[发明专利]检索方法

权利要求书

1.一种检索方法，其特征在于，包括：

获取页面的时间间隔信息与关键字信息；

根据所述时间间隔信息与所述关键字信息构建TriI索引；

根据所述TriI索引计算待查询的关键字的相关度分数；

根据预设规则获得与所述相关度分数对应的页面，将所述相关度分数对应的页面作为检索结果；

所述根据所述TriI索引计算待查询的关键字的相关度分数，包括：

根据所述TriI索引确定所述待查询的关键字的类型；所述关键字的类型包括频繁关键字和非频繁关键字；

计算确定类型后的所述待查询的关键字的相关度分数。

2.根据权利要求1所述的方法，其特征在于，所述根据预设规则获得与所述相关度分数对应的页面，具体包括：

根据TIKQ算法获得所述相关度分数最高的前k位各自对应的页面，其中，k为自然数。

3.根据权利要求1所述的方法，其特征在于，所述TriI索引包括关键字匹配表，所述关键字匹配表用于存储所述关键字、所述关键字的标识符、所述关键字的页面数以及关键字列表的存储结构。

4.根据权利要求3所述的方法，其特征在于，所述关键字列表的存储结构包括：聚合线段树和分布式文件系统HDFS块文件；

其中，所述聚合线段树用于存储所述频繁关键字，所述聚合线段树的树节点还存储所述频繁关键字的标识符以及所述频繁关键字的权重；

所述HDFS块文件用于存储所述非频繁关键字，所述HDFS块文件中还存储所述非频繁关键字的标识符和所述非频繁关键字在页面中的余弦相似度。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述相关度分数包括时间间隔相似度δ(p.i,q.i)和关键字相似度θ(p.d,q.d)；

所述相关度分数为：

其中，α为查询偏好率，α∈[0,1]，用于权衡所述时间间隔相似度和关键字相似度的相对影响；p.i为页面的时间间隔范围；q.i为查询的时间间隔范围；p.d为页面的关键字集合；q.d为查询的关键字集合。

6.根据权利要求5所述的方法，其特征在于，所述时间间隔相似度δ(p.i,q.i)为：δ(p.i,q.i)∈[0,1]；

其中，|p.i∩q.i|为所述时间间隔交集的长度；|p.i∪q.i|为所述时间间隔并集的长度。

7.根据权利要求5所述的方法，其特征在于，所述关键字相似度θ(p.d,q.d)为：

θ(p.d,q.d)=Σt∈q.dωt,p.q·ωt,q.dΣt∈p.d(ωt,p.d)2·Σt∈q.d(ω,q.d)2,θ(p.d,q.d)∈[0,1];]]>

其中，ω_t,p.d＝1+ln(f_t,p.d)；f_t,p.d为所述页面的关键字集合p.d中关键字t的频率，ω_t,q.d＝ln(1+idf_t,D)，idf_t,D为页面集合D中所述关键字t的独特性；df_t,D为所述页面集合D中包含所述关键字t的页面个数。