[發明專利]一種基于圖形數據庫的搜索方法、系統和裝置

在審

• 申請號: 201710853106.X
• 申請日: 2017-09-20
• 公開（公告）號: CN107515951A
• 公開（公告）日: 2017-12-26
• 發明（設計）人: 陳樂華;涂繼來;黃曉暉
• 申請（專利權）人: 廣東中標數據科技股份有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 廣州嘉權專利商標事務所有限公司44205
• 代理人: 胡輝

1.一種基于圖形數據庫的搜索方法，其特征在于，包括以下步驟：

對采集到的數據進行預處理，得到預處理后的數據，所述預處理包括數據清洗；

根據采集到的數據的業務領域和來源以及預處理后的數據生成圖形數據庫；

搜索服務器根據實時的查詢信息對圖形數據庫進行搜索，并展示搜索結果。

2.根據權利要求1所述的一種基于圖形數據庫的搜索方法，其特征在于：所述對采集到的數據進行預處理，得到預處理后的數據，所述預處理包括數據清洗的步驟包括：

去除采集到的數據中無用的符號；

將采集到的數據中的公司簡稱進行補全；

去除采集到的數據中重復的數據。

3.根據權利要求1所述的一種基于圖形數據庫的搜索方法，其特征在于：所述根據采集到的數據的業務領域和來源以及預處理后的數據生成圖形數據庫，這一步驟具體包括：

根據采集到的數據的業務領域和來源，分析并建立統一的數據模型，并根據建立的數據模型采用HBase數據庫建立新的數據倉庫；

通過ETL數據倉庫技術從預處理后的數據中抽取實體，并建立實體與實體之間的關系和實體與結構化數據之間的關系；

根據實體、實體與實體之間的關系，以及實體與結構化數據之間的關系生成圖形化的搜索索引；

將圖形化的搜索索引加載到新的數據倉庫中，得到圖形數據庫。

4.根據權利要求3所述的一種基于圖形數據庫的搜索方法，其特征在于：所述根據采集到的數據的業務領域和來源以及預處理后的數據生成圖形數據庫，這一步驟具體還包括：

對長度超過設定閾值的實體名稱進行簡化。

5.根據權利要求4所述的一種基于圖形數據庫的搜索方法，其特征在于：所述對長度超過設定閾值的實體名稱進行簡化的步驟具體包括：

對名稱長度超過設定閾值的實體名稱進行分詞，產生若干個單詞；

對產生的若干個單詞進行詞頻分析、熱詞過濾、單詞合成和同詞變換的處理，得到簡化后的實體名稱。

6.根據權利要求1所述的一種基于圖形數據庫的搜索方法，其特征在于：所述搜索服務器根據實時的查詢信息對圖形數據庫進行搜索，并展示搜索結果，這一步驟具體包括：

實時獲取用戶輸入的查詢信息，并將用戶輸入的查詢信息異步地傳輸至搜索服務器；

搜索服務器根據用戶輸入的查詢信息，完成對圖形數據庫的搜索，得到搜索結果；

結合用戶的賬號信息和互聯網消息，對搜索結果進行排序；

將排序后的搜索結果以選項的形式向用戶展示；

所述賬號信息，包括用戶的搜索記錄，用戶的個人信息；

所述互聯網消息，包括新聞消息和傳播量超過設定閾值的熱門消息。

7.根據權利要求6所述的一種基于圖形數據庫的搜索方法，其特征在于：所述結合用戶的賬號信息和互聯網消息，對搜索結果進行排序，這一步驟具體包括：

根據用戶搜索同一內容的次數，對搜索結果進行排序。

8.一種基于圖形數據庫的搜索系統，其特征在于，包括：

采集清洗模塊，用于對采集到的數據進行預處理，得到預處理后的數據，所述預處理包括數據清洗；

數據庫建立模塊，用于根據采集到的數據的業務領域和來源以及預處理后的數據生成圖形數據庫；

搜索模塊，用于搜索服務器根據實時的查詢信息對圖形數據庫進行搜索，并展示搜索結果。

9.一種基于圖形數據庫的搜索裝置，其特征在于，包括：

存儲器，用于存儲程序；

處理器，用于執行所述程序以完成以下步驟：

對采集到的數據進行預處理，得到預處理后的數據，所述預處理包括數據清洗；

根據采集到的數據的業務領域和來源以及預處理后的數據生成圖形數據庫；

搜索服務器根據實時的查詢信息對圖形數據庫進行搜索，并展示搜索結果。

10.根據權利要求9所述的一種基于圖形數據庫的搜索裝置，其特征在于：所述根據采集到的數據的業務領域和來源以及預處理后的數據生成圖形數據庫，這一步驟具體包括：

根據采集到的數據的業務領域和來源，分析并建立統一的數據模型，并根據建立的數據模型采用HBase數據庫建立新的數據倉庫；

通過ETL數據倉庫技術從預處理后的數據中抽取實體，并建立實體與實體之間的關系和實體與結構化數據之間的關系；

根據實體、實體與實體之間的關系，以及實體與結構化數據之間的關系生成圖形化的搜索索引；

將圖形化的搜索索引加載到新的數據倉庫中，得到圖形數據庫。