[发明专利]一种IPTV中基于Elasticsearch实现拼音检索方法

说明书

本发明涉及一种IPTV中基于Elasticsearch实现拼音检索方法，包括：准备词库，同时支持自定义词库；在录入节目元数据到Elasticsearch时，利用改进的NGram算法对检索字段进行细粒度的拆分；通过改进的Ngram算法提取的词条进行拼音提取，提取出首字母简写词条；对首字母简写词条进行去重处理，只保留最先出现的重复拼音词条；对拼音词条建立倒排索引，以构建首字母简拼与节目元数据的对应关系；进行检索；基于倒排索引进行高亮搜索，以标记关键字进行高亮显示。本发明能够准确检索出想要的节目列表，搜索结果实现搜索关键字高亮显示，基于拼音分词，提取拼音及拼音首字母并建立倒排索引，基于改进的NGram算法和倒排索引大大地提升检索效率。

技术领域

本发明涉及网络电视技术领域，具体涉及一种IPTV中基于Elasticsearch实现拼音检索方法。

背景技术

目前，随着近些年IPTV业务的快速发展，用户量和各类节目数量也呈现出急剧增长的态势，而在科学技术飞速发展的今天，用户对IPTV节目搜索的用户体验的要求也越来越高，在机顶盒加普通电视构成的弱交互场景下，就需要一种简捷而又快速准确，还能高亮显示关键字的搜索方法。一般地，用户在IPTV电视端搜索节目时，使用遥控器点选字母输入拼音(全拼或首字母简拼)作为搜索词，搜索引擎服务在接收到检索请求后，根据搜索词(拼音)去节目库中检索出特定的节目信息，返给展示端进行展示。

现有技术中基于关系型数据库实现拼音检索方案主要实现方式为：以“根据节目名称检索”为例，说明如下：

(1)在录入节目元数据时，需要事先录入节目名称的拼音存于节目库的检索字段中，或者程序实现自动提取节目名称的拼音存于检索字段中。例如“天龙八部”对应的tianlongbabu及tlbb。

(2)搜索引擎服务基于数据库Like实现前后模糊查询，再结合其他过滤条件，全表扫描符合用户输入条件的节目信息，返回给用户端展示。例如用户输入tianlo或tlb时，分别对应的前后模糊查询条件为％tianlo％和％tlb％。

现有技术中基于关系型数据库实现拼音检索方案的缺点为：

(1)无法实现高亮关键字；

(2)基于关系型数据库Like模糊查询，需要全表扫描，节目库越大，检索性能越低；

(3)节目名中存在特殊字符时无法被检索到；

(4)效率低。

发明内容

为克服所述不足，本发明的目的在于提供一种IPTV中基于Elasticsearch实现拼音检索方法。

本发明解决其技术问题所采用的技术方案是：一种IPTV中基于Elasticsearch实现拼音检索方法，包括以下步骤：

步骤1、准备词库，同时支持自定义词库；

步骤2、在录入节目元数据到Elasticsearch时，利用改进的NGram算法对检索字段进行细粒度的拆分；

步骤3、对上面步骤2中通过改进的Ngram算法提取的词条进行拼音提取，提取出首字母简写词条；

步骤4、对上面步骤3中的首字母简写词条进行去重处理，只保留最先出现的重复词条；

步骤5、依据上面步骤4中的拼音词条建立倒排索引，以构建首字母简拼与节目元数据的对应关系；

步骤6、检索时，根据用户的输入去倒排索引中查找对应的词条，并结合其他过滤条件匹配对应的数据集，然后利用相关度评分TFIDF等算法每条数据计算相关度评分，相关度评分越高越接近想要的搜索结果；

步骤7、基于倒排索引进行高亮搜索，以标记关键字进行高亮显示；