CN1432943A - 标杆智能搜索引擎系统 - Google Patents

Abstract

一种标杆智能搜索引擎系统能把海量网络信息“准、全、便、快”地定位，是实现信息全方位、全行业、多途径、多类型和多种检索技术组合的跨平台的智能搜索引擎。它具有独特的创新；是一个技术先进、功能完善、运行稳定、操作简便的大众化产品，其特点：1.即装即用，面向最终用户，无需专业知识。2.操作简便、界面友好、高级傻瓜型和智能型搜索引擎。3.随时添加、插入、修改、删除、更新数据、自动维护索引。4.支持大量(用户数基本无限制)并发用户对数据库进行同时访问。5.检索效率高，查准率、查全率完全达到用户需求。

Description

标杆智能搜索引擎系统

技术领域

网络技术的发展给人类的生活和工作带来了前所未有的影响，网络所蕴藏的巨大信息量对每一个渴望信息的人来说都是一种不可抗拒的诱惑。搜索引擎的应运而生为从浩若烟海的网络信息中迅速查找有效信息提供了途径，并成为每一个上网冲浪者离不开的工具。标杆网络技术有限公司研制开发的“标杆智能搜索引擎系统”是实现海量网络信息全行业、多类型、多载体三维定位，全方位、多途径、多方式检索，跨网络平台作业和独特查询功能，“准、全、便、快”地获得有效信息的最佳搜索引擎系统。

背景技术

因特网(Internet)尤其是万维网(WWW)的出现和发展，使信息交流进入了一个崭新的历史时期。它突破了时空的限制，使生活在不同地区、不同国度的人们可以共享网络信息。然而，由于网络信息种类繁多，数量巨大，质量良莠不齐，加工方式不一，导致网络信息的混乱。而无序的网络信息无法被人们所识别和有效利用，难于展现与提升信息作为一种重要资源的巨大经济价值。因此，如何在庞大的网络信息中“准、全、便、快”地找到人们所需要的信息，便是信息技术工作者必须研究和解决的一个重大课题。

二十世纪九十年代以来，国内许多科研单位、网络技术公司开展了网络信息查询技术的研究，先后也有一些产品问世，例如，北信易宝公司研制的TRS实时信息系统，北京金信桥网络技术公司研制的金信桥全文检索系统，北京海文公司研制的科技文献资料全文检索软件等，这些软件各具特点，但我们研制开发的“标杆智能搜索引擎系统”则更具独特的创新之处：

1、该系统有国家信息产业部认可的标杆公司研制开发的“网络信息分类系统”(待批行业标准)及其后续课题“网络信息分类主题一体化系统”和大型词表库作为网络信息组织和查询的基础和支撑，技术起点较高，难度较大。

2、可从16种信息类型、8种信息载体、135个行业(学科)快速实现网络信息的三维定位。

3、同时支持目录式搜索和索引式搜索。用户可从知识链和产品链的主题树目录逐层浏览，直至找到所需信息；或者通过索引式搜索，在搜索框中输入主题词、关键词或自然语言，都能准确而无遗漏地找到所需信息。

4、支持超文本、超媒体搜索方式。利用标杆公司开发的“网络信息分类主题一体化系统”，以节点为基本单位，建立节点间的超链连接，将文本信息组织成立体网状结构，使用户可以从任意节点，以不同的方式、不同的角度，灵活、方便地浏览和查询信息。也可从文本信息中选中主题词进行查询(不必从查询框中输入主题词、关键词或自然语言)。

5、同时支持受控语言和自然语言的检索方式。该系统可接受主题词、关键词或一段检索要求语言，进行分词并和“网络信息分类主题词表”的主题词匹配，匹配者进行索引式检索，未匹配者则进行单汉字、词、短语的全文检索。

6、支持同义词联动检索。系统接受一检索词，即去分类主题词表查找，判断该词有无同义词，若有，则把同义词联动起来，进行一组同义词的“或”检索。

7、支持全文检索。输入一个或若干个字、词、句，就可从全文库中检索出此字、词、句的全部记录。也可对检索结果进行二次检索。

8、支持字段检索。对已建立字段索引的字段，它是通过指定字段条件进行检索；对于字段内容取值较少的字段，可通过弹出式菜单选择字段内容，也可通过键盘输入字段的检索条件。检索方式可以是完全匹配、前缀匹配、后缀匹配、包含匹配、不包含匹配。

9、支持组合检索。多个字段之间可以进行“与”、“或”、“非”运算，对检索结果进行二次检索。

10、支持定题检索服务。该系统为用户提供特定数据库、特定查询内容的定期检索功能，为此，系统设有用户管理、查询内容管理，并可把查询结果按固定格式保存起来。发明目的

标杆公司研制开发“智能搜索引擎系统”的目的，是为政府部门、教育部门、科研单位、企事业单位和公司等广大用户提供互联网信息的智能检索平台、强有力的多功能网络信息智能检索工具。该系统可实现海量网络信息在行业分类、信息类型、信息载体三维空间的存储和检索，实现信息在不同行业、不同信息类型、不同信息载体之间，以及规范词和自由词之间的超链和跳转。从搜索引擎的基本功能而言，一切从对网络信息的准确定位及提取出发，达到信息检索所要求的“准、全、便、快”的整体目标。

此外，该系统包含一个难得的网络信息分类标准，还有一个全行业的分类主题词表库，可提供全行业、全学科(19个门类、135个行业、学科)和知识与产品的7个领域(主学科、基础学科、科学研究、工程、实物产品、技术产品、服务产品)的分类主题编码表，作为网络信息的分类、加工、组织与浏览导航的基本支撑。19个门类、135个行业(学科)的分类名称与代码见附件。

发明内容

1、功能概述

整体功能有信息类型的设置和管理；信息载体的设置和管理；行业分类的设置和管理。信息按照不同信息类型分别进行录入和管理，其中，商品信息能够灵活设置属性，满足不同行业商品信息检索的需要。系统的核心功能是信息的智能查询、检索，即可按照行业分类、信息类型和信息载体三种不同的分类来查询、检索信息。

(1)检索功能

1)信息类型分类检索

当用户点击类名或输入关键词进行查询时，系统会根据用户的输入定位到分类系统中的某一个类目上。通过递归操作，找到分类系统的顶级类目到底级类目的路径。记录这一系列类目名称，然后返回符合用户检索条件的类目，显示该级类目的信息集合，并统计信息条目的数量。

2)载体类型分类检索

载体类型分类检索的功能与信息类型分类检索的功能相同。

3)行业、学科分类检索

行业、学科分类检索的功能与信息类型分类检索的功能相同。

4)特征字段检索

特征字段检索就是根据用户的需求在指定的字段中进行查找。

5)参见信息检索

在行业分类中，有些信息同时属于两种以上的分类，例如“农业经济”同时属于农业类和经济类，参见类检索是通过一个类目跳转到它的参见类去检索。

6)产业链信息检索

当用户将检索要求定位到一个行业类目时，产业链检索可以检索出包含这个行业类目及其上游产业和下游产业的整个产业链的信息。

7)主题词字顺检索

利用主题词字顺表进行主题词的前方一致(前缀)检索。

8)主题词轮排检索

利用主题词轮排表，根据词素一致的原则在轮排表中查找主题词的检索。

9)主题词词族排序检索

利用主题词词族排序表，进行主题词的后方一致(后缀)检索。

10)同义词检索

同义词检索是通过同义词表查出和用户输入主题词、关键词的同义词，并对一组同义词进行“或”运算检索。

11)异形词检索

异形词检索是通过异形词表查出用户输入关键词的异形词，并对查到的异形词进行“或”运算检索。

12)组配检索

当用户输入多个词时，系统根据用户选择的组合条件(“与”、“或”、“非”)，把用户输入的多个词组配成相应的查询条件进行全文检索。

13)语句切分检索

将用户输入的短语或句子，利用“自动标引系统”进行分词处理，从中抽取出关键词，再利用这些关键词与主题词匹配，并进行“与”运算检索。

14)多语种检索

多语种检索是把用户输入的主题词、关键词翻译成其他语言进行的检索。

15)全文检索

用户输入的关键词在系统中不能匹配到相应的主题词，即将输入的关键词送到全文检索模块，使用全文检索技术在信息资源库中进行的检索。

(2)检索结果显示功能

1)词语释义显示功能

从检索条件存储模块中获取最后一个输入词，在语义表中检索。如果找到相应的词，则在页面上显示这个词的解释。

2)信息条目数量显示功能

用户的每一次检索都会在信息分类系统中找到对应类目的信息条目，进行统计显示。如果这个类目还有子类存在，则还需要统计每一个子类中符合用户检索条件的信息数目。

3)信息条目内容显示功能

用户点击一条信息的标题后，系统则会读取该标题的正文内容并显示在页面中。

4)检索条件历史记录显示功能

从查寻模块中获取用户输入的查询条件列表并显示出来。

以上15种不同的检索方式可以独立检索，也可以组合检索，或在上一次检索结果的基础上，再次进行检索。在多种方式混合检索中，每一步的检索结果都可以根据需要显示出来。检索结果包括4种显示，即：词语释义显示、信息条目数量显示、信息条目内容显示和检索条件历史记录显示。

表1搜索引擎检索、显示功能

编号	检索功能	备注
			1	信息类型分类检索	下分级数不限(有逐级类目导航)。
2	载体类型分类检索	下分级数不限(有逐级类目导航)。
			3	行业学科分类检索	下分级数不限(有逐级类目导航)。
4	特征字段检索	可根据数据库中字段项，进行灵活选择。
			5	参见类信息检索	新开浏览器窗口方式。
6	产业链信息检索	新开浏览器窗口方式。
			7	主题词字顺排序检索	前方一致检索。
8	主题词轮排排序检索	词素一致检索。
			9	主题词词族排序检索	后方一致检索。
10	同义词检索	检索出主题词、关键词的相关同义词。
			11	异形词检索	普通话书面语中并存并用的同音(指声、韵、调完全相同)、同义(指理性意义、色彩意义和语法意义完全相同)而书写形式不同的词语。应列出所有异形词和推荐使用词形。
12	词组配检索	将输入的主题词、关键词按照“与”、“或”、“非”的逻辑运算进行检索。
			13	语句切分检索	将输入的语句进行切分后，组配进行检索。

14	多语种检索	翻译成不同语言的词语检索。
			15	全文本内容检索	全文检索。
16	词语释义显示功能	显示主题词的内容解释。
			17	信息条目数量显示功能	显示检索到的总的信息数量。
18	信息条目内容显示功能	显示检索到的前若干条信息。显示的数量可以设置。打开新页可以分页显示全部信息。
			19	检索条件历史记录显示功能	将多个步骤的继承性检索按次序逐一显示出来，给检索者以提示。

(3)存储检索条件功能

系统将每一步输入的检索条件记录下来，提供给下一步的检索方式作为已检索信息范围，或提供给4种显示方式作为信息输出。这样，在技术上保证了不同种的检索方式可以衔接，同时利用存储检索条件功能，进行用户定题检索服务。

(4)信息维护功能

实现16种信息类型，即新闻、商品、基本活动单位、权威组织、重要人物、权威会议、报纸、期刊、报告、论文、法律法规、专利、标准、图书、工具书、非书资料的管理(增、删、改等各项操作功能)和信息属性字段的自定义设置功能。

具体实施方式

功能模块概述

系统功能模块有：智能检索功能模块；信息存储维护模块；分类主题存储维护模块(见图1)。

(1)智能检索功能摸块

1)搜索引擎结构框架(见图2)

2)检索过程模块(见图3)

(2)信息存储维护模块

1)16类信息存储维护模块

对16类信息进行分析，找到共同点作为公用字段，同时还要找出每类信息不同于其他类信息的特征，作为特征字段，以此全面反映各类信息。

应该特别指出的是，商品是16类信息中极具殊性的一种类型，不仅135行业(学科)的商品之间，就是每个行业内的商品之间，都存在很大的差别，需要根据不同的特点选择特征字段进行描述，进行个性化定义。由于商品分类具有上下位关系，商品自定义属性也存在继承关系，所以系统巧妙地对此进行了一系列的技术处理。

2)8种载体信息存储维护模块

8种载体信息存储维护模块负责存储印刷型、微缩型、视听型、机读型、光盘型、联机数据库、多媒体、互联网等8种类型信息载体的特征内容，并对该部分信息进行维护，包括增、删、改的功能。

用户在查找希望编辑和修改的信息条目时需要系统提供简单的字段查询功能。查询模块根据用户选择或填写的载体类型或关键词，在载体数据库中查找相应信息。

增加一条信息时，需要分离出描述载体特征的信息，向载体信息数据库中单条添加信息，实现向数据库中插入信息的操作。

修改功能只对单条数据库信息执行修改操作。

进行删除操作时，在指定希望删除的信息后，在删除信息类型数据库中信息的同时，删除载体类型中的载体特征信息。删除功能只对载体数据库中的一条信息执行删除操作。系统将用户选定的信息的编号以数组的形式记录，然后执行删除操作。

(3)分类主题存储维护模块

为实现135个行业信息内容的分级管理，根椐行业分类编码规则，把135个行业的信息存储在一个统一的行业分类表中。

为实现主题词检索，而存储字顺表、轮排表、词族表、同义词表、异型词表、词素表、多语种词表等不同形式的词表，并提供增、删、改、排序等维护功能。

解决检索方案的关键技术：

(1)采用检索流程模块化和后台检索流程设置的技术，可以在15种基本的检索方式和4种检索结果显示方式中自定义设计检索步骤和结果。

(2)检索方式可以根据用户的需要随意组合，采用统一的接口和参数，记录用户输入的检索条件和返回结果范围，供下一步的检索利用，实现检索方式的灵活性。

(3)采用检索样式模块化和设置模板技术，解决用户对页面形式的特殊化要求，实现检索模板设置的灵活性。

系统评估

“标杆智能搜索引擎系统”是跨网络平台的信息智能检索系统，可在局域网或广域网环境下运行，操作系统可为WINDOWS 2000、NT，UNIX，LINUX等。该系统是一个技术先进、功能完善、运行稳定、操作简便的大众化产品，其特点：

1、即装即用，面向最终用户，无需专业知识。

2、操作简便、界面友好，是高级傻瓜型检索系统。

3、可随时添加、插入、修改、删除、更新数据、自动维护索引。

4、支持大量的(用户数基本不限)并发用户对数据库进行同时访问。

5、检索效率高，查准率、查全率完全达到用户需求。行业(学科)分类表：

序号	类号	类名
			一	A	农林牧渔业
1	AA	农业
			2	AB	林业
3	AC	畜牧业
			4	AD	水产渔业
二	B	采矿业
			5	BA	煤炭采选业
6	BB	石油和天然气开采业
			7	BC	黑色金属矿采选业

8	BD	有色金属矿采选业
			9	BE	非金属矿物及资源采选业
三	C，D	制造业
			10	CA	食品加工与制造业
11	CB	饮料制造业
			12	CC	烟草制品制造业
13	CD	纺织业
			14	CE	服装制造业
15	CF	鞋制造业
			16	CG	帽制造业
17	CH	皮革、毛皮及其制品的制造业
			18	CI	羽毛(绒)及其制品的制造业
19	CJ	木材加工及木制品和竹、藤、棕、草制品业
			20	CK	家具制造业
21	CL	造纸及纸制品业
			22	CM	印刷业、记录媒介的复制业
23	CN	文教用品制造业
			24	CO	体育用品制造业
25	CP	文化、办公用机械制造业
			26	CQ	工艺美术品制造业
27	CR	石油加工业
			28	CS	炼焦业
29	CT	核燃料处理业
			30	CU	化学原料及化学制品的制造业
31	CV	医药制造业
			32	CW	化学纤维制造业
33	CX	橡胶制品业
			34	CY	塑料制品业
35	CZ	非金属矿物制品业

36	DA	黑色金属冶炼及压延加工业
			37	DB	有色金属冶炼及压延加工业
38	DC	金属制品业
			39	DD	通用机械制造业
40	DE	专用设备制造业
			41	DF	交通运输设备制造业
42	DG	武器弹药制造业
			43	DH	电气机械及器材制造业
44	DI	电子设备制造业
			45	DJ	通信设备制造业
46	DK	计算机制造业
			47	DL	仪器仪表制造业
48	DM	日用杂品及其他制造业
			49	DN	废品回收处理业
四	E	电力、煤气、水的生产和供应
			50	EA	电力和热力的生产与供应业
51	EB	煤气生产业和供应业
			52	EC	自来水生产和供应业
五	F	建筑业
			53	FA	房屋和土木工程建筑业
54	FB	建筑安装业
			55	FC	建筑装饰业
六	G	交通运输、仓储、邮电业
			56	GA	铁路运输业
57	GB	公路运输业
			58	GC	管道运输业
59	GD	水上运输业
			60	GE	航空运输业
61	GF	航天运输业

62	GG	仓储业
			63	GH	邮政业
七	H	计算机、电信、网络服务业
			64	HA	计算机服务业
65	HB	电信业
			66	HC	网络业
八	I	批发、零售贸易业
			67	IA	批发业
68	IB	零售业
			69	IC	贸易经纪与代理业
九	J	旅游和餐饮业
			70	JA	旅游业
71	JB	餐饮业
			十	K	金融、保险业
72	KA	金融业
			73	KB	保险业
十一	L	房地产、租赁和商务服务业
			74	LA	房地产业
75	LB	租赁与出租业
			76	LC	商务服务业
十二	M	社会服务业
			77	MA	自然环境保护与治理业
78	MB	公共设施服务业
			79	MC	公共监督业
80	MD	维修清洗业
			81	ME	居民服务业
十三	N	教育
			82	NA	教育
十四	O	卫生、社会保障、福利业

83	OA	卫生
			84	OB	社会保障、福利业
十五	P	文体娱乐业
			85	PA	新闻出版业
86	PB	广播电影电视音像业
			87	PC	文化艺术业
88	PD	体育业
			89	PE	娱乐业
90	PF	文化体育经纪代理业
			十六	Q	科技服务业
91	QA	科技开发与推广服务业
			92	QB	专业技术服务业
十七	R	公共管理和社会组织
			93	RA	公共管理
94	RB	社会组织
			95	RC	国际组织
十八	S	社会科学与人文科学研究
			96	SA	马克思列宁主义
97	SB	哲学
			98	SC	宗教学
99	SD	语言学
			100	SE	文学
101	SF	历史学
			102	SG	考古学
103	SH	社会学
			104	SI	人口学
105	SJ	民族学
			106	SK	经济学
107	SL	政治学

108	SM	法学
			109	SN	传播学
110	SO	新闻学
			111	SP	图书馆学
112	SQ	情报学
			113	SR	档案学
114	SS	教育学
			115	ST	管理学
116	SU	统计学
			117	SV	科学学
118	SW	未来学
			119	SX	人才学
120	SY	决策学
			121	SZ	军事学
十九	T	自然科学研究
			122	TA	数学
123	TB	力学
			124	TC	物理学
125	TD	化学
			126	TE	天文学
127	TF	大气科学
			128	TG	地球物理学(含空间物理学)
129	TH	地理科学(含自然地理学和人文地理学)
			130	TI	地质学(含地球化学)
131	TJ	海洋科学
			132	TK	水文学
133	TL	测绘学(含大地测量学和地图学)
			134	TM	生物学
135	TN	材料学

Claims (10)

1、一种标杆智能搜索引擎系统，该系统有国家信息产业部认可、我公司开发的“网络信息主题分类体系”标准(待批国家标准)作为网络信息组织的基础和支撑。

2、根据权利要求1所述的标杆智能搜索引擎系统，可从8种信息载体、16种信息类型、135个行业(学科)快速实现三维信息定位。

3、根据权利要求1所述的标杆智能搜索引擎系统，同时支持目录式搜索和索引式搜索。用户可从知识链和产品链的主题树目录逐层浏览，直至找到所需信息；或者通过索引式搜索，在搜索框中输入关键词、主题词或自然语言，都能准确而不漏的找到所需信息。

4、根据权利要求1所述的标杆智能搜索引擎系统，支持超文本、超媒体搜索方式。利用“网络信息分类主题”树形结构，以节点为基本单位，建立节点间的超链方式将文本信息组织成立体网状结构，可使用户从任一节点、不同角度、灵活、方便地浏览和查询信息。也可从文本信息中选中关键词进行查询。

5、根据权利要求1所述的标杆智能搜索引擎系统，同时支持自然语言和受控语言的检索方式。该系统可接受主题词、关键词或一段检索要求语言，由系统进行分词处理和与“分类主题词表”的主题词匹配，匹配者则进行索引式检索，未匹配者则进行关键词或短语的全文检索。

6、根据权利要求1所述的标杆智能搜索引擎系统，支持同义词联动检索。系统接受一检索词，即去“分类主题词表”中查找，判断该词有无同义词，若有，则把同义词联动起来，进行一组同义词的“或”运算检索。

7、根据权利要求1所述的标杆智能搜索引擎系统，支持全文检索。输入一个或若干个字，词、句就可从全字段中检索出包含此字、词、句的全部记录。也可对检索结果进行二次检索。

8、根据权利要求1所述的标杆智能搜索引擎系统，支持字段检索。它是对已建立字段索引的字段进行字段级检索，对于字段内容取值较少的字段，可通过弹出式菜单选择检索内容，也可通过键盘输入字段的检索条件。检索方式可以是完全匹配、前缀匹配、后缀匹配、包含匹配、不包含匹配。

9、根据权利要求1所述的标杆智能搜索引擎系统，支持组合检索。在多个字段之间可以进行“与”、“或”、“非”运算，对布尔检索式进行搜索。还可对检索结果进行二次检索。

10、根据权利要求1所述的标杆智能搜索引擎系统，支持定题检索服务。该系统为用户提供预定数据库、预定查询内容的定期检索服务，设有用户管理、查询内容管理，以及把查询结果按固定格式保存起来的功能。

Images