www.fruitres.cn]

--我相信JAVA能走得更遠 QQ:316228067

統計

隨筆 - 184
文章 - 0
評論 - 215
引用 - 1

公告

個人寫的作品會盡量附上代碼，大家使用發現問題就指出，交流第一嘛 QQ:316228067

常用鏈接

留言簿(13)

隨筆分類(121)

隨筆檔案(105)

搜索

閱讀排行榜

評論排行榜

全文檢索技術概述

--sunfruit

??????? 最近做了一個資料管理軟件用來管理日常資料，編寫好了基本功能以后總是感覺這個軟件缺少了什么，是的，是全文檢索，沒有全文檢索功能，這個管理軟件用到最后也一定對于查找資料相當困難，于是加緊趕工加上了作為基本功能的全文檢索。
??????? 有人了解檢索技術，而且也不是什么高深技術，我也不班門弄斧，就是把原理大概介紹一下，感興趣的朋友也可以自己嘗試編寫一下。
??????? 全文檢索技術其實就是用空間換時間--用硬盤空間換取檢索時間。
??????? 首先需要字索引，要想建立字索引就需要字庫，這個字庫其實就是每一個漢字，大概6000個漢字左右吧，再加上a-z，A-Z，0-9，基本上就可以作為字索引的字庫了，然后就是利用字庫生成字索引。
????????生成字索引的原來就是以字庫為基礎，為字庫里面的每一個字做索引，在每一個文章里面做匹配，把一個文章里面所有的匹配的位置記錄下來，舉個例子：比如字庫里面的"啊"，如果現在要建立"啊"的索引，那么要遍歷所有要做索引的文章，把所有的"啊"的位置要記錄下來，當然要可以區分位置是哪個文章的，要不然混成一堆，就沒有意義了[因為最后檢索索引的最終目的是要定位出文章的ID]，這樣就形成了字索引。依此類推，所有漢字的字索引，索引建立就完成了
??????? 檢索索引，這個是關鍵的關鍵，速度是否快，全看這里，當然索引建立的合理與否也能影響檢索速度，舉個例子：比如要查詢"業務"這個關鍵詞，
??????? 首先在字索引中查到"業": 在文件號11111 中的位置有11，40，99? 在文件號11112 中的位置有22，33，45
???????? 然后在字索引中查到"務": 在文件號11111 中的位置有12，66，100? 在文件號11112 中的位置有27，39，60

??????? 經過計算會得到命中的文件號為 11111 ，因為業務必須位置號碼要連續的出現才算命中

??????? 大概的思路就是這樣
?????? 當然檢索技術還會有詞索引技術，根據字索引可以進一步生成詞索引，并且有切詞技術。。。就不多說了
???????
??????? 那個資料管理軟件的DEMO下載地址 http://www.aygfsteel.com/sunfruit/archive/2006/04/01/38625.html
??????? DEMO的界面樣式如下
??????? 檢索界面
????????

??????? 主界面
????????

??????? 注意：使用全文檢索的時候，首先要生成索引[在工具菜單欄里面]，并且不能重復生成同一個文章的索引，而只能重新生成，這個在生成的時候有選項，因為如果重復生成那么在字索引里面就會重復記錄，到時候檢索的時候就會檢索出來多個同樣的文章了

posted on 2006-04-05 00:20 sunfruit 閱讀(2551) 評論(2) 編輯收藏所屬分類: JAVA SE & EE


只有注冊用戶登錄后才能發表評論。




網站導航: 博客園 IT新聞 Chat2DB C++博客博問管理
相關文章: [原創]Applet上疊加層的解決方案(非div) [原創]使用JAVA開發不規則滾動條 [原創]使用ArcIMS引擎繪制地圖基礎代碼 [原創]使用GeoTools引擎繪制地圖基礎代碼 [原創]JAVA開發的俄羅斯方塊源代碼 [資料]WINDOWS平臺的java串口開發包javacomm20-win32 [原創]基本繪圖演示源代碼，繪制矩形 [原創]Oracle表結構導出為HTML工具1.0.4 [原創]通過JAVA改變圖片的像素Alpha值實現圖片透明 [原創]通過HttpURLConnection如何使用代理服務器連接公網

# re: 全文檢索技術概述 2006-04-05 14:09 lizongbo

# re: 全文檢索技術概述 2006-04-05 14:44 sun fruit