使用 IBM OmniFind Enterprise Edition 结合分类词典文件实现基于搜索结果分类

核心提示： 因此IBM OmniFind Enterprise Edition企业级搜索引擎结合了IBM非结构化信息管理体系结构Unstructured Information Management Architecture (UIMA)，有效地实现了语义搜索及其结果的分类，使用 IBM OmniFi

因此IBM OmniFind Enterprise Edition企业级搜索引擎结合了IBM非结构化信息管理体系结构Unstructured Information Management Architecture (UIMA)，有效地实现了语义搜索及其结果的分类，从而解决了这个问题。搜索引擎管理人员只需要配置，并根据需要编写一定程序，就能让搜索引擎具有一定“智能”性。这样不但可以查找到关键词搜索出的结果，同时也可以查找出于关键词相关的一些内容。

实现原理

UIMA 实现语义分析引擎的原理

首先需要了解下什么是 UIMA。结构化信息管理体系结构 Unstructured Information Management Architecture （UIMA）是 IBM 开源的可以在字处理文档、电子邮件、视频和其他非结构化信息中搜索特定的文本甚至概念。UIMA 是将非结构化数据转化为结构化数据的桥梁，也是信息内容分析再加工的一个标准工具。

UIMA 在对文件进行分析建立语义索引的过程主要包括以下几个步骤：

若要对文件进行语义分析，就需要特定的解析复杂字符串的标准方法，在 UIMA 中我们更多的是使用正则表达式来实现。因此首先需要确立语义规则，创建相应的正则表达式；

根据创建的特定的正则表达式，UIMA 会对于文件内容进行匹配，对于符合规则的字符串，UIMA 会为之创建一个 annotation 对象，该对象中主要包含 3 个关键属性：字符串开始位置、字符串结束位置、字符串语义索引关键字。之后将该对象加入到 UIMA 语义索引中。因此，当文件中有多少个匹配特定的正则表达式的字符串，UIMA 语义索引中就会包含相应个数的 annotation 对象。

举一个简单的例子：以 Animal 为例，我们的 .txt 文档中，包含了“Animal”、“pet”、“dog”、“tiger”等词，但是我们需要使用 UIMA 对整个文档进行语义分析后，将所有属于动物的词都归为一类，并称之为“animal”。因此我们创建的相应的正则表达式为：