軍事文獻搜索引擎架構(gòu)的研究與實現(xiàn).pdf

1、軍隊信息服務(wù)體系與創(chuàng)新研究作為軍隊信息化建設(shè)戰(zhàn)略研究的基礎(chǔ)構(gòu)件之一，在挖掘信息資源，實現(xiàn)無障礙傳遞，推進技術(shù)革新，協(xié)助軍事科研，培養(yǎng)現(xiàn)代化軍隊，造就高素質(zhì)復(fù)合型人才等方面，具有重要的理論價值和現(xiàn)實意義。當(dāng)今時代，信息資源的開發(fā)利用作為信息化建設(shè)的中心任務(wù)，具有極其重要的意義。在軍隊的信息化建設(shè)過程中，電子軍務(wù)，內(nèi)網(wǎng)穩(wěn)定共享的要求逐步提高，為了滿足軍方信息內(nèi)部共享的要求，我們構(gòu)建軍用Internet。從目前發(fā)展的軍網(wǎng)的架構(gòu)來看，不同密級的

2、局域網(wǎng)通過骨干網(wǎng)絡(luò)溝聯(lián)起來，信息通過外部網(wǎng)站的信息來發(fā)布。 軍事領(lǐng)域內(nèi)網(wǎng)檢索過程中，產(chǎn)生了大量的文獻資料，為了有效地獲取并利用這些已有信息，以往開發(fā)的部分軍務(wù)系統(tǒng)將文獻資料存儲到Oracle數(shù)據(jù)庫中，并利用其提供的全文檢索技術(shù)Oracle Text來創(chuàng)建索引和進行檢索。利用Oracle數(shù)據(jù)庫檢索技術(shù)雖然在一定程度上實現(xiàn)了文獻資料的檢索，但這種方法也有其自身的不足：索引與數(shù)據(jù)庫是緊耦合的，這種緊耦合的關(guān)系在一定程度上影響了數(shù)據(jù)庫的

3、工作效率，特別是在索引創(chuàng)建和維護的過程中，要占用大量的系統(tǒng)資源，導(dǎo)致數(shù)據(jù)庫的運行效率降低，可能會影響到其他使用數(shù)據(jù)庫的應(yīng)用的運行。其次Oracle數(shù)據(jù)庫的索引不能為其他數(shù)據(jù)庫系統(tǒng)所使用，因而當(dāng)文獻資料存儲在多種數(shù)據(jù)庫中時，不能進行跨庫查詢。最后，Oracle Text中的中文分詞效率不高，而且不支持中英文混合情況下的分詞，這都影響了檢索的查全率和查準率。 我們在已有的技術(shù)基礎(chǔ)上，構(gòu)建了軍事文獻搜索引擎架構(gòu)，雖然依然使用Oracl

4、e數(shù)據(jù)庫來存儲軍網(wǎng)的文獻資料，但是不再使用Oracle內(nèi)部的索引機制，而是設(shè)計開發(fā)了索引服務(wù)模塊和查詢服務(wù)模塊來索引和檢索。本論文解決以下幾個問題： (1)提出了軍事文獻搜索引擎中檢索系統(tǒng)的體系結(jié)構(gòu)框架。該框架中，數(shù)據(jù)庫與索引文件實現(xiàn)了松耦合，解決了以往系統(tǒng)中索引重建導(dǎo)致數(shù)據(jù)庫效率變低的缺陷。 (2)為了保證文獻資料與索引的同步，采用了多線程編程的方式設(shè)計了數(shù)據(jù)采集服務(wù)并且引入了線程池技術(shù)以此來提高數(shù)據(jù)采集的運行效率。同

5、時提出了在數(shù)據(jù)采集服務(wù)模塊當(dāng)中引入了網(wǎng)絡(luò)爬蟲的機制，利用類似于垂直搜索的概念擴充了軍務(wù)信息的采集方式。 (3)在C++平臺上設(shè)計實現(xiàn)了算法即插即用的文本轉(zhuǎn)換框架，利用C++的虛函數(shù)機制來獲取文本轉(zhuǎn)換基類的多態(tài)行為。該框架具備高度的可擴展性，在不影響框架本身和應(yīng)用的前提下就可以將算法集成到框架中。 (4)在研究已有索引技術(shù)的基礎(chǔ)上，設(shè)計實現(xiàn)了滿足系統(tǒng)需求的索引服務(wù)和查詢服務(wù)。索引服務(wù)不僅對文獻資料正文數(shù)據(jù)創(chuàng)建了索引，同時對