ITPub博客

首页 > Linux操作系统 > Linux操作系统 > 利用Oracle的全文索引实现切词功能

利用Oracle的全文索引实现切词功能

原创 Linux操作系统 作者:yangtingkun 时间:2008-01-30 16:24:10 0 删除 编辑

今天在ITPUB上看到这样一个需求,给出一个中文语句,如何对其实现切词。

如果Oracle全文索引的切词可以满足需求的话,那么可以借用Oracle的功能来实现这个功能。

 

 

Oracle的全文索引本身具备中文分析、切词功能,否则就无法有效的对中文进行搜索,如果这个切词结果可以满足要求的话,那么可以自己封装一个函数,来借用Oracle的功能。

由于建立全文索引函数后,Oracle会将切词结果放到DR$index_name$I表中,因此获取这个表中的记录就可以得到最终的切词结果。

建立自定义函数的时候注意,由于这个操作包括很多DDL操作,因此如果希望这个函数可以在SQL中被调用,就必须使用自主事务。

为了方便的选择CHINESE_LEXER还是CHINESE_VGRAM_LEXER,将MY_CHINESE_LEXER的创建放到了函数之外,这样方便对切词规则进行修改。这个过程也是唯一需要在建立自定义函数之前做的步骤。

下面是实现这个功能的建立的例子:

SQL> EXEC CTX_DDL.CREATE_PREFERENCE('MY_CHINESE_LEXER', 'CHINESE_VGRAM_LEXER')

PL/SQL 过程已成功完成。

SQL> CREATE OR REPLACE FUNCTION F_SPLIT_CHINESE(P_INPUT IN VARCHAR2) RETURN VARCHAR2 AS
  2   PRAGMA AUTONOMOUS_TRANSACTION; V_RETURN VARCHAR2(32767);
  3  BEGIN
  4   BEGIN
  5    EXECUTE IMMEDIATE 'DROP TABLE T_TEMP_TABLE PURGE';
  6   EXCEPTION
  7    WHEN OTHERS THEN
  8     NULL;
  9   END;
 10  
 11   EXECUTE IMMEDIATE 'CREATE TABLE T_TEMP_TABLE (STR VARCHAR2(4000))';
 12   EXECUTE IMMEDIATE 'INSERT INTO T_TEMP_TABLE VALUES (:STR)' USING P_INPUT;
 13   EXECUTE IMMEDIATE 'CREATE INDEX IND_T_TEMP_TABLE_STR ON T_TEMP_TABLE(STR) INDEXTYPE IS CTXSYS.CONTEXT
 14    PARAMETERS(''LEXER MY_CHINESE_LEXER'')';
 15   EXECUTE IMMEDIATE 'SELECT MAX(LTRIM(SYS_CONNECT_BY_PATH(TOKEN_TEXT, '',''), '',''))
 16    FROM
 17    (
 18     SELECT TOKEN_TEXT, ROW_NUMBER() OVER(ORDER BY TOKEN_TEXT) RN
 19     FROM DR$IND_T_TEMP_TABLE_STR$I
 20    )
 21    START WITH RN = 1
 22    CONNECT BY PRIOR RN + 1 = RN' INTO V_RETURN;
 23   EXECUTE IMMEDIATE 'DROP TABLE T_TEMP_TABLE PURGE';
 24   RETURN V_RETURN;
 25  END;
 26  /

函数已创建。

SQL> SELECT F_SPLIT_CHINESE('测试一下中文切词') FROM DUAL;

F_SPLIT_CHINESE('测试一下中文切词')
------------------------------------------------------------------------
测试,,切词,试一,文切,下中,一下,中文

SQL> EXEC CTX_DDL.DROP_PREFERENCE('MY_CHINESE_LEXER')

PL/SQL 过程已成功完成。

SQL> EXEC CTX_DDL.CREATE_PREFERENCE('MY_CHINESE_LEXER', 'CHINESE_LEXER')

PL/SQL 过程已成功完成。

SQL> SELECT F_SPLIT_CHINESE('测试一下中文切词') FROM DUAL;

F_SPLIT_CHINESE('测试一下中文切词')
-----------------------------------------------------------------------
测试,,切词,一下,中文

通过修改不同的LEXER语法,可以明显的看出CHINESE_VGRAM_LEXERCHINESE_LEXER在中文分词上的区别。关于二者区别的一些描述可以参考:http://yangtingkun.itpub.net/post/468/187632

需要注意的是,这个函数声明了自主事务,虽然可以在SQL中调用,但是并不意味着这个函数不修改数据库中的内容。

这个函数在调用的过程中会执行建表、建立索引、删除表等一系列操作。因此调用这个函数的SELECT语句,不但会引起数据库数据的变化,而且会导致DDL的发生,导致很多的递归调用、逻辑读和REDO的产生。这是在使用这个函数之前需要理解的。

最后,这个函数在10g环境中完成,如果在9i版本使用,需要将DROP语句中的PURGE语句去掉,否则会造成语法错误。

 

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/4227/viewspace-166440/,如需转载,请注明出处,否则将追究法律责任。

请登录后发表评论 登录
全部评论
暂无介绍

注册时间:2007-12-29

  • 博文量
    1955
  • 访问量
    10355092