CN1811755A - 数据库搜寻系统 - Google Patents

Abstract

本发明为一种数据库搜寻系统，包括：一复合式数据库搜寻引擎，其中包括至少二种数据库搜寻工具，各数据库搜寻工具提供至少一种数据库搜寻条件格式，可供该数据库搜寻引擎搜寻符合该条件格式下的资料文件；一数据库搜寻代理器建立及训练模块，其中，该数据库搜寻代理器记录一组搜寻参数，各搜寻参数包括一搜寻条件及其权值；及一使用者界面，其中，该至少二种数据库搜寻工具包括一个可利用数据库搜寻代理器进行资料搜寻的工具；且该数据库搜寻代理器建立及训练模块针对依据该至少二种数据库搜寻工具之一者所搜寻得到的一群资料文件中特定数量的资料文件内容，建立数据库搜寻代理器。

Description

数据库搜寻系统

技术领域

本发明是关于一种数据库搜寻系统，特别是关于一种提供经由不同途径对同一主题进行搜寻。并可保留及携带搜寻经验的数据库搜寻系统。

背景技术

随着计算机化的普及以及互联网进入人类生活，许多资料已经数字化，存放于各种数据库中。互联网将这些数据库网网相连，形成一个巨大的大型数据库，其结果，如何在这个大型数据库中检索，寻找到所需的资料文件，成为每一个人在工作上、生活上重要的课题。

为提供数据库搜寻所需，业者已发展出各种搜寻工具。其中，最常见的乃是所谓「全文检索」方式的搜寻工具。全文检索的搜寻工具，一般而言是利用若干如“与(and)”、“与非(nand)”、“或(or)”等组合成为一组搜寻参数，比对数据库中的资料文件内容，而将符合该搜寻条件的资料文件，作为搜寻成功的结果。

另一种常见的搜寻工具，乃是令使用者输入一段文字，作为搜寻条件。搜寻工具在文字中找寻关键词，并依据文中关键词的内容及组合，自动组成一组搜寻参数，再依据该组搜寻参数进行检索。

上述两种方法，以及其它已知方法，通常只能单次检索。使用者再度对相同主题进行检索，需重新键入搜寻条件。事实上，由于检索条件并非复杂，也无列入记录以供之后再度利用的价值。

TW专利申请案第93105874号揭示一种可依据资料文件内容，建立一组搜寻参数的方法。该方法包括对一资料文件例如一篇文章的内容进行分析，得到一组搜寻参数。这组搜寻参数经过使用者反复训练之后，成为一组能搜寻到使用者所需资料文件的搜寻参数。这组搜寻参数成为一个数据库搜寻代理器，使用者可以重复利用。

与本案同日申请的TW专利申请案「可携式数据库搜寻代理器处理系统」揭示一种可携式搜寻代理器。该代理器可为上述第93105874号专利申请案所揭示的搜寻代理器。而该搜寻代理器为可携式，使用者可将之移转到其它计算机设备，而在该另一计算机设备由自己或他人修正该搜寻代理器的内容，成为符合另一种搜寻目的之代理器。

目前必须有一种整合式数据库搜寻系统，该系统可整合不同数据库搜寻工具，而供使用者选择使用。

同时也必须有一种新颖的数据库搜寻系统，该系统可供使用者建立搜寻代理器，以供重复使用。

同时也必须有一种整合的数据库搜寻系统，可供使用者以不同搜寻工具，建立有用的数据库搜寻代理器。

同时也必须有一种数据库搜寻系统，可供使用者以不同搜寻工具，建立及训练数据库搜寻代理器。

发明内容

本发明的目的在于提供一种整合式数据库搜寻系统，该系统可整合不同数据库搜寻工具，而供使用者选择使用。

本发明的再一目的也在于提供一种新颖的数据库搜寻系统，该系统可供使用者建立搜寻代理器，以供重复使用。

本发明的另一目的也在于提供一种整合的数据库搜寻系统，可供使用者以不同搜寻工具，建立有用的数据库搜寻代理器。

本发明的另一目的也在于提供一种数据库搜寻系统，可供使用者以不同搜寻工具，建立及训练数据库搜寻代理器。

为达上述目的，依据本发明采用的技术手段如下：

一种数据库搜寻系统，其包括：

一复合式数据库搜寻引擎，其中包括至少二种数据库搜寻工具，各数据库搜寻工具提供至少一种数据库搜寻条件格式，可供该数据库搜寻引擎在一数据库中搜寻符合该搜寻条件格式下的搜寻资料文件；

一数据库搜寻代理器建立及训练模块，可对一组资料文件的内容，进行分析、建立一数据库搜寻代理器；并可依据另一组数据库搜寻代理器的内容，修正该数据库搜寻代理器的内容；其中，该数据库搜寻代理器记录一组搜寻参数，各搜寻参数包括一搜寻条件及其权值；及

一使用者介面，提供一组激活手段，以供使用者激活该至少二种数据库搜寻工具的任一者，该数据库搜寻代理器建立及训练功能的任一者，及显示搜寻结果；

其中，该至少二种数据库搜寻工具包括一个可利用数据库搜寻代理器进行资料搜寻的工具；且该数据库搜寻代理器建立及训练模块针对依据该至少二种数据库搜寻工具之一者所搜寻得到的一群资料文件中特定数量的资料文件内容，建立数据库搜寻代理器。

附图说明

图1表示本发明数据库搜寻系统的系统图。

图2即表示一种自一文字文件产生一个数据库搜寻代理器的方法流程图。

图3显示本发明数据库搜寻系统的操作介面示意图。

图4表示本发明的数据库搜寻代理器修正方法流程图。

图中符号说明：

10     复合式数据库搜寻引擎

11     关键词检索工具

12     短文检索工具

13     相关性检索工具

14     代理器检索工具

16     修正模块

20     数据库搜寻代理器建立及训练模块

30     数据库

40     数据库搜寻系统的操作介面

41     关键词检索工具按键

42     短文检索工具按键

43     相关性检索工具按键

44     搜寻代理器检索工具按键

45     训练工具按键

46     正面评价按键

47     负面评价按键

具体实施方法

以下说明本发明数据库搜寻系统的实施例。本发明揭示一种整合式数据库搜寻系统，整合了不同的搜寻工具于其搜寻引擎，使用者可任选其中一种或数种搜寻工具，在数据库例如互联网中检索所需的资料。所得的资料可以用来建立或修正一数据库搜寻代理器。该搜寻代理器经过反复修正，成为可在数据库中搜寻到所需的资料文件的搜寻工具。

图1表示本发明数据库搜寻系统的系统图。如图1所示，本发明的数据库搜寻系统主要包括一个复合式数据库搜寻引擎10以及一个数据库搜寻代理器建立及训练模块20。以下分别说明。

复合式数据库搜寻引擎10包括数种数据库搜寻工具11、12、13。在本发明的实例中，可以适用在该复合式数据库搜寻引擎10的搜寻工具包括各种适用的搜寻工具，例如关键词检索工具11，可以利用一组关键词以及其运算关系，如“与(and)”、“与非(nand)”、“或(or)”等，在一数据库30中找到含有该组关键词并符合其运算关系的资料文件；短文检索工具12，可以供使用者输入一段短文，对该短文进行分析，组织成一串关键词以及其运算关系，作为数据库搜寻条件，而在数据库30中找寻符合或接近该搜寻条件的资料文件；相关性检索工具13，可以输入一个资料文件，自动分析、建立一个数据库搜寻代理器，并依其内容在数据库30中检索出符合检索条件的资料文件；代理器检索工具14，可以利用一数据库搜寻代理器，在数据库30中检索出符合该搜寻代理器所代表的检索条件的资料文件；以及其它可能用来在数据库30中检索出符合其搜寻条件的资料文件的搜寻工具。

在本发明中，数据库搜寻代理器S_i可表为：

     S_i＝(x_i1，w_i1)，(x_i2，w_i2)，...(x_in，w_in)

其中，x表搜寻用指标，如所搜寻的档案为文字文件，则x可为一关键词，如为影像，则为一特征，如为声音，则可为一段波形或其它特征；w则表其相对应的权值。

在本发明中，该搜寻代理器可为一外来搜寻代理器，也可为一内部产生的搜寻代理器。该数据库搜寻代理器可以利用任何已知技术产生。例如，TW专利申请案第92123876号，即揭示一种以手动方式，将一搜寻用关键词，转化成一串搜寻用指标的技术。

又例如TW专利申请案93105874号，则揭示一种对一个或数个资料文件内容进行分析，自动产生一串搜寻用指标的技术。

兹以该93105874号专利申请案新揭示的技术为例，说明该数据库搜寻代理器的产生方法。以下的说明，以对一文字文件文章进行分析，产生描述该文章特性的搜寻代理器为实例。

图2即表示一种自一文字文件产生一个数据库搜寻代理器的方法流程图。如图2所示，于201取得一资料文件，该资料文件为一文字文件；于202将该文字文件转换成文字资料格式，以供处理。于203对该文字文件进行字词分割处理，而将该文字文件转换成一串以「词」(word)为单位的连续资料。接着，于204计算各「词」在该文字文件中出现的次数，得到一串由「词」与「词频」所组合的指标集合，称为「指标资料串」。其次，于205对该指标资料串进行正规化处理(normalization)。正规化处理可消除文字文件长短对指标及其权值所造成的影响。在实际应用上，可以设定一文字文件标准长度。将所有待处理文章与该设定值比较，而将其词频值以该比较值作正规化处理。

再次，于206对于词频极高，但并无指标意义的词，进行调整。在进行调整时，可对某些在大多数文字文件都会出现的词，降低其权值。

进行调整时，乃是将前步骤所得的词频值，乘以一调整值。使得当一个词所出现的文章数量越大比例越高时，其权值即趋近于0。

经过上述处理步骤后，于207得到所有词的权值，分别加以记录，成为一数据库搜寻代理器。在该过程中，如果是利用多数文字文件，并包括「符合」该搜寻目的及「不符」该搜寻目的之文字文件，则所得的数据库搜寻代理器可包括权值为正的指标及权值为负的指标。

经过上述步骤之后，将在步骤中曾经分析过的文字文件，加以挑选，取得预订数量的代表性文字文件，较好包括经判断为「符合」该搜寻目的及「不符」该搜寻目的之文字文件，连同其「符合」该搜寻目的及「不符」该搜寻目的之标示，加以存盘备用。在选择具代表性文字文件时，可挑选近似度<详下述>的绝对值较高的文字文件。

除上述方法外，其它可以建立类似结构的数据库搜寻代理器的方法，也可应用在本发明。

该复合式搜寻引擎10可在该数据库30中，取得资料文件A，并与该数据库搜寻代理器所含的指标比对，标示出在该数据库中所存在的指标，计算近似度(Similarity)：

    Similarity＝∑x_jw_j x_j∈(A)

其中，A代表所检索的资料文件，A表其内含资料的集合x_j该数据库搜寻代理器所含的指标，w_j为其权值。

该复合式搜寻引擎10将近似值计算结果与一临界值比较，挑选出近似值大于临界值的资料文件，作为搜寻结果。

在本发明的一些实例中，该关键词搜寻工具11可依据使用者所输入的一组关键词，自动产生一个代表该组关键词所指涉的「概念」的数据库搜寻代理器。该「概念型」数据库搜寻代理器可以利用人工方式建立，也可利用特定的方法自动建立。TW专利申请案第92123876号「概念式文章搜寻器」即揭示一种将输入关键词转化成一个数据库搜寻代理器的方法。可作为本发明的参考。

此外，该短文检索工具12也可提供一种可依据使用者所输入的短文，自动形成一数据库搜寻代理器的功能。至于自动产生该数据库搜寻代理器的方法，可以参照上开TW专利第93105874号所揭示的技术。再者，该相关性检索工具13也可利用类似方法，建立一数据库搜寻代理器，以供检索之用。

使用者利用该复合式数据库搜寻引擎10进行资料检索时，可以选择其搜寻工具的至少一种，在指定的数据库中进行检索。该数据库可为一计算机的磁盘、光盘等记录媒体，也可为一内部网站、互联网或任何网站。

图3显示本发明数据库搜寻系统的操作介面示意图。如图3所示，本发明的数据库搜寻系统的操作介面40包括：一关键词检索工具按键41，一短文检索工具按键42、一相关性检索工具按键43及一搜寻代理器检索工具按键44。此外并包括一训练工具按键45及一正面评价按键46及一负面评价按键47。使用者以鼠标按下任一检索工具按键，并选定一个以上数据库后，即可在该数据库中检索出符合或接近相关搜寻条件的资料文件。如果所使用的搜寻代理器为外部移入，则使用者另需建置该搜寻代理器，自不待言。

经由上述搜寻所得的资料文件，通常含有较符合使用者搜寻目的之内容。不过，在本发明中，另提供一个数据库搜寻代理器建立及训练模块20，除可透过上述数据库搜寻代理器的建立方法，建立搜寻代理器外，并可对一数据库搜寻代理器，加以修正，成为更符合使用者所需的数据库搜寻代理器。

换言之，该数据库搜寻代理器建立及训练模块20用以：

依据上述以关键词建立数据库搜寻代理器，以短文建立数据库搜寻代理器，以资料文件内容建立搜寻代理器等方式，建立数据库搜寻代理器；

将一外界移入搜寻代理器，建立为数据库搜寻代理器；及

依据另一组数据库搜寻代理器的内容，修正一数据库搜寻代理器的内容。

在本发明中，该数据库搜寻代理器建立及训练模块20凭以修正数据库搜寻代理器的修正用数据库搜寻代理器，依据该复合式数据库搜寻引擎10所提供的至少一种搜寻工具检索所得的一组包含至少一个资料文件的内容所建立。因此，使用者可以利用或不利用一个数据库搜寻代理器，进行搜寻，并以搜寻所得的资料文件，修正一个已建立的数据库搜寻代理器，使的更符合其所需。上述TW专利申请案「可携式数据库搜寻代理器处理系统」所揭示的方法与系统，也可适用在本发明的数据库搜寻代理器建立及训练模块20，在本发明中列为参考。以下参考该方法，说明该数据库搜寻代理器建立及训练模块20修正数据库搜寻代理器的步骤。

为使一数据库搜寻代理器能符合特定使用者的需求，该数据库搜寻代理器建立及训练模块20乃将上述搜寻的结果显示在该操作介面40，供使用者进行评价。该使用者可阅读其内容，并进行评价。该评价通常包括是否符合搜寻目的之评价。在实际应用上，可提供一按钮，使用者仅需键入「Y 」及「N 」，即可完成评价。当使用者按下「Y 」即表示该资料文件符合搜寻目的，按下「N 」则表示该资料文件不符合该搜寻目的之评价，按「T」则进行训练。当然，其它评价方式，例如令使用者给予评分，也属可行。

经过使用者评价的数据文件，给予标记。当使用者已评价过特定数量的资料文件，或者使用者指示停止评价后，该数据库搜寻代理器建立及训练模块20即将经过评价的文字文件，加入该外来数据库搜寻代理器所附的该群代表性文字文件中，并对该群代表性文字文件进行分析，得到一个修正用数据库搜寻代理器，该代理器S_t仍以下式表示：

     S_t＝(x_t1，w_t1)，(x_t2，w_t2)，...(x_tm，w_tm)

x、w定义同前。

其中，对使用者评为「不符」的资料文件，由该资料文件所产生的指标，其权值可标为负值。综合使用者已评价的资料文件及该外来数据库搜寻代理器所附的该群代表性文字文件的内容，可产生一具有负权值的修正用数据库搜寻代理器。建立修正用数据库搜寻代理器的方式，可以参考上述93105874号专利申请案所揭示的技术，于此不再赘述。

在实际操作上，如该搜寻系依据一外来数据库搜寻代理器而为，该修正用数据库搜寻代理器S_t将包括大量与该外来数据库搜寻代理器相同的搜寻用指标。这是因为一个外来数据库搜寻代理器乃是经过他人长期使用，训练所得的结果。

该数据库搜寻代理器建立及修正模块20以所得的修正用数据库搜寻代理器，再度对该群加入新数据文件的代表性资料文件进行比对，测试各文字文件比对结果是否与所标示的「符合」或「不符」相同。其后，对比对结果进行统计，计算该修正数据库搜寻代理器的正确率(acc)。

其次，该数据库搜寻代理器建立及修正模块20以该正确率acc修正该修正用数据库搜寻代理器，并将该修正用数据库搜寻代理器S_t与该外来数据库搜寻代理器S_i合并，成为测试用数据库搜寻代理器S_s：

      S_s＝{(x_sk，w_sk)}

其中，

      x_sk＝x_i，w_sk＝w_ik+acc*w_tk x_i＝x_t

$x_{\mathrm{sk}}=x_i,w_{\mathrm{sk}}=w_i{\&ForAll;x}_i\&NotElement;\left\{x_t\right\}$

$x_{\mathrm{sk}}=x_t,w_{\mathrm{sk}}=w_t\&ForAll;x_t\&NotElement;\left\{x_i\right\}$ 妿

      k∈N丅

接者，该数据库搜寻代理器建立及修正模块20再度对该群加入新文字文件的文字文件进行比对，并将所得知正确率与一标准值比较。如该正确率已达标准值，则该测试用数据库搜寻代理器即为合格的数据库搜寻代理器，所搜寻的结果足以符合使用者的需求。

如该正确率未达该标准值，则数据库搜寻代理器建立及修正模块20继续对该外来数据库搜寻代理器进行修正。其修正方式可例如将该修正用数据库搜寻代理器所含的权值，全部乘以该正确率或历次正确率的乘积，再与该原数据库搜寻代理器合并。或以其它方法，修正该修正用数据库搜寻代理器的指标或其权值。此外，也可分别修正该原数据库搜寻代理器及该修正用数据库搜寻代理器，再予合并，均无不可。

将修正后的测试用数据库搜寻代理器，再度进行搜寻、评价，计算其正确率，直到其正确率超过该标准值。即可获得符合所需的数据库搜寻代理器。

综合上述，本发明的数据库搜寻代理器建立及修正模块20处理系统修正该原数据库搜寻代理器的流程，如图4的数据库搜寻代理器修正方法流程图所示，而包括下列步骤：

于401取得一个外来数据库搜寻代理器中所记录之一组资料搜寻参数；该参数包括至少一搜寻条件及其相对应的权值；

于402取得一群与该组资料搜寻参数相关的资料文件；该群资料文件包括多数经标示为与该可携式数据库搜寻代理器的搜寻目的「相符」的数据文件及多数经标示为与该可携式数据库搜寻代理器的搜寻目的「不符」的数据文件；

于403依据该一组资料搜寻参数在数据库30中进行搜寻，得到若干符合或接近搜寻条件的资料文件；

于404在所得的资料文件中选取特定数量的资料文件，显示于该操作介面40供使用者阅读；

于405接受使用者对所提供的资料文件的评价；该评价包括代表是否符合搜寻目的之评价；

于406将经使用者评价的资料文件及其标示加入该群资料文件中；

于407分析该群资料文件，产生一修正用数据库搜寻代理器；该修正用数据库搜寻代理器记录一组资料搜寻参数；各搜寻参数包括至少一搜寻指标及其相对应的权值；

于408以该修正用数据库搜寻代理器在该群资料文件中进行比对，判断预定数量的资料文件分别为符合搜寻目的或不符搜寻目的；

于409计算以该修正用数据库搜寻代理器所比对结果与该预定数量资料文件所标示的符合搜寻目的或不符搜寻目的相符的比例，作为正确率；

于410以该正确率调整该修正用数据库搜寻代理器的参数权值；

于411合并该可携式数据库搜寻代理器与该调整后修正用数据库搜寻代理器，得到修正后数据库搜寻代理器；

于412输出该修正后的数据库搜寻代理器，作为修正结果。

最后，于413在该群资料文件中删除对训练效果较无影响的资料文件，以防止资料文件所占记忆空间过大。

如上所述，本发明的数据库搜寻系统，可以整合各种不同的数据库搜寻工具，供使用者进行资料搜寻，形成一个数据库搜寻代理器，并可随时训练该数据库搜寻代理器，使其更符合所需。该数据库搜寻代理器可为外来或内建，并可随时加以训练。本发明提供一种全面且整合的数据库搜寻系统。

以上是对本发明数据库搜寻系统的说明，属于该领域的人士不难由上述的说明，明了本发明的精神进而作出不同的衍伸与变化，唯只要不超出本发明的精神，均应包含于其权利要求范围内。

Claims (6)

1.一种数据库搜寻系统，其特征是，包括：

一复合式数据库搜寻引擎，其中包括至少二种数据库搜寻工具，各数据库搜寻工具提供至少一种数据库搜寻条件格式，可供该数据库搜寻引擎在一数据库中搜寻符合该搜寻条件格式下的搜寻条件的资料文件；

一数据库搜寻代理器建立及训练模块，可对一组资料文件的内容，进行分析、建立一数据库搜寻代理器；并可依据另一组数据库搜寻代理器的内容，修正该数据库搜寻代理器的内容；其中，该数据库搜寻代理器记录一组搜寻参数，各搜寻参数包括一搜寻条件及其权值；及

一使用者介面，提供一组激活手段，以供使用者激活该至少二种数据库搜寻工具的任一者，该数据库搜寻代理器建立及训练功能的任一者，及显示搜寻结果；

其中，该至少二种数据库搜寻工具包括一个可利用数据库搜寻代理器进行资料搜寻的数据库搜寻代理器搜寻工具；且该数据库搜寻代理器建立及训练模块针对依据该至少二种数据库搜寻工具之一者所搜寻得到的一群资料文件中特定数量的资料文件内容，建立数据库搜寻代理器。

2.如权利要求1所述的数据库搜寻系统，其特征是，该数据库搜寻代理器包括：

S_i＝(x_i1，w_i1)，(x_i2，w_i2)，…(x_in，w_in)

其中，S_i表第i搜寻代理器，x表其指标，w表权值。

3.如权利要求1所述的数据库搜寻系统，其特征是，该复合式数据库搜寻引擎提供的搜寻工具包括关键词搜寻工具，短文搜寻工具，相关性搜寻工具及数据库搜寻代理器搜寻工具。

4.如权利要求1所述的数据库搜寻系统，其特征是，该使用者介面提供包括关键词搜寻工具，短文搜寻工具，相关性搜寻工具及数据库搜寻代理器搜寻工具的激活按键，建立数据库搜寻代理器及修正数据库搜寻代理器的激活按键，及供使用者输入对特定资料文件是否符合特定搜寻目的之评价的按键。

5.如权利要求1所述的数据库搜寻系统，其特征是，该数据库搜寻代理器建立及训练模块可接受使用者对特定的数据文件进行与特定搜寻目的符合或不符的评价，并依据复数资料文件的内容及其评价，修正数据库搜寻代理器的内容。

6.如权利要求5所述的数据库搜寻系统，其特征是，该数据库搜寻代理器建立及训练模块系以下式依据数据库搜寻代理器S_t＝{(x_tk，w_tk)}与修正另一数据库搜寻代理器S_i＝{(x_ik，w_ik)}，成为修正后的数据库搜寻代理器S_s：

S_s＝{(x_sk，w_sk)}

  x_sk＝x_i，w_ik＝w_ik+acc*w_tkx_i＝x_t

其中， $x_{\mathrm{sk}}=x_i,w_{\mathrm{sk}}=w_i\&ForAll;x_i\&NotElement;\left\{x_t\right\}$

$x_{\mathrm{sk}}=x_t,w_{\mathrm{sk}}=w_t\&ForAll;x_t\&NotElement;\left\{x_i\right\}$ 妿

k∈N；

k∈N；x_k表一指标，w_k表其权值，acc表该数据库搜寻代理器搜寻特定资料文件的结果正确率。

Images