【正文】 int i,len,k,j。 char szBuf[10]。 UpdateData(false)。 ()。 (word_id,(LPCSTR)strBuf,2)。 (name,(LPCSTR)m_edit3,0)。 } if(()) { dis_status(語(yǔ)義已存在 )。 ()。 } (select * from dictionary where trim(name)=39。 strTmp=strBuf。 intProvince=atoi((LPCSTR)(()))。 ()。 } 同義詞典輸入 CString strSQL,strTmp,strBuf。 return hr == S_OK。e ) { dump__error(e)。 } hr=()。 try{ hr = (_uuidof(Connection))。 } catch( __error amp。 case 3: m_pRecordsetFieldsGetItem(_variant_t(FieldName))Value=long(atol(RealData))； break。 } 保存數(shù)據(jù)庫(kù)字段數(shù)據(jù) bool CAccountAdo::Add_Field(LPCSTR FieldName,LPCSTR RealData,int Data_Type) { try{ switch (Data_Type){ case 0: m_pRecordsetFieldsGetItem(_variant_t(FieldName))Value=RealData。 系統(tǒng)結(jié)構(gòu)圖 數(shù)據(jù)據(jù) 操 作 作 開始 結(jié)束 數(shù)據(jù)庫(kù)創(chuàng)建 同義詞輸 入入 建立詞典 建立年份科類 建立省份專業(yè) 建立考試信息 數(shù)據(jù)存取 輸入檢查 產(chǎn)生查詢結(jié)果傳輸 同義詞入庫(kù) 生成查詢語(yǔ)言傳輸 成員變量 CAccountAdo Ado,Adod。 （ 3）同義詞輸入。 第四章 總體設(shè)計(jì) 系統(tǒng)模塊分析 整個(gè)系統(tǒng)分為六個(gè)部分。由于并不是所有的底層提供者都有同樣的性能 ,所以 ADO 允許用戶動(dòng)態(tài)訪問(wèn)底層提供者的能力。 在批修改方式下 ,可以對(duì)多條記錄進(jìn)行修改 ,然后調(diào)用UpdateBatch 方法把所有的修改遞交到底層數(shù)據(jù)源。 MoveFirst、 MoveLast、 MoveNext 和 MovePrevious 方法可以對(duì)記錄集的游標(biāo)進(jìn)行移動(dòng)操作。 鍵集 (keyset)游標(biāo) 類似 于動(dòng)態(tài)游標(biāo) ,也能夠看到其他用戶所做的數(shù)據(jù)修改 ,但不能看到其他用戶新加的記錄 ,也不能訪問(wèn)其他用戶刪除的記錄。記錄集是 ADO 管理數(shù)據(jù)的基本對(duì)象 ,所有的 Recordset 對(duì)象都 按照行列方式的表狀結(jié)構(gòu)進(jìn)行管理 ,每一行對(duì)應(yīng)一個(gè)記錄 (Record),每一列對(duì)應(yīng)一個(gè)域 (Field)。 ActiveConnection 屬性 ,為命令指定連接串 ,Command 對(duì)象將在內(nèi)部創(chuàng)建 C onnection 對(duì)象。 Execute 方法執(zhí)行命令 ,可能的話返回 Recordset 對(duì)象。使用 Execute 方法比較簡(jiǎn)便 ,但用 Command對(duì)象可以保存命令的信息 ,以便多次查詢。 Errors 集合屬性檢查數(shù)據(jù)源的錯(cuò)誤信息。 OLE DB 提供者的屬性 Provider。利用Connection 對(duì)象 ,我們可以完成以下一些基本設(shè)置操作。 在 Connection、 Command 和 Recordset 3 個(gè)對(duì)象中 ,Command 對(duì)象是個(gè)可選對(duì)象 ,它是否有效取決于 OLE DB 數(shù)據(jù)提供者是否實(shí)現(xiàn)了ICommand 接口。 ADO 實(shí)際上是 OLE DB 的應(yīng)用層接口 ,這種結(jié)構(gòu)也為一致的數(shù)據(jù)訪問(wèn)接口提供了很好的擴(kuò)展性 ,而不再局限于特定的數(shù)據(jù)源 ,因此 ,ADO可以處理各種 OLE DB 支持的數(shù)據(jù)源。 ADO 對(duì)象模型 ADO 對(duì)象模型定義了一 組可編程的自動(dòng)化對(duì)象 ,可用于 Visual Basic、 Visual C++、 Java 以及其他各種支持自動(dòng)化特性的腳本語(yǔ)言。 (3)命令 (Command)對(duì)象 數(shù)據(jù)使用者利用命令對(duì)象執(zhí)行各種數(shù)據(jù)操作 ,如查詢命令、修改命令等。所有這些功能都無(wú)需數(shù)據(jù)提供方編寫代碼實(shí)現(xiàn) ,只需在 DCOM 或 MTS 環(huán)境中進(jìn)行常規(guī)的配置即可。 由于 OLE DB 和 ADO 都以 COM組件的形式實(shí) 現(xiàn) ,所以 COM 組件的各種特性也使得構(gòu)建數(shù)據(jù)應(yīng)用更為靈活 ,而不僅僅局限于一般的客戶機(jī) /服務(wù)器或 Web 應(yīng)用模型 ,它既適合于以數(shù)據(jù)為中心的應(yīng)用 ,也適合于多層結(jié)構(gòu)的分布式軟件系統(tǒng)。 應(yīng)用程序既可以通過(guò) ADO 訪問(wèn)數(shù)據(jù)也可以直接通過(guò) OLE DB 訪問(wèn)數(shù)據(jù) ,而 ADO 則通過(guò) OLE DB 訪問(wèn)底層數(shù)據(jù)。并且 UDA 技術(shù)在統(tǒng)一數(shù)據(jù)訪問(wèn)接口的同時(shí) ,它的多層結(jié)構(gòu)使數(shù)據(jù)使用方有了更多的選擇機(jī)會(huì) ,而它強(qiáng)大的擴(kuò)展能力也 給數(shù)據(jù)提供方留下了更多的擴(kuò)展余地 ,這種開放型的軟件結(jié)構(gòu)使它具有極強(qiáng)的生命力 ,所以 ,這種技術(shù)從一推出便獲得了廣泛的歡迎 ,可以說(shuō) ,UDA技術(shù)是繼 ODBC 之后的又一數(shù)據(jù)訪問(wèn)技術(shù)的飛躍。本文將首先介紹 ADO 和 OLE DB 的結(jié)構(gòu)模型 ,以便讀者了解 ADO 與 OLE DB之間的關(guān)系 ,然后介紹 ADO 的對(duì)象模型和 ADO 的一些特性 ,同時(shí)我們也將通過(guò)一些例子代碼向讀者展示 ADO 的用法。OLE DB 提供了底層軟件接口 ,可在C/C++語(yǔ)言中直接使用。 Access 中的各種向?qū)椭脩舴奖憧旖莸貏?chuàng)建各種數(shù)據(jù)庫(kù)對(duì)象 。 Microsoft Access 是微軟公司推出的桌面數(shù)據(jù)庫(kù)應(yīng)用系統(tǒng)，數(shù)據(jù)庫(kù)應(yīng)用系統(tǒng)是幫助人們創(chuàng)建數(shù)據(jù)庫(kù)應(yīng)用程序的軟件， Access就是一個(gè)面向?qū)ο蟮年P(guān)系性數(shù)據(jù)庫(kù)的應(yīng)用系統(tǒng)。 語(yǔ)義理解 包括分詞 ,詞義理解 ,句意理解以及段意理解 語(yǔ)義抽取 從語(yǔ)義中抽取所需要的查詢要求 語(yǔ)義輸出 根據(jù)語(yǔ)義從數(shù)據(jù)庫(kù)查詢并輸出信息 系統(tǒng)需求 硬件環(huán)境： CPU PⅢ 550 ，內(nèi)存 256M ，硬盤 20G 軟件環(huán)境使用 WindowsXP 操作系統(tǒng)，用 visual c++ 為開發(fā)平臺(tái)，數(shù)據(jù)庫(kù)使用 SQL Server 2021，在開發(fā)此軟件時(shí)用的是 VC 中的 MFC 框架。主要用到的數(shù)據(jù)操作語(yǔ)言主要是： SELECT:用于數(shù)據(jù)檢索； INSERT:用于增加數(shù)據(jù)到數(shù)據(jù)庫(kù)； UPDATE:用于從數(shù)據(jù)庫(kù)中修改現(xiàn)存的數(shù)據(jù)； DELETE:用于從數(shù)據(jù)庫(kù)中刪除數(shù)據(jù)。SQL的集合特性允許一條 SQL語(yǔ)句的結(jié)果作為另一條 SQL語(yǔ)句的輸入。雖然絕大多數(shù)的數(shù)據(jù)庫(kù)系統(tǒng)使用 SQL，但是它們同樣有它們自立另外的專有擴(kuò)展功能用于它們的系統(tǒng)。 SQL 通常使用于數(shù)據(jù)庫(kù)的通訊。 （ 3） 存儲(chǔ)設(shè)備和存儲(chǔ)空間組織：確定數(shù)據(jù)的存放地點(diǎn)、存儲(chǔ)路徑、存儲(chǔ)設(shè)備等，備份方案，對(duì)多版本如何保證一致性和數(shù)據(jù)的完整性。針對(duì)選擇的 DBMS，進(jìn)行數(shù)據(jù)庫(kù)結(jié)構(gòu)定義。 （ 5） 加載測(cè)試工作貫穿于程序測(cè)試工作的全過(guò)程，整個(gè)錄入、修改、查詢、處理工作均可視為對(duì)數(shù)據(jù)庫(kù)的加載測(cè)試工作。 （ 1） 數(shù)據(jù)庫(kù)需求分析的任務(wù)是將業(yè)務(wù)管理單證流化為數(shù)據(jù)流，劃分主題之間的邊界，繪制出 DFD 圖，并完成相應(yīng)的數(shù)據(jù)字典。即使這項(xiàng)工作可以完成，還是會(huì)存在問(wèn)題，例如：在句子「王軍虎頭虎腦的」中，「王軍虎」還能不能算詞？ 新詞中除了人名以外，還有機(jī)構(gòu)名、地名、產(chǎn)品名、商標(biāo)名、簡(jiǎn)稱、省略語(yǔ)等都是很難處理的問(wèn)題，而且這些又正好是人們經(jīng)常使用的詞，因此對(duì)于搜索引擎來(lái)說(shuō)，分詞系統(tǒng)中的新詞識(shí)別十分重要。 新詞，專業(yè)術(shù)語(yǔ)稱為未登錄詞。這些詞計(jì)算機(jī)又如何去識(shí)別 ? 如果交叉歧義和組合歧義計(jì)算機(jī)都能解決的話，在歧義中還有一個(gè)難題，是真歧義?！富瘖y和服裝」可以分成「化妝 和服裝」或者「化妝 和服 裝」。 歧義是指同樣的一句話，可能有兩種或者更多的切分方法。 中文切詞 技術(shù)難點(diǎn) 有了成熟的分詞算法，是否就能容易的解決中文 分詞的問(wèn)題呢？事實(shí)遠(yuǎn)非如此。實(shí)際應(yīng)用的統(tǒng)計(jì)分詞系統(tǒng)都要使用一部基本的分詞詞典（常用詞詞典）進(jìn)行串匹配分詞，同時(shí)使用統(tǒng)計(jì)方法識(shí)別一些新的詞，即將 串頻統(tǒng)計(jì)和串匹配結(jié)合起來(lái)，既發(fā)揮匹配分詞切分速度快、效率高的特點(diǎn)，又利用了無(wú)詞典分詞結(jié)合上下文識(shí)別生詞、自動(dòng)消除歧義的優(yōu)點(diǎn)?；ガF(xiàn)信息體現(xiàn)了漢字之間結(jié)合關(guān)系的緊密程度。 基于統(tǒng)計(jì)的分詞方法 從形式上看，詞是穩(wěn)定的字的組合，因此在上下文中，相鄰的字同時(shí)出現(xiàn)的次數(shù)越多，就越有可能構(gòu)成一個(gè)詞。它通常包括三個(gè)部分：分詞子系統(tǒng)、句法語(yǔ)義子系統(tǒng)、總控部分。另一種方法是 將分詞和詞類標(biāo)注結(jié)合起來(lái)，利用豐富的詞類信息對(duì)分詞決策提供幫助，并且在標(biāo)注過(guò)程中又反過(guò)來(lái)對(duì)分詞結(jié)果進(jìn)行檢驗(yàn)、調(diào)整，從而極大地提高切分的準(zhǔn)確率。統(tǒng)計(jì)結(jié)果表明，單純使用正向最大匹配的錯(cuò)誤率為 1/169，單純使用逆向最大匹配的錯(cuò)誤率為 1/245。常用的幾種機(jī)械分詞方法如下： 1. 正向最大匹配法（由左到右的方向）； 2. 逆向最大匹配法（由右到左的方向）； 3. 最少切分（使每一句中切出的詞數(shù)最?。? 中文切詞 技術(shù)特點(diǎn) 中文分詞技術(shù)屬于自然語(yǔ)言處理技術(shù)范疇，對(duì)于一句話，人可以通過(guò)自己的知識(shí)來(lái)明白哪些是詞，哪些不是詞，但如何讓計(jì)算機(jī)也能理解？其處理過(guò)程就是分詞算法。例如，英文句子 I am a student，用中文則為： “ 我是一個(gè)學(xué)生 ” 。而新一代界面應(yīng)該是 MTM（ MindToMachine）型，即將腦中所想的直接提交給機(jī)器來(lái)完成，人們只需關(guān)心 What，而無(wú)需關(guān)心 How。基于此，我們提出了基于數(shù)據(jù)庫(kù)語(yǔ)義的一整套語(yǔ)言處理邏輯來(lái)解 決 NLIDB 的一些關(guān)鍵問(wèn)題，如基于數(shù)據(jù)庫(kù)語(yǔ)義的自動(dòng)分詞、句法分析及數(shù)據(jù)庫(kù)查詢轉(zhuǎn)換，設(shè)計(jì)實(shí)現(xiàn)了一個(gè)自然語(yǔ)言查詢系統(tǒng) NChiql，對(duì)可移植性體系結(jié)構(gòu)、領(lǐng)域知識(shí)的自動(dòng)提取、中文自然語(yǔ)言查詢分析處理、受限中文查詢語(yǔ)言的設(shè)計(jì)實(shí)現(xiàn)與評(píng)估、智能界面管理等方面進(jìn)行了多方位全面、系統(tǒng)的深入探索。傳統(tǒng)的研究方法在走兩個(gè)極端，從事自然語(yǔ)言處理的人認(rèn)定 NLIDB 的核心技術(shù)是 “ 自然語(yǔ)言理解 ” ，而搞數(shù)據(jù)庫(kù)的人則總是不能跳出原有數(shù)據(jù)庫(kù)查詢的圈子，只能給出其實(shí)不需語(yǔ)言處理的菜單構(gòu)造界面。就目前技術(shù)來(lái)看，對(duì)可移植性問(wèn)題的解決比較充分，如體系結(jié)構(gòu)、詞典組織、領(lǐng)域知識(shí)提取都在一定程度上解決了領(lǐng)域的獨(dú)立性；基于中間語(yǔ)言的分析框架解決了 DBMS 的獨(dú)立性。顯然后一種方法簡(jiǎn)單易行，而且系統(tǒng)實(shí)現(xiàn)也可因此大大簡(jiǎn)化，但它不是解決問(wèn)題的積極方法。這一矛盾會(huì)導(dǎo)致更新操作出現(xiàn)一種歧義性現(xiàn)象，這種歧義不是來(lái)自用戶的表述，而是來(lái)自數(shù)據(jù)庫(kù)底層對(duì)一個(gè)請(qǐng)求有幾種不同的更新方式。知識(shí)在自然語(yǔ)言查詢處理中的作用遠(yuǎn)不限于此，概括起來(lái)有以下三方面內(nèi)容：領(lǐng)域知識(shí)在解釋查詢中的重要性、領(lǐng)域知識(shí)在回答查詢中的重要性、用戶模型的重要性。因此，自 然語(yǔ)言查詢的問(wèn)題不單單是從數(shù)據(jù)庫(kù)中找出現(xiàn)成的數(shù)據(jù)，而且要查出非現(xiàn)成的數(shù)據(jù)，即知識(shí)。它的最大好處在于具有比較好的可移植性。對(duì)此，自然語(yǔ)言處理有不同的策略，有面向特定應(yīng)用領(lǐng)域的分析方法、面向通用領(lǐng)域的分析方法、面向數(shù)據(jù)庫(kù)應(yīng)用領(lǐng)域的分析方法。 領(lǐng)域知識(shí)提取處理的好壞不僅影響到系統(tǒng)的可移植性，由于它的生成結(jié)果是詞典，因此也將影響到系統(tǒng)的可用 性。 NLIDB 的發(fā)展趨勢(shì)可以用下圖表示。在 70 年代和 80 年代，我國(guó)人工智能方面的學(xué)者開始研究漢語(yǔ)人－機(jī)對(duì)話系統(tǒng)，這些系統(tǒng)與數(shù)據(jù)庫(kù)的 結(jié)合尚不緊密。從這些年來(lái)有關(guān) NLIDB 方面的論文數(shù)量急劇減少中就可以明顯看到這一點(diǎn)。商業(yè)系統(tǒng)在這一時(shí)期 大量涌現(xiàn)。 Team 解決可移植性的方法是將與領(lǐng)域有關(guān)的知識(shí)作為可分離的部分從外部獲取，通過(guò)方便的菜單系統(tǒng)從數(shù)據(jù)庫(kù)專業(yè)人員那里獲取領(lǐng)域內(nèi)的知識(shí)，在自然語(yǔ)言處理過(guò)程中使用這些知識(shí)，從而理解一般用戶提出的有關(guān)該領(lǐng)域的查詢。 通用系統(tǒng)（ 80～ 90 年代） 80 年代是 NLIDB 研究最為活躍的時(shí)期，其研究重點(diǎn)放在了系統(tǒng)的可移植性上，即通用系統(tǒng)的研究。它在技術(shù)上沒(méi)有什么特別之處，其語(yǔ)法分析采用 ATN，語(yǔ)義處理采用上下文寄存器（ ContextRegisters）與概念格框架（ ConceptCaseFrame）。 Lunar 系統(tǒng)是這一時(shí)期的典型代表，它對(duì)以后的自然語(yǔ)言界面的研制產(chǎn)生了許多影響 。該系統(tǒng)功能十分有限，用戶只能輸入一個(gè)簡(jiǎn)單句，不支持與、或、非和比較操作。 70 年代和 80 年代在這方面進(jìn)行了大