面向電力生產(chǎn)管理系統(tǒng)非結(jié)構(gòu)化數(shù)據(jù)檢索系統(tǒng)

摘 要：如何使電力生產(chǎn)管理系統(tǒng)給用戶提供更高效的信息檢索服務(wù)，是電力行業(yè)存在的一個問題。本項(xiàng)目參照傳統(tǒng)的Web搜索引擎模式，結(jié)合本體、索引、預(yù)處理、模式圖技術(shù)，開發(fā)的面向電力生產(chǎn)管理系統(tǒng)非結(jié)構(gòu)化數(shù)據(jù)檢索系統(tǒng)，系統(tǒng)采用B/S架構(gòu)，用戶輸入關(guān)鍵字，發(fā)出檢索請求，向用戶返回根據(jù)排序策略發(fā)回的top-k分級的檢索結(jié)果，提高了電力生產(chǎn)管理系統(tǒng)的查詢效果。

關(guān)鍵詞：本體；索引；top-k

中圖分類號：TP315

基于關(guān)鍵詞的搜索引擎是目前信息檢索的主要方式，現(xiàn)有的互聯(lián)網(wǎng)搜索引擎主要針對靜態(tài)網(wǎng)頁進(jìn)行索引，而企業(yè)級搜索引擎則更多地關(guān)注于文檔、視頻、圖像等非結(jié)構(gòu)化數(shù)據(jù)的檢索。對于電力應(yīng)用而言，往往同時需要結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化文本，兩類信息的融合成為一個核心問題。而目前的企業(yè)級數(shù)據(jù)都存儲于關(guān)系型數(shù)據(jù)庫中，查詢這些數(shù)據(jù)，通常需要結(jié)構(gòu)化的查詢語言來訪問，SQL訪問方式需要查詢用戶知道理解數(shù)據(jù)庫模式，也要懂得復(fù)雜的T-SQL查詢語句，因此一般適合專業(yè)用戶。普通用戶查詢一般通過定制的程序查詢接口來訪問后臺數(shù)據(jù)庫的數(shù)據(jù)，此種查詢方式雖然不要求用戶書寫復(fù)雜SQL查詢語句，但是也要求用戶知道理解數(shù)據(jù)庫模式[1-4]。對于電力行業(yè)，企業(yè)級非結(jié)構(gòu)化數(shù)據(jù)存儲于后臺關(guān)系型數(shù)據(jù)中，鑒于關(guān)鍵詞檢索在非結(jié)構(gòu)化數(shù)據(jù)檢索中的直觀易用性，本文將關(guān)鍵詞查詢技術(shù)應(yīng)用到電力生產(chǎn)管理系統(tǒng)中，像使用百度那樣通過提交關(guān)鍵詞來獲取數(shù)據(jù)庫中的相關(guān)數(shù)據(jù)，使用戶可以方便、快速地獲取所需要的查詢結(jié)果，同時為了滿足市場多樣化需求，該系統(tǒng)設(shè)計(jì)時，對關(guān)鍵詞檢索進(jìn)行語義檢索擴(kuò)展。

1 系統(tǒng)研究與設(shè)計(jì)

1.1 總體設(shè)計(jì)

根據(jù)關(guān)系數(shù)據(jù)庫和關(guān)鍵詞查詢技術(shù)特點(diǎn)，參照傳統(tǒng)的Web搜索引擎模式，結(jié)合本體、索引、預(yù)處理、模式圖技術(shù)，系統(tǒng)劃分檢索模塊、語義檢索擴(kuò)展模塊、預(yù)處理模塊。

檢索模塊：實(shí)現(xiàn)電力生產(chǎn)管理系統(tǒng)非結(jié)構(gòu)化數(shù)據(jù)檢索，采用B/S架構(gòu)，用戶輸入關(guān)鍵字，發(fā)出檢索請求，向用戶返回根據(jù)排序策略發(fā)回的top-k分級的檢索結(jié)果。

語義檢索擴(kuò)展模塊：結(jié)合本體、索引技術(shù)，實(shí)現(xiàn)電力生產(chǎn)管理系統(tǒng)非結(jié)構(gòu)化數(shù)據(jù)檢索具有語義檢索功能。

預(yù)處理模塊：采用預(yù)處理技術(shù)，實(shí)現(xiàn)電力生產(chǎn)管理系統(tǒng)非結(jié)構(gòu)化數(shù)據(jù)檢索系統(tǒng)具有預(yù)處理功能，提高系統(tǒng)查詢效果。

1.2 檢索模塊

該模塊主要有關(guān)鍵詞處理器、元組集生成器、候選網(wǎng)絡(luò)生成器、候選網(wǎng)絡(luò)生成器組成。關(guān)鍵詞處理器：把用戶提交的關(guān)鍵詞集進(jìn)行分詞、消詞等相應(yīng)處理，使連續(xù)的字序列按照一定的規(guī)范重新組合成詞序列，消除其中冗余關(guān)鍵詞和重復(fù)關(guān)鍵詞，從而得到更合理的查詢關(guān)鍵詞集。

元組集生成器：利用數(shù)據(jù)庫管理系統(tǒng)提供的全文檢索功能建立IR引擎，將后臺關(guān)系型數(shù)據(jù)庫中的具有文本屬性的每個關(guān)系生成元組集，將那些與處理后的關(guān)鍵詞相關(guān)的非空元組集保留下來，當(dāng)且僅當(dāng)關(guān)系中元組和處理后的關(guān)鍵詞相關(guān)大于零時，該元組才被插入元組集。

候選網(wǎng)絡(luò)生成器：利用元組集生成器生成非空元組集對關(guān)系數(shù)據(jù)庫模式圖進(jìn)行擴(kuò)展，形成元組集圖，采用相應(yīng)算法擴(kuò)展元組集圖，生成結(jié)點(diǎn)不超過預(yù)定最大允許結(jié)點(diǎn)數(shù)的候選網(wǎng)絡(luò)。所謂候選網(wǎng)絡(luò)，也稱元組集連接樹，也是可以看做是要用來產(chǎn)生關(guān)鍵詞查詢潛在結(jié)果的JOIN表達(dá)式[5-6]。

候選網(wǎng)絡(luò)執(zhí)行器：候選網(wǎng)絡(luò)執(zhí)行器采用搜索算法執(zhí)行候選網(wǎng)，依據(jù)評分函數(shù)排序策略，計(jì)算出查詢關(guān)鍵詞和檢索結(jié)果的相似度值，依據(jù)相似度的大小，生成最終top-k查詢結(jié)果返還給用戶。

1.3 語義檢索擴(kuò)展模塊

該模塊結(jié)合本體、索引技術(shù)，使用戶可以通過SQE自由選擇是否對查詢關(guān)鍵詞集進(jìn)行語義擴(kuò)展，將其轉(zhuǎn)變?yōu)榫哂姓Z義關(guān)鍵詞檢索，將該模塊應(yīng)用到項(xiàng)目電力生產(chǎn)管理系統(tǒng)非結(jié)構(gòu)化數(shù)據(jù)檢索系統(tǒng)中，可使得該系統(tǒng)具有語義檢索功能。此方法可有效的提高檢索結(jié)果的查全率，并改善查準(zhǔn)率[7]。

1.4 預(yù)處理模塊

該模塊主要有關(guān)系選擇器、元組集生成器II、元組集圖生成器、候選網(wǎng)絡(luò)生成器、TSCN索引組成。

首先生成數(shù)據(jù)庫模式圖，根據(jù)生成的業(yè)務(wù)數(shù)據(jù)庫模式，關(guān)系選擇器通過特定方法選擇出存儲非結(jié)構(gòu)化數(shù)據(jù)的關(guān)系，并將此關(guān)系看做一個元組集，根據(jù)關(guān)系的主外鍵依賴關(guān)系，將組合列表的每一種情況進(jìn)行處理，通過元組集圖生成器模塊生成相對應(yīng)元組集圖，在最大允許候選網(wǎng)絡(luò)的大小的限制下通過候選網(wǎng)絡(luò)生成器模塊廣度優(yōu)先遍歷元組集圖生成候選網(wǎng)絡(luò)，并將預(yù)處理后的候選網(wǎng)絡(luò)預(yù)存到CNs數(shù)據(jù)庫中，并建立相應(yīng)的TSCN索引。只要數(shù)據(jù)庫結(jié)構(gòu)不變，預(yù)處理只需要執(zhí)行一次。

2 結(jié)束語

面向電力生產(chǎn)管理系統(tǒng)非結(jié)構(gòu)化數(shù)據(jù)檢索系統(tǒng)，可是改變用戶訪問關(guān)系數(shù)據(jù)庫的方式；能夠有效降低非專業(yè)用戶獲取后臺業(yè)務(wù)數(shù)據(jù)庫的檢索門檻，更有效地使數(shù)據(jù)產(chǎn)生價值；降低業(yè)務(wù)數(shù)據(jù)檢索的復(fù)雜性，使用戶方便、快捷地獲取有價值的數(shù)據(jù)信息，綜上所述，面向電力生產(chǎn)管理系統(tǒng)非結(jié)構(gòu)化數(shù)據(jù)檢索系統(tǒng)的應(yīng)用開發(fā)研究具有重要的意思和電力企業(yè)強(qiáng)烈的應(yīng)用背景。

參考文獻(xiàn)：

[1]H.He，H.X.Wang，J.Yang， et.al.BLINKS：Ranked Keyword Search on Graphs.The 2007 ACM SIGMOD InternationalConference on Management of Data，Beijing，China，2007：305-316.

[2]G.L.Li，B.C.Ooi，J.H.Feng，et al.EASE： An Effective 3-in-1 Keyword Search Method for Unstructured， Semi-structuredand Structured Data.The 2008 ACM SIGMOD International Conference on Management of Data，Vancouver，BC，Canada， 2008：903-914.

[3]L.Qin， J.X.Yu，L.J.Chang，et al.Querying Communities in Relational Databases.The 25th International Conference onData Engineering， Shanghai，China，2009：724-735.

[4]L.Qin，J.Yu，and L.Chang.Ten Thousand SQLs：Parallel Keyword Queries Computing.In Proc of the 2010 ACMSIGMOD Conf.on Management of Data（SIGMOD 2010）.Beijing：ACM，2010.58-69.

[5]Ju Fan，Guoliang Li，Lizhu Zhou.Interactive SQL Query Suggestion：Making Databases User-Friendly.In Proc of the 25thInt’l Conf.on Data Engineering（ICDE 2011），1189-1204.

[6]Yanwei Xu.Scalable Top-k Keyword Search in Relational Databases. Database Systems for Advanced Applications -17th International Conference，DASFAA 2012，Busan，South Korea，April 15-19，2012：65-80.

[7]J.Zhang，Z.Peng.Si-SEEKER： Ontology-based Semantic Search over Databases.The 2006 Knowledge Science，Engineering and Management，F(xiàn)irst International Conference，Guilin，China，2006：599-611.

作者單位：邢臺職業(yè)技術(shù)學(xué)院 信息系，河北邢臺 054001