Bulik

 Documents

 114 views
of 56
All materials on our website are shared by users. If you have any questions about copyright issues, please report us to resolve them. We are always happy to assist you.
Description
Textdatenbanken Jana Bulik 98I 15. November 2001 Textdatenbanken - Überblick 1. Laden von Texten / Dokumenten 2. Indexieren und Indexwartung 3. Anfragen und…
Share
Transcript
Textdatenbanken Jana Bulik 98I 15. November 2001 Textdatenbanken - Überblick 1. Laden von Texten / Dokumenten 2. Indexieren und Indexwartung 3. Anfragen und Anfrageoperatoren 4. Highlighting und Präsentation von Ergebnisdokumenten 5. Vergleich Oracle InterMedia Text mit SQL/MM Full Text 1. Laden von Texten/Dokumenten 1. Laden von Texten/Dokumenten 1. Datastored Objekte 2. SQL – Insertanweisung 3. ctxload 1. Laden von Texten/Dokumenten 1.1 Datastored Objekte - DIRECT_DATASTORE - DETAIL_DATASTORE - FILE_DATASTORE - URL_DATASTORE - USER_DATASTORE 1. Laden von Texten/Dokumenten DIRECT_DATASTORE - besitzt keine Attribute - Speicherung der Daten intern in Textspalten - einzelne Zeile wird als einzelnes Dokument angezeigt 1. Laden von Texten/Dokumenten DETAIL_DATASTORE - Datenspeicherung wie bei DIRECT_DATASTORE - Dokument besteht aus mind. einer Zeile - Attribute: • binary • detail_table • detail_key • detail_lineno • detail_text 1. Laden von Texten/Dokumenten FILE_DATASTORE - Datenspeicherung extern in den Daten des Betriebssystems - Path – Attribut gibt an, wo externes Textfile gespeichert ist 1. Laden von Texten/Dokumenten URL_DATASTORE - Datenspeicherung extern im Internet bzw. Intranet - Attribute: • Timeout • Maxthreads • Urlsize • Maxurls • Maxdocsize • http_proxy und ftp_proxy • No_proxy 1. Laden von Texten/Dokumenten USER_DATASTORE - Wird benutzt, um zusätzliche Informationen dem Text hinzuzufügen - Attribut: • Procedure 1. Laden von Texten/Dokumenten 1.2 SQL – Insertanweisung - einfachste Möglichkeit: Anlegen und Füllen einer Tabelle mit zwei Spalten Anlegen der Tabelle: CREATE TABLE tabellenname (id number primary key, text varchar2 (80)); Füllen der Tabelle: INSERT INTO tabellenname values (1, ‘Text Dokument 1’); INSERT INTO tabellenname values (2, ‘Text Dokument 2’); 1. Laden von Texten/Dokumenten 1.1 ctxload - Laden von Texten - Thesaurus Import und Export - Dokument Update/Export 1. Laden von Texten/Dokumenten Laden von Texten - wird zum Laden von Texten aus einer Datei benutzt - Text wird in eine LONG oder LONG RAW Spalte einer Tabelle gespeichert - Bei Import unstrukturierter Daten muss entsprechendes Headerfile vorhanden sein 1. Laden von Texten/Dokumenten Thesaurus Import und Export - wird zum Laden von Thesaurusdaten aus einem ASCII File in die interMedia Text Thesaurus Tabelle benutzt - Ctxload kann zum Importieren und Exportieren von Files benutzt werden 1. Laden von Texten/Dokumenten Dokument Update/Export - ctxload utility unterstützt: • Das Exportieren von Datenbankspalten in Dateien • Das Aktualisieren von Datenbankspalten aus Dateien 2. Indexieren und Indexwartung 2. Indexieren und Indexwartung 1. Filterobjekte 2. Lexer Objekte 3. Wortlistenobjekte (Wordlist Objects) 4. Speicherobjekte (Storage Objects) 2. Indexieren und Indexwartung 2.1 Filterobjekte - sollen festlegen, wie Texte für Indizierung gefiltert werden - Oracle speichert formatierte Dokumente in Originalform - Benutzt Filter, um Text oder HTML – Code zu erzeugen - Diese temporären Texte werden dann von Oracle indiziert 2. Indexieren und Indexwartung Verschiedene Filterobjekte: - NULL_FILTER - INSO_FILTER - USER_FILTER - CHARSET_FILTER 2. Indexieren und Indexwartung 2.2 Lexer Objekte - Werden verwendet, um die Sprache eines Textes festzustellen - Objekte: • BASIC_LEXER • CHINESE_VGRAM_LEXER • JAPANESE_VGRAM_LEXER • KOREAN_LEXER 2. Indexieren und Indexwartung BASIC_LEXER: - Wird für Englisch und westeuropäische Sprachen verwendet - Wird benutzt, um aus Texten einzelne Zeichen zu extrahieren 2. Indexieren und Indexwartung BASIC_LEXER: (Attribute) • continuation • numgroup • numjoin • skipjoin • mixed_case • alternate_case 2. Indexieren und Indexwartung 2.3 Wortlistenobjekte (Wordlist Objects) - Werden verwendet, um erweiterte Anfrageoperationen zu ermöglichen - Verwendetes Objekt: BASIC_WORDLIST - Die benutzte Sprache muss dabei mit angeben werden - Sprachen: NULL, ENGLISH, DUTCH, FRENCH, GERMAN, ITALIAN und SPANISH - Bei Angabe von NULL wird der Operator "$" ignoriert 2. Indexieren und Indexwartung Beispiele: - fuzzy_match: gibt an welche Routinen eingesetzt werden - fuzzy_score: gibt das untere Ergebnislimit an - fuzzy_numresults: gibt die max. zu erwartete Anzahl der Anfrageergebnisse an 2. Indexieren und Indexwartung 2.4 Speicherobjekte (Storage Objects) - gibt Einstellungsparameter und Tabellengröße einer Tabelle an - Diese Tabellen sind mit einem Textindex verbunden - Objekt: BASIC_STORAGE 2. Indexieren und Indexwartung Beispiele: - i_table_clause: Indextabelle, bei Tabellenerstellung - k_table_clause: Schlüsselworttabelle, bei Tabellenerstellung - r_table_clause: rowid – Table, bei Tabellenerstellung - n_table_clause: "negative list" – Tabelle, bei Tabellenerstellung 3. Anfragen und Anfrageoperatoren 3. Anfragen und Anfrageoperatoren 1. Wort - Anfragen 2. About – Anfragen 3. Gemischte Anfragen 4. Operator Prioritäten 5. Spezielle Zeichen in Anfragen 3. Anfragen und Anfrageoperatoren 3.1 Wort – Anfragen - wird benutzt, wenn man nach einem bestimmten Wort oder Wortgruppe sucht - Es werden die log. Operatoren AND und OR, sowie strukturierte Prädikate benutzt - Es ist möglich mit count(*), CTX_QUERY.COUNT oder CTX_QUERY.EXPLAIN die Trefferanzahl zu ermitteln 3. Anfragen und Anfrageoperatoren Beispiel: CTX_QUERY.COUNT_HITS - gibt Anzahl der Treffer zurück - 2 verschiedene Modi: • Exact Mode • Estimate mode 3. Anfragen und Anfrageoperatoren Beispiel: CTX_QUERY.COUNT_HITS COUNT_HITS( index_name IN VARCHAR2, text_query IN VARCHAR2, exact IN BOOLEAN DEFAULT TRUE) RETURN NUMBER; 3. Anfragen und Anfrageoperatoren 3.2 About – Anfragen - zählen die Dokumente, die die Kriterien der gestellten Anfrage erfüllen - Themenkomponente des Indexes kann benutzt werden (nur in englischer Sprache möglich) 3. Anfragen und Anfrageoperatoren Beispiel: ABOUT (Text) - Text kann einzelnes Wort, Wortgruppe, Satz oder Aneinanderreihung beliebiger Wörter sein 3. Anfragen und Anfrageoperatoren Beispiel: • Einzelnes Wort: 'about (dog)' • Wortgruppe: 'about (cats and dogs)' • beliebige Wörter: 'about (cat dog house)' - es werden alle Dokumente zurückgegeben, die diese Wörter enthalten - ein Dokument wird höher bewertet, wenn es alle Wörter enthält 3. Anfragen und Anfrageoperatoren 3.3 Gemischte Anfragen - Vermischung beider Anfrageformen (Wort – Anfrage, About – Anfrage) - Benutzung der Operatoren AND und OR - Beispiel: ABOUT und WORT Anfrage ’ about (Hunde) und Katze’ ABOUT Anfrage mit anderer ABOUT Anfrage ’ about (Hunde) not about (Dackel) 3. Anfragen und Anfrageoperatoren 3.4 Operator Prioritäten - Komponenten einer Abfrage werden in bestimmter Reihenfolge abgearbeitet - Reihenfolge wird von Priorität des Operators bestimmt - Textanfrageoperatoren werden in zwei verschiedene Gruppen eingeteilt 3. Anfragen und Anfrageoperatoren Gruppe 1: (Operatoren) Gruppe 2: (Operat. u. Zeichen) • EQUIVALENCE (=) • Wildcard Characters • NEAR (;) • ABOUT • WEIGHT (*), threshold (>) • STEM ($) • MINUS (-) • FUZZY (?) • NOT (~) • SOUNDEX (!) • WITHIN • AND (&) • OR (|) • ACCUMULATE (,) 3. Anfragen und Anfrageoperatoren - Aufzählreihenfolge entspricht der Priorität - Höchste Priorität wird zuerst abgearbeitet - Abarbeitung von links nach rechts 3. Anfragen und Anfrageoperatoren Anfrage Reihenfolge der Bearbeitung w1 & w2| w3 (w1 & w2) | w3 w1 | w2 & w3 (w1) | (w2 & w3) ?w1, w2 | w3 & w4 (?w1), (w2 | (w3 & w4)) a=b&c=d (a=b) & (c=d) dog and cat WITHIN body dog and (cat WITHIN body) 3. Anfragen und Anfrageoperatoren 3.4 Spezielle Zeichen in Anfragen • Wildcard Zeichen • Gruppierende Zeichen • Escape Zeichen 3. Anfragen und Anfrageoperatoren - Wildcard Zeichen % an dieser Stelle kann ein beliebiges anderes Zeichen stehen (auch mehrmals) Bsp.: 'haus%' – Findet alle Wörter, die mit Haus beginnen _ an dieser Stelle kann irgendein einzelnes Zeichen stehen Bsp.: '_ing' - Findet alle Wörter, die auf ing enden, aber nur mit 4 Buchstaben geschrieben werden. 3. Anfragen und Anfrageoperatoren - Gruppierende Zeichen () runde Klammern dienen zum Gruppieren von Operatoren und Termen [] dienen auch zum Gruppieren, wie die runden Klammern, aber verhindern das Eindringen von Expansionsoperatoren (z.B. FUZZY oder STEM) 3. Anfragen und Anfrageoperatoren - Escape Zeichen {} Kennzeichnung eines Strings aus Zeichen und Symbolen als Escape – Sequenz Bsp.: 'AT\&T' oder '{AT&T}' \ Kennzeichnung eines einzelnen Zeichens als Escape – Sequenz Bsp.: 'high\-voltage' oder '{high-voltage}' 4. Highlighting und Präsentation von Ergebnisdokumenten 4. Highlighting und Präsentation von Ergebnisdokumenten - Für Benutzer interessant, in welchen Dokumenten sich die Treffer befinden - Günstig: Einsicht in die gefundenen Dokumente  Nach gestellter Anfrage werden dem Benutzer alle Dokumente angezeigt, die die Anfrage erfüllen. Benutzer wählt dann das anzuzeigende Dokument aus. 4. Highlighting und Präsentation von Ergebnisdokumenten - Mit Hilfe von interMedia Text können gefundene Texte unterschiedlich dargestellt werden - Z.B.: Unterstreichung der Suchwörter 4. Highlighting und Präsentation von Ergebnisdokumenten - Beispiel: CTX_DOC.FILTER Syntax: CTX_DOC.FILTER( index_name IN VARCHAR2, textkey IN VARCHAR2, restab IN VARCHAR2, query_id IN VARCHAR2 DEFAULT 0, plaintext IN BOOLEAN DEFAULT FALSE); 4. Highlighting und Präsentation von Ergebnisdokumenten - Beispiel: CTX_DOC.MARKUP Syntax: CTX_DOC.MARKUP ( index_name IN VARCHAR2, textkey IN VARCHAR2, text_query IN VARCHAR2, restab IN VARCHAR2, query_id IN VARCHAR2 DEFAULT 0, plaintext IN BOOLEAN DEFAULT FALSE, tagset IN VARCHAR2 DEFAULT 'TEXT_DEFAULT', starttag IN VARCHAR2 DEFAULT NULL, endtag IN VARCHAR2 DEFAULT NULL, prevtag IN VARCHAR2 DEFAULT NULL, nexttag IN VARCHAR2 DEFAULT NULL); 5. Vergleich Oracle interMedia Text mit SQL/MM Full Text 5. Vergleich Oracle interMedia Text mit SQL/MM Full Text - "normale" Suchanfragen mit 'like' nicht mehr leistungsfähig genug  Oracle interMedia Text unterstützt neue Suchmechanismen - Diese neuen Suchmechanismen sind im Standard von Orcale interMedia Text vorgesehen 5. Vergleich Oracle interMedia Text mit SQL/MM Full Text - Neue strukturelle Einheiten - Neue Operationen - neue Anfrage- und Bearbeitungsmöglichkeiten 5. Vergleich Oracle interMedia Text mit SQL/MM Full Text - Neue strukturelle Einheiten: • Wörter • Sätze • Abschnitte 5. Vergleich Oracle interMedia Text mit SQL/MM Full Text - Neue Operationen: • "Boolean Search" • "Ranking" • "Conceptual Search" 5. Vergleich Oracle interMedia Text mit SQL/MM Full Text - Neue Anfrage- und Bearbeitungsmöglichkeiten : • Einzelwortsuche • Suche von Phrasen • inhaltsbasierte Suche • Stopwort Verarbeitung • Filtermöglichkeiten • erweiterte Suche 5. Vergleich Oracle interMedia Text mit SQL/MM Full Text - Beispiel: "Conceptual Search" o Standard SELECT * FROM myDocs WHERE 1 = CONTAINS (Textbody, 'IS ABOUT "every text …"'); o o Oracle SELECT SCORE(1) title FROM news WHERE CONTAINS (text, 'about(politics)', 1) > 0; 5. Vergleich Oracle interMedia Text mit SQL/MM Full Text - Beispiel: Suche von Phrasen o Standard SELECT * FROM myDocs WHERE 1 = CONTAINS (TextBody, '"specific language"'); o Oracle SELECT employee_name, SCORE(1) FROM employee_database WHERE CONTAINS (emp.resume, 'software developer') > 0;
We Need Your Support
Thank you for visiting our website and your interest in our free products and services. We are nonprofit website to share and download documents. To the running of this website, we need your help to support us.

Thanks to everyone for your continued support.

No, Thanks