[发明专利]一种基于复合词的搜索方法和搜索引擎服务器

说明书

技术领域

本发明涉及互联网领域，尤其涉及一种基于复合词的搜索方法和搜索引擎服务器。

背景技术

随着互联网的发展，互联网上的信息越来越丰富，在用户日常生活以及工作学习中的作用越来越明显，逐渐成为用户从互联网获取信息的主要途径。而在其中，通过搜索引擎获取信息的占了极大的比重。因此搜索引擎成为当前竞争非常激烈的领域，其竞争的重要点除了内容的丰富以外，还有需要提高用户体验。一般来说，搜索引擎除了要保证搜索信息的质量，另一个重要的因素是搜索的速度。用户使用搜索引擎都希望其搜索请求能够得到快速的响应，因此搜索的速度已经成为用户体验好坏的决定性因素之一。

搜索引擎处理用户的搜索请求，需要对用户的检索语进行拆分，然后对拆分后的词语分别索引查询，分别求出每个词语的搜索结果。具体的，通过下面例子进行说明。比如用户搜索“摘取番茄”，搜索引擎的处理流程为：

把用户的搜索请求进行同义词归一化后，把上面的检索语拆分为“摘取”和“番茄”；

对“摘取”进行索引查询，得到结果集合A；

对“番茄”进行索引查询，得到结果集合B；

根据“摘取”和“番茄”的索引结果进行搜索运算：对A和B进行求交集运算，得到AB的交集X；对A和B进行求并运算，得到AB的并集合Y；

最后向用户输出搜索结果，排序顺序为：集合X中的网页排在最前面，其次是Y中的不在X的元素，最后是A和B不在Y集合中存在的元素。

现有技术中，对于用户输入的较长的检索语，需要拆分成较多的一元词语，然后分别对拆分获得的一元词语进行索引查询，并进行两两的进行运算，然后再输出结果。例如，用户输入的检索语为：中国人民银行，则需要对拆分获得的“中国”、“人民”、“银行”分别进行索引查询，然后两两进行搜索运算。这种方法需要进行多次的搜索运算，而且由于有些一元词之间的组合是没有实际意义的词语组合，也需要建立索引和进行运算，浪费了存储空间和处理资源，同时增加了整过搜索过程的时间。

发明内容

本发明实施例所要解决的技术问题在于，提供一种基于复合词的搜索方法的方法。能够通过建立复合词索引，减少对用户输入的检索语的拆分粒度，降低运算时间，从而能够较快的响应用户的搜索请求。

为了解决上述技术问题，本发明实施例提供了一种基于复合词的搜索方法的方法，该方法包括：

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。

相应的，本发明实施例提供了一种搜索引擎服务器，该服务器包括：

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。

本发明实施例通过根据统计词语组合的频度来筛选复合词，并为复合词建立复合词索引，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。能够减少对用户输入的检索语的拆分粒度，节约处理资源，降低运算时间，从而能够较快的响应用户的搜索请求。

附图说明

图1是本发明实现基于复合词的搜索方法的第一实施例流程图；

图2是本发明实现基于复合词的搜索方法的第二实施例流程图；

图3为本发明实施例搜索引擎服务器第一实施例的结构示意图；

图4为本发明实施例搜索引擎服务器第二实施例的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施例作进一步地详细描述。

图1是本发明实现基于复合词的搜索方法的第一实施例流程图。如图1所示，该方法具体包括：

步骤S101，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；

步骤S102，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；