[发明专利]一种确定检索词在文档中的位置信息的方法以及装置

说明书

技术领域

本发明涉及信息检索技术领域，尤其涉及一种确定检索词在文档中的位置信息的方法以及装置。

背景技术

全文检索系统是目前应用非常普及的一种检索系统，该检索系统主要根据预先建立的倒排索引文件确定出与用户终端提交的检索词匹配的文档，该文档一般为包括用户终端提交的各检索词的文档。

目前，全文检索系统建立倒排索引文件的过程包括：通过索引程序扫描文档中的每一个词项，并分别对每一个词项建立一个索引项，该索引项用于标识所对应词项在该文档中出现的位置信息，并根据为文档中的每一个词项分别建立的索引项创建倒排索引文件。在建立倒排索引文件后，全文检索系统在进行检索时，首先通过读取该倒排索引文件确定出包含用户提交的词项的文档集合(该集合中包括的文档可以以文档列表的形式存在)，以及该词项在每个文档中分别出现的位置信息(该位置信息可以以列表的形式存在)，然后返回检索命中结果。一般情况下，用户终端提交的检索词可以为词组，也可以为短句，因此，在应用全文检索系统进行检索时，一般将检索请求中的检索词对应的词组或短句划分为多个词项在索引文件中进行查找，并将同时包含所有划分得到的词项的文档确定为初步命中的文档，然后读取检索词在初步命中的每个文档中分别出现的位置信息，并将确定出的位置信息满足设定位置关系的文档确定为最终的命中的文档返回给该用户终端。具体地，确定位置信息满足设定位置关系的文档，即在确定出检索词在文档中出现的位置信息后，根据检索词在文档中的上述位置信息进行位置关系计算。在进行位置关系计算时需要读取检索词包括的各词项分别在初步命中的文档中分别出现的位置信息，下面将以读取下表1中初步命中的文档包括的检索词在文档中的位置信息为示例进行说明：

表1：

  检索词  数字  信息  处理  加速  的  方法  文档1  100  50  60  0  1000  20  文档2  40  20  400  20  1200  0  文档3  0  90  100  80  3200  400  文档4  200  100  300  120  2000  100  文档5  210  130  0  140  2300  140  文档6  310  0  320  150  2300  140  文档7  50  410  210  150  3000  140