全文检索系统整体方案设计.docx

1 全文检索系统方案

1） 系统提供模糊检索、分类搜索、高级复合搜索、全文检索、图片内容检 索、跨库检索等多种检索途径；
2） 支持字索引和词索引；
3） 检索条件具有完整的关键词布尔逻辑运算 AND OR NOT能力，支持复 合式布尔逻辑运算查询，并且可以配合多组左括号"（"与右括号"）"作关 键词查询优先级的设置；
4） 提供用户多次递进查询的功能，用户可根据上一次查询关键词得到的检 索结果集，增加查询关键词与缩小搜索日期范围，而得到更准确的查询 结果集；
5） 能够支持对以上文件中的中文（简体/繁体）、英文、日语、韩语内容实 现关键字检索；
6） 支持对Word TXT PDF等多种主流文档格式全文检索，并提供开发接 口以支持特殊文档格式的全文检索；
7） 在数据源数据发生更新时，能在索引库中反映出来，保证搜索的信息为 最新，即支持增量索引机制；
8） 用户可自行设定时间，让系统自动定时进行更新索引；
9） 对于百万级记录数的搜索以及结合模糊搜索等查询方式， 搜索时间不得
超过10秒；
10） 提供跨数据源、数据格式的搜索；
11） 同过相关性搜索，能够把和搜索条件相关联的信息搜索出来；
12） 不但能够对图片的描述信息进行搜索，还能对图片内容的检索；
13） 提供COM与 SOAP勺搜索接口（Interface） 可让其它应用程序或查询网
页能够提供用户查询入口和查询结果的呈现， 用户可通过应用程序或浏
览器访问全文检索服务器，提交查询条件，可在浏览器中查看检索结果；
14） 查询结果集中应包含结果集总数、命中的结果文件的完整路径，以及符 合关键词出现的内容片断；
15） 在搜索结果集中，关键词应被标识出来，用特殊的字体及颜色和其他文 字进行区别，查询者可在查询结果片断中一目了然的看到关键词出现的 位置；
16） 查询结果可按照关键词命中次数，命中结果文件的修改时间，大小等条 件进行排序；
17） 可提供用户对检索命中结果文件在索引库中进行标记，从而再次检索 时，不在标记过的文件中进行查询；

系统将采用以下全文检索流程
Fuzzy Search
Synonym Phrase
Wild-Card
Multi-field Filter
■
□
ngi ne
AAppccaoon (Useeinnface)
A
In dex Database
IRMS
IRMS. In dexer
Term Extract
Term Index
FileNET 內容管理
Lotus Domino R5,R6 (NSF)
二二“：「
Adapter
Data Source Composer
File Extractor
Share Folder with Documents
Web Site Robot/Spider By URL Entry
RDBMS
(ODBC /
OLEDB / JDBC)
针对企业内部的信息，包括文件服务器上的文件、网站网页、 ERP等系统存
放信息的数据库信息、办公应用中的公文档案文档已经内容管理系统中流转的内 容，本系统提供了两种数据适配器来提取其中的正文内容和属性内容， 形成一个
相对结构化的数据虚拟层；本系统的索引引擎（Indexer ）对结构化的数据虚拟 层进行中文切分词、文件特征分析和逐步索引，以及其它索引算法，生成索引数 据库；使用者（user）在搜索页面中输入查询字串等搜索条件并提交给本系统后， 本系统的全文检索查询引擎（Searcher）会在索引库中进行搜索，并将符合搜索 条件的搜索结果返回给使用者；使用者（user）可于查询结果页面，进一步链接 到信息原文查看详细内容。
对于系统管理，管理员可通过相应web方式的管理程序来管理整个系统运行 环境及设置文件；并通过索引引擎（ ）实时或定时创建索引，更新 索引数据库的内容，使检索信息维持在最新状态。

? 高效率的整合搜索，大幅减少组织成员在取得信息时花费的时间！
本系统和其它搜索系统只针对特定信息源搜索不同，它能对企业内部绝大多 数的信息创建索引和搜索，具备强大的信息整合及快速回应能力，让企业成 员以单一搜索页面、简易的操作方式，即可在最短时间内，完整、准确、及 时地掌握企业内外所有信息，不必再耗费大量时间的找寻信息！
? 信息过量不会造成企业成员的信息焦虑！
通过本系统强大的索引/搜索能力，大量的信息也可在瞬间过滤出符合使用 者条件的信息，不必担心迷失在漫漫的信息洪流之中！
? 非