[发明专利]检索方法

说明书

技术领域

本发明涉及信息处理技术，尤其涉及一种检索方法。

背景技术

社交媒体和移动服务是互联网上普遍流行的信息来源，由于数据量快速的增长，各种应用中不仅仅需要用关键字信息来进行查询，还越来越需要用时间间隔信息来进行查询。例如，用户可以提交时间间隔信息来查询、找到热点信息，并追踪事件的发展；网络管理员可以执行时间间隔信息来查询、找出活跃的页面，从而方便网络的管理和维护。

在现有传统的检索方法中，同时对时间间隔信息和关键字信息的处理需要很大的管理开销，并且严重的依赖缓存容量，无法同时高效地处理时间间隔信息和关键字信息。

发明内容

本发明实施例提供一种检索方法，以解决现有的检索方法中，无法同时高效的处理时间间隔信息和关键字信息的问题。

本发明实施例提供一种检索方法，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。

如上所述的方法，其中，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。

如上所述的方法，其中，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。

如上所述的方法，其中，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所述关键字列表的存储结构。

如上所述的方法，其中，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。

如上所述的方法，其中，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ζ(p,q)为：ζ(p,q)＝α·δ(p.i,q.i)+(1-α)·θ(p.d,q.d)；

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。

如上所述的方法，其中，所述时间间隔相似度δ(p.i,q.i)为：

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。

如上所述的方法，其中，所述关键字相似度θ(p.d,q.d)为：

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。

本发明实施例提供的检索方法具体包括：获取页面的时间间隔信息与关键字信息；根据时间间隔信息与关键字信息构建TriI索引；根据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相关度分数对应的页面，将相关度分数对应的页面作为检索结果。本发明实施例通过根据构建基于时间间隔信息和关键字信息的TriI索引，并根据该TriI索引获得待查询的关键字的相关度分数，根据TIKQ算法获得相关度分数最高的前k位各自对应的页面，并将获得的页面作为检索结果。实现了检索时的高效且同时的对时间间隔信息和关键字信息进行处理，提高了TIKQ中文本内容具有较大区分度的场景的查询效率。

附图说明