[发明专利]一种数据搜索的装置及其方法

说明书

技术领域

本发明涉及互联网技术领域，尤其涉及一种数据搜索的装置及其方法。

背景技术

随着互联网技术的发展，网络信息数据量也越来越大，比如视频网站中大量的视频信息，网站论坛中大量用户的发布信息，以及用户的历史海量日志。为了实现某一操作目的，需要在大数据量的网络信息中获得满足需求的数据。

现有的数据搜索技术多采用基于搜索关键词(query)进行搜索，由搜索引擎服务器根据输入的搜索关键词，将与所述搜索关键词匹配的页面包含搜索结果进行反馈。并且，在搜索结果中进行排序，将和搜索关键词相关度最高的页面排在最前面。

但是，现有的数据搜索技术通常对搜索关键词的文本进行分词，仅仅计算各页面在文本上与搜索关键词的相关度，并不考虑该搜索关键词的需求，导致搜索出来的页面并非该搜索关键词真正想要的页面。比如，输入搜索关键词“最新恐怖片”，现有的数据搜索技术会基于词频和位置等文本内容进行搜索。因此，搜索出来的页面为包含“最新恐怖片”这一文本内容的页面，而输入该搜索关键词真正想要的页面为最新的恐怖片视频观看页面。

因此，如何根据搜索关键词提供更加符合搜索需求的搜索结果成为数据搜索技术中亟待解决的技术问题。

发明内容

有鉴于此，本发明提供一种数据搜索的装置及其方法，其能够根据搜索关键词，提供更加符合搜索需求的搜索结果。

本发明提供一种数据搜索的装置，包括：

分词处理模块，用于对接收的搜索关键词进行分词处理，获得所述搜索关键词的全部分词词语。

分数获取模块，用于获取至少一个所述搜索关键词的分词词语的领域分数，并根据所述至少一个分词词语的领域分数计算出所述搜索关键词的领域分数。

匹配计算模块，用于分别计算所述搜索关键词的领域分数和根据所述搜索关键词搜索出的所有文档的领域分数的匹配度。

搜索排序模块，用于依据所述匹配度对所述根据搜索关键词搜索出的文档进行排序。

进一步，本发明还包括：

词库识别模块，用于根据预先设立的词库对所述搜索关键词的每个分词词语进行词库识别，如所述分词词语命中所述词库中存储的词语，则将所述分词词语设定为特征分词词语，否则，将所述分词词语设定为非特征分词词语，在分类标签和特征分词词语匹配的文档中根据非特征分词词语进行搜索。

进一步，本发明所述词库识别模块还如果特征分词词语为预定义的特征分词词语，则将所述分词词语从所述搜索关键词的全部分词词语中删除，令所述分数获取模块不再对所述删除的分词词语进行领域分数获取。

进一步，本发明还包括：

描述处理模块，用于分别对所有文档的文字描述计算领域分数，并将计算出的领域分数设定为相应文档的领域分数。

进一步，本发明所述搜索排序模块还用于判断所述搜索关键词的分词词语是否包括排序分词词语，如果包括，则按照所述排序分词词语对所述根据搜索关键词搜索出的文档进行排序。

对应于上述装置，本发明还提供一种数据搜索的方法，包括：

对接收的搜索关键词进行分词处理，获得所述搜索关键词的全部分词词语；

获取所述搜索关键词的至少一个分词词语的领域分数，并根据所述至少一个分词词语的领域分数计算出所述搜索关键词的领域分数；

分别计算所述搜索关键词的领域分数和根据所述搜索关键词搜索出的所有文档的领域分数的匹配度；

依据所述匹配度对所述根据搜索关键词搜索出的文档进行排序。

进一步，本发明所述方法还包括：

根据预先设立的词库对所述搜索关键词的每个分词词语进行词库识别，如所述分词词语命中所述词库中存储的词语，则将所述分词词语设定为特征分词词语，否则，将所述分词词语设定为非特征分词词语，在分类标签和特征分词词语匹配的文档中根据非特征分词词语进行搜索。

进一步，本发明所述根据预先设立的词库对所述搜索关键词的每个分词词语进行词库识别，如所述分词词语命中所述词库中存储的词语，则将所述分词词语设定为特征分词词语，否则，将所述分词词语设定为非特征分词词语，在分类标签和特征分词词语匹配的文档中根据非特征分词词语进行搜索还包括：

如果特征分词词语为预定义的特征分词词语，则将所述分词词语从所述搜索关键词的分词词语中删除，令所述分数获取模块不再对所述删除的分词词语进行领域分数获取。

进一步，本发明还包括：

分别对所有文档的文字描述计算领域分数，并将计算出的领域分数设定为文档的领域分数。