基于公安業(yè)務的全文檢索系統(tǒng)的設計與實現(xiàn)

郭松青　何鵬

摘要：隨著計算機技術、網(wǎng)絡技術和通信技術的發(fā)展和應用，公安信息化也得到了突飛猛進的發(fā)展。近年來，各地公安機關建設了大量的服務各警種的信息化系統(tǒng)，隨著公安信息化系統(tǒng)的廣泛引用，數(shù)據(jù)量以幾何級開始增長。如何在龐大的數(shù)據(jù)中快速、精確地檢索數(shù)據(jù)，已經(jīng)成為公安信息化發(fā)展的重點，建立基于公安業(yè)務的全文檢索系統(tǒng)能夠有效地滿足這個需求。文章首先對全文檢索技術進行簡要的介紹，對業(yè)務需求進行了深入分析，重點進行了全文檢索系統(tǒng)的數(shù)據(jù)分析和功能模塊設計。

關鍵詞：全文檢索；公安信息化；公安業(yè)務

全文檢索是現(xiàn)代信息檢索技術的一個非常重要的分支，它是處理非結構化數(shù)據(jù)的強大工具，也是搜索引擎的核心技術之一。全文檢索是以文本數(shù)據(jù)為主要處理對象，根據(jù)數(shù)據(jù)資料的內(nèi)容而不是外在特征實現(xiàn)的信息檢索手段。全文檢索就是指計算機索引程序通過掃描文章中的每一個詞，對每一個詞建立索引，當用戶查詢時，檢索程序就根據(jù)事先建立好的索引進行查找，并將查找的結果反饋給用戶的檢索方式。這個過程類似于通過字典中的檢索字表查字的過程。

1 關鍵技術

建立一個全文檢索系統(tǒng)，首先要將源文檔轉(zhuǎn)化為能夠進行文本查找的全文數(shù)據(jù)庫，包括全文的分割處理以及檢索標識的提取，這稱為全文本的前處理工作。眾所周知，英文是以詞為單位的，單詞之間以空格作為自然分界符，而中文是字的序列，詞之間沒有間隔標記，使得詞的界定缺乏自然標準。而“詞”又是自然語言處理的一個基本單位，是最小的能夠獨立活動的有意義的語言成分。顯而易見，自動識別詞的邊界，將書面漢字序列切分成正確的詞串的中文分詞問題無疑是實現(xiàn)中文信息處理的首要問題。

2 全文檢索系統(tǒng)設計

2.1 業(yè)務需求分析

全文檢索系統(tǒng)依附于具體的公安業(yè)務系統(tǒng)，全文檢索數(shù)據(jù)庫與業(yè)務數(shù)據(jù)庫進行數(shù)據(jù)對接，同步更新。

目前來說，系統(tǒng)的索引范圍按照對象的物理分布不同分為2類：第1類是業(yè)務數(shù)據(jù)庫中存在的相關數(shù)據(jù)記錄內(nèi)容。第2類是系統(tǒng)上傳的各類文檔附件，包括WORD，EXCEL，PDF，TXT等格式的文檔。

全文檢索系統(tǒng)實現(xiàn)對現(xiàn)有業(yè)務要素高效、準確、全面的查詢分析，主要包括幾部分：（1）實現(xiàn)對全部業(yè)務關注數(shù)據(jù)的文本抽取、信息聚集、主題描述，能通過關鍵詞檢索到相關聯(lián)的主題信息。如通過人名可以查詢到與之相關的人員基礎庫信息、關聯(lián)的情報信息、關聯(lián)的人員相關附件。（2）建立相關業(yè)務要素主題庫，主題庫包含業(yè)務要素對應的業(yè)務系統(tǒng)內(nèi)部所有關聯(lián)信息；搭建全文檢索環(huán)境，提供對主題庫的索引建立、排序等。（3）建立合理的結果排名權值模型，為用戶提供精準的數(shù)據(jù)探查，提供對業(yè)務系統(tǒng)內(nèi)部所有信息的全文檢索，在業(yè)務系統(tǒng)中快速查找與關鍵詞相關信息項。

2.2 數(shù)據(jù)庫設計

全文檢索數(shù)據(jù)表為Search_Content，主要包括以下幾個字段。

ID：數(shù)據(jù)表的主鍵，唯一標識該實體。

CONTENT：人員或者情報信息的全項信息，包括人員或者情報信息的所有關聯(lián)信息，以及人員或者情報信息相關的附件文檔內(nèi)容。

OBJNAME：檢索結果的分類，包括人員、情報信息、人員附件、情報信息附件等幾項內(nèi)容，對檢索出的結果進行分類展示。

BASEID：關聯(lián)的業(yè)務數(shù)據(jù)庫中的人員表、情報信息表的主鍵。

BASETABLE：關聯(lián)的業(yè)務數(shù)據(jù)庫表名，包括人員表名、情報信息表名、相關附件文檔表名等。

KEYWORDS：關鍵字的權值，為搜索結果的排名時使用。

3 全文檢索功能的實現(xiàn)

全文檢索系統(tǒng)覆蓋足夠全面的數(shù)據(jù)范圍，提供高效快速的全文、智能檢索和多樣化的查詢和檢索手段，使用戶能快速在海量的匯集數(shù)據(jù)中找到相關信息，并進行一定的統(tǒng)計、監(jiān)控、分析等應用。

3.1 信息抽取

為實現(xiàn)全文檢索，提高整體的響應速度，系統(tǒng)應采取預先建立全文索引的方式。原則上，數(shù)據(jù)庫表的所有字段都建立索引，做到索引信息與數(shù)據(jù)庫信息完全匹配。系統(tǒng)應具備多數(shù)據(jù)源的混合抽取能力，并能針對各種不同業(yè)務數(shù)據(jù)源進行不同方式的掃描處理。

3.2 精確查詢

采用搜索引擎的架構，面向數(shù)據(jù)采用預先抽取數(shù)據(jù)建立全文檢索以及字段獨立索引，系統(tǒng)的精確查詢是基于索引的，它繼承了搜索引擎高效、穩(wěn)定性能的同時，用戶的精確查