全文检索系统中动态索引技术的研究.pdf

计算机与数字工程 第35卷 全文检索系统中动态索引技术的研究 郭琦娟 陈通照 (中国石油大学(华东)计算机与通信工程学院 东营 257061) 摘 要 全文检索是一种非常有效的信息检索技术，本文通过分析全文检索系统中静态索引技术的优缺点，以及影响 动态性能的因素，提出一种基于互关联后继树模型的动态索引技术，该技术在不影响查询效率等性能的情况下，很好地解 决了索引的更新问题，提高了索引的动态性能。 关键词 全文检索 互关联后继树 静态索引 动态索引 中圈分类号 TP391．3 每个文本T的末尾人为添加一个不在该文档中出 1 引言 现的字符，作为该文档的结束符，则文本最后一个 全文检索是以文本数据为主要处理对象，将文 字符的后继为文本结束符。 档的全部文本信息作为检索对象的一种信息检索 例如文档babac#(其中#为索引库的结束符)， 技术。这种检索方式在法律法规全文、数据图书 b有两个后继都是a，a有两个后继分别是b和C，C 馆、WWW搜索引擎、办公 自动化等领域中具有广 的后继为#。对于每个字符建立一棵树，树的分支 泛的应用价值。由于当前信息的增长速度和淘汰 为该字符的后继，如图1所示。图中各分支后继后 速度均呈现不断加快的趋势，全文检索的动态性能 面的序号是该后继的后继在以该后继为根的树中 显得越来越重要。 的分支号。如b树的第二个分支是(a，2)，因为这 全文检索的首要问题是全文检索模型的选择。 个a在原文中的后继为 c，而c是a树的第二个分 目前，国际上流行的全文检索模型主要有：倒排表 支。因此，整个互关联后继树构成的森林记载了文 模型、署名文件、位图、Pat树和Pat数组。互关联 档中所有字符的先后位置，可以利用索引生成 后继树模型是从中文语言特点出发提出的一种新 原文。 颖的全文检索模型，具有创建速度快，查询速度快， a b 0 空间效率高等特点，并且可以通过索引生成原文。 八 八 虽然对互关联后继树模型的研究还不完善，但对于 (b，2)tc，1) (a，1)(a，2) 榉 中文来说，其综合性能良好 ，能符合未来全文检索 图1 互关联后继树示例 技术发展的要求。 针对这种索引，如果用户输入查询字符 串 本文首先简单介绍了互关联后继树模型的原 “bac”，还无法直接查找，检索系统要经过一个匹配 理，分析了静态索引技术的优缺点以及影响动态性 的过程。匹配是从查询串的第一个字符开始的，在 能的因素，最后提出一种动态索引技术。 “b”为根的树的分支中查找后继为 “a”的分支，发 现有两个分支满足条件，再根据这两个分支的序 2 互关联后继树模型