Concepts principaux

Cette rubrique contient les informations suivantes :

Présentation d'Oracle interMedia Text

Le composant de gestion de texte (appelé cartouche Oracle ConText® dans les versions précédentes) du produit Oracle interMedia fournit un système de recherche de texte permettant de rechercher du texte et de le gérer dans la base de données Oracle aussi rapidement et aisément que d'autres données. Oracle interMedia Text offre des techniques de recherche de texte perfectionnées, faisant du texte un type de données standard dans le serveur Oracle. Oracle8i et Oracle interMedia Text permettent de construire de nouveaux développements ou extensions basés sur du texte à partir des applications existantes de façon aisée et rentable en utilisant les outils SQL standard.

Les développeurs d'application peuvent utiliser les fonctions de recherche d'Oracle interMedia Text dans n'importe quelle application de base de données Oracle qui utilise du texte. Ces fonctions vont de l'activation de la fonction de recherche pour un champ de commentaires dans une application existante à la mise en oeuvre de systèmes de gestion de documents à grande échelle traitant plusieurs formats de document et aux critères de recherche avancés. Oracle interMedia Text prend en charge la recherche de texte intégral de base dans la plupart des langues prises en charge par la base de données Oracle.

Configuration des index

Les documents sont stockés sous des modèles, des langues et des formats différents. Par conséquent, chaque index Oracle interMedia Text propose de nombreuses options qui doivent être définies pour une situation particulière.

Lors de la création d'index, Oracle interMedia Text peut utiliser plusieurs valeurs par défaut, mais dans la majorité des cas, les utilisateurs doivent configurer les index en précisant des préférences.

Les nombreuses options de chaque index sont organisées en groupes fonctionnels, ou classes, dont chacun concerne un aspect particulier de la configuration. Rappelezvous de ce concept lorsque vous vous interrogez sur la base de données de documents :

Chaque classe comporte un nombre de comportements prédéfinis appelés objets. Chaque objet est une réponse possible à la question de la classe. Par exemple, la classe Stockage des données contient les objets suivants :

Vous pouvez personnaliser les préférences en fonction de vos besoins. Par exemple, supposez que vos documents sont stockés dans le répertoire /doc (ctx_ddl.set_attribute('MYPREF','PATH','/doc'). La préférence MYPREF indique que les documents sont stockés comme des fichiers externes dans le répertoire /doc. Pour utiliser cette préférence lors de la création de l'index, définissez ce répertoire comme la zone de stockage de données par défaut pour le schéma souhaité.

La liste complète des objets et des attributs se trouve dans la documentation relative au produit.

Deux groupes d'options ne sont pas configurés comme préférences :

Préférences par défaut

Lorsque vous créez un index, Oracle interMedia Text recherche une préférence pour chaque classe (stockage des données, filtre, groupe de sections, etc.). Si l'utilisateur ne précise aucune préférence, Oracle interMedia Text consulte les paramètres système. Chaque paramètre système contient le nom de la préférence à utiliser par défaut.

Chaque classe dispose de paramètres système :

Au moment de la création de la base de données, Oracle interMedia Text définit ces paramètres système sur les préférences par défaut appropriées. Les utilisateurs qui se connectent en tant que CTXSYS peuvent redéfinir ces paramètres système.

Indexation dans interMedia Text

Les étapes suivantes sont les étapes logiques principales utilisées par interMedia Text lors de l'indexation d'un document :

  1. La logique de stockage des données parcourt les lignes de la table en boucle et lit les données de la colonne. Généralement, il s'agit simplement des données de la colonne, mais certains stockages des données utilisent les données de colonne pour pointer vers les données du document. Par exemple, URL_DATASTORE utilise les données de la colonne comme une URL.

  2. Le filtre convertit les données du document en une représentation de texte. Cette opération est nécessaire lors du stockage de documents binaires tels que les fichiers Word ou Acrobat. La sortie du filtre n'est pas nécessairement du texte normal, il peut s'agir d'un format texte tel que XML ou HTML.

  3. Le programme de segmentation convertit la sortie du filtre en texte normal. Chaque format texte dispose d'un programme de segmentation particulier, y compris XML et HTML. La conversion en texte normal inclut la détection des balises de section importantes, la suppression des informations " invisibles " et le reformatage du texte.

  4. L'analyseur lexical divise le texte normal produit par le programme de segmentation en sèmes isolés. Il existe des analyseurs lexicaux pour les langues délimitées par des espaces blancs, ainsi que des analyseurs lexicaux spécialisés pour les langues asiatiques où la segmentation est complexe.

  5. Le moteur récupère tous les sèmes produits par l'analyseur lexical, les décalages de section du programme de segmentation et la liste des mots à faible valeur sémantique, ou mots ignorés, puis il construit un index inversé. L'index inversé stocke les sèmes et les documents dans lesquels ces sèmes apparaissent.

Voir aussi : Rubriques principales (présentation)