数字图书馆信息检索系统的设计

２０１５年第６期　计算机与现代化　ＪＩＳＵＡＮＪＩ　ＹＵ　ＸＩＡＮＤＡＩＨＵＡ　总第２３８期　

文章编号：１００６．２４７５（２０１５）０６－００６９－０５　

基于ＥｌａｓｔｉｃＳｅａｒｃｈ的数字图书馆检索系统　

张建中　，黄艳飞　，熊拥军。　

（１．中南大学信息科学与工程学院，湖南长沙４１００８３；２．中南大学软件学院，湖南长沙４１００７５；　３．中南大学图书馆，湖南长沙４１００８３）　

摘要：针对大数据时代下图书馆文献的存储和检索难题，运用ＨＤＦＳ分布式文件系统实现图书馆文献资源的海量存储，　采用ＥｌａｓｔｉｅＳｅａｒｃｈ分布式索引技术对资源进行分布式索引和检索，构建了一个高效的、分布式的数字图书馆检索系统。　测试结果显示，在大数据量下，系统检索时间约为传统Ｏｒａｃｌｅ数据库检索时间的１／２０，并带有缓存功能。　关键词：ＥｌａｓｔｉｃＳｅａｒｃｈ；数字图书馆；海量存储；分布式索引；分布式检索　

中图分类号：ＴＰ３９３　文献标识码：Ａ　ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００６－２４７５．２０１５．０６．０１５　

Ｄｉｇｉｔａｌ　Ｌｉｂｒａｒｙ　Ｒｅｔｒｉｅｖａｌ　Ｓｙｓｔｅｍ　Ｂａｓｅｄ　ｏｎ　ＥｌａｓｔｉｃＳｅａｒｃｈ　

ＺＨＡＮＧ　Ｊｉａｎ－ｚｈｏｎｇ　，ＨＵＡＮＧ　Ｙａｎ—ｆｅｉ　，ＸＩＯＮＧ　Ｙｏｎｇ－ｊｕｎ　

（１．Ｓｃｈｏｏｌ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｃｅｎｔｒａｌ　Ｓｏｕｔｈ　Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｓｈａ　４１００８３，Ｃｈｉｎａ；　２．Ｓｃｈｏｏｌ　ｏｆ　Ｓｏｆｔｗａｒｅ，Ｃｅｎｔｒａｌ　Ｓｏｕｔｈ　Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｓｈａ　４１　００７５，Ｃｈｉｎａ；　３．Ｃｅｎｔｒａｌ　Ｓｏｕｔｈ　Ｕｎｉｖｅｒｓｉｔｙ　Ｌｉｂｒａｒｙ，Ｃｈａｎｇｓｈａ　４１００８３，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｆｏｒ　ｔｈｅ　ｓｔｏｒａｇｅ　ａｎｄ　ｒｅｔｒｉｅｖａｌ　ｐｒｏｂｌｅｍ　ｏｆ　ｌｉｂｒａｒｙ　ｗｏｒｋｓ　ｉｎ　ｔｈｅ　ｅｒａ　ｏｆ　ｂｉｇ　ｄａｔａ，ｔｈｉｓ　ｐａｐｅｒ　ｉｍｐｌｅｍｅｎｔｅｄ　ｔｈｅ　ｍａｓｓｉｖｅ　ｓｔｏｒａｇｅ　ｏｆ　ｌｉｂｒａｒｙ　ｗｏｒｋｓ　ｗｉｔｈ　ＨＤＦＳ　ａｎｄ　ｕｓｅｄ　ＥｌａｓｔｉｅＳｅａｒｃｈ　ｔｏ　ｄｉｓｔｒｉｂｕｔｅｄ　ｉｎｄｅｘ　ａｎｄ　ｒｅｔｒｉｅｖａ１．Ｔｅｓｔ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｕｎｄｅｒ　ｔｈｅ　ｌａｒｇｅ　ａ—　ｍｏｕｎｔ　ｏｆ　ｄａｔａ，ｔｈｉｓ　ｓｙｓｔｅｍ　ｎｅｅｄｓ　ａｂｏｕｔ　ｏｎｅ—ｔｗｅｎｔｉｅｔｈ　ｒｅｔｒｉｅｖａｌ　ｔｉｍｅ　ｏｆ　ｔｈｅ　ｔｒａｄｉｔｉｏｎａｌ　Ｏｒａｃｌｅ　ｄａｔａｂａｓｅ　ｆｏｒ　ｓｅａｒｃｈｉｎｇ　ｔｈｅ　ｓａｍｅ　ｓｅａｒｃｈ　ｗｏｒｄｓ，ａｎｄ　ｉｔ　ｈａｓ　ｔｈｅ　ｃａｃｈｅ　ｆｕｎｃｔｉｏｎ．Ｓｏ　ａｎ　ｅｆｆｉｃｉｅｎｔ　ａｎｄ　ｄｉｓｔｒｉｂｕｔｅｄ　ｄｉｇｉｔａｌ　ｌｉｂｒａｒｙ　ｒｅｔｒｉｅｖａｌ　ｓｙｓｔｅｍ　ｉｓ　ｂｕｉｌｔ．　Ｋｅｙ　ｗｏｒｄｓ：ＥｌａｓｔｉｅＳｅａｒｅｈ；ｄｉｇｉｔａｌ　ｌｉｂｒａｒｙ；ｍａｓｓ　ｓｔｏｒａｇｅ；ｄｉｓｔｒｉｂｕｔｅｄ　ｉｎｄｅｘ；ｄｉｓｔｒｉｂｕｔｅｄ　ｒｅｔｒｉｅｖａｌ　

科技论坛　・４１・　

基于普适计算技术的数字图书馆检索模型设计　

马倩　

（郑州航空工业管理学院管理科学与工程学院，河南郑州４５００１５）　

摘要：互联网上信息资源相当丰富，存在于各个分散的服务器上。不同的人群对信息有着各自不同的需求，导致了各种各样搜索工　具和技术的产生。人们对信息获取方式便捷化的要求促使了普适计算技术的发展，普适计算设备的研发蓬勃发展，日新月异。在智能手　

机、电子书、ＰＤＡ这些普适设备上，由于处理能力不足、带宽窄、存储空间小、网络资费高，手机屏幕小等因素，现有的搜索技术不能只是简　单地移植过来。提出了一种基于普适计算的检索模型，它支持全文搜索和协同过滤技术，立足于用户设备，提供给用户高效、精确、低成本　

的个性化搜索结果。　关键词：普适计算；数字图书馆；检索；模型设计　

Ａｂｓｔｒａｃｔ：Ｍａｎｙ　ｓｏｕｒｃｅｓ　ｏｆ　ｉｎｆｏｒｍａｔｉｏｎ．ｓｕｃｈ　ａｓ　ｔｈｅ　ｌｎｔｅｒｎｅｔ　ａｒｅ　ｄｉｆｉｃｕｌｔ　ｔｏ　ｓｅａｒｃｈ　ｔｈｒｏｕｇｈ．Ｅｘｉｓｔｉｎｇ　ｔｏｏｌｓ　ｃａｎ　ｂｅ　ｆｒｕｓｔｒａｔｉｎｇ　ｆｏｒ　ｍａｎｙ　

ｐｅｏｐｌｅ．Ｓｏ　ｆａｒ　ａ　ｎｕｍｂｅｒ　ｏｆ　ｔｅｃｈｎｉｑｕｅｓ　ｈａｖｅ　ｂｅｅｎ　ｐｒｏｐｏｓｅｄ　ｔｏ　ｓｏｌｖｅ　ｕｓｅｒ－ｏｒｉｅｎｔｅｄ　ｓｏｌｕｔｉｏｎｓ．Ｔｈｅ　ｐｒｏｂｌｅｍ　ｒｅ—ｓｕｒｆａｃｅｓ　ｈｏｗｅｖｅｒ　ｗｉｔｈｉｎ　ａ　ｕ—　

ｂｉｑｕｉｔｏｕｓ　ｃｏｍｐｕｔｉｎｇ　ｐａｒａｄｉｇｍ．Ａｓｉｄｅ　ｆｒｏｍ　ａ　ｐｏｓｓｉｂｌｅ　ｄｅｌａｙ　ｉｎ　ｒｅｓｐｏｎｓｅ　ｔｉｍｅ，ｔｈｅｒｅ　ａｒｅ　ａｄｄｉｔｉｏｎａｌ　ｄｒａｗｂａｃｋｓ　ｗｉｔｈ　ｒｅｓｐｅｃｔ　ｔｏ　ｍｏｂｉｌｅ　ｄｅ—　

ｖｉｃｅｓ　ｓｕｃｈ　ａｓ：ｂａｎｄｗｉｄ出ｓｉｚｅ，ｓｔｏｒａｇｅ　ｓｉｚｅ，ｃｏｓｔｓ　ａｎｄ　ｃｌｉｅｎｔ　ＵＩ　ｓｉｚｅ．Ｉｎ　ｔｈｉｓ　ｐａｐｅｒ　ｗｅ　ｉｎｔｒｏｄｕｃｅ　ｔｗｏ　ｓｅａｒｃｈ　ａｎｄ　ｂｒｏｗｓｉｎｇ　ｆｅａｔｕｒｅｓ：ｆｕｌｌ　ｔｅｘｔ　ｓｅａｒｃｈｉｎｇ，ｃｏｌｌａｂｏｒａｔｉｖｅ　ｆｉｌｔｅｒｉｎｇ，ａｌｌ　ｏｆ　ｗｈｉｃｈ　ａｙｅ　ｃｅｎｔｅｒｉｎｇ　ａｒｏｕｎｄ　ｐｅｏｐｌｅ．　

在数字图书馆中，信息检索存在明显不足。在文献的组织与描述上,简单将关 键词作为描述文献的基本元素,文献之间没有关联,是相互独立的、无结构的集合。 在检索操作上,通常是基于关键词的无结构查询,难以反映词语间各种语义联系, 查询能力有限,误检率和漏检率很高,检索结果的真实相关度较低；计算查询和文 档之间的相似度的方法也有局限。在用户交互界面上，用户的检索意图难以被机 器理解，采用自然语言输入的检索关键词与机器的交互存在障碍。现有数字图书 馆信息资源检索存在资源表示语义贫乏和检索手段语义贫乏、查准率低下等问题， 语义网技术的出现，为数字图书馆的发展注入了新的活力，为信息检索质量的提 高带来了新的生机。运用语义网技术，使解决信息检索中现存的问题，完善信息 检索流程成为了可能。 3.1 数字图书馆信息检索模型 目前数字图书馆的信息检索主要借助于目录、索引、关键词方法来实现,

或 者要求了解检索对象数据结构等, 对用户提供的关键词的准确性要求较高，基于 语法结构进行检索, 却不能处理复杂语义关系,常常检索出大量相关度很差的文 献。

图3.1 数字图书馆信息检索模型 用户通过检索界面，输入关键词，文本操作系统对用户的关键词进行简单的 语法层次的处理整合，与数字图书馆资源进行匹配检索，最终将检索的结果，再

通过用户界面返回给用户。而数字图书资源，专业数据库等都是数字图书馆信息 检索的范畴，这些数字化的知识资源主要以数据库形态分布于全球互联网的数千 个站点,这种以数据库形式存放的信息资源,通常是电子化了的一次文献,包括元 数据、摘要或者是全文,也可以是全文链接的地址。

24 基于语义网的数字图书馆信息检索模型研究

3.2 基于语义网的数字图书馆信息检索模型的设计思想 数字图书馆信息检索系统存在诸多问题。查询服务智能化水平低，无法对用 户请求进行语义分析；信息资源的共享程度低，仅仅采用题名、文摘或全文中出 现的关键词标识文献内容，难以揭示文献资料所反映的知识信息，易形成信息孤 岛；对用户输入的关键词进行句法匹配，查准率不高；片面追求查全率，返回大 量无关结果等。这些问题最终造成用户的真正检索意图难以实现。人们希望有突 破性的信息检索技术出现，能够支持更为强大的信息检索功能，具备理解语义和 自动扩展、联想的能力，并为用户提供个性化服务。 在这样的需求下，本节深入探讨了现存问题的解决方法，结合语义网技术， 提出了以下基于语义网的数字图书馆信息检索模型的设计思想。 3.2.1 机器理解与人机交互 人们通过信息的交流和沟通，表达一定的思想、意思和内容，因此，自然语 言和表达的信息中蕴含着丰富的语义。尤其是自然语言中，一词多义、一义多词 现象十分常见，在不同的语境中，同样的词汇还可以表达出不同的意义。在人与 人的交流中，近义词、反义词、词语的词性、语法结构等帮助人们在特定的语言 环境中理解语言表达的确切含义，而计算机要做到这点却有难度。 随着网络的不断发展，网络信息充斥着人们的视野。如何在浩如烟海的信息 资源中，以最短的时间查找出相关资源，成为人们所关注的问题之一。通常，检 索系统总会返回相关度不高，甚至完全无关的信息，而有些相关的信息却往往被 遗漏了。一方面，检索工具没能把已经存在的、对用户有价值的信息检索出来， 另一方面，信息资源没有很好的被归纳，提炼成知识。 利用语义网技术，将语义丰富的描述信息和资源关联起来，通过机器理解和 人机交互，对信息资源进行深层次的分析和挖掘。从本质上讲，人机交互是认知 的过程，主要通过系统建模、形式化语言描述等信息技术，最终实现和应用人机 交互系统。 3.2.2 语义知识与描述逻辑 从语义学的角度讲，语义是语言形式表达的内容，是思维的体现者，是客观 事物在人们头脑中的反映[72]。人们在进行信息交流和沟通时，通过词语、符号来 表达思想。当人们看到或听到语境中的一个词语或符号时，能够准确、迅速的对 应到相关的事物、事件，这是由于借助了人类头脑中已有的相关概念。当人们在

图书馆信息检索系统

在当今信息爆炸的时代，图书馆作为知识的宝库，拥有海量的书籍、期刊、论文等各类文献资源。如何从这庞大的资源中快速、准确地找到所需的信息，成为了读者和图书馆管理者共同面临的挑战。图书馆信息检索系统应运而生，它就像一位智慧的引路人，帮助我们在知识的海洋中轻松找到方向。

图书馆信息检索系统是什么呢？简单来说，它是一种帮助读者查找图书馆馆藏资源的工具。通过这个系统，读者可以输入关键词、作者、书名等信息，系统就能迅速筛选出与之相关的文献，并提供详细的馆藏位置、借阅状态等信息。这不仅节省了读者在书架间盲目寻找的时间，还提高了获取信息的效率。

图书馆信息检索系统的工作原理主要基于数据库技术和索引算法。首先，图书馆会将所有的馆藏资源进行数字化处理，包括书籍的基本信息、目录、摘要等。然后，利用特定的算法对这些数据进行索引和分类，建立起一个庞大的数据库。当读者输入检索词时，系统会在这个数据库中进行快速匹配和搜索，并将结果以清晰明了的方式呈现给读者。

一个优秀的图书馆信息检索系统通常具备以下几个特点。

首先是准确性。它能够准确地理解读者的需求，提供与检索词高度相关的结果，避免出现大量无关或低质量的信息。这就要求系统的算法要足够智能，能够对检索词进行深入的语义分析，而不仅仅是简单的关键词匹配。

其次是全面性。它要涵盖图书馆的所有馆藏资源，包括纸质书籍、电子书籍、期刊、报纸等。不能有遗漏，否则读者可能会错过重要的信息。

再者是便捷性。系统的操作界面要简洁直观，易于上手。读者不需要花费太多时间去学习如何使用，就能轻松完成检索操作。同时，系统还应该支持多种检索方式，如简单检索、高级检索、布尔检索等，以满足不同读者的需求。

另外，及时性也很重要。图书馆的馆藏资源是不断更新的，新的书籍、期刊会不断入库。检索系统要能够及时反映这些变化，确保读者获取到最新的信息。

图书馆信息检索系统给读者带来了诸多便利。以前，读者为了找到一本书，可能要在图书馆的各个书架间穿梭，耗费大量的时间和精力。现在，只需要坐在电脑前，输入几个关键词，就能迅速找到目标书籍的位置和借阅状态。这不仅提高了读者的阅读效率，还激发了读者的阅读兴趣。