[發(fā)明專利]一種全文檢索文檔數(shù)據(jù)庫(kù)的方法及裝置

無效

• 申請(qǐng)?zhí)枺?/td>: 201010195408.0
• 申請(qǐng)日: 2010-05-31
• 公開（公告）號(hào): CN102262640A
• 公開（公告）日: 2011-11-30
• 發(fā)明（設(shè)計(jì)）人: 徐銳;陳旭毅;吳青發(fā)
• 申請(qǐng)（專利權(quán)）人: 中國(guó)移動(dòng)通信集團(tuán)貴州有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 北京德琦知識(shí)產(chǎn)權(quán)代理有限公司 11018
• 代理人: 王一斌;王琦

技術(shù)領(lǐng)域

本發(fā)明涉及檢索技術(shù)，特別涉及一種全文檢索文檔數(shù)據(jù)庫(kù)的方法及裝置。

背景技術(shù)

當(dāng)前運(yùn)營(yíng)商在信息化支撐領(lǐng)域的發(fā)展方向是以企業(yè)用戶為中心，加強(qiáng)組織、流程、人員的協(xié)作。其中，辦公自動(dòng)化系統(tǒng)(OA，Office?Automation)、知識(shí)管理系統(tǒng)作為企業(yè)信息化的不可或缺核心系統(tǒng)，其中涉及的知識(shí)文檔、公文文檔一般采用文檔數(shù)據(jù)庫(kù)進(jìn)行管理并提供搜索引擎，用戶可以通過輸入關(guān)鍵字詞的方式進(jìn)行檢索獲取需要的文檔信息。

文檔數(shù)據(jù)庫(kù)屬于數(shù)據(jù)庫(kù)范疇，可以共享相同的數(shù)據(jù)，具有數(shù)據(jù)的物理獨(dú)立性和邏輯獨(dú)立性，數(shù)據(jù)和程序分離，允許創(chuàng)建許多不同類型的非結(jié)構(gòu)化的或任意格式的字段，提供非結(jié)構(gòu)化數(shù)據(jù)處理，不提供對(duì)參數(shù)完整性和分布事務(wù)的支持，關(guān)于文檔數(shù)據(jù)庫(kù)的其它相關(guān)內(nèi)容，可參見相關(guān)的技術(shù)文獻(xiàn)，在此不再贅述。

文檔數(shù)據(jù)庫(kù)的產(chǎn)品，例如，Lotus?Domino/Notes，目前應(yīng)用十分廣泛，企業(yè)能夠充分利用文檔數(shù)據(jù)庫(kù)集成的開發(fā)環(huán)境的優(yōu)勢(shì)，即文檔數(shù)據(jù)庫(kù)的文檔和表單驅(qū)動(dòng)的應(yīng)用開發(fā)模式，可以有效地縮短開發(fā)周期。

由于在文檔數(shù)據(jù)庫(kù)中，可以任意為記錄添加字段，可以添加列表型的字段，可以處理富文本格式(RTF，Rich?Text?Format)域、附件這樣的大對(duì)象。因而，提供了靈活的數(shù)據(jù)處理方式。

文檔數(shù)據(jù)庫(kù)以文檔(文件)的形式存儲(chǔ)特定的業(yè)務(wù)數(shù)據(jù)的內(nèi)容，因而，在使用過程中存在的最大問題就是面對(duì)海量的知識(shí)文檔和辦公自動(dòng)化系統(tǒng)附件，如何能夠幫助用戶盡快定位其需要的知識(shí)和辦公自動(dòng)化系統(tǒng)附件。現(xiàn)有技術(shù)中一般通過文檔數(shù)據(jù)庫(kù)自身提供的全文檢索去查詢文檔數(shù)據(jù)庫(kù)中的文檔，這樣，在文檔數(shù)量較大時(shí)，全文檢索往往會(huì)得到一個(gè)較大的結(jié)果集，用戶面對(duì)的還是一個(gè)海量的數(shù)據(jù)結(jié)果，無法滿足用戶的查詢要求。具體來說，首先，全文檢索查詢效率低，例如在工作流自動(dòng)化應(yīng)用方面，隨著公文文檔數(shù)量增加，文檔數(shù)據(jù)庫(kù)容量日益增大，由于數(shù)據(jù)庫(kù)容量的增長(zhǎng)，文檔數(shù)據(jù)庫(kù)對(duì)數(shù)據(jù)處理的能力大大降低，尤其在數(shù)據(jù)查詢檢索方面，使得查詢檢索所需時(shí)間大大增加、查詢效率顯著下降。其次，查詢結(jié)果不精確，由于文檔數(shù)據(jù)庫(kù)內(nèi)嵌的搜索引擎對(duì)全文檢索支持較差，例如，文檔中可能包含不同格式的附件，舉例來說，一個(gè)文檔中可以包含WORD附件、PDF附件等，因此，在進(jìn)行全文檢索時(shí)，需要文檔數(shù)據(jù)庫(kù)提供針對(duì)不同格式的附件的解析器以便進(jìn)行檢索并讀取附件中的內(nèi)容，而文檔數(shù)據(jù)庫(kù)內(nèi)嵌的搜索引擎不具有解析器，因而，在文檔中存在不同格式的附件時(shí)，可能導(dǎo)致用戶無法查找到需要的文檔或返回一個(gè)完全不相關(guān)的文檔集合。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的主要目的在于提出一種全文檢索文檔數(shù)據(jù)庫(kù)的方法，提高全文檢索的查詢效率。

本發(fā)明的另一目的在于提出一種全文檢索文檔數(shù)據(jù)庫(kù)的裝置，提高全文檢索的查詢效率。

為達(dá)到上述目的，本發(fā)明提供了一種全文檢索文檔數(shù)據(jù)庫(kù)的方法，該方法包括：

查詢文檔中的附件并對(duì)查詢得到的附件按照預(yù)先設(shè)置的策略進(jìn)行文檔轉(zhuǎn)換；

按照業(yè)務(wù)分類文檔數(shù)據(jù)庫(kù)中的文檔，生成文檔數(shù)據(jù)子庫(kù)；

為生成的文檔數(shù)據(jù)子庫(kù)建立全文索引目錄，并存儲(chǔ)在預(yù)先設(shè)置的關(guān)系數(shù)據(jù)庫(kù)中；

接收用戶輸入的搜索關(guān)鍵字詞，匹配關(guān)系數(shù)據(jù)庫(kù)中的全文索引目錄，獲取匹配的全文索引目錄對(duì)應(yīng)的文檔數(shù)據(jù)庫(kù)中的文檔。

進(jìn)行文檔轉(zhuǎn)換后的文檔結(jié)構(gòu)為可擴(kuò)展標(biāo)記語言文檔結(jié)構(gòu)。

所述接收用戶輸入的搜索關(guān)鍵字詞，匹配關(guān)系數(shù)據(jù)庫(kù)中的全文索引目錄，獲取匹配的全文索引目錄對(duì)應(yīng)的文檔具體包括：數(shù)據(jù)庫(kù)中的文檔文檔數(shù)據(jù)庫(kù)中的搜索程序接收用戶輸入的搜索關(guān)鍵字詞，根據(jù)搜索關(guān)鍵字詞搜索關(guān)系數(shù)據(jù)庫(kù)中的全文索引目錄，查找與搜索關(guān)鍵字詞匹配的全文索引目錄，然后根據(jù)查找得到的全文索引目錄，定位該全文索引目錄對(duì)應(yīng)的文檔數(shù)據(jù)庫(kù)中的文檔，并將得到的文檔信息返回給搜索用戶。

在所述接收用戶輸入的搜索關(guān)鍵字詞的步驟之后，匹配關(guān)系數(shù)據(jù)庫(kù)中的全文索引目錄的步驟之前，進(jìn)一步包括：對(duì)用戶輸入的搜索關(guān)鍵字詞進(jìn)行分詞處理。

在所述匹配關(guān)系數(shù)據(jù)庫(kù)中的全文索引目錄的步驟之后，獲取匹配的全文索引目錄對(duì)應(yīng)的文檔數(shù)據(jù)庫(kù)中的文檔的步驟之前，進(jìn)一步包括：將匹配的全文索引目錄信息作為初次搜索結(jié)果信息向用戶顯示，根據(jù)用戶從初次搜索結(jié)果信息中選擇的全文索引目錄信息，執(zhí)行所述獲取匹配的全文索引目錄對(duì)應(yīng)的文檔數(shù)據(jù)庫(kù)中的文檔的步驟。

進(jìn)一步包括：判斷文檔修改日志是否發(fā)生變化，如果是，讀取文檔修改日志，并與全文索引目錄中的索引進(jìn)行對(duì)比，獲取需要同步的文檔數(shù)據(jù)，修改索引中的相應(yīng)數(shù)據(jù)。