[發明專利]一種創建清單數據索引的方法和裝置

在審

• 申請號: 202011551965.1
• 申請日: 2020-12-24
• 公開（公告）號: CN112632214A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 鐘榮清;楊佳;劉丹
• 申請（專利權）人: 中國建設銀行股份有限公司
• 主分類號: G06F16/31
• 分類號: G06F16/31;G06F40/103;G06F40/279;G06F40/289
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 郝紅玉;郭晗

本發明公開了創建清單數據索引的方法和裝置，涉及計算機搜索技術領域。該方法的具體實施方式包括：將所述非結構化的清單數據轉化成結構化數據，并提取出清單數據實體標識；對所述清單數據實體標識進行標準化處理，以生成標準化清單數據實體標識；針對每個標準化清單數據實體標識，創建清單數據實體的索引。該實施方式降低了清單數據索引量和創建索引時間，提高了索引效率。

技術領域

本發明涉及計算機技術領域，尤其涉及一種創建清單數據索引的方法和裝置。

背景技術

一般來說，索引用于系統地排列文檔或其他實體。索引使用戶能夠在文檔中快速地查找信息。索引集合用于解析和存儲文檔。索引是為了在查找所需文檔時提高搜索查詢的速度和性能。搜索引擎(Search Engine)是指根據一定的策略、運用特定的計算機程序從互聯網上搜集信息，在對信息進行組織和處理后，為用戶提供檢索服務，將用戶檢索相關的信息展示給用戶的系統。搜索引擎包括全文索引、目錄索引、元搜索引擎、垂直搜索引擎、集合式搜索引擎、門戶搜索引擎與免費鏈接列表等。

目前，現在主流的搜索引擎主要包括：Lucene，Solr，ElasticSearch；它們的索引建立都是根據倒排索引的方式生成索引。

發明內容

有鑒于此，本發明實施例提供一種創建清單數據索引的方法和裝置，能夠通過對清單數據中文繁體、簡體、英文大小寫進行規格化處理可以有效減少索引，實現統一化管理。通過對清單實體標識去重后建索引，可以有效減少索引量，同時提升匹配效率。對清單原有中文數據不進行拼音轉化，減少過多的多音字處理，不僅可以大量減少索引，同時避免清單篩查匹配中文轉拼音多次匹配計算過程，提升效率。本發明的方案，綜合考慮待篩查數據和清單數據特性，能夠有效減少清單索引量，節省索引創建時間，提升索引效率。

為實現上述目的，根據本發明實施例的一個方面，提供了一種創建清單數據索引的方法。

根據本發明實施例的一個方面的創建清單數據索引的方法，包括：

將所述非結構化的清單數據轉化成結構化數據，并提取出清單數據實體標識；

對所述清單數據實體標識進行標準化處理，以生成標準化清單數據實體標識；

針對每個標準化清單數據實體標識，創建清單數據實體的索引。

根據本發明實施例的一個方面的創建清單數據索引的方法，其中，所述對所述清單數據實體標識進行標準化處理包括至少以下中的一種或幾種：

移除標點符號；

移除ASCII碼；

移除停止詞；

轉化英語單詞的大寫和/或小寫；

轉化中文漢字的繁體和/簡體。

根據本發明實施例的一個方面的創建清單數據索引的方法，其中，針對每個標準化清單數據實體標識，創建清單數據實體的索引，包括：

對每個標準化清單數據實體標識進行去重處理；

針對去重后的標準化清單數據實體標識，創建清單數據實體的索引。

根據本發明實施例的一個方面的創建清單數據索引的方法，其中，所創建的清單數據實體的索引是一個或多個。

根據本發明實施例的一個方面的創建清單數據索引的方法，其中，所述清單數據實體標識包括本國語言、非本國語言和別名。

根據本發明實施例的一個方面的創建清單數據索引的方法，其中，所述本國語言是中文，所述非本國語言是英語。