论文部分内容阅读
[摘 要] 本文分析了企业数字化信息检索与互联网络信息检索的区别，介绍了国内外企业数字化信息检索的解决方案，并列举了美国国家半导体公司、北京TRS公司进行企业信息检索的案例。
[关键词] 企业数字化信息检索；网络信息检索
目前，企业级用户对企业局域网内部信息的查找及共享的需求日益迫切，面向企业局域网信息的检索已受到大型搜索技术公司的高度重视，相关搜索技术及产品已逐渐成熟并走向市场，竞争日渐激烈。
企业信息检索与互联网络信息检索有着实质性的区别。互联网检索的内容是一个个页面，是静态的，尽管图片、MP3以及其他多媒体文件不断增多，但是其组织形式仍然是HTML页面。然而，对企业的信息来说，网页只是目标数据中很小的一部分，更多的是各种SQLServer、Oracle、DB2的动态数据库，Word、Excel、PDF、XML、Lotus Notes等非结构化电子文档，以及文本、多媒体等各种格式，而同一机构的数据还可以分布在不同介质的载体上。更重要的是，对企业信息检索的安全性比互联网检索要求更加严格，需要对用户、资源、权限做严格的分级管理和控制。互联网信息检索注重的是检索的结果，而企业信息检索是对数据进行挖掘、聚类、提取、应用、管理。
1 企业信息检索的解决方案
为了实现非结构化与结构化数据的整合和智能化管理，一批信息搜索供应商企业、数据库管理软件供应商和企业管理软件供应商推出了面向企业的信息搜索软件产品。国际商业机器公司(IBM)、Google公司、雅虎公司(Yahoo)等利用各种最新技术实现了企业内部信息的检索。下面分别对上述公司的企业信息检索解决方案进行简单的介绍。
1．1 Google公司的解决方案
2005年5月17日，Google发布了一个商务版的桌面搜索工具软件。这个软件的目标是使公司内的员工能更高效地从互联网、电脑硬盘或者公司内部网内获得信息。商务版的桌面搜索工具加入了专门为商务用户打造的功能，其与Google的Search Appliance and Mini(一个可以搜索公司内部网的工具)、IBM的电邮系统Lotus Notes的结合非常紧密，并对在搜索软件中索引和存储的数据都进行了加密处理，增强了安全性。
Google公司依靠100多项复合算法实现了局域网搜索软件的升级。升级后的搜索软件将计算机硬件和Google搜索功能相结合，可以在150万个文档中存储信息，容量是未升级之前的5倍，搜索速度更快，每分钟可接受处理300次查询。新搜索软件的界面呈淡黄色，使用的搜索技术和Google其他的搜索引擎相同，可以在网络设备和服务器所存储和管理的数据中进行搜索。Google新推出的硬件可以不间断地发现新添加到网络中的数据，不再像从前那样以一定的时间间隔执行这一操作，因此使用起来更加方便。Google引擎以其强大的互联网搜索能力在全球范围内赢得了数百万网络用户的支持。
1．2 IBM公司的解决方案
约85％的企业资料被存储在所谓的非结构化数据源中，如字处理文档、XML文档、图像，这就给资料的查找带来了困难。日前，IDM公司开发出了名为“Masala”的企业信息检索技术，大大改进了进入大型组织获取数据的方式，可以索引和定位不同数据来源中的文档，并随源文件的更新而同步更新。该技术极大地提高了企业查找，“分散”在网络上的各种文档的速度，加强了结构化数据和电子邮件、文本文档等非结构化数据内容的管理。
1．3 雅虎公司和Verity公司(Venty，Inc．)的解决方案
雅虎公司和Verity公司合作开发的企业信息检索技术主要依据关联、类别以及内容来源等多种方法对搜索结果进行检验，并按照企业分类学对Web内容进行动态分类，帮助客户利用可选的插件扩展外部内容。
2 企业信息检索索的应用案例
2．1 美国国家半导体公司美国国家半导体(National Semiconductor)公司在企业局域网和企业网站这两个搜索领域上的做法独树一帜。该公司在其企业局域网中采用Google的新产品“企业搜索应用软件”实现查询功能，而将iPhrase公司的搜索软件产品应用到了企业网站上。
该公司网上业务及销售自动化副总裁菲尔·吉布森(Phil Gibson)说：“Google的企业搜索应用软件在大规模的数据搜索上表现上佳，它能够出色地遍历企业局域网中分布的大部分信息，然后返回令人满意的检索结果。而iPhrase是基于自然语言的检索，可以处理任何格式的数据信息，无论是结构化的还是非结构化的。iPhrase拥有一个极具可调性的语义库，我们可以根据自己的客户以及行业和应用来量身定制自己的语义库。”美国国家半导体公司放弃了其自行开发的搜索应用程序，转而购买iPhrase搜索软件作为其网站搜索平台，其中一个主要原因就是看中了它的搜索结构体系能够为网站带来的灵活性。美国国家半导体公司的产品网站为用户提供了多达1．5万多种设备，而每套设备约包含300个参数。初访者可能会不知道这家公司的产品命名规范，但却可能拥有非常详尽的电气特性知识。为了让用户能够按照他们自己的喜好浏览网站，美国国家半导体公司提供了10多个不同的搜索接口供用户查询。例如，用户可以输入电气特性进行查询，也可以浏览三维立体图表进行产品查询。虽然从产品寻访者的角度来看，网站上提供的所有搜索接口迥然不同，但事实上所有接口均出自iPhrase一家技术平台。
2．2 北京TRS公司
北京拓尔思(TRS)信息技术有限公司成立于1993年，是中文全文检索的创始者，在企业和互联网搜索、内容管理和信息挖掘等领域具有领先的技术和产品，在大中华地区拥有约2000家企业级用户，是国内最大的搜索和内容管理技术提供者，是非结构化信息处理技术领域的创新者和领导者。TRS公司董事长说，互联网上的信息量仅占企业信息总量的1％～2％，有98％的信息存储在企业内部，TRS的目标就是“发现”这98％的孤岛信息。
成为企业搜索领域的Google、内容管理领域的IBM，是TRS的目标。虽然TRS成立于1993年，但技术积累可以追溯到1985年对信息检索技术的研究。2000年，TRS正式提出“中文内容管理”战略，进军中文内容管理市场，到目前为止已经占据国内80％的中文内容管理市场份额，并拥有1500多家企业级客户，其中1／3的客户每年都有新业务产生。TRS管理信息量非常庞大，仅新华社一个数据库，每天就至少录入4万篇文章，有时甚至超过10万。目前，TRS公司的客户主要有4种：政府机关部委、新闻出版机构、教育科研机构、公司企业。TRS现在将目标转向开发新的市场，满足新的需求，将主要精力放在潜力巨大的公司企业上。随着互联网搜索引擎越来越同质化，用户对本地化、个性化搜索要求也越来越强，专业用户也有了垂直化的要求，这也许给TRS公司带来了新的发展机会。
从总体来看，目前企业信息检索技术在中国本土企业中的市场还不成熟，很多公司还没有把企业搜索作为重要而紧急的商业科技列入规划，但随着企业对数据依赖程度的提高，大规模地开发利用企业搜索技术已经为期不远了。
[关键词] 企业数字化信息检索；网络信息检索
目前，企业级用户对企业局域网内部信息的查找及共享的需求日益迫切，面向企业局域网信息的检索已受到大型搜索技术公司的高度重视，相关搜索技术及产品已逐渐成熟并走向市场，竞争日渐激烈。
企业信息检索与互联网络信息检索有着实质性的区别。互联网检索的内容是一个个页面，是静态的，尽管图片、MP3以及其他多媒体文件不断增多，但是其组织形式仍然是HTML页面。然而，对企业的信息来说，网页只是目标数据中很小的一部分，更多的是各种SQLServer、Oracle、DB2的动态数据库，Word、Excel、PDF、XML、Lotus Notes等非结构化电子文档，以及文本、多媒体等各种格式，而同一机构的数据还可以分布在不同介质的载体上。更重要的是，对企业信息检索的安全性比互联网检索要求更加严格，需要对用户、资源、权限做严格的分级管理和控制。互联网信息检索注重的是检索的结果，而企业信息检索是对数据进行挖掘、聚类、提取、应用、管理。
1 企业信息检索的解决方案
为了实现非结构化与结构化数据的整合和智能化管理，一批信息搜索供应商企业、数据库管理软件供应商和企业管理软件供应商推出了面向企业的信息搜索软件产品。国际商业机器公司(IBM)、Google公司、雅虎公司(Yahoo)等利用各种最新技术实现了企业内部信息的检索。下面分别对上述公司的企业信息检索解决方案进行简单的介绍。
1．1 Google公司的解决方案
2005年5月17日，Google发布了一个商务版的桌面搜索工具软件。这个软件的目标是使公司内的员工能更高效地从互联网、电脑硬盘或者公司内部网内获得信息。商务版的桌面搜索工具加入了专门为商务用户打造的功能，其与Google的Search Appliance and Mini(一个可以搜索公司内部网的工具)、IBM的电邮系统Lotus Notes的结合非常紧密，并对在搜索软件中索引和存储的数据都进行了加密处理，增强了安全性。
Google公司依靠100多项复合算法实现了局域网搜索软件的升级。升级后的搜索软件将计算机硬件和Google搜索功能相结合，可以在150万个文档中存储信息，容量是未升级之前的5倍，搜索速度更快，每分钟可接受处理300次查询。新搜索软件的界面呈淡黄色，使用的搜索技术和Google其他的搜索引擎相同，可以在网络设备和服务器所存储和管理的数据中进行搜索。Google新推出的硬件可以不间断地发现新添加到网络中的数据，不再像从前那样以一定的时间间隔执行这一操作，因此使用起来更加方便。Google引擎以其强大的互联网搜索能力在全球范围内赢得了数百万网络用户的支持。
1．2 IBM公司的解决方案
约85％的企业资料被存储在所谓的非结构化数据源中，如字处理文档、XML文档、图像，这就给资料的查找带来了困难。日前，IDM公司开发出了名为“Masala”的企业信息检索技术，大大改进了进入大型组织获取数据的方式，可以索引和定位不同数据来源中的文档，并随源文件的更新而同步更新。该技术极大地提高了企业查找，“分散”在网络上的各种文档的速度，加强了结构化数据和电子邮件、文本文档等非结构化数据内容的管理。
1．3 雅虎公司和Verity公司(Venty，Inc．)的解决方案
雅虎公司和Verity公司合作开发的企业信息检索技术主要依据关联、类别以及内容来源等多种方法对搜索结果进行检验，并按照企业分类学对Web内容进行动态分类，帮助客户利用可选的插件扩展外部内容。
2 企业信息检索索的应用案例
2．1 美国国家半导体公司美国国家半导体(National Semiconductor)公司在企业局域网和企业网站这两个搜索领域上的做法独树一帜。该公司在其企业局域网中采用Google的新产品“企业搜索应用软件”实现查询功能，而将iPhrase公司的搜索软件产品应用到了企业网站上。
该公司网上业务及销售自动化副总裁菲尔·吉布森(Phil Gibson)说：“Google的企业搜索应用软件在大规模的数据搜索上表现上佳，它能够出色地遍历企业局域网中分布的大部分信息，然后返回令人满意的检索结果。而iPhrase是基于自然语言的检索，可以处理任何格式的数据信息，无论是结构化的还是非结构化的。iPhrase拥有一个极具可调性的语义库，我们可以根据自己的客户以及行业和应用来量身定制自己的语义库。”美国国家半导体公司放弃了其自行开发的搜索应用程序，转而购买iPhrase搜索软件作为其网站搜索平台，其中一个主要原因就是看中了它的搜索结构体系能够为网站带来的灵活性。美国国家半导体公司的产品网站为用户提供了多达1．5万多种设备，而每套设备约包含300个参数。初访者可能会不知道这家公司的产品命名规范，但却可能拥有非常详尽的电气特性知识。为了让用户能够按照他们自己的喜好浏览网站，美国国家半导体公司提供了10多个不同的搜索接口供用户查询。例如，用户可以输入电气特性进行查询，也可以浏览三维立体图表进行产品查询。虽然从产品寻访者的角度来看，网站上提供的所有搜索接口迥然不同，但事实上所有接口均出自iPhrase一家技术平台。
2．2 北京TRS公司
北京拓尔思(TRS)信息技术有限公司成立于1993年，是中文全文检索的创始者，在企业和互联网搜索、内容管理和信息挖掘等领域具有领先的技术和产品，在大中华地区拥有约2000家企业级用户，是国内最大的搜索和内容管理技术提供者，是非结构化信息处理技术领域的创新者和领导者。TRS公司董事长说，互联网上的信息量仅占企业信息总量的1％～2％，有98％的信息存储在企业内部，TRS的目标就是“发现”这98％的孤岛信息。
成为企业搜索领域的Google、内容管理领域的IBM，是TRS的目标。虽然TRS成立于1993年，但技术积累可以追溯到1985年对信息检索技术的研究。2000年，TRS正式提出“中文内容管理”战略，进军中文内容管理市场，到目前为止已经占据国内80％的中文内容管理市场份额，并拥有1500多家企业级客户，其中1／3的客户每年都有新业务产生。TRS管理信息量非常庞大，仅新华社一个数据库，每天就至少录入4万篇文章，有时甚至超过10万。目前，TRS公司的客户主要有4种：政府机关部委、新闻出版机构、教育科研机构、公司企业。TRS现在将目标转向开发新的市场，满足新的需求，将主要精力放在潜力巨大的公司企业上。随着互联网搜索引擎越来越同质化，用户对本地化、个性化搜索要求也越来越强，专业用户也有了垂直化的要求，这也许给TRS公司带来了新的发展机会。
从总体来看，目前企业信息检索技术在中国本土企业中的市场还不成熟，很多公司还没有把企业搜索作为重要而紧急的商业科技列入规划，但随着企业对数据依赖程度的提高，大规模地开发利用企业搜索技术已经为期不远了。