基于混合全文索引的煤质文件管理系统研究

摘要

信息化产业技术的飞速发展极大的改变了人们获取利用信息的方式，人们越来越多的是通过电子文件进行传播信息。针对煤炭这一特定领域而言，各类电子煤质文件呈爆炸式增长。面对当前浩瀚的信息海洋，如何帮助用户有效管理煤质文件信息以及如何帮助用户快速甄别、提取有用信息成为煤炭企业面临的重要难题。
　　本文提出一种基于倒排索引与B+树索引的混合全文索引模型。倒排索引在实现上相对简单，对短语的查询具有相对优势，检索速度快，但对数字型的数据并不敏感，因此在数字型数据的检索上不能快速且准确的检索相关信息。而B+树索引能够实现随机、顺序的处理，其所有数据全部在叶子结点保存，加之B+树本身具有的有序性，使得它非常适合于数字型数据的索引。而对煤质文件特点分析可得：煤质文件数据类型主要有字符型和数字型。本文结合倒排索引与B+树索引的优点提出了混合全文索引结构，并将其应用于煤质文件管理系统中。混合全文索引思想为：首先针对煤质文件的数据类型建立B+树索引；再根据不同数据的类型为其建立相应的索引结构，具体可分为两种：如果为字符型数据就为其建立倒排索引，数字型则为其建立B+树索引。设计并实现了煤质文件管理系统，采用目前主流三大框架（ Spring、Struts2， Hibernate）技术，结合Oracle数据库，实现了煤质文件基本信息管理、用户权限管理、文件上传、文件下载、文件共享、文件多维度分类、文件安全控制、文件检索等功能。其中，安全控制模块提出一种文件使用记录追踪方案，保存所有涉密文件使用记录并得到每个文件对应的记录项，并对记录项部分元素（读写操作或常用主机IP）进行监控分析，针对可能发生的安全隐患给予警示，以此保证涉密文件的安全性。对已实现的煤质文件管理系统进行功能性测试，结果表明系统运行良好。对混合全文索引实现的文件检索模块进行的实验表明，与单独的倒排索引或者B+树索引相比，混合全文索引结构在索引创建占用的存储空间和文件检索时间性能上有显著的优势。