企业内基于数据库搜索引擎的可行性研究.pdfVIP

企业内基于数据库搜索引擎的可行性研究

前言

面对越来越多的数据报告冲击，繁杂的数据，获得数据的不便以及定制数据

的繁琐，用户（特别是高阶用户）感觉到无法适。简单访问，就如同自然语言

检索一样，完成最快的获得需要的数据，而现状就是，用户可以通过文档级检索，

很快的获得相关情报资料(虽然存在着查全和查准的矛盾)，而基于数据库的简单

检索，还没有真正的实现，其相关症结所在，就是用户的输入条件的不确定性和

数据库的相对刚性这个冲突，用户很难按照数据的要求完成自己需要数据的描

述，而数据库也很难根据用户的自然语言进行判读，所以通常的解决方法就就是

高阶的用户将向关想法描述给专业人士，然后专业人士从数据库中获得再提交给

高阶用户，这种状况非常不能满足越来越多的快速数据要求

提出了基于数据库搜索引擎的方案，其目的就是有限度解决此中状况，因为

在世界范围内，自然语言的解析还处于研究状态，所以这里讲的是用户在一定范

围内采用自然语言关键字的方法，而搜索引擎对用户的输入进行解释，提交数据

库，从而完成比较适合用户需要的解决方法

第一章功能流程描述

在以上系统中，搜索引擎起到一个枢纽的作用，是整个系统实现成败与否的

关键，其主要完成以下功能：

一）要有一个初步的词汇表，从而定义出数据库当前数据项的所有描述性短

语,结合数据归类等方法分别整理存放

二）对描述性短语结合自然语言和用户习惯，增加语义解释层，组织出相应

用户命中区域，提高用户的搜索有效性

三）引擎要有学习功能，就是能够对用户的输入进行跟踪统计，并修正引擎

的搜索命中规则，从而提高用户的搜索正确和有效性

四）根据用户的搜索正确次数以及使用频率，对一些常用数据进行固化，提

高系统的相应能力

五）根据搜索引擎的用户搜索成功次数统计，结合系统权限管理办法，整理

出用户的搜索偏好，进一步提高用户的搜索输入速度

六）最终结合显示的需要，建立显示支撑系统，对不同的数据的展示方式进

行定义，用户可以结合文字、图形等方式获得数据,接口定义

第二章技术点分析

2.1纠错容错

中文分词问题的研究已有二十多年历史,其间已提出了多种分词算法.总的

来说,这些算法可分为三类:第一类为基于词典的机械分词算法；第二类为基于统

计的分词算法；第三类为基于知识的分词专家系统。鉴于本系统的词汇范围有限，

所以采用第一类为主，第三类为辅的方法来进行分词。

纠错容错是要有一定前提的，即用户的输入要接受一定规则的约束，比如语

言种类的约定（中文？？英文？）、分隔符的约定、短语之间的逻辑关系表达约

定（“and”“or”“not”）等方面，因为在目前技术情况下，尚未有针对任

何自然语言的机器判读研究的成功，所以要进行一定的约束，主要体现在可以控

制的范围内进行用户的表达分析，主要能够考虑到的范围如下表所示：

范围解决方法

日期对各种日期表达方式进行定义，然后采用优化的算法

进行判断

文字对同音同码等文字和专业词汇表以及地域词汇表等

进行比对

特有词汇对相应领域内的专业术语，即不同叫法是指同一事务

的方法进行容错如：SPCP服务提供商内容提供商

等

缺条件短语系统对缺少的条件可以设置不同情况，不同人员的缺

省值

顺序容错即能够按照约定完成指定语言逻辑关系的判读，如“9

月10月用户数收入”和“9月用户数10月收入”

其实是两种意思

特殊领域如完成法定假日的定义和判别，如“2005年假日收

入工作日收入”“今年国庆”等词汇的判读

2.2业务规则判读