在政府門戶網(wǎng)站上提供地區(qū)化的垂直搜索或行業(yè)化的垂直搜索服務(wù)，運(yùn)用搜索引擎的技術(shù)成果，建設(shè)一個(gè)覆蓋政府公文、政府信息公開、政策法規(guī)、政府采購(gòu)、政府網(wǎng)上辦事等領(lǐng)域的專業(yè)搜索引擎，有助于把資源的利用和信息挖掘做深做透，完成對(duì)地區(qū)或行業(yè)政府異構(gòu)門戶網(wǎng)站的資源整合，對(duì)政府門戶網(wǎng)站的服務(wù)提升具有重要的意義和價(jià)值。

　　系統(tǒng)架構(gòu)

　　 系統(tǒng)可劃分為"數(shù)據(jù)采集引擎"和"全文檢索引擎"兩大部分。

　　 提供對(duì)網(wǎng)頁數(shù)據(jù)、文檔數(shù)據(jù)、數(shù)據(jù)庫(kù)數(shù)據(jù)實(shí)現(xiàn)元數(shù)據(jù)的抽取和索引。

　　 系統(tǒng)采用分布式索引技術(shù)構(gòu)建強(qiáng)大的異構(gòu)互聯(lián)網(wǎng)搜索引擎架構(gòu)。

　　 可配合大漢JGET信息采集系統(tǒng)和內(nèi)容管理完成更為復(fù)雜的結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)資源整合搜索。

 

　　系統(tǒng)特點(diǎn)

　　 定向性：指定搜索范圍，使結(jié)果更準(zhǔn)確

　　 可根據(jù)政府門戶網(wǎng)站的服務(wù)對(duì)象范圍，設(shè)定搜索范圍，建立國(guó)家部委、省廳部門垂直向下或各級(jí)地方政府廣泛而精確的搜索引擎服務(wù)。

　　 系統(tǒng)結(jié)合"異構(gòu)網(wǎng)站資源整合"、"異構(gòu)信息聚合"和"全文檢索"技術(shù)，對(duì)各級(jí)各部門政府資源通過采集、聚合、挖掘和檢索，實(shí)現(xiàn)對(duì)跨地區(qū)、跨部門的政府資源信息整合和利用。建立起強(qiáng)大的政務(wù)信息資源庫(kù)體系及政府專業(yè)搜索引擎平臺(tái)。

　　 服務(wù)于政府分類資源的搜索使得結(jié)果更精確

　　可根據(jù)公眾對(duì)政府門戶網(wǎng)站的普遍需求，搜索資源進(jìn)行預(yù)分類，將異構(gòu)網(wǎng)站的同類資源和相關(guān)資源通過關(guān)鍵詞相關(guān)技術(shù)進(jìn)行自動(dòng)標(biāo)引分類，實(shí)現(xiàn)分類檢索。

　　 框服務(wù)打造更好的和用戶體驗(yàn)和公眾服務(wù)理念

　　框服務(wù)可以給用戶提供更好的體驗(yàn)，通過檢索框輸入想要獲取內(nèi)容的關(guān)鍵詞，并由"框"進(jìn)行關(guān)鍵詞聯(lián)想，為公眾提供一種高效、簡(jiǎn)單的、場(chǎng)景式的統(tǒng)一獲取服務(wù)的入口。

　　 可管理性：范圍和分類、關(guān)鍵詞可配置，體現(xiàn)服務(wù)特色

　　可以根據(jù)需要，增加分類搜索引擎的覆蓋范圍和搜索分類，并可以對(duì)搜索關(guān)鍵詞進(jìn)行配置，提高檢準(zhǔn)率和個(gè)性化服務(wù)能力。

　　 提供了異構(gòu)門戶網(wǎng)站整合的可行性方案

　　 通過對(duì)分類搜索引擎建立，創(chuàng)造對(duì)異構(gòu)門戶網(wǎng)站進(jìn)行資源整合的可行性方案，該高藕合的整合方式，不需要對(duì)原有門戶網(wǎng)站進(jìn)行任何改造和調(diào)整。

　　 通過建立分類資源搜索引擎，可以建立"專題搜索"，實(shí)現(xiàn)跨部門、跨行業(yè)的資源整合。如，建立"信用"搜索專題，可以將按搜索范圍精確到工商、稅務(wù)、質(zhì)監(jiān)、環(huán)保等部門門戶網(wǎng)站信息資源。

　　技術(shù)優(yōu)勢(shì)

　　 強(qiáng)大的數(shù)據(jù)采集適配網(wǎng)關(guān)

　　 依據(jù)強(qiáng)大的數(shù)據(jù)采集適配網(wǎng)關(guān)建立對(duì)本地、網(wǎng)絡(luò)非結(jié)構(gòu)化文檔，數(shù)據(jù)庫(kù)字段和各類網(wǎng)站自動(dòng)ROBOT爬取等數(shù)據(jù)采集適配的功能。

　　 實(shí)現(xiàn)海量信息的實(shí)時(shí)掃描、采集、去重、智能分類和數(shù)據(jù)抽取挖掘等中文智能處理。

　　 支持對(duì)非結(jié)構(gòu)化數(shù)據(jù)文件格式，如MS OFFICE（Word / Excel / PowerPoint）、HTML、RTF、PDF、TXT等多種文本文件。

　　 支持多種關(guān)系型數(shù)據(jù)庫(kù)字段接口，包括：ORACLE、MS SQL SERVER、SYBASE、DB2、MySQL等主流數(shù)據(jù)庫(kù)。

　　 基于中文智能處理的全文檢索技術(shù)內(nèi)核

　　 系統(tǒng)采用中文智能分詞、空間向量模型。

　　 基于Ontology自然語言分析技術(shù)，數(shù)據(jù)索引實(shí)現(xiàn)零膨脹率。

　　 支持對(duì)關(guān)鍵詞搜索、整句搜索、中英文混合搜索、"與、或、非"等多條件組合檢索，搜索結(jié)果二次檢索等對(duì)各類文檔數(shù)據(jù)的高速檢索功能。

　　 系統(tǒng)提供采用智能中文切詞技術(shù)、自動(dòng)分類、自動(dòng)聚類、關(guān)鍵詞自動(dòng)標(biāo)引、自動(dòng)文摘、信息過濾、中文內(nèi)容相關(guān)性算法、關(guān)聯(lián)規(guī)則挖掘、實(shí)現(xiàn)按相關(guān)率和按時(shí)間的多種排序搜索等多種實(shí)用功能。

　　 系統(tǒng)支持搜索快照，主題詞相關(guān)，關(guān)鍵詞檢索聯(lián)想等多種智能搜索功能。

　　 大漢獨(dú)有的正文自動(dòng)抽取技術(shù)，可自動(dòng)識(shí)別和去除網(wǎng)頁信息垃圾，大大提高全文檢索搜索結(jié)果的準(zhǔn)確度。

　　 更為強(qiáng)大的精確采集和異構(gòu)整合技術(shù)

　　 提供普通全文檢索所能完成網(wǎng)頁ROBOT爬取和粗略頁面關(guān)鍵詞搜索外的特定內(nèi)容全文檢索。比如專門對(duì)政府公文、法律法規(guī)、政府信息公開等特定的內(nèi)容或字段。

　　 可結(jié)合大漢JGET產(chǎn)品的中文精確采集技術(shù)和異構(gòu)整合技術(shù)，包括： 智能自動(dòng)分類、自動(dòng)信息聚合、多線程定向采集、智能去重、采集規(guī)則適配等，準(zhǔn)確地實(shí)現(xiàn)各種異構(gòu)網(wǎng)站系統(tǒng)和各種應(yīng)用的精確內(nèi)容搜索，構(gòu)建出一系列面向關(guān)鍵領(lǐng)域的，更為專業(yè)細(xì)分的搜索引擎平臺(tái)。

　　 海量信息采集和存儲(chǔ)支持，構(gòu)架分布式集群搜索

　　 系統(tǒng)可以支持海量信息采集和存儲(chǔ)，即支持多服務(wù)器協(xié)同采集對(duì)接同一個(gè)檢索服務(wù)。實(shí)現(xiàn)分布式采集體系，提升采集性能和效率，大大提高采集的廣度和速度，完成更加高效快捷的搜索引擎架構(gòu)。

　　 系統(tǒng)支持多索引、集群檢索服務(wù)架構(gòu)，通過增加檢索服務(wù)器實(shí)現(xiàn)海量數(shù)據(jù)的無限擴(kuò)展，實(shí)現(xiàn)千萬級(jí)以上，及上億級(jí)海量數(shù)據(jù)的大型搜索引擎架構(gòu)體系。

 

　　 支持大并發(fā)響應(yīng)，數(shù)據(jù)備份和靈活的擴(kuò)展接口

　　 系統(tǒng)采用多線程設(shè)計(jì)，并發(fā)訪問性能高，系統(tǒng)資源占用率低，對(duì)服務(wù)器硬件資源要求低。

　　 系統(tǒng)支持集群式構(gòu)架，結(jié)合分布式部署和負(fù)載均衡的擴(kuò)展，通過對(duì)檢索請(qǐng)求的任務(wù)調(diào)度管理和分發(fā)實(shí)現(xiàn)大數(shù)據(jù)量的并發(fā)請(qǐng)求，服務(wù)器可根據(jù)數(shù)據(jù)量和訪問量進(jìn)行擴(kuò)展。

　　 系統(tǒng)支持強(qiáng)大的索引數(shù)據(jù)手動(dòng)和自動(dòng)備份功能，使得服務(wù)器數(shù)據(jù)在發(fā)生意外情況（如斷電、硬盤損壞等）下，實(shí)現(xiàn)數(shù)據(jù)找回和損壞數(shù)據(jù)的修復(fù)。

　　 系統(tǒng)提供豐富完善的第三方擴(kuò)展的WEBSERVICE接口，包括：索引庫(kù)接口、文檔機(jī)構(gòu)接口、索引庫(kù)驗(yàn)證接口、數(shù)據(jù)同步接口、查詢接口、關(guān)鍵詞排行接口等，為二次開發(fā)做到最為靈活的擴(kuò)展。

文章作者：國(guó)脈電子政務(wù)網(wǎng)