开源信息检索技术在高校图书馆的应用——以昆明理工大学图书馆为例

索技 术在 高校 图书馆的发展与应 用问题 ，为我 国其他 高校 图书馆提供经验借鉴。 关键词 ：开源软件； 高校 图书馆 ；信 息检 索；云计 算；ｗｅ ． ｂ２０ 中图分类号 ：６ ５ ２ 文献标识３ ：Ａ ５ － 文章编号 ：１ ７ — ２ ９（ ０ ）０ — ０ ９ ０ ６３２ １ ２ １ １ ８０ ５ － ４
档 中抓取 它们 的内容 来建 立摘 要和索 引 。从本地 硬 盘或 ｉｒｎｔ ｎ ａｅ 中查找到的结果可重新再进行检索。Ｚｌｅｌ ｅ支持 ｔ ｉ ｒｎ ｖ ｉ
多种语言其中包括 中文 。
Ｒ ｄＰｒ ｈ 是 一 个开 源 搜 索 系 统 ，它 能 够 真 正 “ 习” ｅ—ｉ ｎ ａ ａ 学 你 所 要 查 找 的 是 什 么 。 Ｒ ｄＰ ａｈ 可 作 为 你 桌 面 系 统 ｅ ．ｉ ｎ ａ ｒ
得所需资源 ；网络的发展迫使 图书馆不但 要为用户提供满
意 的 数 字 资 源 ， 且必 须 提 供 友 好 、快 速 的 检索 界 面 ，这 样 而
知识 的爆炸性增长要求 图书馆必须走数字化之路 。 而发
展数字化 图书馆 的核心 问题是信息、
知识 资源 的组织 、检索与 共享 。由此可见信息检索技术是 图 书馆 的核心技术之一 ， 面对海量数据和知识的爆炸性增长以 及读者要求 的不断提高 ， 迫使 图书馆必须 提供 秒级 检索结果 显示 ，才能吸 引读者使用图书馆资源 ，爱用图书馆资源。 Ｗｅ ２０概念 的成熟和云计算技术 的发展为 图书馆为读 ｂ． 者提供 个性化 ，多样化 的服务提 供了坚实 的基础 。图书馆 ２０的提 出要求图书馆能从两个方面着手 创新 ：一是服务创 ． 新 ；二是创 新服务。服务创新是指在原有的服务领 域，利用 Ｗｅ ２０ 的先进技术、先进理念 开展服务方式 ，服务手 段的 ｂ． 创新 ， 提高服务水平 。 而创新服务则是需 要图书馆建立 自己 的有关 Ｗｅ２０的各种技术服务平台，为服务创新提供技术 ｂ． 支撑 ，开辟新 的服务领域 ，创建新的服务 项 目，为读者提供
才能不断地吸 引读者 ，实现 图书馆资源的最大效用 ２ ．。 Ｊ
１ 高校 图书 ｔ 发 展所面 临 的挑 战和 问题 ． 官
１ ． 业市 场 的 冲 击 １商
随着搜索 技术 的不 断发展 ，以及搜索市场的壮大 ， 商业
搜索引擎公司不断推 出数字 图书馆服务。学术谷歌 ， 百度文 库， 新浪爱 问等系统对 图书馆的侵 蚀 日趋 明显 。比如 ，百度 与北大、中科院科学图书馆合作 ， 开发 了强大的数字图书搜 索功 能 ，在网上建 立搜 索平台 ；Ｇｏ ｇｅ公 司凭借 其大 量、 ｏｌ
些 大 学和 研 究机 构 进 行 自由 式 独 立 研 究 的初 级 阶 段 ，进
入 到形 成 开 源软 件 技 术 联 盟 进行 合 作 开 发 的成 熟 阶 段 Ｉ。我 ｏ ｊ 们 完 全 可 以 吸 取 国外 成 熟 的理 念 和 技 术 并在 国 内 试验 和推
广。
Ｐｐ ｉ ｈ Ｄｇ是一个采用 Ｐ Ｐ开发的 Ｗｅ Ｈ ｂ爬虫和搜索引擎 。 通过对动态和静态页面进行索 引建立一个词汇表。 当搜索查
典 的反 向索 引算法（ 与大型的搜索 引擎相 同） ， 这就是为什么 它会比其它搜索引擎快 的原 因。 Ｓ ｈｎ 是一个基于 Ｓ Ｌ 的全文 检索 引擎 ，可以结合 ｐｉｘ Ｑ
Ｍｙ Ｑ ，ｏｔｒＳ Ｌ做全文搜索 ，它可 以提供 比数据库本身 Ｓ ＬＰ ｓ ｅ Ｑ ｇ 更专业的搜索功能 ， 使得应用程序更容易实现专业化的全文 检索。Ｓ ｈ ｘ特别为一些脚本语言设计搜索 Ａ Ｉ接 口，如 ｐｉ ｎ Ｐ Ｐ ＰＰ ｔｏ ，ｅｌ ｕ ｙ等 ，同时为 Ｍｙ Ｑ Ｈ ，ｙ ｎＰ ｒＲ ｂ ｈ ， Ｓ Ｌ也设计 了一个存
商业公司 ， 图书馆特别是高校图书馆 在 自我服务定位与信息 资源建设上需要进行转变。否则 ， 随着云计算和 网络技术 的
发展 ，图书馆 的业务将被各大商业公 司所抢 占 。 ｊ
收 稿 日期 ：２ １ －０ —２ ０１ ３ ２
合理有 效Ｉ 。
１ 图 书馆 的 内在 问题 ＿ ３
外 ，是 最重要的是使使用者可 以随时应 自己需要 自订其功
能。
秒钟 内搜索 ５ ０ ．０ ０ ００ １０ ０个页面。ＲＳ ａｃ ｉｅｒｈ是一个索引搜索 引擎， 这就意味着它先将你的 网站做索 引并建立一个数据库 来存储你网站所有页面的关键词以便快速搜索 。 ｉ ａ ｈ是 Ｒｓ ｒ ｅｅ
更高层次的服务Ｉ。
综观 国内外各大 高校 ， 其图书馆所承担的任务概要 归纳
稳定 的资金和先进 的技术与众多高等院校合作 ， 开发了大量 的数字化 图书 ， 放到 网上供读者阅读。如今的搜索引擎技术 日益成熟 ， 并且逐步把 图书馆的业务也融入到了搜索结果 当
中， 用户可以在任何一个 电脑终端 ， 就可以享 受到来 自搜索 引擎 提供 的有 关图书和文献的信 息服务 。 面对 强大而高效 的
开 源信 息检 索技 术 在 高校 图书 馆 的应 用
以昆明理 工 大学 图书馆 为例
孔 云 杨 婷
（ 明理 工 大 学 图 书 馆 ， 云 南 昆明 ６ ０ ９ ） 昆 ５０ ３
摘
要 ：本文以 昆明理工大学图书馆 为例，从 高校 图书馆 的角度 ，通过对开源技术的特点及其功能分析 ，探讨 了开源检
询时 ， 它将按一定 的排序规则显示包含关键字的搜索结果页 面 。Ｐ ｐ ｇ包含一个模板系统并能够索 引 Ｐ ＦＷｏｄＥ ｃｌ ｈ Ｄｉ Ｄ ， ｒ，ｘｅ ，
和 Ｐ ｗｒｏ ｔ ｏ ｅ ｉ 文档。Ｐ Ｐ ｉ Ｐ ｎ Ｈ ｄｇ适用于专业化更强、层次更深
２１基于 Ｊ Ｖ ． Ａ Ａ的开源搜 索引擎
逻辑、短语和近义词查询； 支持每个文档多个全文检索域（ 默
（ ｎ ｏ ｓ ｉｕ Ｗｉｄ ｗ ，Ｌｎ ｘ与 Ｍａ）的个人搜索 引擎 ，或企业内部 ｃ 网搜索 引擎，或为你的网站提供搜索功能 ，或作为一个 Ｐ Ｐ ２ 搜索 引擎 ， 或与 、ｌ ｖ ｄ结合作为 一个知识／ ｉ 文档管理 解决方案 ，
１ Ｗｅ ２０时代 对 图 书馆 发 展 的新 要 求 ． ２ ｂ．
数据 、 息 、知识 的爆 炸 性 增 长 给 图 书 馆带 来 了戏 剧 性 信
的挑战 ， 但也为其发展提供了前所未有 的机遇 。 数字 图书馆 的发展是对传统图书馆的颠覆 ，是未来 图书馆 生存 的必然 ， 其发展 的核心 问题是如何更好地对搜集 、 织、检索与利 用 组 好信息资源 。 许多读者在面对 海量信 息时显得手脚无措 ，读 者对 图书馆的服务提出了更高的要求 ， 希望能快速准确地获
为 了迎接图书馆面临的外 部危机 ， 当历史使命 ， 承 图书 馆必须拥有 自己的信息检索技 术和 创新平 台。 然而 ， 据估算 ，
一
基金项 目：本文系云南省教育厅科学研究基金项 目（ 项
目编 号 ０ Ｙ ０ ８成 果 之 一 。 ９ ０８） 作 者 简 介 ：孔 云 （９ ２ ） ，男 ，云 南 南 华 人 ，硕士 ， １８ 一 昆 明理 工 大 学 图 书 馆 计 算机 部 。杨 婷 （９ ９ ） ，女 ，湖 南 １７ 一
或搜索你要的 Ｒ Ｓ聚合信息，或搜索你公司 的系统 （ Ｓ 包括
Ｓ Ｐ，Ｏ ａｌ 其它 任 何 Ｄａ ｂ ｓ Ｄａ ｏ ｒｅ ，或 用于 管 Ａ ｒｃｅ或 ｔ ａｅ ｔ ｓｕｃ ） ａ ／ ａ
理 Ｐ Ｆ Ｄ ，Ｗｏｄ和其它 文档 ，或作为一个提供搜索信息 的 ｒ
认最大 ３ ２个） ； 支持每个文档多属性 ； 支持断词； 单字节编 支持
５ ９
永州人 ，硕士 ，昆明理 工大学图书馆信息咨询部。
２ 开 源技术 为图书馆 的发展提 供 了创 新平 台 ．
目前 ，国外 对 系 统 开 源 软 件 的 研 究 已经 从 最 初 的 仅 由
一
复 制来 提 高 可 用性 ， 提供 一 套 强 大 Ｄ ｔ Ｓｈ ｍ 来 定义 字 段 ， ａ ｃｅ ａ ａ 类 型和 设 置 文 本分 析 ，提 供 基于 Ｗｅ 管理 界 面 ｂ的 ２２ 基 于 Ｐ Ｐ的 开 源搜 索 引擎 ． Ｈ 。
第３ ２卷 第 ８期
２１ 年 ８ ０１ 月
湖南科技学院学报
Ｊ ｕ ｎ ｌ ｆＨｕ ａ ｉ ｅ ｓｔ ｆＳ ｉｎ ｅａ ｄＥｎ ｉ ｅ ｒ ｇ ｏ ｒ ａ ｎ ｎ Ｕｎ ｖ ｒｉ ｏ ｃｅ ｃ ｎ ｇ ｎ ｅｉ ｏ ｙ ｎ
Ｖｂ －２ＮＯ． ｌ３ ８
Fra Baidu bibliotek
Ａｕ ．０ ｇ２ １ １
储 引擎插件 。Ｓ ｈｎ ｐｉｘ的特性 ：高速索 引 （ 在新款 Ｃ Ｕ上， Ｐ 近 １ＭＢ 秒） ０ ／ ； 高速搜索（—Ｇ的文本量中平均查询速度不到 ０１ ２４ ． 秒） ； 高可用性（ Ｃ Ｕ上最大可支持 １０ Ｂ的文本， ０ 文 单 Ｐ ０Ｇ １Ｍ ０ 档） ； 良好 的相关性排名 ， 提供 支持分布式搜索； 提供文档摘要 生成； Ｍｙ ＱＬ内部 的插件式存储 引擎上搜索 ， 提供 Ｓ 支持布尔
个 图书 馆 要 实 现 自动 化 ， 经 费预 算 少 到 几 十 万 ， 其 一般 多
到 几 千 万 。因各 地 财 政 情 况 不 平衡 ，图书 馆 因经 费 不 足 从 而 使 其 自动 化 程 度 不 一 ， 甚至 有 些 图书 馆 无 法 实 施 。 费 申请 ， 经 体 制 问题 和 信 息 技 术 人 才 匮 乏 等 因素 给 图 书 馆 自动 化 系 统 的 推 广 带 来 了极 大 的 困难 和 挑 战 。
Ｎｔ ｕｃ ｈ是一个开源 Ｊｖ ａａ实现 的搜索引擎 。它提供了我
们运行 自己的搜 索引擎 所需的全部工具 。包括全文搜索和
Ｗｅ ｂ爬 虫 。
的个性化搜索 引擎 ， 利用它打造针对某一领域的垂直搜索引
擎 是最 好 的 选择 。
Ａ ａｈ ｕｅｅ是一个基于 Ｊｖ 全文搜索引擎 ， ｐ ｃｅ ｃｎ Ｌ ａａ 利用它 可以轻 易地为 Ｊｖ ａａ软件加入全文搜寻功能 。Ｌ ｃｎ ｕｅｅ最主要
为教 学、科研 、社会信息共享等方面。从知识无限到知识无 界限， 让每一个读者 都能 方便快捷地获取知识 ，了解和感受 最新科技学术动态是高校 图书馆的重要任务 。 而这 些均需要
读者和 图书馆 问的信息互动来实现 。 因此 ， 信息检索技术便 成 为连接读者和 图书馆之 问的纽带和桥梁 。 高校图书馆能否 很好吸 引和服务读者 ， 直接依赖于信息检索技术 的运用是否
码与 Ｕ Ｆ８编码 。 Ｔ一 ｊ
２３ 中文 支持 情 况 ．
Ｗｅ Ｓ ｒｉ ｂ ｅｖ ｅ或为你 的应用程序 （ ｂ Ｓ ｉｇ Ｓ ｃ Ｗｅ ， ｗ ｎ ， ＷＴ， ｌ ｈ Ｆａ ， ｓ
Ｍｏｉａ Ｌ，Ｐ Ｐ，Ｐ ｒ或 ｃ／ ｅ）提供搜索后台等等 。 ｚｌ－ ｌ ＸＵ Ｈ ｅｌ ＃． ｔ Ｎ Ａｐｃｅ Ｓ ｌ ａｈ ｏｒ是一个 高性 能 ，采用 Ｊｖ５ 开发 ，基于 ａａ
全 文 搜 索 引 擎脚 本， 把 所 有 的 关 键 词都 编成 一个 文 档 索 引 它
除 了配置文件里面的定义排除的关键词 Ｒ Ｓａｃ ｉｅｒｈ使 用经
Ｚｌｅｌ ｅ是一个搜索 引擎 ，它通过 ｗ ｂ方式搜索本地 ｉ ｒｎ ｖ ｉ ｅ
硬盘或 ｉｔ ｎｔ上的内容。Ｚｌｅｌ ｅ可以从 Ｐ Ｆ ｎｒ ｅ ａ ｉ ｒｎ ｖ ｉ Ｄ ，Ｗｏｄ ｒ， Ｅ ｃｌ ｏ ｅＰ ｉｔ Ｔ ，［ ，ｊｖ ，Ｃ Ｍ，ｚ ，ｒｒ等文 ｘｅ，Ｐ ｗ ｒｏｎ，Ｒ Ｆ ｘ ａａ Ｈ ｔ ｉ ａ ｐ
ＲＳａ ｈ Ｈ ｉｅｒ Ｐ是一个高效 ， ｃＰ 功能强大的搜索 引擎 ，特别
适 用于 中小型网站 。Ｒ Ｓａｃ ＨＰ非常快 ，它能够在不到 １ ｉｅｒｈ Ｐ
工作是 替文件的每 一个字作索引 ， 索引让搜寻的效率 比传统 的逐字 比较大大提 高，Ｌ ｃｎ提供 一组解读 ，过滤 ，分析文 ｕｅ 件 ，编排和使 用索 引的 Ａ Ｉ Ｐ ，它的强大之处除了高效和简单