[发明专利]一种数据搜索方法和装置

说明书

本发明公开了一种数据搜索方法和装置，涉及大数据技术领域。该方法的一具体实施方式包括：接收待搜索数据，对待搜索数据进行分词处理；将分词处理结果与搜索引擎内存储的数据索引进行匹配，以确定目标索引；其中，数据索引是根据RNN模型和搜索领域进行构建的；根据目标索引从分布式存储装置中获取目标数据。该实施方式提高了数据搜索的精确度，拓展了适用场景，提升了用户体验。

技术领域

本发明涉及大数据技术领域，尤其涉及一种数据搜索方法和装置。

背景技术

现有的搜索系统主要采用NLP(Natural Language Processing，自然语言处理)算法，其基本逻辑思想是基于词典匹配，即将待分词的中文文本根据一定规则切分和调整，然后跟词典中的词语进行匹配，匹配成功则按照词典的词分词，匹配失败通过调整或者重新选择，如此反复循环即可。

现有技术中至少存在如下问题：

现有的数据搜索方法中未将搜索领域纳入考量范围内，导致搜索准确度较低，且不同领域的搜索效果差异较大，适用场景较窄，用户体验差。

发明内容

有鉴于此，本发明实施例提供一种数据搜索方法和装置，能够将搜索领域纳入构建数据索引的考量因素之一，提高了数据搜索的精确度，拓展了适用场景，提升了用户体验。

为实现上述目的，根据本发明实施例的第一方面，提供了一种数据搜索方法，包括：

接收待搜索数据，对待搜索数据进行分词处理；

将分词处理结果与搜索引擎内存储的数据索引进行匹配，以确定目标索引；其中，数据索引是根据RNN模型和搜索领域进行构建的；

根据目标索引从分布式存储装置中获取目标数据。

进一步地，根据RNN模型和搜索领域构建数据索引的步骤，包括：

获取多个存储数据，采用RNN模型和搜索领域分别对多个存储数据进行分类提取，以确定每个存储数据对应的词典词语；

根据词典词语和与词典词语对应的存储数据所在的存储位置构建数据索引。

进一步地，采用RNN模型和搜索领域分别对多个存储数据进行分类提取，以确定每个存储数据对应的词典词语还包括：

对多个存储数据进行数据清洗和字符转换处理；

根据搜索领域和RNN模型，对数据清洗后的多个存储数据依次进行词语提取、词语分类，以确定每个存储数据对应的词典词语。

进一步地，对数据清洗后的多个存储数据依次进行词语分类的步骤还包括：

结合词语特征对多个存储数据依次进行词语分类；其中，词语特征包括下列特征中的至少一项：词语所属搜索领域、词语上下文、词语功能特征。

进一步地，将分词处理结果与搜索引擎内存储的数据索引进行匹配，还包括：

确定分词处理结果对应的词语所属搜索领域、词语上下文以及词语功能特征中的至少一项；并

根据分词处理结果对应的词语特征确定候选数据索引，将分词处理结果与候选数据索引进行匹配。

进一步地，在采用RNN模型和搜索领域分别对多个存储数据进行分类提取，以确定每个存储数据对应的词典词语的步骤之后，方法还包括：

确定词典词语对应的词语频率；

根据词语频率对词典词语进行更新。

进一步地，确定多个存储数据对应的数据来源，根据RNN模型和搜索领域构建数据索引，还包括：