[发明专利]基于文本内容特征的公众号信息存储方法及检索系统

权利要求书

1.基于文本内容特征的公众号信息存储方法，其特征在于，包括：

采集公众号文章，提取公众号文章的唯一标识和特征文本，将特征文本转化为特征标识，并将公众号文章与特征标识关联存储；

根据公众号文章确定索引字段，建立索引字段与公众号文章的关联关系，生成索引数据，所述索引字段至少包括唯一标识；

为多个索引节点分别配置唯一标识范围，将索引数据按照其唯一标识存储至相应的索引节点。

2.如权利要求1所述的基于文本内容特征的公众号信息存储方法，其特征在于，还包括：

当采集到新的公众号文章，则将其唯一标识与已存储的公众号文章的唯一标识对比，若一致，则不存储。

3.如权利要求1所述的基于文本内容特征的公众号信息存储方法，其特征在于，选取公众号文章的最长文段作为特征文本；

若公众号文章文段数小于5，并且最长文段的字数小于200字，则选取标题作为特征文本。

4.如权利要求1或3所述的基于文本内容特征的公众号信息存储方法，其特征在于，用MurmurHash算法将特征文本转换为哈希值，将哈希值作为特征标识。

5.如权利要求4所述的基于文本内容特征的公众号信息存储方法，其特征在于，将唯一标识加上预设字符串，然后用MurmurHash算法转换为哈希值，将该哈希值和特征标识均作为索引字段。

6.基于文本内容特征的公众号信息检索系统，其特征在于，包括：

采集装置，其用于采集公众号文章和对应的唯一标识；

特征分析装置，其用于取公众号文章的特征文本，将特征文本转化为特征标识，并将特征标识与公众号文章关联；

存储装置，其用于存储已关联特征标识的公众号文章，建立索引字段与公众号文章的关联关系，生成索引数据，所述索引字段至少包括唯一标识；

多个索引节点；

节点控制装置，其为多个索引节点分别配置唯一标识范围，将索引数据按照其唯一标识存储至相应的索引节点。

7.如权利要求6所述的基于文本内容特征的公众号信息检索系统，其特征在于，还包括：

缓存器，其用于缓存公众号文章的唯一标识；

当采集到新的公众号文章的唯一标识已缓存在缓存器内，则不存储该公众号文章。

8.如权利要求7所述的基于文本内容特征的公众号信息检索系统，其特征在于，索引字段包括唯一标识和特征标识。

9.如权利要求8所述的基于文本内容特征的公众号信息检索系统，其特征在于，还包括：

结果显示装置，其用于接受检索请求；

其中，节点控制装置将检索请求发送至各索引节点，并将返回的索引数据合并，并利用合并的索引数据中的唯一标识字段至存储装置内检索，结果显示装置以特征标识为分组条件分组显示检索结果。

10.如权利要求6所述的基于文本内容特征的公众号信息检索系统，其特征在于，用MurmurHash算法将特征文本转换为哈希值，将该哈希值作为特征标识；

将唯一标识加上预设字符串，然后用MurmurHash算法转换为哈希值。