基于配置管理與Lucene 全文檢索的企業(yè)知識系統(tǒng)應(yīng)用研究

趙慧杰 魏永啟 姜進(jìn)成

（1.兗州煤業(yè)股份有限公司，山東 濟(jì)寧 273500；2.兗礦集團(tuán)有限公司信息化中心，山東 濟(jì)寧 273500）

1 技術(shù)資料管理現(xiàn)狀

1.1 礦企信息化程度不高

煤礦企業(yè)管理者沒有掌握豐富的信息化理論，企業(yè)內(nèi)缺乏先進(jìn)的信息化設(shè)備，信息化設(shè)備的應(yīng)用還停留在初級階段。煤礦企業(yè)的辦公室內(nèi)并未實(shí)現(xiàn)人手一臺電腦，資料的整理和存儲多通過資料柜來實(shí)現(xiàn)，大量堆放的資料導(dǎo)致文件不方便查閱，加劇了企業(yè)的管理難度，各個煤礦的信息化建設(shè)嚴(yán)重受阻。

1.2 技術(shù)資料“孤島”現(xiàn)象

在煤業(yè)公司日常管理中不難發(fā)現(xiàn)，下屬煤礦企業(yè)各大部門尚未制定出科學(xué)的資料管理機(jī)制，在各項(xiàng)業(yè)務(wù)的開展中使用了不同的信息系統(tǒng)，由于銜接性不強(qiáng)以致于辦公效率不高，且增加了整個煤礦的運(yùn)營成本。

1.3 檢索手段單一

在當(dāng)前所創(chuàng)建與實(shí)施的文件系統(tǒng)中，檢索指的是文件的名稱。在檢索的過程中一些制式文件的命名都會被批次量地檢索出來，在實(shí)際的查閱過程中是極不方便的。盡管大部分系統(tǒng)都設(shè)置了檢索要求，如創(chuàng)作者、建立的時間等，但是也無法從根本上提升檢索的效率。

2 以LUCENE 技術(shù)實(shí)現(xiàn)企業(yè)文檔全文檢索技術(shù)

Lucene 并非是一個全文檢索引擎，而是一個開放源代碼的全文檢索引擎工具包，是由Apache 軟件基金會創(chuàng)建的子項(xiàng)目，具備索引和查詢等功能。Lucene 提供的這個實(shí)用性較強(qiáng)的工具包，主要是便于目標(biāo)系統(tǒng)發(fā)揮全文檢索的功能。Lucene 所提供的應(yīng)用程式接口，具有強(qiáng)大的搜尋功能。在開發(fā)Java的過程中，Lucene 這一工具的開源代碼并不收費(fèi)。

google，baidu 等搜索引擎所建立的索引庫主要使用的是超鏈分析技術(shù)、關(guān)鍵詞檢索技術(shù)等，與煤礦生產(chǎn)標(biāo)準(zhǔn)相比這些技術(shù)并不達(dá)標(biāo)。所以，要在結(jié)合上述技術(shù)的基礎(chǔ)上，綜合聯(lián)系煤業(yè)公司的行業(yè)性質(zhì)及文檔中檢索技術(shù)的使用狀況，從而深入地研究聯(lián)想、查找或拆分關(guān)鍵詞的相關(guān)方法，最終實(shí)現(xiàn)公司內(nèi)部檢索技術(shù)的優(yōu)化與升級。

2000 年，Doug Cutting 在結(jié)合Java 的基礎(chǔ)上正式開發(fā)了Lucene 這種信息搜索庫，其性能卓越，伸縮性強(qiáng)。

Lucene 以倒排表為參考依據(jù)，能夠在較短的時間內(nèi)快速地找到文本。在底層通過分段式存儲，可讓其在讀寫的過程中避免鎖的產(chǎn)生，優(yōu)化了讀寫的功能。

（1）Lucene 的底層存儲格式

Lucene 的底層存儲格式如下圖1 所示，其是由兩大部分構(gòu)成，具體是：詞典、倒排序。前者為Term 的集合，而后者則是詞典中的 Term 指向的文檔鏈表的集合。對于 Lucene 來說，這兩大數(shù)據(jù)結(jié)構(gòu)具有十分重要的作用，是實(shí)現(xiàn)高效檢索的前提條件。

詞典和倒排表的存儲并非是一起的，而是分開進(jìn)行。在倒排表中所存儲的信息內(nèi)容包括文件名、文件的位置等。

在詞典中只要找到Term，Lucene 的查找就成功了一半，之后結(jié)合 Term 可得到文檔鏈表，而按照查詢要求操作鏈表，能夠獲得所需的內(nèi)容。

圖1 Lucene 的底層存儲格式示意圖

（2）Lucene 讀寫流程

圖2 為Lucene 讀寫流程示意圖，虛線箭頭代表的是寫索引的流程，實(shí)線箭頭代表查詢的流程。

圖2 Lucene 讀寫流程示意圖

3 基于配置管理與Lucene 全文檢索的企業(yè)知識系統(tǒng)

（1）集中的文檔存儲

煤業(yè)公司為職員提供一個統(tǒng)一的文檔存儲庫，以實(shí)現(xiàn)對文檔的分類整理和備份。平臺的文件管理系統(tǒng)還可以為其他業(yè)務(wù)系統(tǒng)的合并提供重要的支撐，同時還可統(tǒng)一管理煤業(yè)公司其他業(yè)務(wù)系統(tǒng)所產(chǎn)生的數(shù)據(jù)。

（2）靈活的技術(shù)文檔修訂與審批流程

在編輯好技術(shù)文檔以后，需結(jié)合兗礦的管理制度要求來簽收、審核與保存。文檔需現(xiàn)在持有者發(fā)起會簽，之后由相關(guān)人員來進(jìn)行審批。文檔管理系統(tǒng)可自動使用IM，以高效地展開具體業(yè)務(wù)。

（3）文檔歸檔

在編寫文檔和修訂文檔的工作完成以后，煤業(yè)公司員工可結(jié)合相關(guān)要求或原則對其進(jìn)行歸檔處理。文件歸檔即針對文檔中的不同內(nèi)容，如設(shè)計指標(biāo)、正文的內(nèi)容、記錄的日志等都設(shè)置為合理有效的歸檔格式。該格式準(zhǔn)許員工們查看文檔的數(shù)據(jù)信息等。而在與其他檔案管理系統(tǒng)完全對接后，各員工能夠在自己的權(quán)限范圍內(nèi)對文檔進(jìn)行相關(guān)操作。

（4）方便的文檔分類、瀏覽、查詢

在統(tǒng)一的文檔存儲系統(tǒng)被成功創(chuàng)建之后，系統(tǒng)依照不同的要求或標(biāo)準(zhǔn)，如文檔建立的時間、企業(yè)的框構(gòu)、文件的種類等來詳細(xì)具體地劃分每個文檔的類型。當(dāng)煤業(yè)公司儲存了豐富的文檔之后，要想提升信息的質(zhì)量與價值，最為關(guān)鍵的是如何能夠讓公司員工在最短的時間內(nèi)找到所需的文件。平臺可以讓公司員工特別是對技術(shù)文檔需求頻繁的技術(shù)人員借助檢索功能來搜索不同類型的文檔，如：Office、PDF 等類別文檔，可大大縮短文檔搜索的時間，也可為公司員工帶來良好的體驗(yàn)感。

（5）版本管理

在歸檔工作結(jié)束之前，每份文檔都會被修訂，每次修訂完成后的文檔都會覆蓋住上一個文檔。為了讓公司員工看到上一次的修改內(nèi)容，避免修改不當(dāng)而帶來不必要的損失，文檔管理系統(tǒng)會將不同版本的文檔內(nèi)容進(jìn)行自行保存。在員工對文檔的內(nèi)容予以修改時，系統(tǒng)會自動存儲，而不是直接將原來的版本從電腦中刪除，這主要是為了方便后期的查閱。

（6）文檔權(quán)限保護(hù)（正式發(fā)布簽入以后，詢問權(quán)限，并將共享的范圍明確出來）

煤業(yè)公司信息安全建設(shè)中，最關(guān)鍵的部分則為防范尚未通過授權(quán)的用戶訪問敏感內(nèi)容。在文檔管理系統(tǒng)中，賦予了對應(yīng)操作權(quán)限的員工可對文檔進(jìn)行閱讀、修改、審批、刪除等，同時負(fù)責(zé)管理的技術(shù)人員借助預(yù)先設(shè)置的權(quán)限模板，能夠?yàn)槟澄臋n在使用的過程中賦予對應(yīng)的權(quán)限。除了避免尚未通過權(quán)限審核的員工閱讀文檔內(nèi)容，對文檔的保護(hù)還應(yīng)進(jìn)行的操作有禁止復(fù)印、修改等，除此以外，還可使文檔具有閱讀時間限制。

（7）鎖定機(jī)制

在統(tǒng)一的文檔存儲中心保存企業(yè)的文檔資料后，必然會出現(xiàn)在同一時間內(nèi)不同員工對相同一篇文檔進(jìn)行編輯、修改等，而該種操作會帶來的不良影響是：增加了文檔丟失的風(fēng)險性；極易損害文檔內(nèi)容的完整性。為了保證文檔的質(zhì)量，對于不同員工同時編輯同一篇文檔的現(xiàn)象要進(jìn)行有效的規(guī)避。若當(dāng)前文檔已經(jīng)由某個技術(shù)人員在編輯，那么其他員工則不得進(jìn)行其他方面的操作，此時其權(quán)限僅局限于文檔的打開和閱讀。

（8）完整的文檔操作日志

煤業(yè)公司員工在操作文檔資料的過程中，如查閱文檔、修改資料、審核文檔中的部分內(nèi)容、刪除沒有價值的信息等，都需管理系統(tǒng)將操作的文檔完整地記錄下來。文檔系統(tǒng)管理人員可隨時查閱到所有文檔的記錄情況。

（9）全文檢索

煤業(yè)公司內(nèi)很多有利用價值的信息資源基本都被存儲在不同的文檔中，當(dāng)然還有部分被放在之前建成的各信息化系統(tǒng)的數(shù)據(jù)庫內(nèi)，可以說該類資源體現(xiàn)了煤業(yè)公司的管理方式、財務(wù)運(yùn)行狀況及其商業(yè)策略等。為了使其得到最大程度的利用，則需進(jìn)行科學(xué)、合理的管理，并在此基礎(chǔ)上為公司構(gòu)建成熟、先進(jìn)的數(shù)據(jù)搜索系統(tǒng)，從而將存放在不同應(yīng)用系統(tǒng)中的信息得到充分的挖掘與開發(fā)。借助該信息系統(tǒng)，文件的掃描工作可自行操作完成，之后便可對關(guān)鍵詞進(jìn)行拆分與檢索結(jié)果的排列，有助于企業(yè)快速地查閱文件，提升整體的技術(shù)管理水平，避免了信息資源的浪費(fèi)，降低了公司的運(yùn)營成本，實(shí)現(xiàn)了多方系統(tǒng)的有效整合。檢索系統(tǒng)在實(shí)際使用中應(yīng)支持的功能具體歸納為以下幾點(diǎn)：

① 關(guān)鍵字檢索

在文本框內(nèi)直接輸入關(guān)鍵詞即可檢索到相應(yīng)的文檔。

② 自然語言檢索

針對查詢條件，用戶以常用語進(jìn)行概述，一句話、一個大的段落，搜索引擎檢索后呈現(xiàn)出有關(guān)內(nèi)容。

4 兗礦煤業(yè)公司各級技術(shù)資料庫的應(yīng)用

（1）共用資料庫

可服務(wù)整個礦上的技術(shù)員，結(jié)合關(guān)鍵詞進(jìn)行檢索，系統(tǒng)會為使用者匹配對應(yīng)的文檔。

（2）煤業(yè)公司級資料庫

服務(wù)公司不同部門，可查閱內(nèi)部的技術(shù)資料。

（3）煤礦級資料庫

以礦為單位實(shí)現(xiàn)技術(shù)資料的共享，礦內(nèi)不同機(jī)構(gòu)或職員可翻閱。

（4）部門級資料庫

按部門來實(shí)現(xiàn)資料共享。

（5）項(xiàng)目級資料庫

可跨越不同的組織亦或是不同的技術(shù)專長來統(tǒng)一構(gòu)建資料共享庫，對于群里的成員，可交由負(fù)責(zé)人進(jìn)行嚴(yán)格的監(jiān)督與管理，在此基礎(chǔ)上，為其明確地劃分權(quán)限與職責(zé)。在整個項(xiàng)目的任務(wù)完成以后，可依照分類原則將其詳細(xì)地劃分，并歸集到各部門的資料庫中。如煤礦在設(shè)計作業(yè)流程的過程中，主管人員可在群組內(nèi)添加其他專業(yè)的人員，且在明確劃分不同任務(wù)的情況下本著相互合作的理念共同完成工作目標(biāo)。

（6）個人資料庫

技術(shù)人員可對自身的知識分類進(jìn)行保護(hù)，同時可關(guān)注其他方面的內(nèi)容。系統(tǒng)主要分兩個端口，包括手機(jī)端和電腦端，為攜帶技術(shù)資料帶來了諸多的便利，另外也有效地避免了資料的外泄。

5 結(jié) 語

Lucien 全文檢索的企業(yè)知識信息系統(tǒng)在煤礦企業(yè)中與生產(chǎn)技術(shù)有效地銜接在一起，借助信息共享，提升整個技術(shù)管理水平，實(shí)現(xiàn)不同信息內(nèi)容的全面共享。從2018 年1 月，煤礦企業(yè)正式將該系統(tǒng)投入到實(shí)際應(yīng)用中，該年內(nèi)部資料、科研成果、公共資料等分別為6870 條、807 條、604 條等，不僅減少了紙張的使用量，節(jié)約了資源與經(jīng)營的成本，而且還提升了信息技術(shù)的創(chuàng)新水平。