本發(fā)明涉及查詢系統(tǒng)及查詢方法，更具體地說，涉及一種基于層疊架構的查詢系統(tǒng)及查詢方法。

背景技術：

目前，國內(nèi)外研究大數(shù)據(jù)的工作主要圍繞存儲、處理、分析、可視化等環(huán)節(jié)展開。在大數(shù)據(jù)存儲方面，己有研究主要集中在各類NoSQL和分布式文件系統(tǒng)。隨著互聯(lián)網(wǎng)和云計算的不斷發(fā)展，各種類型的應用層出不窮，對數(shù)據(jù)庫技術提出了更多要求，主要體現(xiàn)在以下方面：

1)高并發(fā)讀寫需求；

2)海量數(shù)據(jù)的高效存儲和訪問需求；

3)高可擴展性和高可用性需求。

為了滿足以上幾個需求，出現(xiàn)了非關系型數(shù)據(jù)庫(NoSQL)。典型的NoSQL數(shù)據(jù)庫有Redis、Memcached、Cassandra、MongoDB、Neo4j等。NoSQL雖然具有多方面優(yōu)勢，但是其最大的弱點就是不支持SQL查詢，這為開發(fā)人員帶來諸多不便。因此，為了同時滿足高性能和支持SQL兩方面需求，一種全新的關系數(shù)據(jù)庫產(chǎn)品NewSQL被設計出來，它或者通過將關系模型的優(yōu)勢與分布式體系結構結合，或者將關系數(shù)據(jù)庫的性能提升到不必進行橫向擴展的程度。典型的NewSQL有VoltDB、Marklogic、Xeround等；在大數(shù)據(jù)處理技術方面，最主流的平臺是Hadoop。Hadoop由分布式文件系統(tǒng)HDFS、并行計算框架MapReduce和非結構化數(shù)據(jù)庫Hbase組成。HDFS具有高容錯性，因此適合部署在價格低廉的硬件上，同時它還適用于具有超大數(shù)據(jù)集的應用程序；在大數(shù)據(jù)分析方面，代表性研究有Hive、Pig等。

目前，大數(shù)據(jù)領域成果斐然，但是依然在大數(shù)據(jù)檢索、分析和可視化等方面存在不足。在數(shù)據(jù)檢索方面，已有的數(shù)據(jù)服務檢索存在對關鍵字檢索支持不足、非結構化數(shù)據(jù)檢索結果準確度較低、不支持面向非結構化數(shù)據(jù)檢索等問題。因此，這樣的數(shù)據(jù)庫需要專門培訓的人員進行數(shù)據(jù)庫的查詢和檢索，對于公眾而言仍然是一個技術門檻。

技術實現(xiàn)要素：

針對現(xiàn)有技術中存在的數(shù)據(jù)庫需要專門技術人員進行查詢操作的問題，本發(fā)明的目的是提供一種基于層疊架構的查詢系統(tǒng)及查詢方法。

為實現(xiàn)上述目的，本發(fā)明采用如下技術方案：

一種基于層疊架構的查詢系統(tǒng)，包括：輸入模塊，用以輸入關鍵詞；輔助信息轉(zhuǎn)換模塊，用以將輔助信息轉(zhuǎn)換為關鍵詞；判斷模塊，用以對關鍵詞進行識別，將關鍵詞拆分成模糊關鍵詞和精確關鍵詞；模糊查詢模塊，用以根據(jù)模糊關鍵詞進行模糊查詢；精確查詢模塊，用以根據(jù)精確關鍵詞進行精確查詢；結果整合模塊，用以綜合模糊查詢和精確查詢的結果，并將結果輸出。

根據(jù)本發(fā)明的一實施例，輔助信息轉(zhuǎn)換模塊識別進行輸入操作的人員的數(shù)字標簽，從數(shù)據(jù)庫讀取人員的個人數(shù)據(jù)，檢索個人數(shù)據(jù)中的輔助信息，并將輔助信息轉(zhuǎn)換為關鍵詞。

根據(jù)本發(fā)明的一實施例，輔助信息轉(zhuǎn)換模塊讀取操作人員的輸入，在數(shù)據(jù)庫中對輸入進行預查詢，根據(jù)預查詢的結果生成關鍵詞。

根據(jù)本發(fā)明的一實施例，判斷模塊根據(jù)數(shù)據(jù)庫中的關鍵詞標簽將關鍵詞拆分成模糊關鍵詞和精確關鍵詞。

根據(jù)本發(fā)明的一實施例，判斷模塊對輸入的關鍵詞進行文字識別，根據(jù)關鍵詞的文字內(nèi)容將關鍵詞拆分成模糊關鍵詞和精確關鍵詞。

為實現(xiàn)上述目的，本發(fā)明還采用如下技術方案：

一種基于層疊架構的查詢方法，包括以下步驟：步驟一，輸入關鍵詞；步驟二，將輔助信息轉(zhuǎn)換為關鍵詞；步驟三，對關鍵詞進行識別，將關鍵詞拆分成模糊關鍵詞和精確關鍵詞；步驟四，根據(jù)模糊關鍵詞進行模糊查詢；步驟五，根據(jù)精確關鍵詞進行精確查詢；步驟六，綜合模糊查詢和精確查詢的結果，并將結果輸出。

根據(jù)本發(fā)明的一實施例，步驟二識別進行輸入操作的人員的數(shù)字標簽，從數(shù)據(jù)庫讀取人員的個人數(shù)據(jù)，檢索個人數(shù)據(jù)中的輔助信息，并將輔助信息轉(zhuǎn)換為關鍵詞。

根據(jù)本發(fā)明的一實施例，步驟二讀取操作人員的輸入，在數(shù)據(jù)庫中對輸入進行預查詢，根據(jù)預查詢的結果生成關鍵詞。

根據(jù)本發(fā)明的一實施例，步驟三根據(jù)數(shù)據(jù)庫中的關鍵詞標簽將關鍵詞拆分成模糊關鍵詞和精確關鍵詞。

根據(jù)本發(fā)明的一實施例，步驟三對輸入的關鍵詞進行文字識別，根據(jù)關鍵詞的文字內(nèi)容將關鍵詞拆分成模糊關鍵詞和精確關鍵詞。

在上述技術方案中，本發(fā)明的基于層疊架構的查詢系統(tǒng)及查詢方法能夠簡化特定數(shù)據(jù)庫的查詢、檢索操作，使得數(shù)據(jù)庫查詢不再需要專門人員進行操作。

附圖說明

圖1是本發(fā)明基于層疊架構的查詢系統(tǒng)的結構示意圖；

圖2是本發(fā)明基于層疊架構的查詢方法的流程圖。

具體實施方式

下面結合附圖和實施例進一步說明本發(fā)明的技術方案。

參照圖1，本發(fā)明首先公開一種基于層疊架構的查詢系統(tǒng)，包括輸入模塊、輔助信息轉(zhuǎn)換模塊、判斷模塊、模糊查詢模塊、精確查詢模塊、結果整合模塊、數(shù)據(jù)庫。下面來詳細說明上述各個模塊互相之間執(zhí)行的查詢方法，如圖2所示：

S1：利用輸入模塊輸入關鍵詞。

S2：輔助信息轉(zhuǎn)換模塊將輔助信息轉(zhuǎn)換為關鍵詞。輔助信息轉(zhuǎn)換模塊的轉(zhuǎn)換模式有兩種：

S2.1：輔助信息轉(zhuǎn)換模塊識別進行輸入操作的人員的數(shù)字標簽，從數(shù)據(jù)庫讀取人員的個人數(shù)據(jù)，檢索個人數(shù)據(jù)中的輔助信息，并將輔助信息轉(zhuǎn)換為關鍵詞。

S2.2：輔助信息轉(zhuǎn)換模塊讀取操作人員的輸入，在數(shù)據(jù)庫中對輸入進行預查詢，根據(jù)預查詢的結果生成關鍵詞。

例如，輔助信息轉(zhuǎn)換模塊掃描操作人員的ID卡(數(shù)字標簽)，識別出該人員為案件上報員，在數(shù)據(jù)庫中該人員受理的案件信息為A類，則此時輔助信息轉(zhuǎn)換模塊將“案件分類＝A類”作為關鍵詞添加到查詢條件中。

在另一個實施例中，輔助信息轉(zhuǎn)換模塊識別出操作人員為普通公眾(無數(shù)字標簽)，且數(shù)據(jù)庫中該普通公眾在某日期曾經(jīng)有過案件上報記錄，則輔助信息轉(zhuǎn)換模塊將“日期”、“案件名稱”作為關鍵詞添加到查詢條件中。

在第三個實施例中，操作人員利用輸入模塊輸入的關鍵詞包括案件時間，此時輔助信息轉(zhuǎn)換模塊根據(jù)該時間在數(shù)據(jù)庫中預查詢，查詢結果得到在該時間僅有B類、C類案件的記錄，因此輔助信息轉(zhuǎn)換模塊將“案件分類＝B類”、“案件分類＝C類”作為關鍵詞添加到查詢條件中。

在第四個實施例中，操作人員利用輸入模塊輸入的關鍵詞包括案件分類，此時輔助信息轉(zhuǎn)換模塊根據(jù)該時間在數(shù)據(jù)庫中預查詢。數(shù)據(jù)庫內(nèi)每一個數(shù)據(jù)均包括關鍵詞標簽，此時輔助信息轉(zhuǎn)換模塊讀取預查詢結果中的關鍵詞標簽，將這些關鍵詞標簽作為關鍵詞添加到查詢條件中。

S3：判斷模塊，用以對關鍵詞進行識別，將關鍵詞拆分成模糊關鍵詞和精確關鍵詞。判斷模塊的識別方式有2種：

S3.1：判斷模塊根據(jù)數(shù)據(jù)庫中的關鍵詞標簽將關鍵詞拆分成模糊關鍵詞和精確關鍵詞。

S3.2：判斷模塊對輸入的關鍵詞進行文字識別，根據(jù)關鍵詞的文字內(nèi)容將關鍵詞拆分成模糊關鍵詞和精確關鍵詞。

作為本發(fā)明的一實施例，由于數(shù)據(jù)庫中每個數(shù)據(jù)均帶有關鍵詞標簽，因此數(shù)據(jù)庫內(nèi)預存有關鍵詞標簽，判斷模塊檢索關鍵詞(包括通過輸入模塊輸入的關鍵詞和輔助信息轉(zhuǎn)換模塊添加的關鍵詞)中是否有與關鍵詞標簽匹配的關鍵詞。若有，則將匹配的關鍵詞作為精確關鍵詞，將其他關鍵詞作為模糊關鍵詞。

作為本發(fā)明的另一個實施例，判斷模塊對關鍵詞(包括通過輸入模塊輸入的關鍵詞和輔助信息轉(zhuǎn)換模塊添加的關鍵詞)進行文字識別。關鍵詞可能包含的模糊的內(nèi)容，例如案件描述、情況說明等描述信息，也可能包含精確的信息，例如案件分類、時間等。判斷模塊根據(jù)文字識別的結果將關鍵詞拆分成模糊關鍵詞和精確關鍵詞。

S4：模糊查詢模塊，用以根據(jù)模糊關鍵詞進行模糊查詢。

S5：精確查詢模塊，用以根據(jù)精確關鍵詞進行精確查詢。

S6：結果整合模塊，用以綜合模糊查詢和精確查詢的結果，并將結果輸出。

結果整合模塊還可以對輸出結果進行處理，選擇部件標簽、事件標簽、人員標簽、部件標簽可以分別對部件、事件、人員、部件進行全文查看。輸入部門/事件/人員/部件業(yè)務數(shù)據(jù)重要字段，點擊查詢按鈕，刷新部門/事件/人員/部件信息列表；雙擊事件信息列表某個事件，彈出事件詳細信息。點擊部門/事件/人員/部件信息列表右側的報表導出圖標，導出相應的事件/人員/部件信息，存儲為Excel文檔。點擊部門/事件/人員/部件信息列表下方的統(tǒng)計總數(shù)按鈕可統(tǒng)計相應部門數(shù)、事件數(shù)、人員數(shù)和部件數(shù)。

本技術領域中的普通技術人員應當認識到，以上的實施例僅是用來說明本發(fā)明，而并非用作為對本發(fā)明的限定，只要在本發(fā)明的實質(zhì)精神范圍內(nèi)，對以上所述實施例的變化、變型都將落在本發(fā)明的權利要求書范圍內(nèi)。