传统的关系数据库采用关系模型作为数据的组织方式,其中的关系模型是以布尔逻辑和精确的数据工具为基础,不能表示模糊的、不确定性的信息。因此,当前的DBMS(数据库管理系统)只能解决精确的查询问题,对于以自然语言表述的模糊查询则很难处理。为了获取模糊查询的结果,通常有两种方法:一是建立模糊的数据库系统,事先存放的都是已经模糊化了的数据;二是基于模糊逻辑理论,以现有的关系数据库模型为基础,定义各种模糊运算,建立模糊数据上的函数。通过条件语句的转换对SOL查询语言进行模糊化扩展,使其能处理模糊的查询条件。这种方法相对比较简单,且与普通查询密切相关。文献[5]针对SQL语言的SELECT语句进行了模糊扩展,讨论了带权重的模糊查询,但其文中所引入的权重对于客观事物的复杂性和不确定性,以及人类思维的模糊性并未多加考虑,所给出的权重是用户任意指定的精确数值,不太符合现实情况。文字计算是智能信息处理方法中的一个重要研究方向,它主要处理基于感知的信息,以文字取代数值进行计算,模仿了人脑的思维过程。目前,文字计算理论和方法已广泛应用于知识表示、数据挖掘和知识获取等领域。本文结合文字计算的理论方法针对人事信息中的模糊查询实例,讨论了基于关系数据库的模糊查询方法及具体实现。在查询条件中,我们设置了权重,并分别讨论了权重为数值和语言值的情况下,模糊查询的实现;当权重为语言值时,结合语言聚合算子,将聚合的方法应用于权重的计算中,使查询结果对查询条件的匹配度的计算更为合理;并讨论了匹配度相同的结果排序的方法。本文的仿真实例说明了本文方法的有效性及潜在的应用价值。