简单理解kde4的语义学桌面搜索

简单理解kde4的语义学桌面搜索

杜比环绕声

语义学桌面搜索是kde4桌面环境所提供的新搜索技术，它依据的是知识库的语义学研究成果。我一直很好奇这个技术，得益于kde 4.1 rc1的使用，说说我对这个技术的理解。

目前所能理解的搜索，大都是利用文件名、扩展名以及一些文件属性等关键字进行搜索，较早的实现是以文件名为关键字，采取目录树遍历的方法，诸如kde3的kfind程序，目前的实现大都基于事先建立的关键字索引数据库，来加快搜索速度，例如freebsd提供的locale程序。但这些搜索技术都是基于文件属性的，搜索的结果定位在文件位置上。

在桌面环境下更高的搜索需求是存在的，例如特定的内容在哪些文件中出现过，搜索特定大小的图片文件，搜索特定长度的音频文件等等，这些搜索都要深入到文件内部，而这种搜索实现可以从网络引擎获得的直接经验，但具体依据什么样的关键字，搜索范围能扩大到什么程度，目前还不得而知。

语义学搜索，是目前的一项研究，从目前kde4的实现上看，它是基于文件属性以及文件内容搜索的。 这种搜索基于文件内容和属性的描述语言——RDF，简单的说是一种类似xml语言，可以对多种属性进行定义和描述的框架。在这个框架上，可以根据不同类型的文件，建立不同的属性，然后对它进行描述，每个属性都是对外的一个接口，从搜索上看，就是提供多头的关键字。利用这些关键字，可以和计算机内的其他文件建立“蜘蛛网”般的各种联系。这种网是基于文件内部属性的，这个网可以简单的称之为“语义网”。

实现这个“语义网”需要大致需要三个条件

1、文件内容属性的分析
2、加快搜索的属性索引数据库
3、组建“语义网”

对应于kde4的语义学桌面搜索实现，分别是 soprano,strigi和nepomukserver

strigi是一个基于clucene的后台搜索服务，它可以动态跟踪文件，利用clucene建立和维护索引数据库，soprano提供不同文件类型的基于rdf描述的分析和存储方式。

nepomukserver提供了一个框架，对不同类型文件的rdf进行定义，比较直观的操作是它可以通过dolphin对文件添加“个人评分”“个性标记”以及“个性备注”,它也可以通过一些图片查看、制作软件添加个性标记，可以通过音乐播放软件添加附加的标记，这些都会被定义为rdf的描述。并最终利用strigi建立索引。当然这个索引数据库会很大，在kde4贡献者博客上，我看到了一位用了1个半小时的时间为30G的磁盘文件建立了200M的索引数据库。

有了这些技术上的支持，桌面搜索范围得到了明显的增强。

利用kde4的nepomuk框架，目前我可以查看那些文件里面出现了“FreeBSD”这个字，我也可以快速的汇总我所标记的文件。可以预想，随着neomuk-kde框架的进一步成熟，支持的程序越来越多，除了文件管理更方便之外，还可以通过rdf描述的属性关键字，把个人计算机中的文件组成一个小型“google网络”。

让kde 4.2的Nepomuk正常工作

Nepomuk的启动流程

首先系统配置为Nepomuk 启动，然后启动 Nepomuk ontology loader，因为这个服务依赖 nepomukstorage，所以先启动 nepomukstorage
之后启动 nepomukqueryservice，nepomukstrigiservice,nepomukfilewatch,，装载 Soprano 的所有插件，搜索/usr/local/share/soprano/plugins目录下的插件，先搜索.desktop文件，然后根据desktop文件内容加载对应的库（nquadparser.desktop、nquadserializer.desktop、raptorparser.desktop、raptorserializer.desktop、redlandbackend.desktop），搜索了两遍，确定插件加载。

加载 libsoprano_redlandbackend.so 这个后端库，激活这个后端，并发现以下错误：could not find backend "sesame2" . Falling back to default.
建立搜索数据库：repository ' "main" ' at ' "/root/.kde4/share/apps/nepomuk/repository/main/"，这里面包含数据库的路径。
creating model of type "hashes" with options
"hash-type='bdb',contexts='yes',dir='/root/.kde4/share/apps/nepomuk/repository/main/data/redland'"

Nepomuk::Repository::open: Successfully created new model for repository "main" 成功建立数据库，bdb格式的

CLuceneIndex::open in thread 701501696
CLuceneIndex::close in thread 701501696
CLuceneIndex::close done in thread 701501696
CLuceneIndex::open done in thread 701501696

这应该是一个测试，测试是否可以建立index

Successfully created new index for repository "main"
Successfully initialized nepomuk core
成功初始化nepomuk核心，成功初始化nepomukstorage，接下来按照下面的顺序初始化
Nepomukstrigi、 nepomukfilewatch、 nepomukqueryservice、 nepomukqueryservice、 nepomukontologyloader


建立nepomuk服务器链接，加载Soprano后端，启动strigi服务，提示失败原因是：低优先级别调度，当使用redland soprano后端时不能启动，，启动nepomukontologyloader 进程，监护 /root/.kde4/share/apps/nepomuk/ontologies目录，发现日期修改。

启动nepomukfilewatch进程，启动nepomukqueryservice进程，完成nepomuk相关服务的加载！

原来sesame2的编译需要java环境，在soprano的ports中若没有java环境，就不编译sesame2的后端组件。

FreeBSD环境下配置Nepomuk

从上面的分析可知，Nepomuk的文件检索功能需要soprano的sesame后端的支持才行，所以正常运行Nepomuk需要安装好sesame2，经过一些测试，主要的步骤如下：

从soprano的ports的测试可知，soprano是内含sesame后端代码的，但在编译时，需要检测JNI，为了满足这个条件，需要安装JAVA SDK环境

安装javavmwrapper-2.3.2 ports
下载安装 diablo-jdk-freebsd7.i386.1.6.0.07.02.tbz，可从FreeBSD基金会网站下载，也可自行编译。

安装完成后设置 JAVA_HOME=/usr/local/Diablo-jdk1.6.0

然后重新安装soprano软件，查看 /usr/local/lib/soprano/目录下，已经有sesame后端了！

重新启动kde，Nepomuk已经可以正常启动，系统启动即建立指定目录的索引！