主要な概念
このトピックは次の事項を対象としています。
- Oracle interMedia Textの概要
- Oracle interMedia Textの索引の構成
- Oracle interMedia Textで使用するデフォルトの作業環境
- Oracle interMedia Textでの索引付けの方法(主要な論理ステップ)
Oracle interMedia Textの概要
Oracle interMedia製品のテキスト管理コンポーネント(旧リリースのOracle ConText Cartridge)は、Oracleデータベース内でテキストを他のデータと同じように迅速で容易に検索できるようにするテキスト検索システムを提供します。Oracle interMedia Textは、洗練されたテキスト検索技法を備えており、テキストをOracleサーバー内で標準データ型にします。Oracle8i とOracle interMedia Textを使用すると、新しいテキスト・ベースの開発または既存のアプリケーションに対する拡張機能を、標準SQLツールを使用して簡単に、また費用の面でも効率的に構築できます。
アプリケーション開発者はテキストを使用するすべてのOracleデータベース・アプリケーションでOracle interMedia Textの検索を利用でき、既存アプリケーション内のコメント・フィールドの検索を可能にすることから、複数のドキュメント・フォーマットと複雑な検索基準を扱う大規模なドキュメント管理システムを実装することまで、様々なことを実現できます。Oracle interMedia Textは、Oracleデータベースがサポートしているほとんどの言語で、基本的な全テキスト検索をサポートしています。
索引の構成
ドキュメントは、多数の異なるスキーマ、フォーマットおよび言語で格納されます。このため、Oracle interMedia Textの各索引には多数のオプションがあり、それらのオプションを特定の状況に合わせて構成する必要があります。
索引を作成する場合、Oracle interMedia Textではいくつかのデフォルト値を使用できますが、ほとんどの状況では、ユーザーが作業環境を指定して索引を構成する必要があります。
各索引の多数のオプションは、クラスと呼ばれるいくつかの機能グループに編成されており、それぞれのクラスは構成の特定の側面を集中的に扱っています。クラスは、ドキュメント・データベースに関して次のような質問を発するようなものと考えることができます。
- データ・ストア: ドキュメントはどのように格納されているか
- フィルタ: ドキュメントをどのようにしてプレーン・テキストに変換するか
- レクサー: どの言語に索引を付けるか
- ワード・リスト: ステムおよびファジーの問合せをどのように展開すればよいか
- 記憶域: 索引データをどこに格納すればよいか
それぞれのクラスには、オブジェクトと呼ばれる前もって定義されたいくつかの動作があります。1つのオブジェクトは、クラスの質問に対して考えられる1つの答です。たとえば、「データ・ストア」クラスには、次のオブジェクトが含まれています。
- DIRECT_DATASTORE: ドキュメントは列値に直接格納されます。
- FILE_DATASTORE: ドキュメントは外部ファイルに格納され、列値はファイル名です。
- URL_DATASTORE: ドキュメントはWebサーバー上に格納され、列値はURLです。
- DETAIL_DATASTORE: ドキュメントは、別の表の複数の行に格納されます。
ユーザーは、必要に応じて作業環境をカスタマイズできます。たとえば、ドキュメントを/docというディレクトリに格納するとします(ctx_ddl.set_attribute('MYPREF','PATH','/doc')。作業環境MYPREFは、ドキュメントが外部ファイルとして/docディレクトリに格納されることを指定します。この作業環境を索引作成に使用するには、この作業環境を求めるスキーマのデフォルトのデータ・ストアとして指定します。
オブジェクトと属性の完全なリストは、製品ドキュメントに記載されています。
次の2つのオプション・グループは、作業環境として構成されません。
- セクション・グループ: ドキュメント・テキストはどのような構造になっているか
- 停止リスト: 索引に指定できないのはどのようなワードか
デフォルトの作業環境
索引を作成するとき、Oracle interMedia Textは各クラスの作業環境(データ・ストア、フィルタ、セクション・グループなど)を探します。ユーザーが作業環境を指定していない場合、Oracle interMedia Textはシステム・パラメータを参考にします。それぞれのシステム・パラメータには、デフォルトとして使用する作業環境の名前が含まれています。
各クラスには、次のシステム・パラメータがあります。
- DEFAULT_DATASTORE: デフォルトのデータ・ストア作業環境を指定します。
- DEFAULT_FILTER_TEXT: テキスト列型(CHAR、VARCHAR2、CLOBなど)のデフォルトのフィルタ作業環境を指定します。これは、索引の中にURLデータ・ストアが使用されている場合にも使用されます。
- DEFAULT_FILTER_BINARY: バイナリ列型(RAWまたはBLOBなど)のデフォルトのフィルタ作業環境を指定します。
- DEFAULT_FILTER_FILE: 外部ファイルのデフォルトのフィルタ作業環境を指定します。これには、ファイル・データ・ストアが使用されるBFILEの列と索引が含まれます。
- DEFAULT_SECTION_HTML: URLデータ・ストアまたはINSOフィルタが使用される場合に、デフォルトのセクション・グループを指定します。
- DEFAULT_SECTION_TEXT: その他のすべての場合に使用するセクション・グループを指定します。
- DEFAULT_LEXER: デフォルトのレクサー作業環境を指定します。
- DEFAULT_STOPLIST: デフォルトの停止リストを指定します。
- DEFAULT_WORDLIST: デフォルトのワード・リスト作業環境を指定します。
- DEFAULT_STORAGE: デフォルトの記憶域作業環境を指定します。
データベースの作成時に、Oracle interMedia Textはこれらのシステム・パラメータを適切なデフォルト作業環境に設定します。CTXSYSとして接続しているユーザは、これらのシステム・パラメータを設定し直すことができます。
interMedia Textでの索引付けの方法
interMedia Textでドキュメントに索引付けするときに使用される主要な論理ステップは、次のとおりです。
- データ・ストア論理は表の行をループし、列からデータを読み取ります。通常、それは単なる列データですが、一部のデータ・ストアでは、列データがドキュメント・データへのポインタとして使用されます。たとえば、URL_DATASTOREでは、列データがURLとして使用されます。
- フィルタがドキュメント・データを受け取り、テキスト表現に変換します。これが必要となるのは、WordファイルやAcrobatファイルなどのバイナリ・ドキュメントを格納する場合です。フィルタの出力は、プレーン・テキストとは限りません。XMLやHTMLなどのテキスト・フォーマットの場合もあります。
- セクショナがフィルタからの出力を受け取り、プレーン・テキストに変換します。XMLやHTMLなど、様々なテキスト・フォーマット用に様々なセクショナが存在します。プレーン・テキストへの変換では、重要なセクション・タグの検出、表示されない情報の削除、およびテキストの再フォーマットも行われます。
- レクサーがセクショナからプレーン・テキストを受け取り、ディスクリート・トークンに分割します。ホワイトスペースで区切られた言語用のレクサーのみでなく、セグメント分割が複雑なアジアの言語用の特別なレクサーもあります。
- エンジンがレクサーからすべてのトークンを受け取り、セクショナからセクション・オフセットを受け取り、さらに停止ワードと呼ばれる低情報ワードのリストを受け取って逆索引を作成します。逆索引には、トークンと、それらのトークンが発生したドキュメントが格納されます。
関連項目: メイン・トピック(アウトライン)