專利名稱：索引裝置、索引方法、檢索裝置、檢索方法和檢索系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)技術(shù)領(lǐng)域，具體而言，涉及索引裝置、索引方法、檢索裝置、檢索方法和檢索系統(tǒng)。
背景技術(shù)：
搜索引擎已經(jīng)成為互聯(lián)網(wǎng)的主要入口，人們通過(guò)搜索引擎查詢和定位互聯(lián)網(wǎng)信息資源。主流的搜索弓I擎采用倒排索引技術(shù)，通過(guò)建立檢索關(guān)鍵詞到文檔之間的龐大倒排映射表，實(shí)現(xiàn)用戶檢索請(qǐng)求的快速檢索。系統(tǒng)工作邏輯主要包含四個(gè)主要步驟信息采集、信息預(yù)處理，信息索引、信息檢索。其中，信息預(yù)處理過(guò)程的重要工作是對(duì)文檔進(jìn)行基于語(yǔ)義或語(yǔ)法層面的分析，抽取出文檔中可供用戶查詢的關(guān)鍵詞，并計(jì)算和標(biāo)記關(guān)鍵詞在文檔中的位置、頻率、權(quán)重等相關(guān)信息，作為索引階段的輸入數(shù)據(jù)。對(duì)于英文類文檔而言，關(guān)鍵詞抽取模塊相對(duì)簡(jiǎn)單，可以直接利用空格作為關(guān)鍵詞分割標(biāo)記實(shí)現(xiàn)關(guān)鍵詞抽取。區(qū)別于英文文檔，中文文檔不包含明確的詞分割標(biāo)記符，通常需要采用基于統(tǒng)計(jì)或規(guī)則的專門(mén)分詞模塊進(jìn)行文檔分詞處理。文檔預(yù)處理階段獲得的關(guān)鍵詞包括中文詞、英文單詞、數(shù)字串、標(biāo)點(diǎn)符號(hào)等。電話號(hào)碼、身份證號(hào)等信息以數(shù)字串存在。搜索引擎幫助用戶在龐大的信息中快速找到自己想要的信息，之所以這樣快，是因?yàn)樗阉饕婢S護(hù)著一個(gè)大的索引。通常的索引是關(guān)鍵詞(通過(guò)文本分詞得到)到包含關(guān)鍵詞的文檔倒排鏈表結(jié)構(gòu)。無(wú)論用戶檢索的是單個(gè)關(guān)鍵詞還是由關(guān)鍵詞組合的長(zhǎng)串，都會(huì)被內(nèi)部的分詞模塊切分成倒排索引中已有的關(guān)鍵詞或者多個(gè)關(guān)鍵詞的組合，當(dāng)是多個(gè)關(guān)鍵詞的組合時(shí)，會(huì)在索引中找到這些關(guān)鍵詞倒排鏈表，然后進(jìn)行歸并操作。在倒排索引結(jié)構(gòu)中，不管是中文或者是英文，一般意義上的關(guān)鍵詞數(shù)量占有的空間相對(duì)于計(jì)算機(jī)的存儲(chǔ)器容量來(lái)說(shuō)都是可以接受的。在計(jì)算機(jī)的存儲(chǔ)容量上，磁盤(pán)的空間大小比內(nèi)存的空間大，但是在速度上，磁盤(pán)的讀取速度遠(yuǎn)小于內(nèi)存的讀取速度，為了快速的檢索，普遍采取的做法是將索引數(shù)據(jù)全部放到內(nèi)存中，或者是將部分索引數(shù)據(jù)放到內(nèi)存中?，F(xiàn)有技術(shù)方案中，一般索引系統(tǒng)的主索引和備用索引都是在內(nèi)存中，或者采用多級(jí)索引結(jié)構(gòu)，是在內(nèi)存索引中指定磁盤(pán)索引的位置。無(wú)論是前者還是后者，索引中的關(guān)鍵詞列表都是存儲(chǔ)在內(nèi)存中的，因?yàn)樗阉饕粋€(gè)關(guān)鍵詞的第一步是確定哪些文檔包含當(dāng)前關(guān)鍵詞，在倒排索引中，關(guān)鍵詞列表的變化相對(duì)于文檔來(lái)說(shuō)幾乎可以忽略不計(jì)，變化頻繁的是關(guān)鍵詞列表中每個(gè)關(guān)鍵詞指向的文檔信息。新添加一篇文檔，經(jīng)過(guò)搜索引擎的分詞模塊處理之后，在關(guān)鍵詞列表中都能找到文檔中包含的關(guān)鍵詞，然后依次在關(guān)鍵詞指向的文檔鏈表中添加新來(lái)的文檔信息。對(duì)于數(shù)字串信息，搜索引擎需要提供了很好的查詢支持，但因?yàn)閿?shù)字串的特殊性，給搜索引擎架構(gòu)設(shè)計(jì)增加了技術(shù)難度。因?yàn)閮?nèi)存空間的局限性，也就限制了內(nèi)存索引的大小。以目前的計(jì)算機(jī)硬件水平來(lái)看，一般類型的關(guān)鍵詞列表都可以放到內(nèi)存當(dāng)中，但對(duì)于數(shù)字串來(lái)說(shuō)，跟一般的串不一樣了，O到9的阿拉伯?dāng)?shù)字任何位、任何組合都可以當(dāng)作是有效的關(guān)鍵詞，都可以但鼓掌哦關(guān)鍵詞建索引，所以這類的關(guān)鍵詞個(gè)數(shù)是無(wú)窮的，搜索引擎索引的性能會(huì)受到很大的影響。以η位數(shù)字來(lái)說(shuō)，η位數(shù)字的組合是10的η次方，當(dāng)η是10的時(shí)候，有100億個(gè)數(shù)字串關(guān)鍵詞組合，目前的內(nèi)存空間遠(yuǎn)遠(yuǎn)不夠用。對(duì)于一般的數(shù)字串可以看成是非常見(jiàn)的，甚至常常是一個(gè)數(shù)字串只出現(xiàn)在特定的唯一的一片文檔當(dāng)中，如果按照傳統(tǒng)的索引方法，在倒排表中，當(dāng)前數(shù)字串只指向一篇文檔，空間利用率上將大大的下降。
如果將單個(gè)的阿拉伯?dāng)?shù)字0-9作為關(guān)鍵詞列表，關(guān)鍵詞列表減小到只有10個(gè)關(guān)鍵詞，每個(gè)關(guān)鍵詞指向的文檔鏈表將非常的大，大部分的用戶的檢索都是檢索特定的數(shù)字串組合，因此在檢索中的歸并過(guò)程計(jì)算量將非常大，大大降低了檢索的效率。因此，需要一種新的用數(shù)字串建立索引和進(jìn)行檢索的方法，使用戶可以在現(xiàn)有的計(jì)算機(jī)硬件條件下，利用文檔中的數(shù)字串建立索引和進(jìn)行檢索，同時(shí)減小索引數(shù)據(jù)所占內(nèi)存空間，并提聞檢索效率。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問(wèn)題在于，提供一種新的用數(shù)字串建立索引和進(jìn)行檢索的方法，使用戶可以在現(xiàn)有的計(jì)算機(jī)硬件條件下，利用文檔中的數(shù)字串建立索引和進(jìn)行檢索，同時(shí)減小索引數(shù)據(jù)所占內(nèi)存空間，并提聞檢索效率。有鑒于此，本發(fā)明提出了一種索引裝置，包括數(shù)字串切分模塊，對(duì)文檔中的數(shù)字串進(jìn)行切分；索引建立模塊，根據(jù)切分后得到的新數(shù)字串和所述文檔建立索引。在該技術(shù)方案中，提出對(duì)文檔中的數(shù)字串進(jìn)行切分，將切分后的新數(shù)字串作為關(guān)鍵詞建立索引，可以合理地控制索引結(jié)構(gòu)中的關(guān)鍵詞指向的文件鏈表的長(zhǎng)度，以及關(guān)鍵詞列表的長(zhǎng)度，即能夠控制數(shù)字串建立的索引大小在計(jì)算機(jī)內(nèi)存可接受的范圍內(nèi)，可以提高數(shù)字串檢索速度。在上述技術(shù)方案中，優(yōu)選地，還包括還包括固定長(zhǎng)度設(shè)置模塊，設(shè)置固定長(zhǎng)度；所述數(shù)字串切分模塊按所述固定長(zhǎng)度對(duì)所述字符串進(jìn)行切分。在該技術(shù)方案中，具體地，可以首先設(shè)置一個(gè)固定長(zhǎng)度，然后以此固定長(zhǎng)度對(duì)數(shù)字串進(jìn)行切分，如果原數(shù)字串長(zhǎng)度小于或等于固定長(zhǎng)度，則無(wú)需切分而將該數(shù)字串直接作為關(guān)鍵詞建立索引；如果原數(shù)字串長(zhǎng)度大于固定長(zhǎng)度，則對(duì)該數(shù)字串以一定方向如從左向右等進(jìn)行切分，并將切分后得到的新數(shù)字串作為關(guān)鍵詞建立索引；由于原數(shù)字串的長(zhǎng)度可能不是固定長(zhǎng)度的整數(shù)倍，因而切分后得到的最后一段數(shù)字串長(zhǎng)度可能小于固定長(zhǎng)度，但不影響建立相關(guān)索引。固定長(zhǎng)度影響切分出來(lái)的數(shù)字串，該數(shù)據(jù)串作為關(guān)鍵詞時(shí)，太短則導(dǎo)致關(guān)鍵詞指向的文件鏈表太長(zhǎng)，每一次查詢的計(jì)算量大，太長(zhǎng)會(huì)導(dǎo)致關(guān)鍵詞列表太長(zhǎng)，都會(huì)對(duì)計(jì)算機(jī)硬件資源造成一定壓力，因此需要設(shè)置較為合理的固定長(zhǎng)度。本發(fā)明還提出了一種索引方法，包括步驟202，數(shù)字串切分模塊對(duì)文檔中的數(shù)字串進(jìn)行切分；步驟204，索引建立模塊根據(jù)切分后得到的新數(shù)字串和所述文檔建立索引。在該技術(shù)方案中，提出對(duì)文檔中的數(shù)字串進(jìn)行切分，將切分后的新數(shù)字串作為關(guān)鍵詞建立索弓丨，可以合理地控制索引結(jié)構(gòu)中的關(guān)鍵詞指向的文件鏈表的長(zhǎng)度，以及關(guān)鍵詞列表的長(zhǎng)度，即能夠控制數(shù)字串建立的索引大小在計(jì)算機(jī)內(nèi)存可接受的范圍內(nèi)，可以提高數(shù)字串檢索速度。在上述技術(shù)方案中，優(yōu)選地，在所述步驟202之前，還包括固定長(zhǎng)度設(shè)置模塊設(shè)置固定長(zhǎng)度；所述步驟202具體包括所述數(shù)字串切分模塊按照所述固定長(zhǎng)度對(duì)所述數(shù)字串進(jìn)行切分。在該技術(shù)方案中，具體地，可以首先設(shè)置一個(gè)固定長(zhǎng)度，然后以此固定長(zhǎng)度對(duì)數(shù)字串進(jìn)行切分，如果原數(shù)字串長(zhǎng)度小于或等于固定長(zhǎng)度，則無(wú)需切分而將該數(shù)字串直接作為關(guān)鍵詞建立索引；如果原數(shù)字串長(zhǎng)度大于固定長(zhǎng)度，則對(duì)該數(shù)字串以一定方向如從左向右等進(jìn)行切分，并將切分后得到的新數(shù)字串作為關(guān)鍵詞建立索引；由于原數(shù)字串的長(zhǎng)度可能不是固定長(zhǎng)度的整數(shù)倍，因而切分后得到的最后一段數(shù)字串長(zhǎng)度可能小于固定長(zhǎng)度，但不影響建立相關(guān)索引。固定長(zhǎng)度影響切分出來(lái)的數(shù)字串，該數(shù)據(jù)串作為關(guān)鍵詞時(shí)，太短則導(dǎo)致關(guān)鍵詞指向的文件鏈表太長(zhǎng)，每一次查詢的計(jì)算量大，太長(zhǎng)會(huì)導(dǎo)致關(guān)鍵詞列表太長(zhǎng)，都會(huì)對(duì)計(jì)算機(jī)硬件資源造成一定壓力，因此需要設(shè)置較為合理的固定長(zhǎng)度。本發(fā)明還提出了一種檢索裝置，包括數(shù)字串切分模塊，對(duì)檢索串中的數(shù)字串進(jìn)行切分；檢索模塊，根據(jù)切分后得到的新數(shù)字串，在預(yù)建立的索引中進(jìn)行檢索。在該技術(shù)方案中，提出對(duì)檢索串的數(shù)字串進(jìn)行切分，將切分后的新數(shù)字串作為關(guān)鍵詞進(jìn)行檢索；而對(duì)于原檢索串中非數(shù)字串的部分，則依然按照傳統(tǒng)方式進(jìn)行檢索，最后將數(shù)字串關(guān)鍵詞和非數(shù)字串關(guān)鍵詞的檢索結(jié)果進(jìn)行相關(guān)性計(jì)算后，呈現(xiàn)給用戶。在上述技術(shù)方案中，優(yōu)選地，還包括如上述的索引裝置，以預(yù)建立所述索引。通過(guò)該技術(shù)方案，結(jié)合上述方案實(shí)現(xiàn)的索引，可以進(jìn)一步優(yōu)化檢索。在上述技術(shù)方案中，優(yōu)選地，所述數(shù)字串切分模塊還在所述新數(shù)字串的被切分處添加標(biāo)記；所述檢索模塊根據(jù)所述標(biāo)記，獲取所述新字符串，并統(tǒng)計(jì)所述新字符串在所述文檔中順序出現(xiàn)的次數(shù)，以用于為所述文檔計(jì)算相關(guān)性，并根據(jù)得到的相關(guān)性來(lái)選取作為檢索結(jié)果的文檔。通過(guò)該技術(shù)方案，可以整合切分出的數(shù)字串對(duì)應(yīng)的所有結(jié)果，有利于保證檢索的準(zhǔn)確性。本發(fā)明還提出了一種檢索方法，包括步驟402，數(shù)字串切分模塊對(duì)檢索串中的數(shù)字串進(jìn)行切分；步驟404，檢索模塊根據(jù)切分后得到的新數(shù)字串，在預(yù)建立的索引中進(jìn)行檢索。在該技術(shù)方案中，提出對(duì)檢索串的數(shù)字串進(jìn)行切分，將切分后的新數(shù)字串作為關(guān)鍵詞進(jìn)行檢索；而對(duì)于原檢索串中非數(shù)字串的部分，則依然按照傳統(tǒng)方式進(jìn)行檢索，最后將數(shù)字串關(guān)鍵詞和非數(shù)字串關(guān)鍵詞的檢索結(jié)果進(jìn)行相關(guān)性計(jì)算后，呈現(xiàn)給用戶。在上述技術(shù)方案中，優(yōu)選地，在所述步驟402之前，還包括通過(guò)如上述的索引方法，以預(yù)建立所述索引。通過(guò)該技術(shù)方案，結(jié)合上述方案實(shí)現(xiàn)的索引，可以進(jìn)一步優(yōu)化檢索。在上述技術(shù)方案中，優(yōu)選地，在所述步驟402中，還包括所述數(shù)字串切分模塊在所述新數(shù)字串的被切分處添加標(biāo)記；所述步驟404具體包括所述檢索模塊根據(jù)所述標(biāo)記，獲取所述新字符串，并統(tǒng)計(jì)所述新字符串在所述文檔中順序出現(xiàn)的次數(shù)，以用于為所述文檔計(jì)算相關(guān)性，并根據(jù)得到的相關(guān)性來(lái)選取作為檢索結(jié)果的文檔。通過(guò)該技術(shù)方案，可以整合切分出的數(shù)字串對(duì)應(yīng)的所有結(jié)果，有利于保證檢索的準(zhǔn)確性。本發(fā)明還提出了一種檢索系統(tǒng)，包括如上所述的索引裝置；如上所述的檢索裝置，所述檢索裝置使用其生成的數(shù)字串，所述檢索裝置使用其生成的新數(shù)字串，在所述索引裝置建立的索引中進(jìn)行檢索。在該技術(shù)方案中，索引裝置通過(guò)將文檔中的數(shù)字串按固定長(zhǎng)度切分，并將切分后得到的數(shù)字串作為關(guān)鍵詞建立索引；而檢索裝置通過(guò)將檢索串中的數(shù)字串按固定長(zhǎng)度切分，并將切分后得到的數(shù)字串作為關(guān)鍵詞進(jìn)行檢索，通過(guò)對(duì)數(shù)字串的這種切分處理，從而既控制了索引占用計(jì)算機(jī)內(nèi)存的大小，也能夠提高檢索結(jié)果相關(guān)性計(jì)算的速度，保證檢索效率。


圖1是根據(jù)本發(fā)明的一個(gè)實(shí)施例的索引裝置的框圖；圖2是根據(jù)本發(fā)明的一個(gè)實(shí)施例的索引方法的流程圖；圖3是根據(jù)本發(fā)明的一個(gè)實(shí)施例的檢索裝置的框圖；圖4是根據(jù)本發(fā)明的一個(gè)實(shí)施例的檢索方法的流程圖；圖5是根據(jù)本發(fā)明的一個(gè)實(shí)施例的檢索系統(tǒng)的框圖；圖6是搜索引擎使用的數(shù)據(jù)結(jié)構(gòu)的示意圖；圖7是根據(jù)本發(fā)明的一個(gè)實(shí)施例的索引方法中的數(shù)字串切分示意圖；圖8是根據(jù)本發(fā)明的一個(gè)實(shí)施例的索引方法生成的索引的示意圖；圖9是根據(jù)本發(fā)明的一個(gè)實(shí)施例的索引方法的流程示意圖；圖10是根據(jù)本發(fā)明的一個(gè)實(shí)施例的索引方法的流程示意圖；圖11是根據(jù)本發(fā)明的一個(gè)實(shí)施例的檢索方法的流程示意圖；圖12是根據(jù)本發(fā)明的一個(gè)實(shí)施例的檢索方法中的數(shù)字串切分流程圖；圖13是根據(jù)本發(fā)明的一個(gè)實(shí)施例的檢索方法的流程示意圖；圖14是根據(jù)本發(fā)明的一個(gè)實(shí)施例的檢索方法的流程示意圖。
具體實(shí)施例方式為了能夠更清楚地理解本發(fā)明的上述目的、特征和優(yōu)點(diǎn)，下面結(jié)合附圖和具體實(shí)施方式
對(duì)本發(fā)明進(jìn)行進(jìn)一步的詳細(xì)描述。在下面的描述中闡述了很多具體細(xì)節(jié)以便于充分理解本發(fā)明，但是，本發(fā)明還可以采用其他不同于在此描述的其他方式來(lái)實(shí)施，因此，本發(fā)明并不限于下面公開(kāi)的具體實(shí)施例的限制。圖1是根據(jù)本發(fā)明的一個(gè)實(shí)施例的索引裝置的框圖。如圖1所示，本發(fā)明提出了一種索引裝置100，包括數(shù)字串切分模塊102，對(duì)文檔中的數(shù)字串進(jìn)行切分；索引建立模塊104，根據(jù)切分后得到的新數(shù)字串和所述文檔建立索弓丨。在該技術(shù)方案中，提出對(duì)文檔中的數(shù)字串進(jìn)行切分，將切分后的新數(shù)字串作為關(guān)鍵詞建立索引，可以合理地控制索引結(jié)構(gòu)中的關(guān)鍵詞指向的文件鏈表的長(zhǎng)度，以及關(guān)鍵詞列表的長(zhǎng)度，即能夠控制數(shù)字串建立的索引大小在計(jì)算機(jī)內(nèi)存可接受的范圍內(nèi)，可以提高數(shù)字串檢索速度。在上述技術(shù)方案中，還包括還包括固定長(zhǎng)度設(shè)置模塊106，設(shè)置固定長(zhǎng)度；所述數(shù)字串切分模塊102按所述固定長(zhǎng)度對(duì)所述字符串進(jìn)行切分。在該技術(shù)方案中，具體地，可以首先設(shè)置一個(gè)固定長(zhǎng)度，然后以此固定長(zhǎng)度對(duì)數(shù)字串進(jìn)行切分，如果原數(shù)字串長(zhǎng)度小于或等于固定長(zhǎng)度，則無(wú)需切分而將該數(shù)字串直接作為關(guān)鍵詞建立索引；如果原數(shù)字串長(zhǎng)度大于固定長(zhǎng)度，則對(duì)該數(shù)字串以一定方向如從左向右等進(jìn)行切分，并將切分后得到的新數(shù)字串作為關(guān)鍵詞建立索引；由于原數(shù)字串的長(zhǎng)度可能不是固定長(zhǎng)度的整數(shù)倍，因而切分后得到的最后一段數(shù)字串長(zhǎng)度可能小于固定長(zhǎng)度，但不影響建立相關(guān)索引。固定長(zhǎng)度影響切分出來(lái)的數(shù)字串，該數(shù)據(jù)串作為關(guān)鍵詞時(shí)，太短則導(dǎo)致關(guān)鍵詞指向的文件鏈表太長(zhǎng)，每一次查詢的計(jì)算量大，太長(zhǎng)會(huì)導(dǎo)致關(guān)鍵詞列表太長(zhǎng)，都會(huì)對(duì)計(jì)算機(jī)硬件資源造成一定壓力，因此需要設(shè)置較為合理的固定長(zhǎng)度。圖2是根據(jù)本發(fā)明的一個(gè)實(shí)施例的索引方法的流程圖。如圖2所示，本發(fā)明還提出了一種索引方法，包括步驟202，數(shù)字串切分模塊對(duì)文檔中的數(shù)字串進(jìn)行切分；步驟204，索引建立模塊根據(jù)切分后得到的新數(shù)字串和所述文檔建立索引。在該技術(shù)方案中，提出對(duì)文檔中的數(shù)字串進(jìn)行切分，將切分后的新數(shù)字串作為關(guān)鍵詞建立索引，可以合理地控制索引結(jié)構(gòu)中的關(guān)鍵詞指向的文件鏈表的長(zhǎng)度，以及關(guān)鍵詞列表的長(zhǎng)度，即能夠控制數(shù)字串建立的索引大小在計(jì)算機(jī)內(nèi)存可接受的范圍內(nèi)，可以提高數(shù)字串檢索速度。在上述技術(shù)方案中，在所述步驟202之前，還包括固定長(zhǎng)度設(shè)置模塊設(shè)置固定長(zhǎng)度；所述步驟202具體包括所述數(shù)字串切分模塊按照所述固定長(zhǎng)度對(duì)所述數(shù)字串進(jìn)行切分。在該技術(shù)方案中，具體地，可以首先設(shè)置一個(gè)固定長(zhǎng)度，然后以此固定長(zhǎng)度對(duì)數(shù)字串進(jìn)行切分，如果原數(shù)字串長(zhǎng)度小于或等于固定長(zhǎng)度，則無(wú)需切分而將該數(shù)字串直接作為關(guān)鍵詞建立索引；如果原數(shù)字串長(zhǎng)度大于固定長(zhǎng)度，則對(duì)該數(shù)字串以一定方向如從左向右等進(jìn)行切分，并將切分后得到的新數(shù)字串作為關(guān)鍵詞建立索引；由于原數(shù)字串的長(zhǎng)度可能不是固定長(zhǎng)度的整數(shù)倍，因而切分后得到的最后一段數(shù)字串長(zhǎng)度可能小于固定長(zhǎng)度，但不影響建立相關(guān)索引。固定長(zhǎng)度影響切分出來(lái)的數(shù)字串，該數(shù)據(jù)串作為關(guān)鍵詞時(shí)，太短則導(dǎo)致關(guān)鍵詞指向的文件鏈表太長(zhǎng)，每一次查詢的計(jì)算量大，太長(zhǎng)會(huì)導(dǎo)致關(guān)鍵詞列表太長(zhǎng)，都會(huì)對(duì)計(jì)算機(jī)硬件資源造成一定壓力，因此需要設(shè)置較為合理的固定長(zhǎng)度。圖3是根據(jù)本發(fā)明的一個(gè)實(shí)施例的檢索裝置的框圖。如圖3所示，本發(fā)明還提出了一種檢索裝置300，包括數(shù)字串切分模塊302，對(duì)檢索串中的數(shù)字串進(jìn)行切分；檢索模塊304，根據(jù)切分后得到的新數(shù)字串，在預(yù)建立的索引中進(jìn)行檢索。在該技術(shù)方案中，提出對(duì)檢索串的數(shù)字串進(jìn)行切分，將切分后的新數(shù)字串作為關(guān)鍵詞進(jìn)行檢索；而對(duì)于原檢索串中非數(shù)字串的部分，則依然按照傳統(tǒng)方式進(jìn)行檢索，最后將數(shù)字串關(guān)鍵詞和非數(shù)字串關(guān)鍵詞的檢索結(jié)果進(jìn)行相關(guān)性計(jì)算后，呈現(xiàn)給用戶。在上述技術(shù)方案中，還包括如上述的索引裝置100，以預(yù)建立所述索引。通過(guò)該技術(shù)方案，結(jié)合上述方案實(shí)現(xiàn)的索引，可以進(jìn)一步優(yōu)化檢索。在上述技術(shù)方案中，所述數(shù)字串切分模塊302還在所述新數(shù)字串的被切分處添加標(biāo)記；所述檢索模塊304根據(jù)所述標(biāo)記，獲取所述新字符串，并統(tǒng)計(jì)所述新字符串在所述文檔中順序出現(xiàn)的次數(shù)，以用于為所述文檔計(jì)算相關(guān)性，并根據(jù)得到的相關(guān)性來(lái)選取作為檢索結(jié)果的文檔。通過(guò)該技術(shù)方案，可以整合切分出的數(shù)字串對(duì)應(yīng)的所有結(jié)果，有利于保證檢索的準(zhǔn)確性。圖4是根據(jù)本發(fā)明的一個(gè)實(shí)施例的檢索方法的流程圖。如圖4所示，本發(fā)明還提出了一種檢索方法，包括步驟402，數(shù)字串切分模塊對(duì)檢索串中的數(shù)字串進(jìn)行切分；步驟404，檢索模塊根據(jù)切分后得到的新數(shù)字串，在預(yù)建立的索引中進(jìn)行檢索。在該技術(shù)方案中，提出對(duì)檢索串的數(shù)字串進(jìn)行切分，將切分后的新數(shù)字串作為關(guān)鍵詞進(jìn)行檢索；而對(duì)于原檢索串中非數(shù)字串的部分，則依然按照傳統(tǒng)方式進(jìn)行檢索，最后將數(shù)字串關(guān)鍵詞和非數(shù)字串關(guān)鍵詞的檢索結(jié)果進(jìn)行相關(guān)性計(jì)算后，呈現(xiàn)給用戶。在上述技術(shù)方案中，在所述步驟402之前，還包括通過(guò)如上述的索引方法，以預(yù)建立所述索引。通過(guò)該技術(shù)方案，結(jié)合上述方案實(shí)現(xiàn)的索引，可以進(jìn)一步優(yōu)化檢索。
在上述技術(shù)方案中，在所述步驟402中，還包括所述數(shù)字串切分模塊在所述新數(shù)字串的被切分處添加標(biāo)記；所述步驟404具體包括所述檢索模塊根據(jù)所述標(biāo)記，獲取所述新字符串，并統(tǒng)計(jì)所述新字符串在所述文檔中順序出現(xiàn)的次數(shù)，以用于為所述文檔計(jì)算相關(guān)性，并根據(jù)得到的相關(guān)性來(lái)選取作為檢索結(jié)果的文檔。通過(guò)該技術(shù)方案，可以整合切分出的數(shù)字串對(duì)應(yīng)的所有結(jié)果，有利于保證檢索的準(zhǔn)確性。圖5是根據(jù)本發(fā)明的一個(gè)實(shí)施例的檢索系統(tǒng)的框圖。如圖5所示，本發(fā)明還提出了一種檢索系統(tǒng)，包括如上所述的索引裝置；如上所述的檢索裝置，所述檢索裝置使用其生成的數(shù)字串，所述檢索裝置使用其生成的新數(shù)字串，在所述索引裝置建立的索引中進(jìn)行檢索。在該技術(shù)方案中，索引裝置通過(guò)將文檔中的數(shù)字串按固定長(zhǎng)度切分，并將切分后得到的數(shù)字串作為關(guān)鍵詞建立索引；而檢索裝置通過(guò)將檢索串中的數(shù)字串按固定長(zhǎng)度切分，并將切分后得到的數(shù)字串作為關(guān)鍵詞進(jìn)行檢索，通過(guò)對(duì)數(shù)字串的這種切分處理，從而既控制了索引占用計(jì)算機(jī)內(nèi)存的大小，也能夠提高檢索結(jié)果相關(guān)性計(jì)算的速度，保證檢索效率。以下詳細(xì)說(shuō)明本發(fā)明的技術(shù)方案。主流的搜索引擎主要依賴于詞典文件、倒排列表文件、位置列表文件等三個(gè)數(shù)據(jù)結(jié)構(gòu)實(shí)施檢索操作邏輯，如圖6所示。其中，詞典文件記錄詞和詞的倒排文檔列表在倒排列表文件中的偏移信息。倒排列表文件記錄了所有詞的倒排文檔列表數(shù)據(jù)。位置列表文件記錄所有詞的在文檔中出現(xiàn)的位置信息?；诓樵冃士紤]，運(yùn)行態(tài)的搜索引擎優(yōu)先將詞典文件導(dǎo)入內(nèi)存，以便快速查詢定位，倒排列表文件和位置文件的訪問(wèn)采用直接磁盤(pán)操作。在信息索引階段，數(shù)字串信息被采用與中文詞、英文單詞相同的處理方式建立索弓I。但數(shù)字串關(guān)鍵詞與人們正常使用的語(yǔ)言詞匯不同，不具有強(qiáng)烈的分布區(qū)間規(guī)律。海量的互聯(lián)網(wǎng)文檔中出現(xiàn)的數(shù)字串?dāng)?shù)量巨大。例如，目前使用的身份證號(hào)具有18位，每一個(gè)身份證號(hào)數(shù)字串都有可能出現(xiàn)在網(wǎng)絡(luò)文檔中。索引過(guò)程中，這些數(shù)字串關(guān)鍵詞的加入致使詞典文件空間極度膨脹，浪費(fèi)了寶貴的服務(wù)器內(nèi)存資源。一些應(yīng)用場(chǎng)景下，搜索引擎服務(wù)器無(wú)法一次性載入詞典文件到內(nèi)存中，轉(zhuǎn)而采用多級(jí)索引的方式保存詞典文件，嚴(yán)重惡化了檢索效率。同時(shí)，倒排列表文件和位置列表文件都引入了差值壓縮算法對(duì)倒排記錄中的文檔編號(hào)、位置信息等數(shù)據(jù)進(jìn)行壓縮，由于絕大多數(shù)的數(shù)字串使用頻率較低，甚至是僅出現(xiàn)在單篇文檔中，使得壓縮算法的實(shí)際效果不佳，索引壓縮比大幅下降，磁盤(pán)空間浪費(fèi)嚴(yán)重。本發(fā)明的實(shí)施例，針對(duì)背景技術(shù)在數(shù)字串處理上的缺陷，采用對(duì)數(shù)字串按固定長(zhǎng)度切割的方法進(jìn)行索引。如圖7所示，對(duì)數(shù)字串&1&2&3&4&5吣&11，11個(gè)數(shù)字字符組成的原始串，以固定長(zhǎng)度k為切割長(zhǎng)度，將原始串切分為m+1個(gè)數(shù)字串組合，在m+1個(gè)數(shù)字串組合中，其中前m個(gè)數(shù)字串為等長(zhǎng)的數(shù)字串，數(shù)字串長(zhǎng)度為k,第m+1個(gè)數(shù)字串長(zhǎng)度小于等于k,因?yàn)椴荒鼙ＷC原始串的長(zhǎng)度恰好等于k的倍數(shù)，所以從原始串的最左邊開(kāi)始切割，剩余部分保留在最右邊。如果原始串的長(zhǎng)度小于固定長(zhǎng)度k，就以原始串本身為關(guān)鍵詞，不做切割。

在索引中，一個(gè)關(guān)鍵詞占一個(gè)槽，當(dāng)新添加一個(gè)關(guān)鍵詞，槽就相應(yīng)的增加一個(gè)，數(shù)字串關(guān)鍵詞索引也同樣需要占槽，采用固定長(zhǎng)度k做固定切割之后，將一個(gè)長(zhǎng)數(shù)字串分成固定在多個(gè)固定長(zhǎng)度數(shù)字串，切分后的每一個(gè)數(shù)字串的范圍在“O”- “9999…”k個(gè)9之間，數(shù)字串所占用的槽的個(gè)數(shù)的極限值就是10的k次方+10的k-Ι次方+…+10的I次方個(gè)。也就是說(shuō)k值越大，關(guān)鍵詞槽數(shù)越大。如圖8所示，k值越大索引倒排鏈表縱向高度越長(zhǎng)，需要的占位槽越多，橫向長(zhǎng)度越短，因?yàn)榍蟹稚?，文檔關(guān)鍵詞信息就少，相反，k值越小縱向高度越短，橫向長(zhǎng)度越長(zhǎng)。但是k值引起倒排鏈表縱向高度與橫向長(zhǎng)度變化的幅度有很大的差別。K值每增大1，鏈表縱向高度的極限值增加原來(lái)的10倍多，橫向長(zhǎng)度隨縮短為原來(lái)的((x/k+l)/(x/k)) = k/ (k+1)倍。所以k值特別大時(shí),索引倒排鏈表的高度增大,計(jì)算機(jī)的內(nèi)存滿足不了，k值特別小時(shí)，索引倒排鏈表的橫向長(zhǎng)度將會(huì)增加，檢索一次的計(jì)算量將會(huì)增加。因此k值的大小要根據(jù)機(jī)器硬件大小以及原始數(shù)據(jù)中數(shù)據(jù)串的大小來(lái)定。采用固定長(zhǎng)度的數(shù)字串做關(guān)鍵詞索引，創(chuàng)建索引時(shí)，與傳統(tǒng)創(chuàng)建索引不一樣的地方是需要對(duì)文檔中的數(shù)字信息做特殊處理，當(dāng)數(shù)字串長(zhǎng)度不滿足固定長(zhǎng)度時(shí)，不切分，數(shù)字串超出固定長(zhǎng)度時(shí)已固定長(zhǎng)度切分?jǐn)?shù)字串。數(shù)字串建立索引過(guò)程如圖9，過(guò)程如下步驟902，對(duì)新文檔做分詞處理，此時(shí)文檔中的數(shù)字串與非數(shù)字串將被區(qū)分開(kāi)來(lái)，連在一起的數(shù)字當(dāng)成是一個(gè)數(shù)字串。步驟904，統(tǒng)計(jì)分詞后的文檔信息，統(tǒng)計(jì)每個(gè)詞的詞頻，位置等信息，為檢索相關(guān)性計(jì)算提供相應(yīng)的數(shù)據(jù)，這些信息與文檔id都會(huì)記錄在倒排索引中。步驟906，判斷是否有數(shù)字串，有數(shù)字串，進(jìn)入步驟908，否則，進(jìn)入步驟910。步驟908，在已有的統(tǒng)計(jì)信息基礎(chǔ)上做下面的操作(I)當(dāng)數(shù)字串長(zhǎng)度小于固定長(zhǎng)度時(shí)，不做數(shù)字串切分，按原長(zhǎng)度處理。

(2)當(dāng)數(shù)字串長(zhǎng)度大于固定長(zhǎng)度是時(shí)，按照固定長(zhǎng)度切分成多個(gè)數(shù)字串，切分好的數(shù)字串，統(tǒng)計(jì)切分后數(shù)字串信息。步驟910，修改索引鏈表，如圖10所示步驟1002，獲取切分后的數(shù)字串；步驟1004，查找索引，判斷其中是否當(dāng)前的數(shù)字串，如果倒排索引中已有新文檔統(tǒng)計(jì)出的關(guān)鍵詞，進(jìn)入步驟1008，如果倒排索引中沒(méi)有新文檔統(tǒng)計(jì)出的關(guān)鍵詞，進(jìn)入步驟1006。步驟1006，倒排索引中添加關(guān)鍵詞，并在此關(guān)鍵詞指向的文檔信息鏈表中添加文
檔信息。步驟1008，在已有的關(guān)鍵詞指向的文檔信息鏈表末尾添加文檔信息。直至添加索引結(jié)束。采用固定長(zhǎng)度的數(shù)字串做關(guān)鍵詞索引，搜索信息時(shí)與創(chuàng)建索引時(shí)有一些不同，需要考慮獨(dú)立數(shù)字串與非獨(dú)立數(shù)字串的區(qū)別。在查詢數(shù)字串時(shí)需要去索引中進(jìn)行關(guān)鍵詞匹配，取出關(guān)鍵詞指向的文本鏈表，歸并多個(gè)或者一個(gè)文檔鏈表的信息，計(jì)算文檔相關(guān)性。查詢數(shù)字串“ala2a3…an”，首先根據(jù)切割方法對(duì)數(shù)字串按固定長(zhǎng)度切分，如果η小于k的時(shí)候，用于檢索的關(guān)鍵詞就是數(shù)字串本身，如果η大于k，數(shù)字串就會(huì)被切分成固定塊大小。在索引中，數(shù)字串關(guān)鍵詞之間沒(méi)有直接聯(lián)系，也就是說(shuō)索引不知道當(dāng)前要查詢的關(guān)鍵詞是一個(gè)長(zhǎng)數(shù)字串的切分后的一個(gè)固定長(zhǎng)度串還是本身就是一個(gè)獨(dú)立的數(shù)字串，也就是說(shuō)查詢關(guān)鍵詞“ala2…ak”可能是查詢數(shù)字串“ala2…an”切分后的一個(gè)子關(guān)鍵詞串，也可能就是查詢串“ala2…ak”本身。這就需要我們?cè)谒饕樵兺鈬鷮?duì)這兩種狀態(tài)進(jìn)行區(qū)分，對(duì)切分后的關(guān)鍵詞打一個(gè)標(biāo)記，此類標(biāo)記一般采用特殊字符做前綴或者后綴與切分后的數(shù)字串相連組成，在數(shù)字串查詢關(guān)鍵詞中如果出現(xiàn)特殊字符如綴或者后綴，表不此數(shù)字串關(guān)鍵詞是一個(gè)長(zhǎng)數(shù)字串的一部分，反之就是獨(dú)立串。數(shù)字串索引查詢過(guò)程如圖11所示，過(guò)程如下
步驟1102，切分查詢數(shù)字串。步驟1104，查詢數(shù)字串長(zhǎng)度是否超過(guò)固定長(zhǎng)度，在超過(guò)固定長(zhǎng)度時(shí)，進(jìn)入步驟1106，沒(méi)有超過(guò)固定長(zhǎng)度時(shí)，進(jìn)入步驟1108。步驟1106，對(duì)其切割后的數(shù)字關(guān)鍵詞加前綴或者后綴。步驟1108，查詢索引庫(kù)，對(duì)有前綴或者后綴的數(shù)字串，歸并各自的索引結(jié)果，由索引文檔信息計(jì)算相關(guān)性，對(duì)沒(méi)有前綴或者后綴的數(shù)字串，只計(jì)算其本身指向的文檔鏈表相關(guān)性，不做歸并操作。步驟1110，查詢結(jié)束，根據(jù)相關(guān)性大小輸出結(jié)果。上述切分步驟的詳細(xì)過(guò)程，可以如圖12所示步驟1202，如果原始數(shù)字串長(zhǎng)度超過(guò)固定長(zhǎng)度，對(duì)查詢數(shù)字串按固定長(zhǎng)度做切分。切分時(shí)從左向右開(kāi)始，切割k個(gè)數(shù)字字符為一個(gè)新串。步驟1204，判斷剩余原始串長(zhǎng)度是否大于固定長(zhǎng)度，當(dāng)剩余數(shù)字串長(zhǎng)度大于固定串時(shí)，返回步驟1202，循環(huán)處理剩余的數(shù)字串，當(dāng)剩余數(shù)字串長(zhǎng)度小于等于固定串時(shí)，切分結(jié)束。本發(fā)明的實(shí)施例，針對(duì)背景技術(shù)在數(shù)字串上的缺陷，采用對(duì)數(shù)字串按固定長(zhǎng)度切割的方法進(jìn)行索引。對(duì)于每個(gè)數(shù)字串，總體處理流程如圖13所示步驟1302，判斷是否有需要進(jìn)行索引的文檔。步驟1304，讀取待索引的文檔。步驟1306，對(duì)文檔進(jìn)行分詞和位置標(biāo)記。步驟1308，進(jìn)行數(shù)字串的拆分處理。步驟1310，將生成的索引添加到索引庫(kù)。具體處理流程如圖14所示步驟1402，依次從文檔中讀取關(guān)鍵詞。步驟1404，判斷是否還有詞剩余，是則進(jìn)入步驟1406，否則結(jié)束操作。步驟1406，判斷該詞是否為數(shù)字串，是則進(jìn)入步驟1408，否則返回步驟1404。步驟1408，假設(shè)數(shù)字串原始長(zhǎng)度為L(zhǎng)，系統(tǒng)預(yù)設(shè)的拆分長(zhǎng)度閾值為K，當(dāng)前數(shù)字串在文檔中的偏移位置為P，設(shè)i = O。步驟1410，判斷數(shù)字串長(zhǎng)度L是否超過(guò)設(shè)定的拆分長(zhǎng)度閾值K，如果不超過(guò)，則返回步驟1404，否則，進(jìn)入步驟1412。步驟1412，判斷i+K是否大于串長(zhǎng)度L，如果是，進(jìn)行步驟1414，否則進(jìn)入步驟1424。步驟1414，截取數(shù)字串(i，i+K)之間的數(shù)字組成生成新詞。步驟1416，判斷i是否為0，是則進(jìn)入步驟1418，否則進(jìn)入步驟1420。步驟1418,在新詞的尾部添加數(shù)字串拆分標(biāo)記符,記錄位置為P,輸出。步驟1420,在新詞的頭、尾部都添加數(shù)字拆分串標(biāo)記符,記錄位置為P,輸出。步驟1422，位置P加1，i加上K，并返回步驟1412。步驟1424，截取數(shù)字串(i，L)之間的數(shù)字組成生成新詞。步驟1426,如果i = O,則在新詞的頭部添加數(shù)字串拆分標(biāo)記符,記錄位置為p,輸出。
步驟1428，位置P加I，返回步驟1404。假設(shè)數(shù)字拆分長(zhǎng)度閾值為5，拆分串標(biāo)記符為“#”。例如，對(duì)于文檔“我的電話號(hào)碼是82288228”，進(jìn)行切詞、詞位置標(biāo)記處理后，正排索引為(我，1)/(的，2)/(電話，3)/(號(hào)碼，4)/(是，5)/(82288228，6)數(shù)字串拆分處理后，正排索引為(我，1)/(的，2)/(電話，3)/(號(hào)碼，4)/(是，5)/(82288#，6)/(#228，7)針對(duì)輸出結(jié)果，索引流程建立基于位置的倒排文件索引。檢索階段，對(duì)用戶請(qǐng)求串的預(yù)處理采用相同的策略，請(qǐng)求串中包含的數(shù)字串被處理成相應(yīng)的數(shù)字拆分串，并生成精確串檢索子句,完成用戶請(qǐng)求的檢索。例如,對(duì)于用戶查詢“電話號(hào)碼82288228”，檢索串預(yù)處理成(電話，I)/(號(hào)碼，2)/(82288228，3)數(shù)字串拆分處理后結(jié)果如下(電話，I)/(號(hào)碼，2)/(82288#，3)/(#228，4)對(duì)“(82288#，3)/(#228，3) ”生成精確串子查詢，與其他檢索項(xiàng)按照正常處理邏輯完成檢索。數(shù)字串拆分符號(hào)可以是任意一個(gè)不參與索引和檢索的符號(hào)。本系統(tǒng)為了表述方便，選取“#”作為數(shù)字串拆分符號(hào)。由于數(shù)字串拆分符號(hào)不參與索引和檢索，因此信息預(yù)處理生成的正常關(guān)鍵詞集合中不會(huì)包含數(shù)字拆分串，不會(huì)產(chǎn)生檢索階段的沖突。對(duì)于數(shù)字串拆分后獲得的子串，首尾子串的拆分標(biāo)記符號(hào)添加方式有所不同。主要目的是為了標(biāo)記出非規(guī)則詞的首尾邊界，避免檢索時(shí)出現(xiàn)部分匹配被判定為完整匹配的現(xiàn)象。數(shù)字串拆分長(zhǎng)度閾值的設(shè)定，決定了詞典文件中最大包含數(shù)字串關(guān)鍵詞的個(gè)數(shù)。例如，設(shè)定k = 4時(shí)，詞典文件將僅需提供10000個(gè)關(guān)鍵詞空間，即可支持任意數(shù)字串的查詢。由此可見(jiàn)，k值越小，詞典文件的規(guī)模越小，所占用的內(nèi)存空間越小。拆分長(zhǎng)度閾值選擇還需要兼顧數(shù)字串的查詢效率，例如，設(shè)定K = 4時(shí)，18位的身份證號(hào)被拆分成5個(gè)詞，檢索過(guò)程需要對(duì)拆分后的5個(gè)詞進(jìn)行精確串查詢。由此可見(jiàn)k值越小，檢索過(guò)程中涉及的詞越多，檢索運(yùn)算量越大。通過(guò)分析文檔集中數(shù)字串的分布特征，以及查詢?nèi)罩局袛?shù)字串查詢的分布特征，可以獲得較為合理的閾值。在我們的系統(tǒng)中，用戶提交的數(shù)字串查詢主要涉及10位的QQ號(hào)和8位電話號(hào)碼，綜合考慮上述二方面因素，選擇K = 5獲得很好的運(yùn)行效果(二類主要的查詢都僅進(jìn)行兩詞的精確串檢索)。綜上所述，根據(jù)本發(fā)明的技術(shù)方案，可以實(shí)現(xiàn)索引裝置、索引方法、檢索裝置、檢索方法和檢索系統(tǒng)，在搜索引擎信息預(yù)處理階段引入了對(duì)數(shù)字串拆分處理，可以將數(shù)字按照一定的閾值拆分成固定長(zhǎng)度的子串建立索引，檢索階段將拆分后的數(shù)字子串進(jìn)行精確串檢索，從而實(shí)現(xiàn)數(shù)字串的檢索。本發(fā)明的技術(shù)方案大大減少索引字典中數(shù)字串關(guān)鍵詞占用的空間，同時(shí)提聞了數(shù)字串關(guān)鍵詞在文檔集中的出現(xiàn)頻率，有利于提聞倒排文檔列表的壓縮效果。數(shù)字串拆分索引策略保證了搜索引擎的核心數(shù)據(jù)結(jié)構(gòu)“索引詞典文件”的大小不隨文檔集合的膨脹而線性增長(zhǎng)，使詞典文件在運(yùn)行狀態(tài)全部存儲(chǔ)在內(nèi)存中，在不降低檢索的準(zhǔn)確性的如提下，大大提聞檢索效率。以上所述僅為本發(fā)明的優(yōu)選實(shí)施例而已，并不用于限制本發(fā)明，對(duì)于本領(lǐng)域的技術(shù)人員來(lái)說(shuō)，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
權(quán)利要求
1.一種索引裝置，其特征在于，包括 數(shù)字串切分模塊，對(duì)文檔中的數(shù)字串進(jìn)行切分； 索引建立模塊，根據(jù)切分后得到的新數(shù)字串和所述文檔建立索引。
2.根據(jù)權(quán)利要求1所述的索引裝置，其特征在于，還包括 固定長(zhǎng)度設(shè)置模塊，設(shè)置固定長(zhǎng)度； 所述數(shù)字串切分模塊按所述固定長(zhǎng)度對(duì)所述字符串進(jìn)行切分。
3.一種索引方法，其特征在于，包括 步驟202，數(shù)字串切分模塊對(duì)文檔中的數(shù)字串進(jìn)行切分； 步驟204，索引建立模塊根據(jù)切分后得到的新數(shù)字串和所述文檔建立索引。
4.根據(jù)權(quán)利要求3所述的索引方法，其特征在于，在所述步驟202之前，還包括固定長(zhǎng)度設(shè)置模塊設(shè)置固定長(zhǎng)度； 所述步驟202具體包括所述數(shù)字串切分模塊按照所述固定長(zhǎng)度對(duì)所述數(shù)字串進(jìn)行切分。
5.一種檢索裝置，其特征在于，包括 數(shù)字串切分模塊，對(duì)檢索串中的數(shù)字串進(jìn)行切分； 檢索模塊，根據(jù)切分后得到的新數(shù)字串，在預(yù)建立的索引中進(jìn)行檢索。
6.根據(jù)權(quán)利要求5所述的檢索裝置，其特征在于，還包括 如權(quán)利要求1或2所述的索引裝置，以預(yù)建立所述索引。
7.根據(jù)權(quán)利要求6所述的檢索裝置，其特征在于，所述數(shù)字串切分模塊還在所述新數(shù)字串的被切分處添加標(biāo)記； 所述檢索模塊根據(jù)所述標(biāo)記，獲取所述新字符串，并統(tǒng)計(jì)所述新字符串在所述文檔中順序出現(xiàn)的次數(shù)，以用于為所述文檔計(jì)算相關(guān)性，并根據(jù)得到的相關(guān)性來(lái)選取作為檢索結(jié)果的文檔。
8.一種檢索方法，其特征在于，包括 步驟402，數(shù)字串切分模塊對(duì)檢索串中的數(shù)字串進(jìn)行切分； 步驟404，檢索模塊根據(jù)切分后得到的新數(shù)字串，在預(yù)建立的索引中進(jìn)行檢索。
9.根據(jù)權(quán)利要求8所述的檢索方法，其特征在于，在所述步驟402之前，還包括 通過(guò)如權(quán)利要求3或4所述的索引方法，以預(yù)建立所述索引。
10.根據(jù)權(quán)利要求9所述的檢索方法，其特征在于，在所述步驟402中，還包括所述數(shù)字串切分模塊在所述新數(shù)字串的被切分處添加標(biāo)記； 所述步驟404具體包括所述檢索模塊根據(jù)所述標(biāo)記，獲取所述新字符串，并統(tǒng)計(jì)所述新字符串在所述文檔中順序出現(xiàn)的次數(shù)，以用于為所述文檔計(jì)算相關(guān)性，并根據(jù)得到的相關(guān)性來(lái)選取作為檢索結(jié)果的文檔。
11.一種檢索系統(tǒng)，其特征在于，包括 權(quán)利要求1或2所述的索引裝置； 權(quán)利要求5至7中任一項(xiàng)所述的檢索裝置，所述檢索裝置使用其生成的新數(shù)字串，在所述索引裝置建立的索引中進(jìn)行檢索。
全文摘要
本發(fā)明提出了一種索引裝置，包括數(shù)字串切分模塊，對(duì)文檔中的數(shù)字串進(jìn)行切分；索引建立模塊，根據(jù)切分后得到的新數(shù)字串和所述文檔建立索引。在該技術(shù)方案中，提出對(duì)文檔中的數(shù)字串進(jìn)行切分，將切分后的新數(shù)字串作為關(guān)鍵詞建立索引，可以合理地控制索引結(jié)構(gòu)中的關(guān)鍵詞指向的文件鏈表的長(zhǎng)度，以及關(guān)鍵詞列表的長(zhǎng)度，即能夠控制數(shù)字串建立的索引大小在計(jì)算機(jī)內(nèi)存可接受的范圍內(nèi)，可以提高數(shù)字串檢索速度。本發(fā)明還提出索引方法、檢索裝置、檢索方法和檢索系統(tǒng)。
文檔編號(hào)G06F17/30GK103064847SQ201110319568
公開(kāi)日2013年4月24日 申請(qǐng)日期2011年10月20日 優(yōu)先權(quán)日2011年10月20日
發(fā)明者許歡慶, 吳尉林, 夏亮, 郭永福, 陳沛 申請(qǐng)人:北京中搜網(wǎng)絡(luò)技術(shù)股份有限公司