深入探讨SQL Server 2005噪声字词和辞典

问题：

我听说全文搜索可以使用噪声字词来消除搜索过程中无意义的字词。我还听说全文搜索利用了辞典，但是不是很清楚实际是如何应用的。你可不可以详细介绍这两种技术是怎么样应用到全文搜索中的?我很想知道这些全文搜索技术的背景知识，以及哪里可以获取这些文件和如何升级这些文件。

解答：

尽管噪声字词和辞典在全文搜索执行方面有很多相似的地方，但是为了解释的更为清楚，我们把这两种技术分开来讲。要记住虽然SQL Server 2000和7.0版本也有一些相同的属性，但是本文中介绍的信息都适用于SQL Server 2005。你还需要关注SQL Server 2008的全文搜索功能的特点，因为新版本中部分规则有所变动。

噪声字词

目的：

microsoft建立噪声字词文件，在语言的基础上决定哪些字词对于搜索来说是无意义的。例如，在(美式)英语中，噪声字词可以包括：because、been、before、being、between、both、but等。在默认的Noiseenu.txt文件(美式英语)里，有100多个噪声字词，在进行全文搜索的时候会使用这个文件消除无意义的字词。

语言支持：

系统支持20种不同的语言，从中文(Noisechs.txt)到土耳其语(Noisetrk.txt)。

windows 目录：$SQL_Server_Install_Path\Microsoft sql server\MSSQL.1\MSSQL\FTDATA\

更改：

可以向文件里添加新的噪声字词。新噪声字词会添加到默认的最后一次登录“your”后之后。

更多信息

如果你更改了噪声字词文件，在使用新噪声字词前，需要重新输入所有的全文目录。

辞典

目的：

能够在全文搜索中确定并使用同义字词。利用CONTAINS或CONTAINSTABLE命令指定FORMSOF THESAURUS参数，就可以使用辞典来确定搜索关键词的同义词。同样也可以利用FREETEXT和FREETEXTTABLE命令。利用这些命令可以使用辞典来确定搜索关键词的表达或替换词。

语言支持：

辞典文件为XML格式文件，有一个总文件(tsGLOBAL.xml)和18个语言文件。默认设置中所有的文件都有注释的XML样例，因此在执行全文搜索时默认设置是不会建立同义词的。

Windows目录：

$SQL_Server_Install_Path\Microsoft sql server\MSSQL.1\MSSQL\FTDATA\

更改：

在检查了XML格式之后，存在两种辞典词目类型。第一类为扩展类型，第二类为替代类型。扩展类型可以被认为时同义词或替代词。替代类型表明以一个字符串替代另一个字符串。

更多信息：

所有辞典文件都应该以Unicode形式保存。

要使用新的辞典，需要重新启动全文搜索引擎窗口。