|
|
系统设计目标
1.开发能支持HTTP,NEWS协议的信息发现系统。
2.设计具有高度智能性和适应性的信息发现方法。
3.支持多种汉字编码，如HZ、GB、BIG5等。
4.使用中文分词技术，提取中文摘要和关键词，使中文信息的分析和索引更为有效。
5.跟踪研究HTML、HTTP等相关协议和技术，尽量支持最新的Internet标准。
6.设计开发大型信息索引数据库，及相关的高效的管理和检索算法。
7.开发WWW、EMAIL两种用户访问接口。用户既可以使用任何WWW浏览器进行访问，也可通过发EMAIL来检索。不需要专门的客户程序。
8.开发提供一定的URL映像功能。用户可以直接从本服务器下载已映像的URL的内容，无须再访问原URL。这能在一定程度上减少网络流量。
9.开发跟踪检索功能。能根据用户需要，对某方面的信息进行跟踪查找，定期将新发现的信息用EMAIL通知用户。
10.为用户开发一些信息发现的实用工具程序。
§2.2 系统总体结构
如图2.1所示（下页），系统由HTML存取分析子系统，NEWS存取分析子系统，主控子系统，索引数据库子系统，检索接口子系统，在加上图上未表示出的转接层子系统共6个子系统组成。系统内含有三个数据库，即素材数据库DB1，素材数据库DB2，和索引数据库。
系统运转时序如下：
第一步：主控子系统控制HTML、NEWS存取分析子系统从WWW和NEWS服务器上获得原始信息，并存入素材数据库DB1和DB2。
第二步：索引数据库子系统从素材数据库DB1和DB2中取出原始信息，分析整理后生成索引数据库。
第三步：接收到用户的WWW或E-mail格式的检索要求，检索接口子系统通过索引数据库子系统得到检索结果，输出给用户。
