基于.Net技术图书信息全文检索系统.docVIP

基于.Net技术图书信息全文检索系统 　　摘要：本文将开源全文检索技术应用到图书信息管理系统，提高了全文检索速度。最后，本文着重讨论了系统实现的关键技术。 　　关键词：全文检索；图书.Net 　　中图分类号：J218.7文献标识码：A 文章编号：1007-9599 （2010） 15-0000-01 　　Book Information Text Retrieval System on .Net Technology 　　Huang Jianguo 　　(Computing Center,Statistics Bureau of Yixing,Yixing214200,China) 　　Abstract:This article will open full-text retrieval technology into library information management system to enhance the full-text retrieval speed.Finally,the paper focuses on the key technologies of the system. 　　Keywords:Full-text retrieval;Books.Net 　　一、引言 　　随着互联网技术的不断发展，信息量的快速膨胀，使万维网已经发展成为一个巨大的海量信息空间。现代的搜索引擎已由收录几千万到现在收录和几百亿个页面。如何有效，快速，准确地在海量的信息中找到我们所需要的内容已成为当前研究的一大热点。因此，信息检索技术在当今的信息社会中将发挥越来越重要的作用。全文检索则是信息检索中一个极重要的部分。人们每天在网上使用的百度，谷歌等搜索引擎来查找所需要的信息。而这些搜索引擎采用的核心技术就包含了全文检索。所谓全文检索是指为需要检索的内容，例如一篇文章的标题和内容，建立索引并指明索引词出现的位置和内容。当用户输入关键字进行查询时，检索引擎根据事先建立的索引进行匹配查找，并将查找的结果反馈给用户的检索方式。然而，目前现有的关系数据库检索是以结构化数据为检索的。数据以记录形式存储。数据类型有结构化和非结构化之分。结构化的数据即具有固定长度的数据，例如整型、字符、日期型等。而非结构化的数据通常是存放内容，文本等，这些数据都是不定长的。然而，对于这些非结构化数据进行检索时，通常是使用关系数据库支持的SQL语句进行匹配查询类似“like%key%”。显然，使用SQL实现的全文检索通常会占用大量的CPU和内容，使数据库处于极繁忙状态。目前主流的数据库例如Oracle，SQLServer等内置的全文检索技术检索效率很低，其速度也相当慢。 　　本文为解决现有数据库实现全文检索的不足，利用微软的.NET技术，借助全文检索系统Lucence[1]的相关接口，实现了一个能提供全文检索的图书信息检索系统，从而大大加快了检索速度，提高检索准确度。 　　二、全文检索系统模型 　　本文实现一个简单的图书搜索引擎，使用开源框架DotLucene来实现搜索引擎系统。DotLucene是一个从Apache的Lucence检索框架移植到.Net上的。Lucene是目前最为流行的基于全文检索的工其包。Lucene检索本质上是索引检索，即采用空间来换取时间，它对需要检索的文件、字符流进行全文索引。在进行检索的时候对索引实行快速检索，从而得到检索的位置。 　　三、系统实现的原理与技术 　　图书全文检索系统的实现原理可分为如下几步：（1）建立图书数据库；（2）对图书库建立索引；（3）在索引数库中实行全文搜索；（4）对搜索结果进行处理和排序。 　　（一）建立图书信息库 　　该步骤是一个长期信息录入过程。如果有新的图书信息需要入库，操作员通过系统提供的图形界面按指定的格式要求进行数据录入。 　　（二）对图书库建立索引 　　该步骤主要目的是使用DotLucene技术对图书信息库建立索引。如果使用传统的方法查询图书内容，例如含有“设计模式”的关键字，则对数据库提交类似如下的SQL语句“like%设计模式%”。这样的执效显然十分低效。本文通过DotLucene技术对需要检索的内容先进行索引，并将这些索引信息存放在磁盘上。在使用DotLucene类库时，首先要在.Net系统工程引入“Lucene.Net.dll”动态类，并引入如下包： 　　using Lucene.Net.Documents; 　　using Lucene.Net.Index; 　　using Lucene.Net.Search; 　　using Lucene.Net.QueryParsers; 　　using Lucene.Net.Analysis.