[发明专利]一种搜索系列性数据的方法、装置及一种搜索引擎系统

说明书

技术领域

本发明涉及搜索引擎技术领域，特别是涉及一种搜索系列性数据的方法、装置及一种搜索引擎系统。

背景技术

系列性数据是指数据之间具有关联关系的数据，如连续剧视频文件，每个连续剧可以包含多个部或季，每个部或季又常常包含多集，每一集又常常区分为几个视频段落，但是系列性数据不限于连续剧视频文件。

目前，在搜索引擎中搜索系列性数据的方法是：基于用户的搜索关键词，在搜索引擎系统中查找匹配包含该搜索关键词的相关数据，即基于一种“完全匹配”的搜索方法。

以连续剧视频搜索为例，“连续剧搜索请求”一般由两部分组成：“连续剧名”和“剧集信息”。“连续剧名”表示用户需要哪个连续剧，“剧集信息”表示用户需要连续剧的哪一部分。例如，搜索请求是“还珠格格第一部第三集”，其中“还珠格格”为“连续剧名”，“第一部第三集”为“剧集信息”。当然，“连续剧搜索请求”可能只包含“连续剧名”如“越狱”，然而形如“连续剧名+剧集信息”的搜索请求更为典型。

但是，由于目前的网络资源丰富而繁乱，使得连续剧的“剧集信息”表达形式很不规范，大大影响了连续剧查询的搜索质量。例如，“第二部第三集”、“第2部第3集”、“第二季第3集”、“2-3”、“II-3”都表示连续剧的同一部分内容，但是表达形式差别很大。当用户输入“连续剧名剧集信息”的搜索请求后，视频搜索引擎的“完全匹配方法”只能返回给用户具有“特定剧集信息形式”的搜索结果，而无法给出“其他形式”的连续剧。如输入查询词“还珠格格第二部第三集”，只能返回与“还珠格格”和“第二部第三集”精确匹配的结果，而不能返回“还珠格格2-3”、“还珠格格第2部第3集”等形式的视频。

因此，所述“完全匹配方法”导致搜索结果的查全率不高。

发明内容

本发明所要解决的技术问题是提供一种搜索系列性数据的方法、装置及一种搜索引擎系统，以解决目前的搜索引擎基于“完全匹配方法”导致搜索结果的查全率不高的问题。

为解决上述技术问题，根据本发明提供的具体实施例，本发明公开了以下技术方案：

一种搜索系列性数据的方法，包括：

接收搜索请求；

分析所述搜索请求，将搜索请求的描述信息输入状态机，根据状态机中预置的由当前状态和当前输入转换到下一状态的转换映射关系，在各个状态间跳转；当跳转到状态机的最终状态时，将所述最终状态对应的表示系列性数据的请求参数提取出；

根据所述请求参数与预置的系列性数据参数的对应关系，查找与所述搜索请求相匹配的系列性数据；

其中，所述系列性数据为连续网络资源信息，所述连续网络资源信息包括连续剧信息、连续讲座信息、连续音频信息、连续视频信息、连续多媒体信息或连续电子书信息。

其中，所述预置具体包括：预先分析待搜索数据，提取出系列性数据参数。

其中，所述查找具体包括：将所述请求参数与所述系列性数据参数进行匹配，并将匹配到的系列性数据作为查找结果。

优选的，当所述请求参数包括请求的系列性数据名称和请求的系列性数据标识参数时，所述查找具体包括：对请求参数中的系列性数据名称进行分词；将所述分词结果与系列性数据的倒排索引结果进行求交，获得候选集合；将请求参数中的系列性数据标识参数与候选集合中的系列性数据参数进行匹配，并将匹配到的系列性数据作为查找结果。

优选的，查找与所述搜索请求相匹配的系列性数据之后，还包括：对查找到的系列性数据进行相关性排序后输出。

优选的，所述提取出系列性数据参数/表示系列性数据的请求参数之前，还包括：根据预置的系列性数据映射表，判断所述待搜索数据是否为系列性数据，如果是，则执行提取出系列性数据参数的步骤；或者，根据预置的系列性数据映射表，判断所述搜索请求是否为搜索系列性数据的请求，如果是，则执行提取出表示系列性数据的请求参数的步骤；其中，所述系列性数据映射表记录了所有系列性数据的相关信息。

其中，所述判断具体包括：将所述待搜索数据/搜索请求的描述信息转换为字符串；对所述字符串进行逐字扫描，并搜索所述系列性数据映射表中是否存在与当前字符串相匹配的系列性数据相关信息，如果存在，则所述待搜索数据为系列性数据，或者所述搜索请求为搜索系列性数据的请求。

优选的，所述提取出系列性数据参数，具体包括：将待搜索数据的描述信息输入状态机；根据状态机中预置的由当前状态和当前输入转换到下一状态的转换映射关系，在各个状态间跳转；当跳转到状态机的最终状态时，将所述最终状态对应的系列性数据参数提取出。