一种面向文件的高效检索方法.pdfVIP

一种面向文件的高效检索方法1 喻宏勇，赵铁军，郑德权。王月颖 教育部一微软语言语音重点实验室，哈尔滨工业大学，哈尔滨150001 E-realI：hyyu鲕tlab．hit．edu．cu 摘要：随者文件量的增加。快速找到文件成为问题。面对这种需求，提出了一种高效的文件检索方法．可 广泛应用于所有基于文件名的检索系统。该方法仅通过两次迭代归并．即能建立海量倒排表，通过分析关 键字段特征实现相关性排序． 关键词：文件搜索； 倒排表；相关性 ResearchonanEffectiveRetrievalMethod0rientedtoFile Yu Hongyong，ZhaoTiejun，ZhengDequan，WangⅥleYin MOE-MS ofNaturaI and KeyLaboratory LanguageProcessing Speech Harbin InstituteofTechnology,Harbin,150001 Abstract：Withthe offile thefile isan issue．Therefore．wc augmentanlount,findingquicklyimportant propose aneffectiveretrievalmethodwhichCallbeusedin orientedtofile allretrieval uarne．Inadditionthis systems methodestablishesinvertedtable for realizesrelevancesort the mergingonlytwice,and by huge by analyzing featuresword． ofkey Keywords：Filesearch：Invertedtable：Relevance l 引言 在信息高速增长的今天．信息量巨大，快速找到需要的信息成为问题。Google，Baidu 的出现从一定程度上解决了人们的问题。但同时，个人电脑文件量的增加，还没有一种专门 针对搜索文件的软件出现。当然，桌面搜索也有类似的功能，但它主要是基于内容的搜索， 对文件名的相关性排序效果并不太理想，同时对文件操作的附加功能也不够完善。而 Windows自带的搜索所用的时间又太长，也没有相关性排序。面对上述问题，我们提出了一 种高效的文件检索方法，可广泛应用于所有基于文件名的检索系统。该方法仅通过两次迭代 归并，即能建立海量倒排表，通过分析关键字段特征实现相关性排序。该方法通过数据抓取、 预处理，检索几部分组成。 2数据抓取 ． 此部分完成对数据的抓取。通过枚举选定的目录下的所有文件和目录，并把相应的属性 信息存放在数据文件中，其格式如图1所示。为方便后面的检索，需要把文件名中的字母全 变成小写。 车文得到国家自然科学基金60375019)的资助 一290一 圈1文件属性信息 枚举文件算法采用了图的深度优先遍历策略，这样可以节省内存n 3倒排索引 该部分主要完成对文件名信息建立索引。为实现快速高效地检索，本系统采用了倒排索 引，并提出了一种高效的建立索引方法。它能通过两次