文檔查詢

Internet上有上千個FTP服務器，涉及上億個題目，要在這麼多的資源中找到所需要的文件，並非是一件容易的事。為了幫助用户在遍及全球的FTP服務器上找到所需要的文件，Internet提供了文檔查詢服務，只要提供要查找文件的主題字，Archie便會在Internet上查找包含有該主題字的文件或目錄，並一一列出FTP主機名。

Archie這個名字來源於“Archieve Server”，即文檔查詢服務器，這個系統現在已經發展成為Internet資源檢索的一種檢索工具，提供以信息查詢為目的的電子目錄服務資源。這個數據庫存有許多匿名FTP主機的公眾文件目錄的完整清單，並定期查閲Internet各個文件庫。大概每個星期都對匿名FTP主機進行一次搜索，更新數據庫的內容，從而確定最新的文件清單提供給Internet用户。這樣，任何一個用户只需要訪問Archie，給出需要查找的文件，就能知道該文件的出處。

Archie：文檔查詢服務，檢索匿名FTP資源的工具。Archie是Internet上用來查找其標題滿足特定條件的所有文檔的自動搜索服務的工具。為了從匿名FTP服務器上下載一個文件，必須知道這個文件的所在地，即必須知道這個匿名FTP服務器的地址以及文件所在的目錄名。Archie就是幫助用户在遍及全世界的千餘個FTP服務器中尋找文件的工具。Archie Server又被稱為文檔查詢服務器，用户只要給出所要查找文件的全名或部分名字，文檔查詢服務器就會指出哪些FTP服務器上存在放着這樣的文件。 ^[1] 

（1）知道要查找的文件名或者部分文件名；

（2）知道某個或某幾個Archie服務器的地址。 ^[1] 

Archie服務器支持三種查詢方式：

（1）通過Telnet遠程登錄到公用的Archie服務器上進行查詢；

（2）在本地網絡服務器上使用Archie客户機程序進行查詢；

（3）使用電子郵件進行查詢。

其中最常用的方式是用Telnet登錄到一台公用的Archie服務器上進行查詢。Internet上的Archie服務器較為繁忙，用户要選擇位置近的Archie服務器進行訪問。

WAIS（Wide Area Information Service）：稱為廣域服務信息服務，是一種數據庫索引查詢服務。Archie所處理的是文件名，不涉及文件的內容；而WAIS則是通過文件內容（而不是文件名）進行查詢。因此，如果打算尋找包含在某個或某些文件中的信息，WAIS便是一個較好的選擇。WAIS是一種分佈式文本搜索服務，它基於Z39.50標準。用户通過給定索引關鍵詞查詢到所需要的文本信息，如文章或圖書等。 ^[1] 

科學家們研究發現，全文檢索是成功率最高的一種檢索方法，但在檢索過程中，僅靠簡單地匹配關鍵詞和文檔全文並不能很準確的找出結果，於是科學家們提出一種計算機和人相結合的兩步檢索方法，這既可以發揮計算機快速、準確的全文檢索和統計能力，又可以發揮人的抽象思維和主觀能動的判斷力。這兩步簡單描述如下：

第一步，用户輸入要檢索的關鍵詞，計算機採用全文檢索方法檢索所有的文檔，將包含關鍵詞的文檔列成一個清單。

第二步，用户選定清單中感興趣的若干文檔（這些文檔被稱為種子文檔），然後計算機以用户選定的文檔為依據，再次檢索所有的文檔，找出內容上和用户選定的文檔相似的文檔。計算機不具備抽象思維和自然語言理解能力，所以在判斷一文檔是否和種子文檔相似的過程中，它採用判斷兩文檔出現相同詞彙的概率是否相近的方法。計算機首先提取種子文檔中最常出現的詞彙，計算它們出現的幾率，並認為高頻相似的文檔內容也越相近。

例如，用户要檢索與計算機硬件有關的文檔，那麼用户可以輸入“computer hardware”作為關鍵詞，計算機通過全文檢索將包含關鍵詞的文檔形成一列表，用户可以瀏覽這些結果後選定其中的若干文檔作為種子，計算機分析用户選定的這些種子文檔，確定出其中的高頻詞如“IRQ”，“DMA”和“card”等，並以此為依據，列出那些含有同樣多的“IRQ”，“DMA”和“card”的文檔作為結果。

上述方法聽起來有點玄妙，但在實際應用中確實發揮了很大的作用。WAIS成功借鑑了這種方法，並將檢索擴展到整個Internet空間。 ^[2] 

WAIS的最大計算量是在全文檢索上，如果通過現場匹配用户關鍵詞和每一個文檔全文，WAIS的檢索速度會降得很低，所以為了提高檢索速度，WAIS將許多文檔劃分成一個個稱為資源的集合，它是WAIS進行檢索和比較的基礎。 ^[2] 

WAIS是基於客户/服務器模式的，服務器除了負責資源數據庫維護工作外，還提供有檢索引擎，負責接受客户端的請求，通過檢索本地數據庫實現全文檢索。客户端則完成用户的接口工作。WAIS客户程序往往在本地保存着許多資源的信息，以便用户檢索時使用。這些信息一般記錄於一個文本文件之中，包括資源所在WAIS服務器的主機名、IP地址、端口號、數據庫名和一段簡單的描述。

用户使用WAIS客户程序進行檢索的過程一般分為三步完成：

（1）用户首先選擇進行檢索的資源；

（2）用户輸入檢索的關鍵詞，WAIS通過檢索列出資源中包含關鍵詞的文檔；

（3）用户在這些文檔中選定某些文檔作為種子，並再次要求WAIS檢索相似的文檔，這一步在WAIS中被稱為“relevance feedback”——相關回溯，也是WAIS最關鍵的一步。

用户最終得到結果列表中處於最前面的文檔最接近用户的檢索要求。 ^[2] 

訪問WAIS的途徑相當多，比如可以利用遠程登錄Telnet使用公眾WAIS客户程序。但最常見的還是在客户機上安裝WAIS客户程序，用它訪問WAIS系統。這種方法完全按客户機/服務器模式進行工作，速度快，用户界面可以充分利用用户操作系統的特點。WAIS客户程序可以從一些匿名FTP上免費下載，主要有：

ftp.cndir.org:/pub/nidr.tools/freewais-0.1.tar

think.com:/wais/wais-8-b5.1.tar.z

oac.hsc.uth.tmc.edu:/public/dos/misc/oacwais.exe

sunsite.unc.edu:/pub/wais/windows/wwais103.zip

所有客户程序，無論採用何種用户界面或運行於何種環境中，一般都提供三個用户輸入接口：檢索關鍵詞輸入接口，資源選擇接口，種子文檔選擇接口，這其中資源選擇接口最複雜，因為在許許多多的資源中，用户很難判斷哪些資源是和用户檢索有關的，所以，作為WAIS的主要開發商之一的Thinking Machines公司，專門為這些資源製作了一個資源列表，用户只需連接他們的WAIS服務器，輸入要檢索的關鍵詞，便可以得到符合關鍵詞的資源列表，用户可以將這些資源存儲於本地，進而選擇其中若干資源進行下一步檢索。資源列表也可以通過匿名FTP從Think.com的/wais目錄下的wais-sources.tar.z文件中得到。 ^[2] 

訪問WAIS的另一個捷徑是使用Gopher客户程序，用户通過點取Gopher菜單也能訪問到豐富的WAIS資源。利用Gopher訪問WAIS的過程實際上是選擇資源並輸入關鍵詞的過程，類似於使用Telnet調用公共客户程序，但與WAIS客户程序相比，它僅完成了WAIS用户接口的前兩步，不能同時選擇多個資源進行檢索，更不能進行相關回溯操作。不過這種方法對於大多數情況仍不失為一種快速方便的方法。 ^[2]