[發(fā)明專利]多文檔交集獲取方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201710797899.8
• 申請(qǐng)日: 2017-09-06
• 公開(kāi)（公告）號(hào): CN107766414B
• 公開(kāi)（公告）日: 2020-06-12
• 發(fā)明（設(shè)計(jì)）人: 畢成龍;潘文彬
• 申請(qǐng)（專利權(quán)）人: 北京三快在線科技有限公司
• 主分類號(hào): G06F16/93
• 分類號(hào): G06F16/93;G06F16/953
• 代理公司: 北京潤(rùn)澤恒知識(shí)產(chǎn)權(quán)代理有限公司 11319
• 代理人: 王洪

本發(fā)明提供了一種多文檔交集獲取方法及、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)，所述方法包括：針對(duì)搜索過(guò)程中需要求交集的至少兩個(gè)文檔集，獲取各文檔集的文檔集長(zhǎng)度，對(duì)至少兩個(gè)文檔集的長(zhǎng)度進(jìn)行比較；根據(jù)至少兩個(gè)文檔集的長(zhǎng)度差異確定獲得文檔交集的求交算法。本發(fā)明通在兩個(gè)文檔集的文檔集長(zhǎng)度符合預(yù)設(shè)條件時(shí)，過(guò)以長(zhǎng)度最短文檔集中的元素作為查詢?cè)兀来伪闅v剩余的文檔集，可以避免當(dāng)查詢?cè)匚幢徊檎业綍r(shí)，需要以查詢的文檔集中的下一個(gè)文檔作為查詢?cè)剡M(jìn)行無(wú)意義的查詢，加快了搜索引擎針對(duì)用戶的響應(yīng)時(shí)間。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及搜索引擎技術(shù)領(lǐng)域，尤其涉及一種多文檔交集獲取方法及、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

搜索引擎，通常指的是收集了萬(wàn)維網(wǎng)上幾千萬(wàn)到幾十億個(gè)網(wǎng)頁(yè)并對(duì)網(wǎng)頁(yè)中的每一個(gè)詞進(jìn)行索引，建立索引數(shù)據(jù)庫(kù)的全文搜索引擎。當(dāng)用戶查找某個(gè)關(guān)鍵詞的時(shí)候，所有在頁(yè)面內(nèi)容中包含了該關(guān)鍵詞的網(wǎng)頁(yè)都將作為搜索結(jié)果被搜出來(lái)。

目前，廣泛應(yīng)用的開(kāi)源搜索引擎采用了一種線性的獲取多文檔集交集的方法，即：將每個(gè)文檔集排序后，從第一個(gè)文檔集開(kāi)始，遍歷其中的元素，然后遍歷其他文檔集，這時(shí)有兩種情況，找到該元素，則繼續(xù)遍歷下一個(gè)文檔集，如果沒(méi)找到，那么以當(dāng)前文檔集的下一個(gè)元素作為查找的文檔，重新遍歷其他文檔集，如此往復(fù)，直到找到一個(gè)同時(shí)在所有文檔集中的文檔為止。以這種方式，不斷重復(fù)，直到其中一個(gè)文檔集遍歷結(jié)束，則多文檔集求交過(guò)程結(jié)束。

但是，針對(duì)在先技術(shù)，當(dāng)不同文檔集的長(zhǎng)度差距大于某一閾值時(shí)，會(huì)產(chǎn)生性能上的缺陷，比如，在遍歷每個(gè)文檔集的每個(gè)元素時(shí)，如果該元素不符合要求，需要繼續(xù)查找本文檔集的下一個(gè)元素，但這種查找往往是沒(méi)有必要的，因?yàn)橥ǔ２檎业脑厥歉静粫?huì)出現(xiàn)的，對(duì)于多文檔集求交而言，只要一個(gè)文檔中不存在某元素，該元素就一定不會(huì)是交集內(nèi)的元素，因此，會(huì)導(dǎo)致在不同文檔集的長(zhǎng)度差距大于某一閾值時(shí)，文檔交集的獲取效率低下，耗時(shí)增加。

發(fā)明內(nèi)容

本發(fā)明提供一種多文檔交集獲取方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)，以解決在先技術(shù)中在不同文檔集的長(zhǎng)度差距大于某一閾值時(shí)，文檔交集的獲取效率低下的問(wèn)題。

根據(jù)本發(fā)明的第一方面，提供了一種多文檔交集獲取方法，所述方法包括：

針對(duì)搜索過(guò)程中需要求交集的至少兩個(gè)文檔集，獲取各文檔集的文檔集長(zhǎng)度；

對(duì)所述至少兩個(gè)文檔集的長(zhǎng)度進(jìn)行比較；

根據(jù)所述至少兩個(gè)文檔集的長(zhǎng)度差異確定獲得文檔交集的求交算法。

根據(jù)本發(fā)明的第二方面，提供了一種多文檔交集獲取裝置，所述裝置包括：

獲取模塊，用于針對(duì)搜索過(guò)程中需要求交集的至少兩個(gè)文檔集，獲取各文檔集的文檔集長(zhǎng)度；

長(zhǎng)度比較模塊，用于對(duì)所述至少兩個(gè)文檔集的長(zhǎng)度進(jìn)行比較；

求交模塊，用于根據(jù)所述至少兩個(gè)文檔集的長(zhǎng)度差異確定獲得文檔交集的求交算法。

根據(jù)本發(fā)明的第三方面，提供了一種電子設(shè)備，包括：

處理器、存儲(chǔ)器以及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)多文檔交集獲取方法。

根據(jù)本發(fā)明的第四方面，提供了一種可讀存儲(chǔ)介質(zhì)，當(dāng)所述存儲(chǔ)介質(zhì)中的指令由電子設(shè)備的處理器執(zhí)行時(shí)，使得電子設(shè)備能夠執(zhí)行多文檔交集獲取方法。