基于Lucene的IETM系统检索器的设计实现
交互式电子技术手册（IETM）作为支持武器装备使用与维修的重要保障资源，是装备保障信息化建设的发展趋势。IETM的基本功能之一是信息的快速定位。如何从大量的技术文档中快速、准确、全面地检索出用户所需的信息，成为衡量IETM系统性能的一个重要指标。IETM系统中的技术资料数量庞大，往往有几十种，上百册，几万页。通过传统的数据库全文检索进行单一的文字匹配时，往往会导致查询结果的冗余度大。不仅查询结果会有几百甚至数千个，而且查询结果的排列是无序的，无法满足用户快速获取当前任务所需的技术信息的要求，因此，设计高效的检索器，提高技术信息的查准率，是IETM系统设计的关键性问题之一。
1 基于S1000D标准的IETM
ASD/AIA/ATA S1000D《基于公共源数据库的技术出版物的国际标准》是目前国际上IETM应用最广泛的标准之一。S1000D采用模块化设计和单一数据源管理思想，将技术内容分解为数据模块(Data Module,DM)。DM是由装备或其部件的描述、程序、操作数据组成的独立信息单元，按照特定的DTD/Schema对技术数据进行标注，生成SGML/XML文档，存储在公共源数据库(Common Source Data Base,CSDB)中，通过数据模块代码(Data Module Code,DMC)标识。全部数据应无冗余存储，并可通过代码、信息类型或其他元数据，以目录或搜索的方式从CSDB中检出。
DM按照其内容结构的不同，分为9种信息类型。每种类型的信息都有详细的文档模式文件（Schema）来约束和验证文档的内容结构。标记规范，信息表述精确，为信息查询和信息之间的关联奠定了基础。
2 IETM系统的检索功能需求
S1000D中定义，IETM除了能按照装备系统/子系统/设备（SNS）的层次结构目录直接访问技术信息以外，还应提供关键词检索、自定义逻辑检索、全文检索、跨库检索、上下文检索，以及适用性过滤等检索功能。IETM检索过程可以描述为：用户提交查询条件，检索系统根据该查询条件在所有的DM集合中检索出最符合用户需求的信息。由于用户需求是多样化的，不同的用户可能提交相同的检索词，但关注的信息却不尽相同；不同的用户也可能提交有差异的检索词，但实际需求的却是同一条信息。例如，同样是“千斤顶”，管理人员X关心的是哪些工作要用到它，以便于订货；地面设备保障人员Y需要其结构图，以便于更换零件；地勤人员Z则想了解“千斤顶”的使用方法。根据信息类型的划分，人员X应该在程序性信息DM的“所需设备”元素（supequip）中查找，如图1所示；人员Y应该在图解零部件目录DM的“图形”元素（figure）中查找；而人员Z则应该在描述性信息DM的“段落”元素（para）中查找。
因此，为了提高技术信息的查准率，检索系统应该根据不同信息类型的文档结构，通过预先定义可检索信息的查询路径，来准确地表达装备保障人员的真实意图。表1为某型飞机IETM系统中部分查询项与元素路径的对应关系。
3 Lucene开源全文检索工具包
传统的数据库检索技术在处理海量数据的模糊查询时，不仅信息冗余度大、速度慢，而且无法体现信息相关度方面的信息。近年来，Lucene以其开放源代码的特性、优异的索引结构、良好的系统架构获得越来越多的应用。
Lucene是Apache Jakarta家族中的一个开源项目，是一个基于Java的全文检索引擎工具包，提供了一组信息检索的函数库。它提供了8个模块的源代码，建立索引时，Org.apache.lucene.analysis对外部输入的文档进行切分词，在Org.apache.lucene.document中定义关键字和文档的对应关系，加入到Org.apache.lucene.index构建的倒排索引系统中，由Org.apache.lucene.store完成索引文件的存储。检索时，Org.apache.lucene.queryParser对查询语句进行分析，并定义查询条件的逻辑运算规则，Org.apache.lucene.search创建检索器，在索引文件中进行快速查询，并根据文档相关度返回结果。Lucene的系统结构如图2所示。
4 IETM系统检索功能的实现
Lucene特殊的索引结构，不仅可以提高检索效率，而且索引文件格式与平台无关，任何格式的数据源，只要能转化为文字，就可以用Lucene建立索引并进行检索。本文根据表1中定义的查询项及其内容路径，通过XPATH语句抽取出数据模块XML文档中的内容，建立索引，从而实现精确查询。
4.1建立索引
Lucene有两个最重要的索引类：Document和Field，类似数据库中的表和字段。其中，Document类表示数据源的集合，用来提供待索引的数据；而Field类主要用来表示数据源的各种属性。因此，IETM系统中，要根据预先定义的查询方式对技术资料的XML文档进行解析，将每个查询项的信息抽取出来，分别创建Field类，添加到Document中，生成索引文件。
4.2信息检索
Lucene中基本的检索类包括IndexSearcher类和Query类。Query类封装了查询词、查询字段和语言分析器，可以提供丰富的查询模式，包括模糊查询、语义查询、短语查询、范围查询、组合查询、前缀查询等，交由IndexSearcher查询，并将结果返回到Hits类中。在检索的结果比较多时，Hits对象并不会真正把所有的结果全部取回，默认情况下是保留匹配度最高的前100个记录。主要代码如下：
IndexSearcher searcher=new IndexSearcher (IN－DEX_STORE_PATH);
MultiFieldQueryParser parser=new MultiFieldQuery－Parser(new string[]{"paratitle"},new ChineseAnalyzer());
Query query=parser.Parse(keystring);
Hits hits=searcher.Search(query);
Document doc=h.Doc(i);
StringBuilder sb=new StringBuilder();
sb.Append("<entries>");
for(int i=0;i<hits.Length();i++){
Document doc=hits.Doc(i);
sb.AppendFormat("<option url='{0}' dmtitle='{1}'/
>",“card.aspx?dmc=”+doc.Get("dmc"),doc.Get("dmtitle"));}
sb.Append("</entries>");
4.3检索界面
本文采用ASP.NET Ajax框架，通过客户端调用Web Service的编程模式实现了检索功能，用户界面如图3所示。预先定义的检索项包括段落、步骤、标题、工具/设备、耗材、备件、表格、图形、警告、注意、注等。用户在下拉框中选择检索项，并在文本输入框中输入检索文字。开始查询后，客户端发出HTTP请求，在WebService中实现检索，并将查询结果返回客户端。客户端通过JavaScript解析，根据查询结果生成显示列表。
整个过程中，前后台之间只进行数据的传输，在不更新整个页面的前提下进行数据的刷新，减少了不必要的数据传输量，系统响应迅捷，用户体验好。
5 结束语
本文设计的IETM检索器已在3种机型的IETM系统中使用，检索速度快，精确度高，查询结果按相关度排序，能够显著提高IETM有关提供当前任务所需全部信息的“聚焦”能力。
本文作者创新点：针对IETM系统的检索需求，提出并实现了根据不同信息类型的文档结构，利用预先定义的查询路径表达查询意图，提高技术资料查准率的方法。
