[發(fā)明專利]一種處理文檔的方法及裝置

有效

• 申請?zhí)枺?/td>: 201310567401.0
• 申請日: 2013-11-13
• 公開（公告）號: CN104636384B
• 公開（公告）日: 2019-07-16
• 發(fā)明（設計）人: 施騰飛;王中飛
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/953
• 分類號: G06F16/953;G06F16/33
• 代理公司: 北京派特恩知識產(chǎn)權代理有限公司 11270
• 代理人: 蔣雅潔;張穎玲

本發(fā)明公開一種處理文檔的方法及裝置，涉及信息搜索技術領域，可以提高新文檔入庫的實時性。本發(fā)明實施例通過對文檔中的詞語進行抽取處理，獲得順排信息，所述順排信息包括文檔編號以及所述文檔中的各個詞語的編號；為所述文檔分配內(nèi)部文檔編號；將所述順排信息中的各個詞語的編號添加對應的所述內(nèi)部文檔編號，并將所述各個詞語的編號以及所述內(nèi)部文檔編號的對應關系保存在數(shù)據(jù)庫中。本發(fā)明適于對新文檔入庫保存時采用。

技術領域

本發(fā)明涉及信息搜索技術領域，尤其涉及一種處理文檔的方法及裝置。

背景技術

用戶對網(wǎng)頁進行檢索時，一般對網(wǎng)頁的時新性要求較高。現(xiàn)有技術中對新文檔的處理通常采用以下方式：當新文檔累積到一定程度之后與舊文檔進行合并，全部文檔重新建立索引；或者，在新文檔入庫時，將新索引累積到一定的文檔量時追加到舊索引后邊。

然而，采用現(xiàn)有技術處理新文檔時，需要對新文檔進行累積，當新文檔累積到一定程度之后才建立索引，或者將新索引累積到一定的文檔量后追加到舊索引后面，導致新文檔不能及時地被用戶檢索到，實時性較差。

發(fā)明內(nèi)容

本發(fā)明的實施例提供一種處理文檔的方法及裝置，可以提高新文檔入庫的實時性。

第一方面，本發(fā)明的實施例提供一種處理文檔的方法，包括：

對文檔中的詞語進行抽取處理，獲得順排信息，所述順排信息包括文檔編號以及所述文檔中的各個詞語的編號；

為所述文檔分配內(nèi)部文檔編號；

將所述順排信息中的各個詞語的編號添加對應的所述內(nèi)部文檔編號，并將所述各個詞語的編號以及所述內(nèi)部文檔編號的對應關系保存在數(shù)據(jù)庫中。

第二方面，本發(fā)明的實施例提供一種處理文檔的裝置，包括：

抽取單元，用于對文檔中的詞語進行抽取處理，獲得順排信息，所述順排信息包括文檔編號以及所述文檔中的各個詞語的編號；

分配單元，用于為所述文檔分配內(nèi)部文檔編號；

添加單元，用于將所述順排信息中的各個詞語的編號添加對應的所述內(nèi)部文檔編號；

保存單元，用于將所述各個詞語的編號以及所述內(nèi)部文檔編號的對應關系保存在數(shù)據(jù)庫中。

本發(fā)明實施例提供一種處理文檔的方法及裝置，通過對文檔中的詞語進行抽取處理，獲得順排信息，所述順排信息包括文檔編號以及所述文檔中的各個詞語的編號；為所述文檔分配內(nèi)部文檔編號；將所述順排信息中的各個詞語的編號添加對應的所述內(nèi)部文檔編號，并將所述各個詞語的編號以及所述內(nèi)部文檔編號的對應關系保存在數(shù)據(jù)庫中。與現(xiàn)有技術中處理新文檔時，需要對新文檔進行累積，當新文檔累積到一定程度之后才建立索引或者將新索引累積到一定的文檔量后追加到舊索引后面，導致新文檔不能及時地被用戶檢索到，實時性較差相比，本發(fā)明實施例可以對單篇文檔執(zhí)行入庫保存，從而可以提高文檔入庫的實時性。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實施例提供的一種處理文檔的方法的流程圖；

圖2為本發(fā)明實施例提供的另一種處理文檔的方法的流程圖；

圖3為本發(fā)明實施例提供的一種B+樹示意圖；

圖4為本發(fā)明實施例提供的另一種B+樹示意圖；

圖5為本發(fā)明實施例提供的另一種B+樹示意圖；