[發明專利]一種多媒體文件搜索方法及裝置

在審

• 申請號: 201310618176.9
• 申請日: 2013-11-27
• 公開（公告）號: CN103605773A
• 公開（公告）日: 2014-02-26
• 發明（設計）人: 曹坤波;鄭磊
• 申請（專利權）人: 樂視網信息技術（北京）股份有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京中博世達專利商標代理有限公司 11274
• 代理人: 申健

技術領域

本發明涉及互聯網多媒體領域，尤其涉及一種多媒體文件搜索方法及裝置。

背景技術

隨著網路技術和視頻技術的發展，用戶對視頻搜索的功能有了更高的要求，以前，對于很多視頻用戶，站內搜索足以滿足其需求，因為其它網站有的，自己使用的網站也會有，在這種情況下，用戶僅僅在有限的一或兩家視頻網站就可以滿足搜索需求。但是，隨著視頻網站“版權化”的日益正規和深入，用戶對全網視頻搜索的需求越來越迫切。

在視頻版權的約束下，各家的視頻內容將出現“異質化”，由于各視頻網站的建設方向不同，電影、電視等內容也各有所長，使得各視頻網站的內容不可避免地出現差異。在各視頻網站逐漸“異質化”的情況下，用戶的搜索匹配率低，用戶經常需要在多家網站之間進行切換，進行多次搜索，才能得到符合的搜索結果，使得用戶搜索開銷大。

發明內容

本發明提供一種多媒體文件搜索方法及裝置，能夠擴大用戶搜索的范圍，提高搜索匹配率，降低搜索開銷。

為達到上述目的，本發明的實施例采用如下技術方案：

本發明提供一種多媒體文件搜索方法，預先建立一全網數據庫，所述全網數據庫至少包括自身網站具有播放版權的多媒體文件資源、對外合作網站的多媒體文件資源以及通過爬蟲技術從各個外部網站抓取的多媒體文件資源，

所述方法包括：

接收來自電子設備的多媒體文件搜索信息；

根據所述多媒體文件搜索信息，從所述全網數據庫中獲取與所述多媒體文件搜索信息匹配的多媒體文件資源；

向所述電子設備發送所述多媒體文件資源。

所述自身網站具有播放版權的多媒體文件資源包括用戶上傳的多媒體文件資源，以及已購買播放版權的多媒體文件資源；

所述對外合作網站的多媒體文件資源包括自身網站與外部網站合作的所述外部網站的多媒體文件資源，所述對外合作網站的多媒體文件資源是通過網址鏈接到所述對外合作網站的多媒體文件資源上來實現的。

所述通過爬蟲技術從各個外部網站抓取的多媒體文件資源的抓取步驟包括：

根據網頁分析算法從所述各個外部網站過濾與多媒體文件無關的鏈接，并將與所述多媒體文件相關聯的鏈接放入等待抓取的統一資源定位符URL隊列；

獲取至少一個初始抓取URL，根據預設抓取方法從初始抓取URL開始對所述URL隊列中的URL進行分析，選擇要抓取的網頁的URL，直到到達預設條件時停止；

將所述被抓取的URL對應的網頁在系統中存儲。

所述網頁分析算法包括基于網絡拓撲的分析算法、基于網頁內容的分析算法、基于用戶訪問的分析算法。

所述預設抓取方法包括深度優先抓取方法、廣度優先抓取方法、最佳優先抓取方法。

本發明提供一種多媒體文件搜索裝置，包括：

預處理單元，用于預先建立一全網數據庫，所述全網數據庫至少包括自身網站具有播放版權的多媒體文件資源、對外合作網站的多媒體文件資源以及通過爬蟲技術從各個外部網站抓取的多媒體文件資源；

接收單元，用于接收來自電子設備的多媒體文件搜索信息；

獲取單元，用于根據所述多媒體文件搜索信息，從所述全網數據庫中獲取與所述多媒體文件搜索信息匹配的多媒體文件資源；

發送單元，用于向所述電子設備發送所述多媒體文件資源。

所述自身網站具有播放版權的多媒體文件資源包括用戶上傳的多媒體文件資源，以及已購買播放版權的多媒體文件資源；

所述對外合作網站的多媒體文件資源包括自身網站與外部網站合作的所述外部網站的多媒體文件資源，所述對外合作網站的多媒體文件資源是通過網址鏈接到所述對外合作網站的多媒體文件資源上來實現的。

所述預處理單元，還用于根據網頁分析算法從所述各個外部網站過濾與多媒體文件無關的鏈接，并將與所述多媒體文件相關聯的鏈接放入等待抓取的統一資源定位符URL隊列；獲取至少一個初始抓取URL，根據預設抓取方法從初始抓取URL開始對所述URL隊列中的URL進行分析，選擇要抓取的網頁URL，直到到達預設條件時停止；將所述被抓取的URL對應的網頁在系統中存儲。

所述網頁分析算法包括基于網絡拓撲的分析算法、基于網頁內容的分析算法、基于用戶訪問的分析算法。

所述預設抓取方法包括深度優先抓取方法、廣度優先抓取方法、最佳優先抓取方法。