信息检索系统的数据库结构

根据ISO/DIS 5127标准，数据库是“至少由一种文档组成，并能满足某一特定目的或某一特定数据处理系统需要的一种数据集合”。简单而言，数据库是数据按照一定方式存储在信息检索系统的硬件设备中的信息集合，主要由三部分组成：字段、记录、文档。

1.字段

字段（field）是构成数据库的最小的存储单位，是组成记录的数据项。字段与信息内外特征有对应关系。通常情况下，“字段”对应数据库中的“列”，每一个字段都描述文献的某一特征，如文献数据库中的题名（TI）、著者（AU）、来源（SO）、文摘（AB）、关键词（KW）、语种（language）、出版年份（publication year）等，这些字段构成了记录。字段对于提高检索效率有极大的作用，也是检索系统的入口。

2.记录

记录（record）是构成数据库的基本信息单元，是由若干字段组成的文献单元，是各字段的组合。通常情况下，记录对应数据库中的“行”。一条记录是对某种文献完整的描述，包含了该文献的全部外部特征和内容特征。

3.文档(https://www.daowen.com)

从数据库的内部结构来看，文档（file）是由若干逻辑记录构成的信息集合，是数据库内容组成的基本形式。

信息检索系统的数据库结构，即字段、记录和文档三者之间的关系，如图2-6所示。

图2-6　信息检索系统的数据库结构示意图

从结构上讲，一个可以进行信息存储与信息查询的数据库至少包括两个部分：顺排文档（记录）和倒排文档（索引）。前者是将文献记录按存取号进行线性存储而形成的文档，是完整的顺序信息记录；后者是指将数据库中准确反映文献外部形式和内容特征的字段值（如主题词、书名、作者、出版社等值）按照某种顺序重新组织而形成的文档，从而更好地适应检索需求。数据库通常以顺排文档为基础，但在进行检索时，先检索倒排文档，然后再从顺排文档中抽取文献记录的内容。