[发明专利]网页搜索方法、装置及相关设备

说明书

一种网页搜索方法，包括：接收包括检索关键词的搜索请求，并从网页特征库中查找与该检索关键词相匹配的网页特征，从而输出与该检索关键词相匹配的网页特征对应的网页搜索结果，如网页标识或者网页内容等。其中，该网页特征库包括多个网页的标识以及该多个网页分别对应的网页特征，该网页特征包括根据网页中的内容提取得到的内容特征。由于网页对应的网页特征的数据量通常小于网页中的文本数据量，这使得即使网页数据的规模较大，网页搜索系统也能通过查找网页特征库中数据量相对较小的网页特征，快速查找出与检索关键词相匹配的网页特征，从而基于该网页特征可以查找出用户所需的网页。如此，可以提高网页搜索结果的效率。

技术领域

本申请涉及人工智能(Artificial Intelligence,AI)技术领域，尤其涉及一种网页搜索方法、装置及相关设备。

背景技术

随着互联网技术的飞速发展，网络中的网页数量呈现爆发性的增长，这给各厂商的搜索引擎带来了巨大的挑战。比如，在某实际业务的真实搜索场景中，需要从千亿级数量的网页中搜索出用户所需的网页。而通常情况下，在为互联网用户进行网页搜索时，通过遍历各个网页上的文本是否包括互联网用户输入的检索关键词，以确定该网页是否为互联网用户所需的网页。由于网页数量较大，因此，逐个遍历各个网页中的文本来搜索出具有该检索关键词的网页所需耗时较长，从而使得网页搜索结果的反馈时间较长，影响用户体验。因此，如何在网页数据规模较大(如千亿级等)的场景下提升网页搜索结果的效率成为亟待解决的重要技术问题。

发明内容

本申请提供了一种网页搜索方法、装置、计算设备、计算机可读存储介质及计算机程序产品，用以在大规模的网页数据场景下，提升网页搜索结果的效率。

第一方面，本申请提供一种网页搜索方法，在实施该方法的过程中，接收包括检索关键词的搜索请求，并从网页特征库中查找与该检索关键词相匹配的网页特征，从而输出与该检索关键词相匹配的网页特征对应的网页搜索结果，如网页标识或者网页内容等。其中，该网页特征库包括多个网页的标识(如网页的URL等)以及该多个网页分别对应的网页特征，并且网页特征包括根据网页中的内容提取得到的内容特征。

由于网页对应的网页特征的数据量通常小于网页中的文本数据量，这使得即使网页数据的规模较大，网页搜索系统也能通过查找网页特征库中数据量相对较小的网页特征，快速查找出与检索关键词相匹配的网页特征，从而基于该网页特征可以查找出用户所需的网页。如此，可以提高网页搜索结果的效率，从而使得用户在短时间内获得其所需的网页搜索结果，提高用户的搜索体验。

示例性地，根据网页中的内容所提取得到的内容特征，例如可以是TF-IDF特征、simhash特征、pagevalue特征、keywords特征以及原创指数等。

在一种可能的实施方式中，在接收搜索请求之前，可以预先基于全量网页建立网页特征库。具体的，可以先获取全量网页的网页数据(如网页上的链接、文本、图片等)，该全量网页包括第一网页集合，并且，该第一网页集合包括多个第一网页，该第一网页为按照第一预设规则获取的网页中的任意一个。然后，从全量网页的网页数据中提取出全量网页对应的网页数据，并将全量网页对应的网页特征以及全量网页的网页数据包括的全量网页的标识添加至网页特征库。如此，可以基于全量网页的网页数据构建出网页特征库，从而后续可以基于该网页特征库，从全量网页中搜索出用户所需的网页。