ 图中
的斜线 ） 要求 ，可参考基于 自然语言模型的搜索算
法。
汉语词典中最大词长的确定以物资 目录的统计 数据为基础确定 。以 “ 物资名称”项为例，物资 目
择 ｆ传播 。在铁路物资采购商务平台市场资讯信息组 生
织过程 中，结合 Ｗｅ ｂ爬虫 （ｒｗ ｅ） ｃａ ｌ 技术 ，在少量人 ｒ
将索 引 文件全 部加载 入 内存 ，降低磁盘 Ｉ 销 。 Ｏ开 搜 索 引擎领 域 常用 的文 档特 异度 （ｐｃ ｃｙ 、 ｓｅｉ ｉ ） ｉ ｆｔ 详尽 性 （ｘａｓｖｖ 、新颖 性 （ｏｅ ｙ 等指标不适 ｅｈｕｔｉ ） ｉｔ ｎｖｈ ）
门，应用过程包括物资的计划申请 、采购 、仓储 、 收发 、会计核算 等 环节 。物资 目录 的编码条 目是相
关 管理 过程 中物资 的唯一 ｌ 生标识 。各铁 路企业 现使
用 的物 资 目录 （０ １ 版） ２１ 年 ，通 过实 时 的全路 集 中
维 护机 制 ，在 各铁路 局相 关生产 环节及 信息 系统 中
录 中的物 资名 称长 度 为 １４ ～ ２个汉 字 ，其 分 布 规律
见表 ｌ 。
表 １ 物 资 目录 中物 资 名称 长 度 分 布 情 况
名称长度
ｌ ２ ３
４
４２ 物资 目录全 文检 索算 法模型 ． 物资 目录全 文检索算 法模 型包 括分词 、索 引构 建 、检索 、结果 排名 ４个部 分 。分词 部分 采用基 于 词 典 的中文分词 方式 ，索 引采 用倒排 序索 引 ，结果 排 名采用 修 正 的临近度 排名 。算法 框 架部 分如 图 ２
３３ 其他 指标 ． 用 户 录入 关 键 词 时 应 同 步 看 到 前 ５ Ｏ条 结 果 ， 系统 响应 时 间不超 过 ３ ０ｍ ，后 续 结果在 ５ｓ内显 ０ ｓ 示 完 毕 。索 引 文件 应 小 于 ２ ０Ｍ 字 节 ，便 于 用 户 ０
化信息提取 ， 实现信 息的聚类 、 分类功能 ， 在信 息 传 递过程 中可实 现对专题信息 、文档的路 由 、过滤和选
分词 、同义词等方面采取系列措施改进指标 。
（ 能 否自然语言模型的差异，最终判断检索算法模型 ２ 型与 直 接 参 考 搜 索 引 擎 模 型 ， 按 照 语 言 学 家 ）
Ｇ ｏｇ ｉｆ 出 的 齐 夫 定 律 （ｏ （ｒｑ ｅ ｃ ） Ｃ ０ ｅｒｅＺｐ 提 １ ｆ ｕｎｖ＝ 一 ・ ｇ ｅ
工干预的 前提下， 实现专题类信息的精确检索 ， 实现 历史数据 、信 息的快照和趋势性分析。
３ 物 资 目录 全 文检 索 的指 标 设 计
３１ 有效性 指标设 计 ．
用于物资目录，在物资 目录全文检索系统中未采用， 仅在 物资管理其他 系统 的全文检索 中适度考虑 。
设计 过程 中定义 ２个集 合 ，一 是检 索反馈 的条 目集 Ｒ ｓ ｅ ，二 是 目录 中与 该 检 索 相 关 的条 目子 集
所示 。
出现次数
２０ ２ ４ ３ ９ ５３ ７ ５ ７ ５９ ０
６ ８ｌ ７２
名称长度
７ ８ ９
ｌ ０
现次数
４ ４ ３７０ ３ ５ Ｏ３ ６ ２ ９ ０４９
是维 护工 作强 度 很高 ，维 护人 员 必 须在 ２ｄ
内对 申请数 据进行 实质 性 响应 ；二 是 申请 数据 质量 不 高 ，涉及 错误 填写 、错误 归类 、信息 不完 整 、填 写 不规范 、字符错 用 、符号 错用 、数据 重复 等诸 多 问题 ，且很 多 问题只 能依靠 人工判 断 ，严重 影 响了 维 护Ｔ作 效率 的提升 ；三是 现行物 资 目录距 离行业 标 准还有 差距 ，需要 进行重 复数据 的清理 、错 误 数
条 目总 数 的 ５％ ，且 在 前 ｋ个 条 目中 ，只允 许 有 ０ ２％的条 目与用户期 望无关 。 ０
ｒｅ ｌ ｅ ａ ｌ 似 ＞ ％ ０５， 值 舳＞ ． （ ５） （ ６） ｐｅ ｉｉｎ 似 ） ％ ０８ ｒｃｓ ＠ｋ ｏ 值 鲫 ＞ ．。
全文 检索技 术可 为铁路 物资相 关信息 系统 的数 据 中心构建 与信息共享提供实质性 的帮助 ，辅助构建 文档 、用户的分类模型定义 ，完成信息 的摘要 和结构
４ 参 考 模 型 的 选 择
４１ 物资 目录全 文检 索算 法的语 言模型 ．
Ｒｌ ｅ。根 据 这 ２个 集 合 ，设 置 查 全 率 （ｅａ１ ｒｃｌ ）和查 准率 （ｒｃ ｉｎ 个 有效性 指标 ，并定 义如 下 ： ｐｅｉｏ ）２ ｓ
ｒｃｌ ｅａ ＝ ｌ ， （） １
搜 索引擎 等技术 中有 大量 的成熟检 索模 型可 供 参 考 ，但搜索 引擎 的数据 通常 为 自然语 言 表述 的文
了适用于物资 目录应用维护需要的全文检索技术 ，定义了物资 目录特有的全文检索指标和算 法。通过对相关
技术的应用 ，有效提升了物资 目录维护工作效率 ，保 障了数据质量 ，为物资 目录在物资管理各环节的拓展 应
用 提 供 了技 术 基 础 。
关键词 ：铁路物资 目录 ；信息系统 ；全文检索
挥 了巨大作用 ，但维护工作仍然存在一 些难点 。
一
文检索技术，可在物资 目录维护、组织过程资产管 理 、资讯 管理 系统 中提供 良好 的用 户体验 ，提 高＿ 丁 作效 率 。其 中 ，物资 目录全 文检索 技术是 相关应 用
的基 础 。物资 目录全 文检索 技术对 查全率 、查 准率 指标 要求 十分严 格 ，是系统设 计 的关键 和难点 。
的相似 度评 价 。 ２ 全 文检 索在物 资管理 信息 系统 中的拓展 ． ３
为了量化结果排序算法在改善用户体验中的作 用 ，尽可能将有效的信息排在检索结果的前面。依 据物资 目录的特点，在式 （ ） 式 （ ） ５、 ６ 中，将 ｋ 值 定义为检索结果条 目与检索项 的相似度大于 ８％ ０ 的数 量 ，即在排 序后 的前 ｋ个条 目中 ，要包含 有效
０ 剖 ｌ００ 崧 嚣
一
褂
１０ Ｏ
１ ０
ｒ ａ ＠ ：【 ｅｌｋ Ｒ ｃｌ
： 盘
【ｌ ｌＪ ｔｅ
（） ３
ｌ
ｌ
１ ０
１） （ ０
ｌＯ ０ １ ０ １ ０ ０ ０ ｏ ０ ００ ｏ ０
排名（ 对数坐标 ）
ｐ ｉ＠： ｒｉ ｅｓ 。
铁 路 物 资 目录全 文 检 索技 术研 究
刘 涛
（ 州铁路 局 物 资管 理 处 ，河 南 郑 州 ４ ０ ５ 郑 ５０ ２）
摘
要 ：在铁路物资 目录应用维护过程 中，重复数据判断极为困难 ，制约 了物资 目录应用维 护效率 和质
量的提升 ，对物资 目录的规范性也有很大影响。为解决这些问题 ，依据物资 目录特点和维护工作需要 ，研究
ｌｇ ｒｎ ）验证 物资 目录 的分词结 果 ，对物 资 目录 ｏ ａｋ ） 中使 用 到 的 中文词 汇 的 出现 频 率 、排 名 进 行 了 统 计 ，结 果如 图 １ 示 。 所
１ ０ ＯＯＨ ０
一
３２ 排名检 索有效 性指标 设计 ． 在搜 索引擎 中 ，为 了返 回有效 序列 ，避 免用户 阅读 无关 的文档 ，通 常针对 检索返 回的前 ｋ个 文档 Ｒ ｓ 一１ ｅ［ ｋ，定义 前 ｋ个结 果 的查 全 率 （ ｃｌ ）和 １ ｒ ａ＠ｋ ｅ ｌ 查 准率 （ｒｃｓ ｎ ） ｐｅｉｏ＠ｋ 指标 ，其定 义 如下 ： ｉ