【正文】 量的研究工作，并研制了若干數(shù)據(jù)庫(kù)自然語(yǔ)言界面原型系統(tǒng)和商用系統(tǒng)。因此，目前缺乏適合我國(guó)用戶的數(shù)據(jù)庫(kù)界面產(chǎn)品。換句話說，用戶可以直接以應(yīng)用領(lǐng)域的概念而不是數(shù)據(jù)庫(kù)的概念模式來(lái)訪問，這意味著用戶無(wú)需了解數(shù)據(jù)庫(kù)內(nèi)的表名、列名，而可以直接以用戶熟悉的對(duì)象名稱提問，從而大大減輕了用戶的學(xué)習(xí)負(fù)擔(dān)。 形式查詢語(yǔ)言對(duì)一般用戶來(lái)說學(xué)習(xí)負(fù)擔(dān)太重，不僅要熟悉大量的語(yǔ)法結(jié)構(gòu)，而且要具備數(shù)據(jù)庫(kù)的基本知識(shí)，如關(guān)系模式和關(guān)系運(yùn)算等，這對(duì)非專業(yè)用戶是很不適應(yīng)的。許多年來(lái)，它作為智能界面的重要組成部分引起了人們的廣泛興趣，成為具有重要理論價(jià)值和巨大實(shí)用價(jià)值的研究領(lǐng)域。隨著數(shù)據(jù)庫(kù)應(yīng)用及信息檢索系統(tǒng)的廣泛普及，越來(lái)越多的非專業(yè)用戶需要一種易于掌握的界面去訪問所需的信息。 數(shù)據(jù)庫(kù)自然語(yǔ)言界面 對(duì)計(jì)算機(jī)人機(jī)界面的研究是計(jì)算機(jī)領(lǐng)域永恒且無(wú)止境的前沿課 題。 數(shù)據(jù)庫(kù)智能查詢接口的實(shí)現(xiàn) — 錄取分?jǐn)?shù)查詢 摘 要 本文深入研究了自然語(yǔ)言處理的基本知識(shí)和原理，把自然語(yǔ)言理解與數(shù)據(jù)庫(kù)技術(shù)結(jié)合起來(lái)，利用 visualc++ 開發(fā)工具設(shè)計(jì)并實(shí)現(xiàn)一個(gè)數(shù)據(jù)庫(kù)智能檢索接口系統(tǒng) — 錄取分?jǐn)?shù)查詢 。許多年來(lái)，人們一直在 努力改善人機(jī)界面，使計(jì)算機(jī)易用易學(xué)。數(shù)據(jù)庫(kù)自然語(yǔ)言界面 (NLIDB)顯然最符合這類用戶的要求。 從廣義上講，數(shù)據(jù)庫(kù)自然語(yǔ)言界面應(yīng)當(dāng)包括數(shù)據(jù)定義、數(shù)據(jù)更新和數(shù)據(jù)查詢等功能，旨在為與數(shù)據(jù)庫(kù)有關(guān)的各種操作提供一個(gè)易于使用的環(huán)境。表格界面雖不用掌握語(yǔ)法，但還是要了解數(shù)據(jù)庫(kù)的結(jié)構(gòu)。它的優(yōu)勢(shì)具體表現(xiàn)在： ? 用戶無(wú)需了解數(shù)據(jù)庫(kù)的內(nèi)部結(jié)構(gòu)； ? 用戶不再需要熟悉數(shù)據(jù)庫(kù)本身的查詢語(yǔ)言； ? 大大減輕了用戶的培訓(xùn)負(fù)擔(dān)。開展中文數(shù)據(jù)庫(kù)自然語(yǔ)言界面的研究，可填補(bǔ)這方面的空白，特別在今天，計(jì)算機(jī)漢語(yǔ)手寫體及語(yǔ)音識(shí)別已初步達(dá)到實(shí)用階段，漢語(yǔ)語(yǔ)言界面若與手寫體、語(yǔ)音識(shí)別成龍配套，其前景將十分誘人。其發(fā)展大致可分為三個(gè)時(shí)期。 專用系統(tǒng)（ 70～ 80 年代） 70 年代，自然語(yǔ)言處理取得長(zhǎng)足的進(jìn)步，在句法、語(yǔ)義分析中提出了許多知識(shí)表示和處理模型，如擴(kuò)充轉(zhuǎn)移網(wǎng)絡(luò)、格語(yǔ)法、語(yǔ)義網(wǎng)絡(luò)語(yǔ)法、概念從屬理論等。 Ladder 是產(chǎn)生于 70 年代后期的一個(gè)重要系統(tǒng)。 Planes的主要特點(diǎn)是其注重系統(tǒng)的自然性，提出了一系列很重要的系統(tǒng)目標(biāo)。因?yàn)橛么罅烤λ_發(fā)的一個(gè)系統(tǒng)只能適用某一類應(yīng)用，這顯然不令人滿意。 Ask 系統(tǒng)通過支持自學(xué)習(xí)能力來(lái)滿足系統(tǒng)的可移植性要求。較有名的系統(tǒng)有 Intellect、 Teli、 Datatalker。 進(jìn)入 90 年代，盡管對(duì) NLIDB 的研究失去了往日的火熱，但依然有一些研究工作在扎實(shí)地進(jìn)行著。進(jìn)入 90 年代后，國(guó)內(nèi)在從事數(shù)據(jù)庫(kù)漢語(yǔ)查詢界面方面的研究有了一些進(jìn)展，但在系統(tǒng)建設(shè)方面只停留在原型系統(tǒng)的水平上，難以見到一些成熟的系統(tǒng)。可以預(yù)見，進(jìn)入 21 世紀(jì)后，隨著技術(shù)水平的不斷提高， NLIDB 必將獲得長(zhǎng)足的發(fā)展，這完全符合未來(lái)計(jì)算機(jī)的發(fā)展方向和未來(lái)計(jì)算機(jī)的應(yīng)用需求。好的提取方法必須能充分減少用戶負(fù)擔(dān)，增強(qiáng)自動(dòng)生成能力。前兩種方法一般比較常見，第三種方法我們認(rèn)為是一種更適合數(shù)據(jù)庫(kù)自然語(yǔ)言查詢處理的方法。由于有了中間語(yǔ)言，當(dāng)系統(tǒng)架構(gòu)于不同的 DBMS 之上時(shí)，只需對(duì)其中的查詢生成和查詢處理模塊做必要的調(diào)整即可。前者若稱為直接性查詢，后者則可稱為間接性查詢。 自然語(yǔ)言更新處理 自然語(yǔ)言更新處理在某種意義上講要比自然語(yǔ)言的查詢更難處理。因此，對(duì)一個(gè)自然語(yǔ)言更新所潛在的問題是實(shí)現(xiàn)上可能存在多個(gè)數(shù)據(jù)庫(kù)更新操作，稱為候選更新（ CandidateUpdate）。 對(duì)現(xiàn)存問題的解決 為解決數(shù)據(jù)庫(kù)自然語(yǔ)言界面中存在的問題，目前技術(shù)研究主要朝以下三方面努力： ? 增強(qiáng)系統(tǒng)的可移植性； ? 擴(kuò)展系統(tǒng)的語(yǔ)言范疇； ? 擴(kuò)展 系統(tǒng)的概念范疇。 受限語(yǔ)言的處理方法（受限語(yǔ)法和界面生成）可以在一定程度上解決范圍失配問題，但這不是從根本上解決問題的方法。我們認(rèn)為，在研究方法上應(yīng)定位于以數(shù)據(jù)庫(kù)語(yǔ)義為中心的思想。NChiql 原型系統(tǒng)具有良好的可移植性、可用性、可適應(yīng)性、魯棒性和智能性，它采用三層結(jié)構(gòu)，可以直接嫁接在不同廠家的 DBMS 引擎上。具體的有語(yǔ)音、手勢(shì)、虛擬空間等操作計(jì)算機(jī)的方式，而語(yǔ)音、手寫等交互方式都是以自然語(yǔ)言理解為基礎(chǔ)的。計(jì)算機(jī)可以很簡(jiǎn)單通過空格知道 student 是一個(gè)單詞，但是不能很容易明白「學(xué)」、「生」兩個(gè)字合起來(lái)才表示一個(gè)詞。 現(xiàn)有的分詞算法可分為三大類：基于字符串匹配的分詞方法、基于理解的分詞方法和基于統(tǒng)計(jì)的分詞方法。 還可以將上述各種方法相互組合，例如，可以將正向最大匹配方法和逆向最大匹配方法結(jié)合起來(lái)構(gòu)成雙向匹配法。但這種精度還遠(yuǎn)遠(yuǎn)不能滿足實(shí)際的需要。 對(duì)于機(jī)械分詞方法，可以建立一個(gè)一般的模型，在這方面有專業(yè)的學(xué)術(shù)論文，這里不做詳細(xì)論述。在總控部分的協(xié)調(diào)下，分詞子系統(tǒng)可以獲得有關(guān)詞、句 子等的句法和語(yǔ)義信息來(lái)對(duì)分詞歧義進(jìn)行判斷，即它模擬了人對(duì)句子的理解過程。因此字與字相鄰共現(xiàn)的頻率或概率能夠較好的反映成詞的可信度。當(dāng)緊密程度高于某一個(gè)閾值時(shí)，便可認(rèn)為此字組可能構(gòu)成了一個(gè)詞。 到底哪種分詞算法的準(zhǔn)確度更高，目前并無(wú)定論。中文是一種十分復(fù)雜的語(yǔ)言，讓計(jì)算機(jī)理解中文語(yǔ)言更是困難。例如：表面的，因?yàn)椤副砻妗购汀该娴摹苟际窃~，那么這個(gè)短語(yǔ)就可以分成「表面 的」和「表面的」。由于沒有人的知識(shí)去理解，計(jì)算機(jī)很難知道到底哪個(gè)方案 正確。真歧義意思是給出一句話，由人去判斷也不知道哪個(gè)應(yīng)該是詞，哪個(gè)應(yīng)該不是詞。也就是那些在字典中都沒有收錄過，但又確實(shí)能稱為詞的那些詞。目前新詞識(shí)別準(zhǔn)確率已經(jīng)成為評(píng)價(jià)一個(gè)分詞系統(tǒng)好壞的重要標(biāo)志之一。 （ 2） 概念設(shè)計(jì)的任務(wù)是從 DFD 出發(fā)，繪制出本主題的實(shí)體－關(guān)系圖，并列出各個(gè)實(shí)體與關(guān)系的綱要表。 數(shù)據(jù)庫(kù)設(shè)計(jì)主要是進(jìn)行數(shù)據(jù)庫(kù)的邏輯設(shè)計(jì)，即將數(shù)據(jù)按一定的分類、分組系統(tǒng)和邏輯層次組織起來(lái)，是面向用戶的。 （ 2） 數(shù)據(jù)表定義：數(shù)據(jù)表定義指定義數(shù)據(jù)庫(kù)中數(shù)據(jù)表的結(jié)構(gòu)，數(shù)據(jù)表的邏輯結(jié)構(gòu)包括：屬性名稱、類型、表示形式、缺省值、校驗(yàn)規(guī)則、是否關(guān)鍵字、可否為空等。 （ 4） 數(shù)據(jù)使用權(quán)限設(shè)置：針對(duì)用戶的不同使用要求，確定數(shù)據(jù)的用戶使用權(quán)限，確保數(shù)據(jù)安全。 ANSI（美國(guó)國(guó)家標(biāo)準(zhǔn)學(xué)會(huì)）聲稱， SQL 是關(guān)系數(shù)據(jù)庫(kù)管理系統(tǒng)的標(biāo)準(zhǔn)語(yǔ)言。但是，標(biāo)準(zhǔn) 的 SQL 命令，比如 Select、 Insert、 Update、 Delete、 Create和 Drop常常被用于完成絕大多數(shù)數(shù)據(jù)庫(kù)的操作。同時(shí)，它不要求用戶指定對(duì)數(shù)據(jù) 的存放方法， 這種特性使用戶更易集中精力于要得到的結(jié)果；所有 SQL 語(yǔ)句使用查詢優(yōu)化器，它是 RDBMS的一部分，由它決定對(duì)指定數(shù)據(jù)存取的最快速度的手段，查詢優(yōu)化器知道存在什么索引，在哪兒使用索引合適，而用戶則從不需要知道表是否有索引、有什么類型的索引。 第三章 需求分析 任務(wù)概述 建立一個(gè)數(shù)據(jù)庫(kù) 用來(lái)存儲(chǔ)基本信息。對(duì)數(shù)據(jù)的計(jì)算處理使用的是數(shù)據(jù)庫(kù)字段匯總。 使用 Access 可以創(chuàng)建各自獨(dú)立的數(shù)據(jù)表以保存各種類型的信息。 MFC 簡(jiǎn)述 MFC（ Microsoft Foundation Class）指的是 Microsoft 基礎(chǔ)類，是用來(lái)為 Windows 開發(fā) C++GUI 應(yīng)用程序。 ADO 以 OL E DB 為基礎(chǔ) ,它對(duì) OLE DB 進(jìn)行了封裝。 一致數(shù)據(jù)訪問介紹 隨著網(wǎng)絡(luò)技術(shù)和數(shù)據(jù)庫(kù)技術(shù)的不斷發(fā)展 ,現(xiàn)在的應(yīng)用系統(tǒng)對(duì)數(shù)據(jù)集成的要求越來(lái)越高 ,這些數(shù)據(jù)有可能分布在不同的地方 ,并且使用不同的格式 ,例如關(guān)系型數(shù)據(jù)庫(kù)和操作系統(tǒng)中的文件、電子表格、電子郵件、多媒體數(shù)據(jù)以及目錄服務(wù)信息等等。 UDA 技術(shù)包括OLE DB 和 ADO 兩層標(biāo)準(zhǔn)接口 ,OLE DB是系統(tǒng)級(jí)的編程接口 ,它定義了一組 COM 接口 ,這組接口封裝了各種數(shù)據(jù)系統(tǒng)的訪問操作 ,這組接口為數(shù)據(jù)使用方和數(shù)據(jù)提供方建立了標(biāo)準(zhǔn) ,OLE DB 還提供了一組標(biāo)準(zhǔn)的服務(wù)組件 ,用于提供查詢、緩存、數(shù)據(jù)更新、事務(wù)處理等操作 ,因此 ,數(shù)據(jù)提供方只需實(shí)現(xiàn)一些簡(jiǎn)單的數(shù)據(jù)操作 ,在使用方就可以獲得 全部的數(shù)據(jù)控制能力。而且 ,OLEDB 分成兩部分 ,一部分由數(shù)據(jù)提供者實(shí)現(xiàn) ,包括一些基本功能 ,如獲取數(shù)據(jù)、修改數(shù)據(jù)、添加數(shù)據(jù)項(xiàng)等 。通過對(duì) COM 組件的配置 ,我們可以建立各種復(fù)雜的應(yīng)用系統(tǒng)。 可以說一致的數(shù)據(jù)訪問技術(shù)的核心是 OLE DB,OLE DB 建立了數(shù)據(jù)訪問的標(biāo)準(zhǔn)接口 ,它把所有的數(shù)據(jù)源經(jīng)過抽象形成行集 (rowset)的概念。 (4)行集 (Rowset)對(duì)象 提供了數(shù)據(jù)的抽象表示 ,它可以是命令執(zhí)行的結(jié)果 ,也可以直接由會(huì)話對(duì)象產(chǎn)生 ,它是應(yīng)用程序主要的操作對(duì)象。ADO 最早被用于 Microsoft Inter Information Server 中訪問數(shù)據(jù)庫(kù)的接口 ,與一般的數(shù)據(jù)庫(kù)接口相比 ,ADO 可更好地用于網(wǎng)絡(luò)環(huán)境 ,通過優(yōu)化技術(shù) ,它盡可能地降低網(wǎng)絡(luò)流量 。在 ADO 模型中 ,主體對(duì)象只有3 個(gè) :ConnectionCommand 和 Recordset,其他 4 個(gè)集合對(duì)象 Errors、Properties、 Parameters 和 Fields 分別對(duì)應(yīng) Error、 Property、 Parameter和 Field 對(duì)象 ,整個(gè) ADO 對(duì)象模型由這些對(duì)象組成。由于 OLE DB 可提供關(guān)系型數(shù)據(jù)源也可以提供非關(guān)系型數(shù)據(jù)源 ,所以在非關(guān)系型數(shù)據(jù)源上使用傳統(tǒng)的 SQL 命令查詢數(shù)據(jù)有可能無(wú)效 ,甚至 Command 命令對(duì)象也不能使用。 ConnectionStringConnectionTimeOut 和 Mode 屬性設(shè)置連接串、超時(shí)信息、訪問模式。 Open 和 Close 控制 Connection 對(duì)象與物理數(shù)據(jù)源的連接。 OpenSchema 方法獲取數(shù)據(jù)庫(kù)的表信息。 (2) Command 對(duì)象 Command 對(duì)象代表一個(gè)命令 ,可以通過其方法執(zhí)行針對(duì)數(shù)據(jù)源的有關(guān)操作 ,比如查詢、修改等。 ,可通過設(shè) CommandType 屬性以便優(yōu)化性能。 Name 屬性 ,這樣以后可以在相應(yīng)的 Connection 對(duì)象上按 Name 屬性指定的方法名執(zhí)行。Recordset 對(duì)象也通過游標(biāo)對(duì)記錄進(jìn)行訪問 ,在 ADO 中 ,游標(biāo)分為以下4 種 : 靜態(tài)游標(biāo)提供對(duì)數(shù)據(jù)集的一個(gè)靜態(tài)拷貝 ,允許各種移動(dòng)操作 ,包括前移、后移等等 ,但其他用戶所做的操作反映不出來(lái)。 Recordset 對(duì)象的用法如下 : CursorType 屬性設(shè)置游標(biāo)類型。如果 OLE DB 提供者支持相關(guān)功能的話 ,可以使用 AbsolutePosition、 Absol utePage 和 Filter 屬性對(duì)當(dāng)前記錄重新定位。遞交之后 ,可以用Status 屬性檢查數(shù)據(jù)沖突。這樣既使得 ADO 很靈活 ,又提供了很好的擴(kuò)展性。 （ 1）數(shù)據(jù)庫(kù)的創(chuàng)建，建立詞典，年份、省份、專業(yè)、科類原始表。 （ 4）切詞。 數(shù)據(jù)庫(kù)操作類 CString strKeyWord[8]。 break。 case 4: m_pRecordsetFieldsGetItem(_variant_t(FieldName))Value=atof(RealData)。e ) { dump__error(e)。///創(chuàng)建 Connection 對(duì)象 if(SUCCEEDED(hr)) { hr=m_pConnectionOpen(LINK_CHAR,adModeUnknown)。 m_pRecordsetCursorLocation=adUseClient。 } return false。 } catch(__error amp。 int intProvince,intWord。 if(()0) { dis_status(類別未選擇 !!)。 if(()0) { dis_status(字典未選擇 !!)。 intWord=atoi((LPCSTR)(()))。%s39。 if(!(strSQL)) { dis_status(打開字典表錯(cuò) )。 ()。 (%d,intProvince)。 (status,1,2)。 m_edit4=m_edit3。 ()。 bool bResult。 len=0。 unsigned char ch。 查詢實(shí)現(xiàn) 流程圖 CString strBuf,strTmp,strSpace。 m_edit5=(()()2)。 (length,(LPCSTR)strBuf,2)。 (%d,intWord)。 } ()。 return。 //AfxMessageBox(strSQL)。 return。 } ((),strBuf)。 } ((),st