[發明專利]一種基于分詞索引搜索多媒體資源的方法及服務器

在審

• 申請號: 202010044235.6
• 申請日: 2020-01-15
• 公開（公告）號: CN111259171A
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 袁麗;于松;楊梅;趙明;楊云龍
• 申請（專利權）人: 青島聚看云科技有限公司
• 主分類號: G06F16/43
• 分類號: G06F16/43;G06F16/432
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 朱佳

1.一種基于分詞索引搜索多媒體資源的方法，其特征在于，包括：

服務器響應于在終端設備上輸入的關鍵字，在分詞索引庫中進行搜索，所述分詞索引庫是對多媒體資源關聯的文字信息進行分詞處理后得到的，其中，一條分詞索引信息對應一個多媒體資源，所述一條分詞索引信息中包括對所述一個多媒體資源關聯的文字信息進行分詞提取后，將得到的待處理詞信息進行組合和篩選處理得到的詞組組合；

所述服務器確定所述輸入的關鍵字，能夠與所述分詞索引庫中至少一條分詞索引信息中的一個詞組組合完成匹配時，記錄所述至少一條分詞索引信息；

所述服務器獲取所述至少一條分詞索引信息對應的至少一個多媒體資源，將所述至少一個多媒體資源返回給所述終端設備。

2.如權利要求1所述的方法，其特征在于，所述在分詞索引庫中進行搜索之前，進一步包括，建立分詞索引庫；具體包括：

服務器獲取網絡中的多媒體資源，并對于讀取的每一個多媒體資源，分別執行以下操作：

所述服務器提取多媒體資源關聯的文字信息，所述文字信息至少包括所述多媒體資源的標簽信息以及簡介信息；

所述服務器對所述文字信息進行初始分詞處理，得到各個待處理詞信息，其中，一個待處理詞信息中至少包括一個字；

所述服務器依次計算相鄰兩個待處理詞信息之間的互信息，并基于所述互信息對所述各個待處理詞信息進行組合，得到處理后的各個詞組信息；

所述服務器分別計算所述各個詞組信息的左邊界熵和右邊界熵，篩選出所述左邊界熵達到預設的左邊界熵閾值，且所述右邊界熵達到預設的右邊界熵閾值的詞組信息，并基于所述詞組信息建立對應所述一個多媒體資源的一條分詞索引信息。

3.如權利要求2所述的方法，其特征在于，所述依次計算相鄰兩個待處理詞信息之間的互信息，并基于所述互信息對所述各個待處理詞信息進行組合，包括：

服務器將待處理詞信息按照在所述文字信息中的排列順序進行排列；

所述服務器采用循環處理方式執行以下步驟，直至所述排列順序中的全部待處理詞信息被讀取完畢時，獲取處理后的各個詞組信息：

所述服務器讀取相鄰的兩個待處理詞信息分別作為第一待處理詞信息和第二待處理詞信息，并計算所述第一待處理詞信息與所述第二待處理詞信息之間的互信息；

所述服務器判斷所述互信息是否達到設定的互信息閾值；

若是，則將所述第一待處理詞信息和第二待處理詞信息組合為一個新的待處理詞信息，以及將所述一個新的待處理詞信息作為新的第一待處理詞信息，并繼續按照所述排列順序讀取下一個待處理詞信息作為新的第二待處理詞信息；

否則，將所述第一待處理詞作為一個詞組信息，以及將所述第二待處理詞信息設置為新的第一待處理詞信息，并繼續按照所述排列順序讀取下一個待處理詞信息作為第二待處理詞信息。

4.如權利要求2所述的方法，其特征在于，所述分別計算所述各個詞組信息的左邊界熵和右邊界熵之后，進一步包括：

服務器獲取一個詞組信息的左邊界熵，確定所述一個詞組信息的左邊界熵小于所述左邊界熵閾值時，刪除所述一個詞組信息；和/或，

所述服務器獲取一個詞組信息的右邊界熵，確定所述一個詞組信息的右邊界熵小于所述右邊界熵閾值時，刪除所述一個詞組信息。

5.如權利要求1-4任一項所述的方法，其特征在于，所述基于所述詞組信息建立對應所述一個多媒體資源的一條分詞索引信息，包括：

服務器獲取篩選后的詞組信息，并將所述詞組信息按照所述排列順序進行標號；

所述服務器按照從小到大的順序依次讀取一個標號，采用循環處理的方式執行以下步驟，直至所有標號被讀取完畢：

所述服務器確定從所述一個標號開始，到最后一個標號為止的所有標號，并獲取所述所有標號對應的所有詞組信息；

所述服務器將所述所有詞組信息作為一個詞組組合，并繼續讀取下一個標號；

所述服務器基于獲得的所有詞組組合，建立對應一個多媒體資源的一條分詞索引信息。