[發明專利]一種電子文檔全文檢索的方法及系統

有效

• 申請號: 200710140688.3
• 申請日: 2007-10-09
• 公開（公告）號: CN101408876A
• 公開（公告）日: 2009-04-15
• 發明（設計）人: 劉麗麗;李英
• 申請（專利權）人: 中興通訊股份有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京安信方達知識產權代理有限公司
• 代理人: 龍 洪;霍育棟

1.一種電子文檔全文檢索的方法，其特征在于，包括以下步驟：

(1)根據用戶配置的數據源和索引創建與更新的策略，對該數據源的文檔屬性信息以及與其對應的文本內容信息進行抽取，并為該數據源的文檔屬性信息以及與其對應的文本內容信息中的每個詞分別建立索引，構建與該數據源對應的全文檢索索引庫；

(2)接收用戶輸入的查詢內容，并根據其確定查詢條件，在所述全文檢索索引庫中對該索引進行查找，得到匹配的文檔屬性信息以及對應的文本內容信息；其中，根據用戶輸入的查詢內容確定查詢條件具體為：根據關鍵詞提取策略對用戶提供的查詢內容進行關鍵詞提取，根據提取出的關鍵詞形成查詢條件；

(3)提取該文本內容信息中與用戶搜索相關的摘要信息，并將該摘要信息與對應的文檔屬性信息一同返回給用戶；其中，提取該文本內容信息中與用戶搜索相關的摘要信息具體為：當用戶輸入的查詢內容未包括文檔內容時，提取該文本內容信息中的文檔摘要作為摘要信息；當用戶輸入的查詢內容包括文檔內容時，根據關鍵詞對文本內容信息中的文檔內容進行檢索，提取其中命中關鍵詞的文檔內容片段作為摘要信息。

2.如權利要求1所述的方法，其特征在于，步驟(1)中，所述用戶配置的數據源，為一個或者多個電子文檔庫。

3.如權利要求1所述的方法，其特征在于，步驟(1)中，在所述數據源更新同時，自動同步更新所述全文檢索索引庫內的信息，包括以下步驟：

(i)定時掃描電子文檔庫的文檔屬性信息與文本內容信息；

(ii)提取所述文檔的當前信息，并與全文檢索索引庫中電子文檔的歷史信息進行對比；

(iii)將有更新操作的文檔，在全文檢索索引庫中同步進行更新操作。

4.如權利要求1所述的方法，其特征在于，所述查詢內容，包括以下內容之一或多個的組合：文檔內容、文檔摘要、文檔標題、文檔創建時間、文檔更新時間、文檔作者、文檔類型、文檔大小以及文檔路徑。

5.如權利要求1或3所述的方法，其特征在于，所述文檔屬性信息，包括：文檔標題、文檔創建時間、文檔更新時間、文檔作者、文檔類型、文檔大小以及文檔路徑；

所述文本內容信息，包括：文檔內容、與文檔摘要。

6.一種電子文檔全文搜索系統，其特征在于，包括：

索引模塊，根據用戶配置的數據源和索引創建與更新的策略對全文索引進行維護，抽取該數據源中文檔屬性信息以及與其對應的文本內容信息，并為該數據源中文檔屬性信息以及與其對應的文本內容信息中的每個詞分別創建索引，構建與該數據源對應的全文檢索索引庫；

查詢入口模塊，用于接收用戶輸入的查詢內容，并將其發送給查詢模塊進行處理，還用于調用查詢模塊在文本內容信息中提取摘要信息，并將查詢模塊返回的摘要信息與對應的文檔屬性信息一起反饋給用戶；

查詢模塊，用于根據輸入的查詢內容確定查詢條件，在所述全文檢索索引庫中對索引進行查詢，經查詢入口模塊調用，在查詢到的文本內容信息中提取摘要信息，并將其與對應的文檔屬性信息一起返回給查詢入口模塊；所述查詢模塊具體包括：

摘要生成模塊，經查詢入口模塊調用，用于在查詢到的文本內容信息中提取與用戶搜索相關的摘要信息，并將其與對應的文檔屬性信息一起返回給查詢入口模塊；其中，在查詢到的文本內容信息中提取與用戶搜索相關的摘要信息具體為：當用戶輸入的查詢內容未包括文檔內容時，提取該文本內容信息中的文檔摘要作為摘要信息；當用戶輸入的查詢內容包括文檔內容時，根據關鍵詞對文本內容信息中的文檔內容進行檢索，提取其中命中關鍵詞的文檔內容片段作為摘要信息；

關鍵詞提取模塊，用于接收查詢入口模塊發送來的查詢內容，根據關鍵詞提取策略，對用戶輸入的查詢內容進行關鍵詞提取，并將提取的關鍵詞返回查詢入口模塊來向數據查詢模塊轉發；

數據查詢模塊，用于接收由查詢入口模塊發送來的關鍵詞信息，并根據關鍵詞所形成的查詢條件，在所述全文檢索索引庫中對索引進行查詢，得到匹配用戶查詢要求的文檔屬性信息以及與其對應的文本內容信息。