《TPI异构统一检索系统的信息检索方法与策略.doc》由会员分享，可在线阅读，更多相关《TPI异构统一检索系统的信息检索方法与策略.doc（12页珍藏版）》请在三一文库上搜索。
1、TPI异构统一检索系统的信息检索方法与策略Vo1.28,No.5HeilongjiangElectricPowerOct.20O6TPI异构统一检索系统的信息检索方法与策略解忠武(黑龙江省电力科学研究院,黑龙江哈尔滨150030)摘要:介绍了异构检索的基本原理,黑龙江省电力科技数字化信息平台上异构数据库的配置和用于全文检索的分词策略.论述了异构统一检索的基本方法和策略,阐述了检索过程中的注意事项.关键词:异构检索;检索策略;检索方法;分词检索中圈分类号:G354文献标识码:C文章编号:10021663(2006)050324一o4Informationquerymethodandtacticf
2、orTPIheterostructureuniformindexsystemXIEZhongwu(HeilongjiangElectricPowerResearchInstitute,Harbin150030,China)Abstract:Thebasicmechanismofheterostmcturequery,configurationofheterostmcturedatabaseandtacticofclassifyingvocabularyusedforawholearticleindexontheplatformofHeilongiiangelectricpowerscience
3、andtechnologydi#talinformationwasintroduced.Thebasicmethodandthetacticofheterostmctureunitedindexwerediscussed,meanwhile,cautionsworthnoticingduringindexwerealsopresented.Keywords:heterostmctureindex;querytactic;indexmethod;indexinclassificationTPI是清华同方光盘股份有限公司自主研制的一套基于Intemet,用于知识信息创建,生产,管理,维护和发布的工
4、具软件系统.黑龙江省电力科技信息中心于2004年lO月引进了TPI系统和万方电力数据资源系统,并与信息中心自建的数据资源进行了整合,建成了黑龙江省电力科技数字化信息平台(以下简称平台).平台运行近一年来,为科技人员的知识扩充,现场的技术改造以及科技管理水平的提升提供了大量的信息.1认识USP和中文分词技术1.1USP的工作原理USP采用的是双层浏览器/服务器结构(B/s)体系.用户向USP发出检索请求,USP根据配置信息,把检索请求转换成对应于不同搜索引擎的实际检索请求,并向多个搜索引擎发出实际检索请求,搜索引擎执行检索请求后将检索结果传送回USP,USP把检索结果进行智能化整合,最后把检索结
5、果传送给用户.1.2中文分词技术TPI系统支持全文检索和数据项检索,全文检索基于分词策略,查准率和查全率高.分词就是将连续的字序列按照一定的规范重新组合成词序列的过程.在英文的行文中,单词之间是以空格作为自然分界符的,而中文只是字,句和段可以通过明显的分界符来简单划界,唯独词没有一个形式上的分界符,虽然英文也同样存在短语的划分问题,但是在词这一层上,中文比之英文要复杂的多,困难的多.通过引入分词技术,就可以使机器对海量信息的整理更准确,更合理.应引起注意的是,./一和空格等都是分词时使用的分隔符,所以在进行异构检索时,在输入的检索词中不能包含这些字符,尤其在检索技术标准或法规时,检索项标准编号
6、和法规文号中不能包含这些字符,否则将被这些分隔符右截断或不能检索.收稿日期:20060510作者筒介:解忠武(1965一),男,1987年毕业于东南大学电力系统及自动化专业,高级工程师.一324第28卷第5期黑龙江电力2006年lO月2平台上异构数据库的配置3异构统一检索的基本方法经过多年自建和引进的累积,黑龙江省电力科技数字化信息平台上的数据资源达到了相当规模,主要有万方电力数据资源系统和信息中心自建的数据资源,包括万方一电力期刊,万方一电力会议,万方一学位论文,万方一技术标准,万方一法律法规,万方一科技成果,万方一企业机构,万方一科技专家,万方一专利,万方一合同范本,计量标准全文库,电力法
7、规全文库,国家标准目录库和电力标准目录库等.由于这些数据库的建设时间与内部结构各不相同,导致各数据库的字段与数据库服务器中的异构统一字段不一致,因此需要使用唧异构配置软件完成各数据库检索字段的统一映射.数据字段统一映射软件位于服务器端,主要由管理员来进行响应字段的选择或填写配对,并将配置结果保存于服务器端配置文件中,供客户调用来具体实现异构统一检索功能.平台上异构数据库配置见表1.从浏览器中进入USP的首页后,用户可以在此进行各种检索前的设置.共分检索条件和检索范围两部分.3.1检索条件的输入在检索条件一栏中用户可以选择不同的检索方式并输入相应的检索条件,当用户选择简单检索时只能输入1个检索条
8、件,并且在得到检索结果后还可以进行二次检索;当用户选择高级检索时最多可以输入3个检索条件,但没有二次检索功能.检索条件包括检索项,逻辑关系的选择和检索词的输入,只有当用户选择高级检索时,才有逻辑关系的选择.检索项中列出了常用的检索字段,但不一定每个数据库都支持,逻辑关系也是同样.对于检索项和逻辑关系的选择,要受到检索条件匹配方式的限制.TPI系统目前只支持完全精确方式,即只有当某个数据库完全支持用户选择的检表1黑龙江省电力科学数字化信息平台上异构数据库配置-,st万方期刊嚣磊嚣嚣企业机杓科技拣合同范本题名论文题名论文题名论文题名标准名称标题成果名称专利名称企业名称标题中文名称法规名称标准名称标
9、准名称全文全文全文全文全文全文全文全文全文全文全文关键词关键词关键词关铤词关键词作者作者作者论文作者分类号摘要摘要刊名刊名标准绾号耐标题作者单位作者单位专业名称导师姓名完成单位完成人被替代标准号负责人产品经营范围姓名专业领域省市成果水平会议名称会议时间主办单位内容分类申请人发明人分类号分类号暑库别分类号分类号文摘摘要成果简介文摘会议名称会议时间主办单位专业名称导师姓名标准绾号发文文号耐标题效力级别完成单位完成人省市成果水平申请人发明人负责人产品经营范围工作单位姓名专业领域分类号标准绾号标准绾号葺I标题主办单位内容分类颁发单位主题词主盟词分类号分类号标准号标准号被替代被替代标准号标准号一325V
10、o1.28,No.5HeilongjiangElectricPowerOct.2OO6索项和逻辑关系,并且检索项的个数也支持时才查询这个库,否则不进行查询.检索词中不支持表达式或多词组合,均按一个词处理.3.2检索范围的选择在检索范围一栏中用户选择要检索的数据库,可以点击清除选择按钮来快速清除所有选择的数据库.当用户将鼠标移到某个库上时,会自动在下方显示此库的简介,支持的字段,逻辑关系,以及允许同时使用的检索项个数.必须至少选择一个数据库,否则不能进行检索.可选择的最大数据库数也被限制为20个,现在的异构数据库还少于最大数据库数.包括最新电力期刊文摘库,标准,图书,字典,手册等自建成数据库的检
11、索,请在主页面上进行单独检索.图书,字典,手册被集成在ELAS(S)图书管理系统中.3.3浏览结果当用户在首页中设好了检索条件并点击开始检索按钮后,即进入浏览检索结果页面.此页面共分为左右两栏,左边为导航栏,右边为检索结果栏.在导航栏中可以按库浏览检索结果,也可以重新输入条件进行二次检索.在检索结果栏中可以逐页浏览检索结果,或者继续点击一层层深入浏览.3.3.1按库浏览在导航栏中列出了用户选择的所有数据库.用户可以点击<全部>,浏览所有的检索结果,也可以点击某个数据库单独浏览其检索结果.系统能够记录每个数据库的浏览状态,当再次切换到同一数据库时会自动转到上一次浏览的页面.在每个库名
12、称的后面显示了其检索命中结果数或检索情况,使用的符号和含义如下.a.一正在检索,尚未完成.b.珊m检索已经完成,nnn表示命中的结果数.c.?检索已经完成,但命中结果数未知.d.X检索失败.3.3.2二次检索当用户以简单检索方式进行检索时,导航栏中会显示二次检索的提示框,允许用户输入检索条件继续进行检索.若选择了在结果中检索,则最多只能在原结果中再检索一次.若选择了重新检索,则可以检索任意次.一326.3.3.3浏览结果右边的检索结果栏显示的是检索结果,用户可以前后翻页,也可以直接定位到某一页.为了节省空间和提高效率,智能搜索器并不是一次性获得所有数据库的检索结果,而是分多次获取,每次到各个数
13、据库去取回一定数据的结果(其数量多少与数据库有关),并将结果保存起来.因此对于已经取回并被保存到本地的结果,用户可以点击向前翻页按钮或直接选择页号以定位到任一页,如果想看更多的检索结果,用户可以点击向下翻页按钮以激发智能搜索器到各数据库去取回后续的结果信息.在获取某次结果的过程中,为避免用户长时间的等待,当智能搜索器一收到检索结果即马上将其发送给用户,同时继续接收后面的结果.3.3.4退出检索当检索完毕后,用户应当点击导航栏的退出检索以结束检索,这样可以释放占用的服务器系统资源,以保证其它用户能够顺利高效地进行检索.4异构数据检索策略4.1检索词的选择为了提高文献的查准率,应该从相应的规范词表
14、中选择所需的检索词.并且在确定检索词时,除了要考虑反映主题概念的同义词,近义词等相关的检索词外,还要注意选择被选用检索词的缩写词和不同拼法的词,以避免漏检有关的文献.4.2数据库的选择不同数据库的学科范围不同,检索项不同,支持的逻辑关系不同,异构配置也不同.所以,在检索之前应该了解有关数据库的异构检索项和支持的逻辑关系,以便选择数据库时做到心中有数.4.3检索策略构成和调整方法在实际检索过程中,仅需一个检索词就能满足检索要求的情况并不很多.通常需要使用多个检索词构成检索策略,就是对多个检索词之间的相互关系,检索顺序和逻辑关系做出某种安排,以满足由多概念组配而成的较为复杂课题的要求.检索策略输入
15、检索系统后,系统响应的检索结果有时不一定能满足课题检索的要求,这时就需要分析造成检索结果不理想的原因,调整检索策略.对于输出篇数过多的情况,也就是说影响了查准率,应分析是否是由下述原因造成的:a.选用第28卷第5期黑龙汪电力2006年lO月了多义性的检索词,检索词专指度不够,检索面宽于检索要求;b.输入的检索词太少;c.应该使用与(AND)的使用了或(OR).对于输出篇数过少的情况,也就是说影响了查全率,应分析是否由下述原因造成的:a.检索词拼写错误;b.遗漏重要的同义词或隐含概念;c.检索词过于冷僻具体;d.使用过多的与(AND)算符.针对上述原因,如果是属于需要扩大检索范围,提高文献查全率
16、,调整检索策略的方法有:a.减少与(AND)算符,增加同义词或同族相关词使用逻辑或(OR)将它们连接起来;b.减少检索条件,去除已有的字段限制.如果是属于缩小检索范围,提高文献查准率的,调整检索策略的方法有:a.减少同义词或同族相关词.b.增加限制概念,用逻辑与(AND)将它们连接起来;c.使用非(NOT)算符,排除无关概念.查全率和查准率是判定检索效果的主要标准.根据国外有关专家所做的实验表明,查全率与查准率是呈反比关系的.要想做到查全,势必要对检索范围和限制逐步放宽,则结果会把很多不相关的文献也带进来,影响了查准率.使查全率和查准率同时提高,是很不容易的.强调一方面,忽视另一方面,也是不妥
17、当的.应当根据具体课题的要求,合理调节查全率和查准率,保证检索效果.参考文献:1沈关龙.情报检索技术M.上海:同济大学出版社,19952贺志刚,李修波.情报检索教程M.北京:地震出版社,20003高文,刘峰,冯铁军.数字图书馆原理和技术实现M.北京:清华大学出版社,20024梁展戈,王文君.基于Interne*的高校图书馆集成化信息检索系统J.现代情报,2005(9)5王知津,李明珍.十年来我国信息检索研究述评J.现代图书情报技术,2004(t2)6李梅,王庆林.中文全文检索技术的研究及实现J.情报学报,2003(1)(缩辑许辰瑛)(上接第323页)和杜绝污染物排放.对产生的废油,废六氟化硫等
18、废弃物回收利用,固体废弃物按国家规定妥善处置.电网线路设备的检修和运行维护过程中,要保护周围环境和植被.开展输变电环境监测,输电线路和变电站不能满足国家环保要求的,立即整改.避免对省公司的环保投诉和环保纠纷,避免媒体曝光对省公司形象的不良影响.检修,拆卸和运输含有毒,有害物质的设备之前,要制定防止环境污染预案,把环境污染事故发生的可能性降低到最小.大力节能降耗.线损的降低,是电网坚强,经济高效的体现;资源节约,就是对环境保护的巨大贡献.这和火力发电企业煤耗降低就相当于节省了煤炭资源,减少了污染物排放;用户节约使用电能,就相当于节省了资源,减少了污染物排放在道理是一样的.以往历史遗留的含多氯联苯
19、(PCPs)电力设备要做好清单调查工作,妥善管理.彻底消除多氯联苯(PCPs)是我国对关于持久性有机污染物(PCPs)的斯德哥尔摩公约>所承担的义务.要在清单调查工作完成后,根据国家制定的实施方案的要求进行下一步的无害化处理工作.坚决杜绝环境污染事故和环境污染事件的发生.从环境保护方面,也要抓发展,抓管理,抓队伍,创一流.企业内质外形所塑造的形象不容环境污染事故和环境污染事件的发生而破坏.这是建设一强三优现代公司在环境保护方面的坚强保证.参考文献:1刘振亚.特高压电网M.北京:中国经济出版社,2OO52HJ/T241998,500kV超高压迭变电工程电磁辐射环境影响评价技术规范S3GB30961993,城市区域环境噪声标准sE4GB157071995,高压交流架空送电线无线电干扰限值Sf51GB123481990.工业企业厂界噪声标准S(缩辑许辰瑛)一327