[發(fā)明專利]一種確定檢索詞在文檔中的位置信息的方法以及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201110430651.0
• 申請(qǐng)日: 2011-12-20
• 公開(kāi)（公告）號(hào): CN103176978A
• 公開(kāi)（公告）日: 2013-06-26
• 發(fā)明（設(shè)計(jì)）人: 童征宇;徐劍波;閆進(jìn)兵
• 申請(qǐng)（專利權(quán)）人: 北大方正集團(tuán)有限公司;北京方正阿帕比技術(shù)有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 北京同達(dá)信恒知識(shí)產(chǎn)權(quán)代理有限公司 11291
• 代理人: 郭潤(rùn)湘

技術(shù)領(lǐng)域

本發(fā)明涉及信息檢索技術(shù)領(lǐng)域，尤其涉及一種確定檢索詞在文檔中的位置信息的方法以及裝置。

背景技術(shù)

全文檢索系統(tǒng)是目前應(yīng)用非常普及的一種檢索系統(tǒng)，該檢索系統(tǒng)主要根據(jù)預(yù)先建立的倒排索引文件確定出與用戶終端提交的檢索詞匹配的文檔，該文檔一般為包括用戶終端提交的各檢索詞的文檔。

目前，全文檢索系統(tǒng)建立倒排索引文件的過(guò)程包括：通過(guò)索引程序掃描文檔中的每一個(gè)詞項(xiàng)，并分別對(duì)每一個(gè)詞項(xiàng)建立一個(gè)索引項(xiàng)，該索引項(xiàng)用于標(biāo)識(shí)所對(duì)應(yīng)詞項(xiàng)在該文檔中出現(xiàn)的位置信息，并根據(jù)為文檔中的每一個(gè)詞項(xiàng)分別建立的索引項(xiàng)創(chuàng)建倒排索引文件。在建立倒排索引文件后，全文檢索系統(tǒng)在進(jìn)行檢索時(shí)，首先通過(guò)讀取該倒排索引文件確定出包含用戶提交的詞項(xiàng)的文檔集合(該集合中包括的文檔可以以文檔列表的形式存在)，以及該詞項(xiàng)在每個(gè)文檔中分別出現(xiàn)的位置信息(該位置信息可以以列表的形式存在)，然后返回檢索命中結(jié)果。一般情況下，用戶終端提交的檢索詞可以為詞組，也可以為短句，因此，在應(yīng)用全文檢索系統(tǒng)進(jìn)行檢索時(shí)，一般將檢索請(qǐng)求中的檢索詞對(duì)應(yīng)的詞組或短句劃分為多個(gè)詞項(xiàng)在索引文件中進(jìn)行查找，并將同時(shí)包含所有劃分得到的詞項(xiàng)的文檔確定為初步命中的文檔，然后讀取檢索詞在初步命中的每個(gè)文檔中分別出現(xiàn)的位置信息，并將確定出的位置信息滿足設(shè)定位置關(guān)系的文檔確定為最終的命中的文檔返回給該用戶終端。具體地，確定位置信息滿足設(shè)定位置關(guān)系的文檔，即在確定出檢索詞在文檔中出現(xiàn)的位置信息后，根據(jù)檢索詞在文檔中的上述位置信息進(jìn)行位置關(guān)系計(jì)算。在進(jìn)行位置關(guān)系計(jì)算時(shí)需要讀取檢索詞包括的各詞項(xiàng)分別在初步命中的文檔中分別出現(xiàn)的位置信息，下面將以讀取下表1中初步命中的文檔包括的檢索詞在文檔中的位置信息為示例進(jìn)行說(shuō)明：

表1：

??檢索詞??數(shù)字??信息??處理??加速??的??方法??文檔1??100??50??60??0??1000??20??文檔2??40??20??400??20??1200??0??文檔3??0??90??100??80??3200??400??文檔4??200??100??300??120??2000??100??文檔5??210??130??0??140??2300??140??文檔6??310??0??320??150??2300??140??文檔7??50??410??210??150??3000??140