鄭昕欣+劉明銘

摘 要： 本文通過(guò)對(duì)不同用戶的需求、信息獲取途徑的深入了解以及對(duì)智能化信息檢索進(jìn)行了可行性分析后，對(duì)其作了需求分析、功能模塊劃分、數(shù)據(jù)庫(kù)的設(shè)計(jì)、算法設(shè)計(jì)以及界面設(shè)計(jì)，選定在校大學(xué)生作為適用群體，完成了校園信息智能化檢索系統(tǒng)的開(kāi)發(fā)。它可以應(yīng)用于校園、企業(yè)、網(wǎng)站等諸多實(shí)體，因此具有一定的使用價(jià)值。

關(guān)鍵詞：智能化 信息檢索 校園 檢索系統(tǒng)

中圖分類號(hào)：TP3 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-9082（2016）10-0016-01

一、引言

本文以在校大學(xué)生為服務(wù)對(duì)象，針對(duì)上述信息服務(wù)系統(tǒng)的不足，設(shè)計(jì)研發(fā)了針對(duì)大學(xué)生的智能化信息檢索系統(tǒng)，實(shí)現(xiàn)了根據(jù)對(duì)用戶自身特性、用戶需求和漢語(yǔ)言自身特點(diǎn)等多方面的綜合考量進(jìn)行有針對(duì)性地信息推送這一功能。通過(guò)使用本系統(tǒng)，可以提高在校大學(xué)生獲取信息的便利度和快捷度，同時(shí)也方便了大學(xué)生之間的交流和溝通。

二、系統(tǒng)分析

1.系統(tǒng)總體目標(biāo)

在用戶方面，本系統(tǒng)致力于帶來(lái)便捷的用戶體驗(yàn)、簡(jiǎn)潔大方的用戶接口；在管理員方面，本系統(tǒng)致力于實(shí)現(xiàn)簡(jiǎn)便的后期維護(hù)，如要對(duì)功能模塊方面作修改，則無(wú)需進(jìn)行整個(gè)系統(tǒng)的重新架構(gòu)。

2.技術(shù)可行性分析

本系統(tǒng)是一個(gè)典型的數(shù)據(jù)庫(kù)應(yīng)用程序?，F(xiàn)有的數(shù)據(jù)庫(kù)應(yīng)用程序開(kāi)發(fā)技術(shù)已非常成熟，利用現(xiàn)有技術(shù)完全可以實(shí)現(xiàn)預(yù)定的功能。Java語(yǔ)言簡(jiǎn)單、功能強(qiáng)大并容易掌握。而MySQL是一個(gè)非常優(yōu)秀的中型數(shù)據(jù)庫(kù)管理軟件，使用方便，性能穩(wěn)定。故采用Java+MySQL技術(shù)完全能夠?qū)崿F(xiàn)本系統(tǒng)的開(kāi)發(fā)。

三、系統(tǒng)設(shè)計(jì)

1.功能模塊描述

1.1登錄模塊

將用戶輸入的用戶名和密碼帶入數(shù)據(jù)庫(kù)，在數(shù)據(jù)庫(kù)中進(jìn)行匹配，驗(yàn)證賬號(hào)和密碼，

1.2主頁(yè)面模塊

在此模塊中列舉本系統(tǒng)所包含的所有子功能模塊以及一些推薦信息。

1.3近期活動(dòng)模塊

發(fā)布內(nèi)容來(lái)自學(xué)校社團(tuán)等活動(dòng)主辦方，并根據(jù)實(shí)時(shí)情況更改發(fā)布內(nèi)容。

1.4生活服務(wù)模塊

學(xué)生成功登錄后，可以自行發(fā)布信息，該信息經(jīng)過(guò)排版發(fā)布于子功能模塊中，并可被其他登陸用戶看到。

1.5自助查詢模塊

用戶成功登錄后，可以根據(jù)需要發(fā)起搜索，后臺(tái)服務(wù)器根據(jù)搜索記錄進(jìn)行智能匹配，并在子功能模塊中反饋給用戶。

四、信息檢索關(guān)鍵技術(shù)及系統(tǒng)實(shí)現(xiàn)

1.基于網(wǎng)絡(luò)爬蟲的網(wǎng)頁(yè)信息提取

本系統(tǒng)采用Java和MySQL數(shù)據(jù)庫(kù)聯(lián)動(dòng)的方式，在每一次抽取新的URL時(shí)，通過(guò)Jsoup類庫(kù)解析出document實(shí)例對(duì)象，在此實(shí)例對(duì)象中抽取需要的元素（如文章內(nèi)容等），同時(shí)將URL和該網(wǎng)頁(yè)的標(biāo)題加入數(shù)據(jù)庫(kù)，形成標(biāo)題與URL一一對(duì)應(yīng)的表結(jié)構(gòu)。

由于互聯(lián)網(wǎng)上的信息總是實(shí)時(shí)更新的，存儲(chǔ)在數(shù)據(jù)庫(kù)中作為信息儲(chǔ)備的所有信息也必須配合互聯(lián)網(wǎng)得到時(shí)效性，實(shí)現(xiàn)實(shí)時(shí)更新。本系統(tǒng)通過(guò)調(diào)用Mycrawler類中的refresh方法來(lái)實(shí)現(xiàn)定時(shí)更新，利用多線程來(lái)監(jiān)督更新并計(jì)時(shí)。

2.提取信息的分詞實(shí)現(xiàn)

在分詞部分，核心要點(diǎn)是 1.詞典樹(shù)的構(gòu)建 2.中文詞匯的匹配，即對(duì)一句話中詞語(yǔ)切割的位置。為此，本系統(tǒng)采用了IKAnalyzer分詞技術(shù)。IKAnalyzer是一個(gè)開(kāi)源的，基于java語(yǔ)言開(kāi)發(fā)的輕量級(jí)的中文分詞工具包。

在詞語(yǔ)的匹配過(guò)程當(dāng)中，IK中默認(rèn)用到三個(gè)子分詞器，分別是LetterSegmenter（字母分詞器），CN_QuantifierSegment（量詞分詞器），CJKSegmenter（中日韓分詞器）。分詞會(huì)先后經(jīng)過(guò)這三個(gè)分詞器，首先要對(duì)輸入的字符串進(jìn)行處理，將字符串轉(zhuǎn)換為char型進(jìn)行匹配輸入字符串以char的形式進(jìn)行匹配，一個(gè)char如果能取到hitList，那么會(huì)鎖定hitList，循環(huán)到第二個(gè)char，如果能在hitList里與上一個(gè)char匹配成詞，則保存當(dāng)前的newLexeme，并加入到輸出結(jié)果集。isEnd（）判斷是否結(jié)束，如果是，則context.currCursor偏移1位，繼續(xù)取詞。以此類推，直到整個(gè)字符串遍歷完畢。

3.智能化方法及實(shí)現(xiàn)

隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，智能化以其良好的用戶體驗(yàn)一躍成為今后軟件設(shè)計(jì)的一個(gè)必然趨勢(shì)。本系統(tǒng)的智能化主要體現(xiàn)在：根據(jù)同義詞、近義詞詞庫(kù)，實(shí)現(xiàn)同義詞匹配搜索。即，根據(jù)用戶輸入的關(guān)鍵字，通過(guò)同義詞匹配，將與用戶搜索內(nèi)容詞義相近的搜索結(jié)果按照其不同的匹配度降序排列，同樣也反饋給用戶。

在獲取了用戶的搜索指令之后，本系統(tǒng)對(duì)關(guān)鍵詞進(jìn)行同義詞查詢，使用戶搜索內(nèi)容得到一定擴(kuò)充。同義詞部分在Lucene4.6中通過(guò)SynonymFilterFactory實(shí)現(xiàn)查詢。

Lucene是Apache軟件基金會(huì)Jakarta項(xiàng)目組的一個(gè)子項(xiàng)目，是一個(gè)開(kāi)放源代碼的全文搜索引擎工具包，但它不是一個(gè)完整的全文搜索引擎，而是一個(gè)全文搜索引擎架構(gòu)，提供了完整的查詢引擎和索引引擎，部分文本分析引擎。

本系統(tǒng)首先通過(guò)新建Hashmap儲(chǔ)存相關(guān)版本信息和同義詞詞典信息，并載入相關(guān)內(nèi)容。而后將已提取到的多個(gè)關(guān)鍵詞進(jìn)行stream化以供索引。最后借助SynonymFilterFactory類，根據(jù)同義詞詞庫(kù)，以自然語(yǔ)言中的意群作為標(biāo)準(zhǔn)，實(shí)現(xiàn)同義詞查詢。

五、總結(jié)與展望

本系統(tǒng)從用戶的角度出發(fā)，發(fā)現(xiàn)了現(xiàn)代信息社會(huì)特定群體獲取信息時(shí)存在的一些弊端，并根據(jù)這些弊端提出了一種更優(yōu)的實(shí)現(xiàn)方法，該方法不同于當(dāng)今較通用的智能匹配，同時(shí)兼顧了用戶群體和自然語(yǔ)言特征兩個(gè)方面，將用戶需求進(jìn)一步細(xì)分，仿真方法證明了該方法在數(shù)據(jù)量很大的情況下依然有效。

參考文獻(xiàn)

[1]（美）西爾伯沙茨（Silberschatz.A.）等著.數(shù)據(jù)庫(kù)系統(tǒng)概念：Database System Concepts[M].楊冬青，李紅燕，唐世渭等譯.原書第六版.北京：機(jī)械工業(yè)出版社，2012年：41-42.

[2]李剛.瘋狂Java講義（精粹）[M].第二版.北京：電子工業(yè)出版社，2014，236-242.