[发明专利]一种ElasticSearch搜索相关度算法优化方法及系统

说明书

本发明提出了一种ElasticSearch搜索相关度算法优化方法和系统，属于相关度算法优化技术领域。解决了现有相关度算法不准确的问题，该相关度算法优化方法和系统通过把相关度算法计算出来的评分作为新算法中的一个维度，然后结合字符相关度评分维度进行评分，得到评分后，把两个评分根据倍数进行缩放并相加，然后将搜索推荐文档按照评分大小排序并获得匹配最准确字符。所述相关度算法优化方法和系统适用于各种搜索相关度算法的优化中。

技术领域

本发明涉及一种搜索相关度算法优化系统和方法，属于相关度算法优化技术领域。

背景技术

在这个互联网无处不在的年代，各种各样的数据存在我们生活中，比如说我们每日微信的聊天记录，朋友圈每日看不完的状态，还有每日更新的新闻信息，公司内部的各种邮件，电商网站的商品信息等等。

我们想快速的查找目标数据，用传统的数据库like不能很好的匹配目标数据，于是产生了一项互联网技术搜索，搜索是根据相关度算法去给搜索中的每个文档打分，分数最高的就是搜索推荐的最匹配的数据。

现有相关度算法由如下部分组成：

score(q,d)＝queryNorm(q)*coord(q,d)*∑(tf(t in d)*idf(t)²*t.getBoost()*norm(t,d))(t inq)

queryNorm(q)对查询进行一个归一化，不影响排序，因为对于同一个查询这个值是相同的，但是对term于ES来说，必须在分片是1的时候才不影响排序，否则的话，还是会有一些细小的区别，有几个分片就会有几个不同的queryNorm值

coord(q,d)＝overlap/maxoverlap其中overlap是检索命中query中term的个数，maxoverlap是query中总共的term个数。

tf(t in d)＝√frequency即term t在文档中出现的次数。

idf(t)＝1+log(numDocs/(docFreq+1))log是以e为底的，不是以10或者以2为底，这点需要注意，numDocs是指所有的文档个数，如果有分片的话，就是指的是在当前分片下总的文档个数，docFreq是指相关文档的个数，如果有分片对应的也是在当前分片下相关的个数。

norm(d)＝1/√numTerms numTerms是文档的总长度。

可见现有相关度算法为了实现相关度算法的准确性，利用多个维度从多个不同维度给文档打分，分别是(1)coord(q,d)关键词分词之后，文档命中个数除以分词总数维度；(2)tf(t ind)每个分词在文档中出现的频率维度；(3)idf(t)每个分词的总文档数除以分词相关文档总数维度；(4)norm(d)每个相关文档的长度维度

但是，现有的搜索相关度算法经常出现其匹配的数据不是用户想要目标数据缺陷，不能准确的为用户推荐目标数据，浪费用户查找目标数据的时间的问题。

发明内容

本发明为了解决现有技术中ElasticSearch搜索服务器的相关度算法搜索推荐结果不准确的问题，提出了一种ElasticSearch搜索相关度算法优化系统和方法。

一种ElasticSearch搜索相关度算法优化系统，所采取的技术方案如下：所述相关度算法优化系统包括：

用于对输入的文字或字符进行搜索的搜索模块；

用于判断输入的文字或字符是否是汉字的判断模块；

用于将输入的汉字解析成汉语拼音的解析模块；

用于将每个汉语拼音、拼音首字母或英文字符与索引库中的内容进行匹配并生成匹配结果的匹配模块；