基于B＋树的文本信息检索技术.pdfVIP

2010年 4月 皖 西学 院学 报 Apr．，2010 第26卷第2期 JournalofWestAnhuiUniversity Vo1．26 NO．2 基于B+树的文本信息检索技术 张 华，顾红飞，刘 涛 (阜阳职业技术学院 工程科技学院，安徽 阜阳236031) 摘 要：随着人类步入信息时代 ，网上庞大的数字化信息与人们获取所需信息能力之间的矛盾 日益突出，怎样快速地检索相 关信息已经成为研究热点。阐述了全文检索系统的原理，分析了基于字表结构的索引组织方法和索引库的建立。通过和B一树 的对比，提出了基于B+树的索引存储方法及其算法思想，对提高索引的存储效率和查找速度具有一定意义。 关键词：B4-树；全文索引；B一树；倒排索引 中图分类号：TP391．3 文献标识码 ：A 文章编号：1009--9735(2010)02--0031--05 随着互联网的发展，如何充分利用网上的信息 资源正在成为信息科学研究者所关注的热点。信息 检索技术是根据互联网信息的特点而发展起来的一 种检索方式。信息检索技术主要研究信息的表示、存 储、组织和访问，即根据用户的查询要求，从信息数据 库中检索出相关信息资料，其核心为文本信息的索引 和检索，即全文检索技术。 1 全文检索系统 全文检索是指计算机索引程序通过扫描文章中 的每一个词，对全文建立一个能精确定位每个字词的 索引，当用户查询时，检索程序根据事先建立好的索 引进行查找，并将查找的结果反馈给用户的检索方 图1 全文检索系统结构图 式。全文检索的核心技术是将源文档中所有的基本 图1展示了全文检索系统的结构与功能。全文 元素的出现信息记录到索引库中，在中文系统中，基 检索系统中最核心、最关键的部分是全文检索引擎部 本元素可以是单个汉字字符，也可以是词。因此存在 分，从功能模块上可以划分为文本分析模块、创建索 两种基本的索引库结构，即基于字表的索引库和基于 引模块、查询索引模块。索引的准备工作和搜索的应 词表的索引库。字表法和词表法各有优缺点，文章主 用都是建立在这个引擎之上，因此提升全文检索引擎 要讨论基于字表的检索方式。 的效率即是我们提升全文检索应用效率的关键。 全文检索系统是指按照全文检索技术理论建立 2 索引的数据结构 起来的用于提供全文检索服务的软件系统。一般来 2．1 索引组织 说，全文检索系统需要具备建立索引和提供查询这两 中文索引策略中索引的组织方法有两种，即正向 项基本功能。功能上，全文检索系统核心具有建立索 索引和倒排索引[1j( 。在信息检索系统中，会为 引、增加索引、优化索引、处理查询返 回结果集等功 每个文档分配一个唯一的ID号作为其标志，在索引 能。结构上，全文检索系统核心具有索引引擎、查询 引擎、文本分析引擎、对外接口，加上各种外围应用系 * 收稿 日期：20O9—11—18 统等共同构成了全文检索系统。 基金 项 目：安 徽 省 优 秀 青 年 人 才 基 金 资 助 项 目 (2009SQRZ216)。 作者简介：张华 (1975一)，女，安徽六安人，硕士，讲师，研究方 向：基于数据压缩的文本信息检索。