[发明专利]一种基于复合词的搜索方法和搜索引擎服务器

权利要求书

1.一种基于复合词的搜索方法的方法，其特征在于，包括：

对网页库保存的各网页的词语组合进行频度统计，所述词语组合由对该网页进行分词处理获得的一元词语组成；

为频度大于预设阈值的词语组合建立复合词索引；所述频度大于预设阈值的词语组合为复合词；

当获取搜索请求中含有与所述复合词匹配的关键词时，根据所述复合词索引返回搜索结果。

2.如权利要求1所述的方法，其特征在于，所述对网页库保存的网页中的词语组合进行频度统计前包括：

设置准备用于统计词语组合的复合词候选库，所述复合词候选库用于存放词语组合，以及对应各词语组合的计数器。

3.如权利要求2所述的方法，其特征在于，所述对网页库保存的各网页的词语组合进行频度统计包括：

对于网页库中的每一网页，先读取该网页并对该网页进行分词处理；

对所述分词处理获得的一元词语进行排列组合，获得词语组合；

如果所述复合词候选库中存在获得的词语组合，则把对应该词语组合的计数器数值加一；

如果所述复合词候选库中不存在获得的词语组合，则在所述复合词候选库用于增加该词语组合，并把对应该词语组合的计数器数值设定为一。

4.如权利要求3所述的方法，其特征在于，所述对所述分词处理获得的一元词语进行排列组合，获得词语组合前还包括：

设置排列组合的排列规则，所述排列规则用于指示对所述分词处理获得的一元词语按照设置的规则进行排列组合。

5.如权利要求1-4任一项所述的方法，其特征在于，所述当获取搜索请求中含有与所述复合词匹配的关键词时根据所述复合词索引返回搜索结果包括：

将获取的搜索请求与复合词匹配；

匹配成功后，利用所述复合词索引进行搜索运算，并返回该搜索运算后的结果。

6.一种搜索引擎服务器，其特征在于，包括：

频度统计单元，用于对网页库保存的各网页的词语组合进行频度统计，所述词语组合由对该网页进行分词处理获得的一元词语组成；

筛选单元，用于筛选频度大于预设阈值的词语组合，所述频度大于预设阈值的词语组合为复合词；

生成单元，用于为所述复合词建立复合词索引；

搜索处理单元，当获取搜索请求中含有与所述复合词匹配的关键词时，根据所述复合词索引返回搜索结果。

7.如权利要求6所述的搜索引擎服务器，其特征在于，还包括：

设置存储单元，用于设置准备用于统计词语组合的复合词候选库，所述复合词候选库用于存放词语组合，以及对应各词语组合的计数器。

8.如权利要求7所述的搜索引擎服务器，其特征在于，所述频度统计单元包括

分词模块，用于读取网页库中的每一网页并对该网页进行分词处理；

排列模块，用于对所述分词模块分词处理获得的一元词语进行排列组合，获得词语组合；

判断模块，用于在所述排列模块获得词语组合后，判断所述复合词候选库中是否存在获得的词语组合；

统计模块，用于在所述判断模块判断复合词候选库中存在获得的词语组合，则把对应该词语组合的计数器数值加一；否则，在所述复合词候选库用于增加该词语组合，并把对应该词语组合的计数器数值设定为一。

9.如权利要求8所述的搜索引擎服务器，其特征在于，所述频度统计单元还包括：

规则设置模块，用于设置排列组合的排列规则，所述排列规则用于指示对所述分词处理获得的一元词语按照设置的规则进行排列组合。

10.如权利要求6-9任一项所述的搜索引擎服务器，其特征在于，所述搜索处理单元还包括：

获取模块，用于获取用户的搜索请求；

匹配模块，用于将获取的搜索请求与复合词匹配；

运算模块，用于利用所述复合词索引进行搜索运算，并返回该搜索运算后的结果。