全文檢索查看源代码讨论查看历史
全文檢索 |
|---|
|
全文檢索從文本或資料庫中，不限定資料欄位，自由地萃取出訊息的技術。[1]
執行全文檢索任務的程式，一般稱作搜尋引擎，它將使用者隨意輸入的文字，試圖從資料庫中，找到符合的內容。
全文索引的相關議題
- 語根處理 (stemming)
- 符素解析器 (token parser) 1-gram, 2-gram , n-gram
- 斷詞/分詞 word segmentation
- 倒排索引;反向索引- inverted index
演算法、搜尋策略之模型
- 布林式 boolean
- 統計模型 Probabilistic model
- 向量空間模型 vector base model
- 隱性語義模型 Latent semantic model
評量之準則
- 查全率(recall rate)，查準率(precision)
開放原始碼之全文檢索系統
- Apache Solr
- BaseX
- Clusterpoint Server (freeware licence for a single-server)
- DataparkSearch
- Ferret
- Ht-//Dig
- Hyper Estraier
- KinoSearch
- Lemur/Indri
- Lucene
- mnoGoSearch
- Sphinx
- Swish-e
- Xapian
- ElasticSearch
和中文有關的議題
- 斷詞
- 語法解析
- 古籍議題
- 多語言混合
優化
- 剔除字(Stopwords)
- 詞性標註
- -规范文件;權威檔-(authority file)
- 知識體系，本體論(ontology)
- 超連結分析(page rank)技術
歷史及未來之趨勢
- 自由語句搜尋