河北大学学报自然科学版

王熙照（自科编委）王熙照，1963年生，博士，教授，博士生导师，IEEE Fellow。2014年3月至今任深圳大学计算机与软件学院教授、大数据研究所副所长。主要研究方向：机器学习与不确定性信息处理，包括示例模糊表示的归纳学习、近似推理与专家系统、神经网络敏感性分析、统计学习理论、模糊测度与模糊积分、随机权网络和近期的大数据机器学习理论与方法等。主要研究特色是通过发现和表示大数据中的不确定性，挖掘大数据的结构分布，进而利用分布并行技术，设计并实现适用于不同类型大数据的分类和聚类算法，以及相应的关键技术和理论问题研究。学术贡献包括：首次在1996攻读博士期间提出了“模糊示例学习”的概念，并将这一概念扩展到基于不确定性理论的机器学习框架下，持续近20的研究取得了系列有重要影响的成果，例如，项目“模糊值属性特征子集的选取”2007年获得河北省自然科学一等奖、项目”加权模糊规则泛化的能力研究”在国家自然科学基金结题评价为优秀。依托国家自然科学基金项目“归纳学习中的不确定性研究(#61170040)”，通过在“不确定性”领域深入研究，提出的“不确定性是影响机器学习算法泛化能力主要因素之一”的观点，得到同行专家的高度认可，曾应邀作为特邀编辑在不确定领域的顶级期刊Fuzzy Sets and Systems和International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems上编辑专刊两期，系统地展示了不确定性度量与表示在大数据环境下机器学习中的作用之国际最前沿研究动态。研究成果包括：共出版学术专著3部，教材2部；在机器学习与不确定性领域的著名杂志和会议发表学术论文150多篇，其中SCI、EI检索100余篇；论文发表的杂志包括IEEE Transactions on Pattern Analysis and Machine Intelligence（1篇）、IEEE Transactions on Fuzzy Systems（5篇）、IEEE Transactions on Cybernetics（5篇）、Machine Learning （1篇）、Information Sciences（5篇）和Fuzzy Sets and Systems（9篇）。Google Scholar搜索显示论文累计引用次数超过2500次，单篇最高引用超过200次，H因子2014年12月查询为21；主持完成国家自然科学基金项目、教育部科学技术研究重点项目、国家发改委项目、河北省自然科学基金重点项目及参加香港RGC项目等30多项。获奖与荣誉：2007年获河北省自然科学一等奖1项、教育部高等学校科学技术奖自然科学二等奖1项，2007年入选河北省首批百名优秀创新人才支持计划。2009年获全国模范教师称号；鉴于王熙照教授在模糊决策树和聚类技术领域做出的突出贡献于2012年当选为IEEE Fellow，2013年入选深圳市地方领军人才，2014年入选Elsevier统计的学术论文高被引中国学者榜单。主要学术兼职：IEEE Fellow；IEEE-SMC董事局成员(2005, 2007-2009, 2012-2014)；国际杂志Machine Learning and Cybernetics主编；国际杂志IEEE Transactions on SMC Part(B)，Information Science，Pattern Recognition and Artificial Intelligence副主编；中国人工智能学会机器学习专业委员会委员；中国人工智能学会粗集与软计算专业委员会委员；河北省人工智能学会副理事长；河北省工业与应用数学学会副理事长；《河北大学学报（自然科学版）》（核心期刊）编委；《模糊系统与数学》杂志编委。朱明生（自科编委）1950年12月生，汉族，教授，九三学社社员，博士研究生导师，研究方向动物学。长期从事动物学教学和蛛形纲动物区系分类、动物地理和无脊椎经济动物开发利用研究。共订立320新种、5新属和2新亚科。近年来主持和参加国家、省自然科学基金共13项，其中主持国家“八五”、“九五”、“十五”重大项目子项目及国家自然科学基金面上项目4项；主编或参编专著8部；在国内外刊物上发表学术论文110余篇（含SCI索引5 篇）。首次对具有重要科学意义和经济价值的中国原蛛类进行修订研究，为中国本领域的学术带头人。解放后作为中国学者首次在国内外刊物上独立发表盲蛛目新种。其研究成果已引起国内外学术界广泛关注，被美国自然博物馆的世界著名蛛形学家Platnick博士在《世界蜘蛛学进展》中全部引用，并为中国农林植保工作者和生态学研究者广泛参考和应用。世界著名蛛形学家美国哈佛大学Levi教授评价《 中国动物志·球蛛科》为“……本志及其有用性，为世界其他各地同样的志提供了范例” （英文原文见《蛛形学报》，1999年8卷1期）；《中国动物志·肖蛸科》对中国肖蛸科进行了全面、系统的研究总结，2002年完成后获国家科学技术学术著作出版基金资助，2003年出版后受到国内外专家的一致好评，如日本蛛形学家Ono,H. 评价本志说：“……书中附图非常精确，一一列出了每种的异名，并详细进行了分类讨论，我认为这一卷是中国动物志中编著地最好的卷册之一。”采集保存蛛形动物标本近10万头号，模式标本300余种。目前正在进行中国原蛛下目分类和生物地理研究（国家自然科学基金项目，本类动物是蜘蛛目中较原始的穴居类群，为历史生物地理研究最理想的类群），及国家自然科学基金“十五”重大项目子项目《中国动物志蛛形纲蜘蛛目· 暗蛛科 漏斗蛛科》编著工作。承担本科生、博士研究生、博士研究生的教学任务。现有6名在读博士研究生和7名硕士研究生，研究方向为蜘蛛目、盲蛛目和蝎目的多样性及系统学、蜘蛛的生态学和蛛毒的毒理学研究等。享受国务院政府特殊津贴专家，中国动物学会蛛形学专业委员会理事长，《蛛形学报》和《河北大学学报》编委。詹福瑞（社科编委，原主编）男，满族，1953年11月出生。河北秦皇岛人。教授，博士生导师。1978毕业于河北大学，1998开始任河北大学党委书记，1989年加入中国共产党。现任国家图书馆馆长，河北大学中国古代文学博士生导师、教授，古代文学学科带头人。主要任职：国务院学位委员会中文学科评审组成员，国家哲学社会科学基金规划与评审委员，教育部中文学科教学指导委员会委员，中国古代文学理论学会副会长，中国李白研究会副会长，中国屈原学会常务理事，中国文心雕龙研究会副会长，河北省学位委员会委员，河北省哲学社会科学基金文史组副组长，河北省文学会副会长等职。黎仁凯（社科编委）广东丰顺人，1940年2月生，中共党员，1963年6月毕业于中山大学历史系，1978—1979年中国人民大学研究生肄业，后入河北大学任教，先后担任副教授、教授，历史系副主任、主任，硕士生导师。近几年多次被教育部聘为全国高校社科成果和历史学科教材评奖通讯评委，又参加教育部专家组到高校国家级文科基地评估检查，并受聘为中国人民大学、中山大学、南开大学等高校评审中国近现代史的博士论文，多次应邀参加国际学术研讨会，1998年应邀赴美国加州圣地牙哥州立大学，惠提尔学院（尼克松之母校），南加州大学等6所高校讲学或作学术交流，美国多家报刊载文评介。主要任职，河北大学学术委员会委员，河北大学学报编委，中国近现代史专业学术带头人，兼任中国史学会理事，中国义和团研究会副会长，河北省历史学会副会长等职，1996年被聘为教育部首届历史学科教学指导委员会委员，被评为河北省优秀教师，享受国务院颁发的政府特殊津贴，是省学位委员会历史学科评审组召集人之一。2002年4月被评为省管优秀专家。哈明虎（自科编委）男，1963年11月生，河北肃宁人。中共党员，毕业于哈尔滨工业大学，研究生学历，博士学位，力学博士后，管理科学与工程博士后，教授，博士生导师，“新世纪百千万人才工程”国家级人选，省管优秀专家，享受国务院政府特殊津贴。现任河北大学党委常委、副校长。历任河北大学化学系团总支书记，教务处副处长，研究生处副处长、处长，校长助理兼校办主任、研究生处处长，河北大学副校长兼研究生学院院长，河北大学党委常委、副校长。兼任河北省社会科学联合会副主席，河北省青年联合会副主席，河北省科学技术协会常委，河北省学位委员会委员，河北省专家献策服务团成员；IEEE Senior Member，中国商业经济学会商业经济应用与管理研究分会副会长，中国模糊数学与模糊系统委员会常务理事，中国模糊信息与工程专业委员会常务理事，河北省工业与应用数学学会副理事长。2001年7月-12月香港理工大学计算学系高级访问学者，2007年2月-8月加拿大Alberta大学电子与计算机系客座教授。韩理（自科编委）男，1954年3月出生,1982年3月毕业于河北大学物理系光学专业，1998年11月晋升物理学教授，现任河北大学人事处处长，河北大学学术委员会委员，河北大学学位委员会委员，硕士研究生导师。兼任河北省物理学会秘书长，河北大学学报（自然科学版）编委，物理通报常务编委，河北大学成人教育学院学报编委，河北省科技成果鉴定评审专家。韩理同志做为主要承担者参加了包括国家自然科学基金、河北省自然科学基金课题等研究项目多项，在《.》、《.》等国内外重要学术刊物发表研究论文近40篇，有20余篇被SCI、EI等权威检索刊物收录、引用。主讲光学工程硕士研究生《激光原理与技术》。其它河北大学院士、部分著名教授皆为河北大学学报编委会编委、成员

网络教学资源搜索增强论述论文

摘要： 网络教学资源服务对象包括教师、学生、社会培训者等，其对应多种学科、类别，资源数量较大，用户需要通过搜索获取所需的特定资源，因此如何提高资源搜索的性能和实用性就十分重要。文章主要针对网络教学资源的搜索性能、实用性进行搜索增强研究。

关键词： 教学资源；搜索增强；性能；实用性

伴随着网络技术的不断发展，教育对教学资源建设的重视，为网络教学资源库的建设提供了契机。网络教学资源服务的对象包括：教师、学生、社会培训者等，其对应多种学科、类别，资源数量较大。用户对资源的需求不一样，需要通过搜索获取所需的特定资源，因此如何提高资源搜索的性能、实用性是网络教学资源库开发所需要解决的一个重要问题。本文主要针对网络教学资源搜索的性能、实用性进行增强研究。

1搜索性能增强策略研究

使用索引提高搜索性能

索引是对列值进行排序的一种结构，正确地利用索引能够加快对数据表相应信息的访问［1］。索引虽然能够提高数据的检索性能，但是也提高了数据维护的成本。因此，要合理使用索引，在创建索引前，需要确定使用哪些列和要创建的索引类型。索引包括聚集索引和非聚集索引［2］。聚集索引适用于含有大量的不重复值的列、可用于范围值计算的列、结果集较大的查询及经常使用连接或分组的列，非聚集索引中键值逻辑顺序和物理顺序没有关系。将主键设置为聚集索引并非最佳方案，在教学资源库中资源编号是标记列且设为主键，会把资源编号设置成聚集索引。在实际应用中，并不会针对资源编号进行搜索，这就导致让资源编号作为聚集索引是不正确的选择。其次，资源编号都不相同，也不符合“很多数据不同值的列不应该设置聚合索引”的规则。下面以在1000万条数据量的资源信息表中查询近180天的资源信息速度为例（180天内的资源信息数据为30万条，数据通过程序生成，供测试使用），其分析如表1所示。表1索引设置与用时对比索引设置用时（毫秒）只在主键（资源编号）上设置聚集索引129652主键（资源编号）上设置聚集索引，日期上设置非聚集索引54128在发布日期（vDate）上建立聚集索引2446通过上述的数据分析，正确地建立聚集索引是十分有必要的。必须根据实际中的应用范围和数据本身的构成来确定聚集索引，而非固定使用默认的主键作为聚集索引。

优化SQL语句提高搜索性能

数据库管理系统本身具备了一定的查询分析优化能力。在MSSQL中的“查询分析优化器”，会检测查询的各个组成部分，并判断要求扫描的组成部分是不是有用，如果某个组成部分能够作为一个扫描参数，则称该组成部分为可优化，并使用索引对所需数据进行快速获取。如果某个表达式不能满足扫描参数的条件，就不能控制扫描范围，“索引”对不符合扫描参数条件的表达式是起到作用的。因此，在SQL查询语句的编写过程，要注意where子句的优化，让“索引”的作用得以充分发挥，最大限度地提高搜索性能。在搜索过程对信息字段的获取要遵循“需要多少，提取多少”的准则［3］，不要采用“select*”。字段提取的多少对速度的影响如表2所示。自定义分页提高搜索性能在数据的查询过程中，若一次性将查询结果读出，当数据量较大时，势必需要消耗较多的读取时间，影响搜索结果的最终呈现速度。因此，在项目的实际开发中，可以应用自定义分页的形式提高搜索的`性能，若将实现自定义分页的过程使用存储过程的方式来实现，充分利用存储过程的优点，搜索性能将会得到更进一步的提高。自定义分页每次查询只从查询结果中读出当前页所需的数据，以资源搜索结果为2000条数据，系统每页呈现20条数据为例，普通分页与自定义分页相比，如图1—2所示。通过图1—2可以看出，采用自定义分页，仅从数据表中读出当前页的20条，数据控件也不需要进行控件内分页，其性能在数据读取和数据呈现上都有良好的提升。

2搜索实用性增强策略研究

纯粹模糊查询实现搜索的不足分析

纯粹模糊查询实现搜索指在搜索的过程中，仅将用户输入的关键字在数据的查询过程中，用数据库本身提供的模糊查询功能，与数据库表中的相关字段值进行匹配，并将匹配正确的值提取至搜索结果。其操作简单，但存在以下2点不足：（1）相关词无法匹配。相关词无法匹配造成搜索结果的部分性，是纯粹模糊查询的最大不足之处。（2）容错性低。由于未对输入的搜索关键词进行分析，一旦关键词中包含无用词或错别词时，将导致搜索结果零数据返回。通过上述分析，要解决相关词无法匹配和容错性低的两大不足，需要对搜索实用性增强进行研究。

增强相关词匹配

相关词的界定很难由程序自动判断，因为相关词有客观构成，也有主观构成。如：电脑与计算机、computer为客观相关词，而电脑与微软、冯诺依曼则为主观相关词。客观相关词为事实存在，为大多人所共知，而主观相关词需要在特定的条件下成立，人们通过“电脑”可以联系到软件巨头“微软公司”或计算机科学家“冯诺依曼”，需要一定的知识延展性，甚至“电脑”可以延伸到“计算器”，不同的用户有不同的认识。因此，主观相关词具备一定的不确定性与抽象的特点。增强相关词匹配可通过增加相关词字段或建立相关词库的方法来实现。相关词的匹配涉及匹配的深度和广度，越全面、精准则其投入成本越高。增加相关词字段。指通过在数据表中增加“相关词”字段，当用户在添加信息时，输入与此信息的相关词。相关词的界定及输入由信息编辑者进行操作，采用增加相关词字段的方式来提高相关词匹配，其实现方式简单，操作过程也容易，但相关词的界定由编辑者确定，相关词的个人主观性较强。建立相关词库。指通过建立相关词库表，当用户输入搜索关键词时，系统自动在相关词库表中搜索其相关词，一并归入关键词中进行处理，对搜索的实用性有很大的提高。当用户输入搜索关键词时，系统将自动遍历搜关键词的相关词，达到相关词匹配的目的。建立相关词库的方式，其相关词并非由编辑者个人界定，而且相关词可以灵活调整，不断补充。因此，建立相关词库的方式更加全面、客观，但构建一个完善的相关词库需要较大的投入。增加相关词字段与建立相关词库两者各有优缺点，但两者并非对立。在一个系统中，可以同时采用这2种方式或者其中之一以增强搜索相关词匹配，提高搜索实用性。具体实施方案还需要考虑到实际需求和投入成本预算。

增强搜索容错性

在搜索的过程中，用户对搜索关键词的输入具备不确定和冗长等特点。不确定主要指关键词的选词不确定和关键词的是否正确不确定，而冗长指用户输入的搜索关键词包含多余的信息。如果系统的搜索过程未对用户输入的搜索关键词进行分析和处理，那么，其搜索结果将有可能得不到用户所需要的数据。从搜索易用性与实用性的角度出发，搜索功能必须具备一定的容错性。要增强搜索的容错性，就需要解决搜索关键词的不确定与冗长的特点。将搜索关键词按一定的规则进行拆分，简称分词。将长词转化为短词，并舍去重复的部分，可以提高搜索相关词的匹配，降低长词中错词、别词的构成，从而提高搜索的容错性。分词搜索可以在一定程度上解决搜索的容错要求，提升搜索的功能与精确度。分词技术主要分为3种：（1）字符串匹配的分词方法。字符串匹配的分词又分为4种，分别是：正向最大匹配法、反向最大匹配法、最短路径匹配法、双向最大匹配法。（2）词义分词法。词义分词法根据机器语音进行分词判断，通过对句法、语义的分析，使用句法信息、语义信息进行分词。但词义分词法目前还不成熟，尚处于测试阶段。（3）统计分词法。统计分词法依据词组的统计，针对相邻的字出现的次数多少，认定词的重要程度，作为关键词的分词分隔符。盘古分词作为一种分词组件，大大降低了系统进行分词搜索的投入成本，避免重复造车的现象，非常方便应用在基于.NET技术进行开发的系统中。

3结语

通过对索引的合理利用、SQL语句的优化和自定义分页的使用，对搜索性能有良好的提升，融入盘古分词的强大功能，结合相关词匹配技术，能够提高搜索的实用性。本文从搜索性能与实用性两方面研究了搜索增强技术，并将其应用于学院的教学资源库建设中，虽然取得了一定的成效，但还需要继续努力。

［参考文献］

［1］张玉峰，袁方，湛燕，等.基于索引结构的关系数据库关键词检索［J］.河北大学学报（自然科学版），2015（1）：95-101.

［2］魏威，马国峰.基于索引的关系数据库查询优化［J］.洛阳大学学报，2007（2）：83-86.

［3］徐新静.SQL优化技术及应用［J］.天津冶金，2011（2）：25-27.

河北大学学报（自然科学版）目前在最新北大核心和科技核心目录内，属于双核心；河北大学学报（哲学社会科学版）在最新的北大核心目录内，曾经的南大核心