基于相關詞識別的數(shù)據(jù)庫全文檢索研究.pdf

1、隨著計算機的大量普及，各行各業(yè)的信息化進程也不斷加快，各種信息化系統(tǒng)不斷涌現(xiàn)。數(shù)據(jù)庫作為應用系統(tǒng)的數(shù)據(jù)來源，隨著這些信息系統(tǒng)的長期使用，數(shù)據(jù)庫中的各種業(yè)務數(shù)據(jù)不斷積累，如何從這大量的數(shù)據(jù)中快速找到需要的信息推動了我們對數(shù)據(jù)庫全文檢索的研究。
　　針對上述需求，本文在信息系統(tǒng)中設計實現(xiàn)了數(shù)據(jù)庫全文檢索框架，在比較兩種全文索引實現(xiàn)的優(yōu)缺點后，基于開源搜索引擎lucene來創(chuàng)建索引和搜索索引，完成對數(shù)據(jù)庫的全文檢索。并用增量索引的方式對

2、索引庫進行維護。
　　Lucene提供的對索引的搜索是針對關鍵詞的精準搜索。但是由于生活中人們對同一事物的描述千差萬別，所以這樣的搜索就會導致結果不夠全面。這需要檢索系統(tǒng)自動識別用戶的意圖，能夠全面合理的檢索到用戶希望看到的結果，這就對中文同義詞的識別技術提出了更嚴格的要求。鑒于上述問題，本文深入研究了同義詞識別的相關算法，利用數(shù)據(jù)庫中已有的大量數(shù)據(jù)改進同義詞識別的算法應用于大數(shù)據(jù)中提取相關詞，借此構造應用于本系統(tǒng)的相關詞詞庫。在

3、此相關詞詞庫的基礎上，在數(shù)據(jù)庫全文檢索框架中加入對相關詞的識別，并針對在加入相關詞后的檢索結果排序問題對lucene自帶的排序算法做了改進，把相關詞和關鍵詞對結果的影響的重要度區(qū)分開來。實驗結果表明，這種方法擴展了搜索結果，提高了檢索系統(tǒng)的查全率。
　　目前國內對中文同義詞識別方面的研究才剛剛開始，在搜索引擎中的應用也不能盡如人意。本文以高校信息管理系統(tǒng)的應用為背景，以學科相關詞的識別為目的，參考同義詞識別方面的相關算法思想，結合