Analyseur lexical : Attributs

Remarque : les attributs contenant des valeurs de chaîne de caractères peuvent contenir plusieurs caractères. Chaque caractère de la chaîne sert de caractère distinct pour ce type d'attribut. Par exemple, si la chaîne *_.- est indiquée pour Printjoins, chaque caractère de la chaîne (astérisque, caractère souligné, point, tiret) est traité comme un caractère de liaison inclus dans l'entrée d'index pour le sème dans lequel le caractère est présent.

Remarque : consultez les rubriques consacrées aux attributs de l'analyseur lexical MULTI_LEXER (Langue NLS, Analyseur lexical propre à la langue, Autre valeur de langue) et à l'utilisation de l'analyseur lexical MULTI_LEXER.

Remarque : les erreurs de cohérence impliquant plusieurs attributs (par exemple, l'indication de NO pour index_text et index_themes) ne sont pas détectées lorsque vous définissez les valeurs d'attribut, mais uniquement lorsque vous utilisez l'analyseur lexical dans un index.

Alternate_Spelling : active la vérification orthographique dans la langue indiquée.
Valeur : GERMAN, DANISH, SWEDISH ou en blanc (valeur par défaut : autres orthographes activées dans les trois langues)

Base_Letter : indique si les caractères possédant des marques diacritiques (trémas, cédilles, accents aigus, etc.) sont convertis en leurs formes de base avant d'être enregistrés dans l'index de texte.
Valeur : YES ou NO (valeur par défaut : conversion en lettre de base désactivée)

Remarque : base_letter est toujours défini sur NO lorsque composite est défini sur GERMAN ou DUTCH.

Composite : indique la langue pour laquelle l'indexation de mots composites est activée.
Valeur : GERMAN, DUTCH ou en blanc (valeur par défaut : indexation des mots composites désactivée)

Remarque : mixed_case est toujours définie sur YES lorsque composite est défini sur GERMAN.

Continuation : caractères qui indiquent qu'un mot continue sur la ligne suivante et doit être indexé en tant qu'un seul sème. Les caractères de suite les plus communs sont le tiret (-) et la barre oblique inverse (\).
Valeur : chaîne de caractères

Endjoins : caractères qui, lorsqu'ils sont les derniers caractères dans un sème, identifient explicitement la fin du sème. Ce caractère, de même que tout autre caractère startjoins qui le suit immédiatement, est inclus dans l'entrée d'index d'Oracle interMedia Text pour le sème.
Valeur : chaîne de caractères

Les règles suivantes s'appliquent aux caractères startjoins et endjoins :

Index_Text : indique si les informations relatives au mot sont indexées. Les attributs index_themes et index_text ne peuvent pas être définis sur NO tous les deux.
Valeur : YES ou NO

index_themes : indique si les informations sur le thème sont indexées. (Les thèmes sont répertoriés dans la base de connaissances interMedia Text, décrite dans la documentation produit.) Lorsque vous activez les informations relatives au thème de l'index (option YES), l'opérateur ABOUT est activé pour les interrogations. Les attributs index_themes et index_text ne peuvent pas être paramétrés tous les deux sur NO.
Valeur : YES ou NO.

Mixed_Case : indique si l'analyseur lexical stocke les sèmes dans les entrées d'index de texte exactement tels qu'ils apparaissent dans le texte (YES) ou s'il convertit les sèmes en majuscules dans ces entrées (NO).
Valeur : YES ou NO (valeur par défaut : sèmes convertis en majuscules)

Remarque : Oracle interMedia Text s'assure que les interrogations de texte respectent l'activation ou la désactivation de la distinction des majuscules et des minuscules dans l'index interrogé. Ainsi, si vous activez la fonction de distinction des majuscules et des minuscules pour l'index de texte, les interrogations portant sur l'index distinguent toujours les majuscules des minuscules.

Remarque : mixed_case est toujours définie sur YES lorsque composite est défini sur GERMAN.

Newline : caractères qui indiquent la fin d'une ligne de texte. BASIC_LEXER utilise des caractères de retour à la ligne avec des signes de ponctuation et des espaces blancs pour identifier les chaînes de caractères qui servent de séparateurs de paragraphes pour la recherche de phrase/paragraphe.
Valeur : NEWLINE (\n) (valeur par défaut) ou CARRIAGE_RETURN (\r) (pour les retours chariot)

Numgroup : caractère unique qui, lorsqu'il apparaît dans une chaîne numérique, indique que les chiffres sont des regroupements à l'intérieur d'une unité unique plus grande. Par exemple, la virgule (,) peut être définie comme un caractère numgroup car elle indique souvent un regroupement de milliers lorsqu'elle apparaît dans une chaîne numérique (exemple : 25,350). (Voir aussi la remarque relative à Numjoin.)
Valeur : un caractère

Numjoin : caractères qui, lorsqu'ils apparaissent dans une chaîne numérique, font qu'Oracle interMedia Text indexe la chaîne numérique en tant qu'un seul mot ou unité. Par exemple, le point (.) peut être défini comme caractère numjoin car il sert souvent de séparateur décimal lorsqu'il apparaît dans une chaîne numérique (exemple : 99.375).
Valeur : chaîne de caractères

Remarque : les valeurs par défaut de numjoin et numgroup dépendent des paramètres d'initialisation NLS spécifiés pour la base de données. En général, il n'est pas nécessaire d'indiquer la valeur de numjoin ou numgroup lors de la création d'une préférence d'analyseur lexical pour l'objet BASIC_LEXER.

Printjoins : caractères non alphanumériques qui, lorsqu'ils apparaissent dans un mot (au début, au milieu ou à la fin), sont traités par Oracle interMedia Text comme des caractères alphanumériques et inclus avec le sème dans l'index du texte. Ce phénomène se produit également pour les caractères printjoins consécutifs. Par exemple, si le tiret (-) et le caractère souligné (_) sont définis comme des printjoins, les termes tels que pseudointellectuel et _fichier_ sont stockés dans l'index de texte de la façon suivante : pseudointellectuel et _fichier_.
Valeur : chaîne de caractères

Remarque : si un caractère printjoins est également défini comme signe de ponctuation, ce caractère n'est traité comme un caractère alphanumérique que si le caractère qui le suit immédiatement est un caractère alphanumérique standard, ou défini comme caractère printjoins ou skipjoins.

Remarque : les caractères printjoins et skipjoins s'excluent mutuellement. Les mêmes caractères ne peuvent pas être spécifiés pour les deux attributs.

Ponctuations : caractères non alphanumériques qui, lorsqu'ils apparaissent à la fin d'un mot, indiquent la fin d'une phrase. Les valeurs par défaut sont le point (.), le point d'interrogation (?) et le point d'exclamation (!). Les caractères définis comme des signes de ponctuation sont retirés d'un sème avant l'indexation de texte ; cependant, si un signe de ponctuation est également défini comme caractère printjoins, il n'est retiré que s'il est le dernier caractère dans le sème et qu'il est immédiatement précédé du même caractère.
Valeur : chaîne de caractères

Skipjoins : caractères non alphanumériques qui, lorsqu'ils apparaissent dans un mot, identifient le mot comme un seul sème ; cependant, ces caractères ne sont pas stockés avec le sème dans l'index de texte. Par exemple, si le tiret (-) est défini comme skipjoins, le mot pseudointellectuel est stocké dans l'index de texte sous la forme pseudointellectuel.
Valeur : chaîne de caractères

Remarque : les caractères printjoins et skipjoins s'excluent mutuellement. Les mêmes caractères ne peuvent pas être spécifiés pour les deux attributs.

Startjoins : caractères qui, lorsqu'ils sont les premiers caractères dans un sème, identifient explicitement le début du sème. Le premier caractère, de même que tout autre caractère startjoins qui le suit immédiatement, est inclus dans l'entrée d'index d'Oracle interMedia Text pour le sème. De plus, le premier caractère startjoins d'une chaîne de caractères startjoins marque implicitement la fin du sème précédent.
Valeur : chaîne de caractères

Les règles suivantes s'appliquent aux caractères startjoins et endjoins :

Theme_Language : langue utilisée pour l'indexation et la génération de thèmes. Le lexique et la base des connaissances en français sont disponibles dans la version 8.1.6. Vous pouvez désormais indexer et générer les thèmes des documents français. Par défaut, l'analyseur lexical de base choisit la base de connaissances à utiliser (en français ou en anglais) en fonction du paramètre NLS_LANG de la session. Toutefois, si ce paramètre ne correspond pas à vos documents (si, par exemple, vos documents sont en français alors que votre environnement de travail est en anglais), un lexique incorrect sera utilisé ou une erreur sera générée si l'environnement de travail n'est dans aucune des langues précitées. Par exemple, si vous attribuez la valeur FRENCH au paramètre Theme_Language, l'analyseur lexical générera des thèmes français, quel que soit l'environnement linguistique.
Les valeurs disponibles sont AUTO (valeur par défaut), ENGLISH ou FRENCH.

Whitespace : caractères traités comme des espaces blancs entre les sèmes. BASIC_LEXER utilise des espaces blancs avec des signes de ponctuation et des caractères de retour à la ligne pour identifier les chaînes de caractères qui servent de séparateurs de phrases pour la recherche de phrase/paragraphe. Les valeurs prédéfinies par défaut pour whitespace sont 'space' et 'tab' ; ces valeurs ne peuvent pas être modifiées. Les caractères spécifiés comme des espaces blancs s'ajoutent à ces valeurs par défaut.
Valeur : chaîne de caractères

Boutons (Appliquer, Rétablir, Afficher SQL/Masquer SQL)

Voir aussi : Rubriques principales (présentation)