[发明专利]一种词的检索方法和装置

说明书

本发明公开了一种词的检索方法和装置，用于中文搜索引擎实现对小语种数据的检索。本发明实施例提供一种词的检索方法，包括：将用户输入的第一检索串转码为采用GBK编码的第二检索串，所述第一检索串采用Unicode编码；对所述采用GBK编码的第二检索串进行分词，得到采用GBK编码的第一词；获取与所述采用GBK编码的第一词对应的倒排索引；根据所述倒排索引生成检索结果，所述检索结果包括：采用GBK编码的第二词；将所述采用GBK编码的第二词转码为采用Unicode编码的第三词，并输出所述采用Unicode编码的第三词。

技术领域

本发明涉及计算机技术领域，尤其涉及一种词的检索方法和装置。

背景技术

在目前的搜索引擎中，可以支持直接检索UTF-8编码的数据，UTF-8编码可以表示大部分语言的文字，因此可以支持检索小语种数据。但是对于只支持GBK编码的中文搜索引擎，不能检索韩文、泰文、法语等小语种数据，因为这些小语种文字不采用GBK编码，因此只支持GBK编码的中文搜索引擎无法处理非GBK编码的小语种数据。

发明内容

本发明实施例提供了一种词的检索方法和装置，用于中文搜索引擎实现对小语种数据的检索。

为解决上述技术问题，本发明实施例提供以下技术方案：

第一方面，本发明实施例提供一种词的检索方法，包括：

将用户输入的第一检索串转码为采用GBK编码的第二检索串，所述第一检索串采用Unicode编码；

对所述采用GBK编码的第二检索串进行分词，得到采用GBK编码的第一词；

获取与所述采用GBK编码的第一词对应的倒排索引；

根据所述倒排索引生成检索结果，所述检索结果包括：采用GBK编码的第二词；

将所述采用GBK编码的第二词转码为采用Unicode编码的第三词，并输出所述采用Unicode编码的第三词。

第二方面，本发明实施例还提供一种词的检索装置，包括：

第一转码模块，用于将用户输入的第一检索串转码为采用GBK编码的第二检索串，所述第一检索串采用Unicode编码；

分词模块，用于对所述采用GBK编码的第二检索串进行分词，得到采用GBK编码的第一词；

索引建立模块，用于获取与所述采用GBK编码的第一词对应的倒排索引；

检索模块，用于根据所述倒排索引生成检索结果，所述检索结果包括：采用GBK编码的第二词；

第二转码模块，用于将所述采用GBK编码的第二词转码为采用Unicode编码的第三词，并输出所述采用Unicode编码的第三词。

从以上技术方案可以看出，本发明实施例具有以下优点：