| | HITACHI HOME | UP | SEARCH | | |
検索エンジンであるBibliotheca2 TextSearchが採用している検索方式は、日立独自の高速検索アルゴリズムである「インクリメンタルn-gramインデクス方式」です。この方式により、大量の文書情報を高速に、もれやノイズなしで検索できます。
インクリメンタルn-gramインデクス方式とは、連続するn文字からなる文字列に対して、それを含む文書の識別子（文書番号）と、その文字列が出現する位置を対応づけるインデクステーブルを生成し、それを基に検索タームを含む文書を検索する全文検索方式です。
1-gramインデクスの場合について、次に示します。
1-gramインデクスでは、文書中の１文字ごとに位置を示す番号を付けて、それぞれの文字の出現位置を保持しています。したがって、文書001については「微」「生」「物」が21、22、23の位置に出現するという情報が保持されています。ユーザが「微生物」という単語を検索した場合、文書001ではこの３文字が連続して順序どおりに存在するので、文書001が検索結果として返され、「微」が存在する21の位置も返されます。
インクリメンタルn-gramインデクス方式では、登録文書数が増加した時に検索時間が長大化するn-gramに対してだけそのn-gram長を拡張することにより、検索性能を維持するとともに、インデクス容量の極端な増大を抑えます。
Bibliotheca2 TextSearchでは、0.5ギガバイト（約２万文書※）のデータが扱えます。
さらに、オプションのBibliotheca2 TextSearch Extensionを利用すると、Windows NT上にサーバシステムを構築する場合は最大５ギガバイト（約100万文書※）、UNIX上にサーバシステムを構築する場合は最大２０ギガバイト（約400万文書※）のデータを一括して検索できます。
注※ １文書を５キロバイトとした場合の文書数です。
 |
