專利名稱：構(gòu)造索引庫(kù)的方法和設(shè)備以及查詢方法
技術(shù)領(lǐng)域：
本發(fā)明涉及信息處理技術(shù)，更具體地，涉及構(gòu)造索引庫(kù)的方法和設(shè)備以及利用該 索引庫(kù)進(jìn)行查詢的方法。
背景技術(shù)：
傳統(tǒng)的索引結(jié)構(gòu)主要包括索引項(xiàng)詞典和索引數(shù)據(jù)。索引項(xiàng)詞典記錄了所有索引 項(xiàng)。索引項(xiàng)用于在索引構(gòu)造和索引檢索時(shí)查找某個(gè)關(guān)鍵詞，并且包含記錄索引數(shù)據(jù)位置的 記錄項(xiàng)。索引數(shù)據(jù)包含索引的具體信息，例如包含對(duì)應(yīng)的索引項(xiàng)的文檔標(biāo)識(shí)等。圖1示出了簡(jiǎn)化的索引結(jié)構(gòu)示例的示意圖。如圖1所示，該索引結(jié)構(gòu)包括索引項(xiàng) 詞典1和索引數(shù)據(jù)2。索引項(xiàng)詞典1中包含i個(gè)索引項(xiàng)詞匯1、詞匯2、…、詞匯i，其中詞 匯1的索引數(shù)據(jù)是所有包含詞匯1的文檔dll、d21、…、dtl，以此類推。實(shí)際的索引數(shù)據(jù) 根據(jù)需要還可包含其它的統(tǒng)計(jì)信息，例如該索引項(xiàng)在每個(gè)文檔中的頻率、位置等。傳統(tǒng)的索引結(jié)構(gòu)有兩種組織方式單級(jí)索引和多級(jí)索引。圖2示出了一個(gè)包含a、b、d、f、j、k共6個(gè)詞匯的單級(jí)索引的索引項(xiàng)詞典的示例 的示意圖，該索引項(xiàng)詞典以順序方式組織。該索引項(xiàng)詞典在初次被載入內(nèi)存之后，以后都可 以在內(nèi)存中進(jìn)行快速的查找和定位。但是，如果內(nèi)存容量有限，無(wú)法載入所有的索引項(xiàng)，則 需要每次載入一定數(shù)目的索引項(xiàng)，查找完畢再載入下一批數(shù)據(jù)。例如，如果索引項(xiàng)總量為n， 內(nèi)存容量為k個(gè)索引項(xiàng)，則一次查找最多需要n/(k+l)次磁盤(pán)訪問(wèn)。由此可見(jiàn)，在索引項(xiàng)數(shù) 目較大的情況下，單級(jí)索引是一種效率較低的方案。多級(jí)索引則通常以多個(gè)層次的樹(shù)等方式組織索引項(xiàng)。圖3示出了一個(gè)包含a、b、 d、f、j、k共6個(gè)詞匯的樹(shù)形方式組織的二級(jí)索引的索引項(xiàng)詞典的示例的示意圖。假設(shè)內(nèi)存 的容量為3個(gè)索引項(xiàng)，則6個(gè)索引項(xiàng)被分為兩塊組織，并以兩塊的上層建立一級(jí)索引，形成 一個(gè)二級(jí)索引。如果索引項(xiàng)更多，則依次向上建立樹(shù)形方式組織的多級(jí)索引。在查找時(shí)從 頂端載入，逐級(jí)向下查找，最多需要logkn+l次磁盤(pán)訪問(wèn)。由此可見(jiàn)，多級(jí)索引的方法便于組 織大規(guī)模的索引項(xiàng)，但是其效率會(huì)隨著索引項(xiàng)規(guī)模的擴(kuò)大而逐漸下降。綜上所述，索引規(guī)模和檢索響應(yīng)速度是索引結(jié)構(gòu)設(shè)計(jì)中存在的矛盾。在傳統(tǒng)的索 引結(jié)構(gòu)中，隨著索引規(guī)模的擴(kuò)大，帶來(lái)了諸如索引項(xiàng)總量龐大無(wú)法全部載入內(nèi)存、或檢索響 應(yīng)速度隨著索引規(guī)模的擴(kuò)大而逐漸下降等的問(wèn)題。

發(fā)明內(nèi)容
在下文中給出了關(guān)于本發(fā)明的簡(jiǎn)要概述，以便提供關(guān)于本發(fā)明的某些方面的基本 理解。應(yīng)當(dāng)理解，這個(gè)概述并不是關(guān)于本發(fā)明的窮舉性概述。它并不是意圖確定本發(fā)明的 關(guān)鍵或重要部分，也不是意圖限定本發(fā)明的范圍。其目的僅僅是以簡(jiǎn)化的形式給出某些概 念，以此作為稍后論述的更詳細(xì)描述的前序。本發(fā)明的至少一個(gè)目的在于提供一種構(gòu)造索引庫(kù)的方法和設(shè)備以及利用該索引 庫(kù)進(jìn)行查詢的方法，其能夠至少克服上述現(xiàn)有技術(shù)的部分缺點(diǎn)和不足，以在支持大規(guī)模索引數(shù)據(jù)的同時(shí)提高整體檢索響應(yīng)速度。本發(fā)明的另一個(gè)目的是提供相應(yīng)的計(jì)算機(jī)程序產(chǎn)品和/或計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。為了實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明的一個(gè)實(shí)施例，提供了一種構(gòu)造索引庫(kù)的方法，包 括將一個(gè)或多個(gè)文檔中的詞匯分類為第一類別或第二類別；以及根據(jù)第一類別的詞匯來(lái) 構(gòu)建單級(jí)索引，并根據(jù)第二類別的詞匯來(lái)構(gòu)建多級(jí)索引。在該構(gòu)造索引庫(kù)的方法中，分類步驟可包括判定詞匯是否屬于預(yù)定詞匯集，如果 屬于則將該詞匯分類為第一類別，否則將該詞匯分類為第二類別。在該構(gòu)造索引庫(kù)的方法中，預(yù)定詞匯集可包括高頻查詢?cè)~。在該構(gòu)造索引庫(kù)的方法中，預(yù)定詞匯集可包括中文詞匯集或其子集、英文單詞集 或其子集、中文符號(hào)集或其子集、英文符號(hào)集或其子集、常用數(shù)字中的任意一種或多種。在該構(gòu)造索引庫(kù)的方法中，還可包括將針對(duì)新的一個(gè)或多個(gè)文檔構(gòu)建的新的單級(jí) 索引和多級(jí)索引分別與索引庫(kù)中已有的單級(jí)索引和多級(jí)索引相合并。在該構(gòu)造索引庫(kù)的方法中，構(gòu)建單級(jí)索引可包括以線性表、哈希表或數(shù)組的方式 構(gòu)建單級(jí)索引。為了實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明的另一實(shí)施例，提供了一種利用如上所述的方法 構(gòu)造的索引庫(kù)進(jìn)行查詢的方法，包括將查詢關(guān)鍵詞分類為第一類別或第二類別；如果該 查詢關(guān)鍵詞屬于第一類別，則在索引庫(kù)的單級(jí)索引中檢索該查詢關(guān)鍵詞以獲取單級(jí)索引數(shù) 據(jù)；以及如果該查詢關(guān)鍵詞屬于第二類別，則在索引庫(kù)的多級(jí)索引中檢索該查詢關(guān)鍵詞以 獲取多級(jí)索引數(shù)據(jù)。在該查詢方法中，單級(jí)索引可被預(yù)先存儲(chǔ)在訪問(wèn)速度較快的存儲(chǔ)器中。為了實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明的又一實(shí)施例，提供了一種構(gòu)造索引庫(kù)的設(shè)備，包 括分類器，被配置為將一個(gè)或多個(gè)文檔中的詞匯分類為第一類別或第二類別；以及索引 構(gòu)建器，被配置為根據(jù)第一類別的詞匯來(lái)構(gòu)建單級(jí)索引，并根據(jù)第二類別的詞匯來(lái)構(gòu)建多 級(jí)索引。在該構(gòu)造索引庫(kù)的設(shè)備中，分類器可被配置為判定詞匯是否屬于預(yù)定詞匯集，如 果屬于則將該詞匯分類為第一類別，否則將該詞匯分類為第二類別。在該構(gòu)造索引庫(kù)的設(shè)備中，預(yù)定詞匯集可包括高頻查找詞。在該構(gòu)造索引庫(kù)的設(shè)備中，預(yù)定詞匯集可包括中文詞匯集或其子集、英文單詞集 或其子集、中文符號(hào)集或其子集、英文符號(hào)集或其子集、常用數(shù)字中的任意一種或多種。在該構(gòu)造索引庫(kù)的設(shè)備中，索引構(gòu)建器還可被配置為將針對(duì)新的一個(gè)或多個(gè)文檔 構(gòu)建的新的單級(jí)索引和多級(jí)索引分別與索引庫(kù)中已有的單級(jí)索引和多級(jí)索引相合并。在該構(gòu)造索引庫(kù)的設(shè)備中，索引構(gòu)建器還可被配置為以線性表、哈希表或數(shù)組的 方式構(gòu)建單級(jí)索引。依據(jù)本發(fā)明的其它實(shí)施例，還提供了相應(yīng)的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)和計(jì)算機(jī)程序產(chǎn)
P
ΡΠ O根據(jù)本發(fā)明的實(shí)施例，通過(guò)將單級(jí)索引與多級(jí)索引相結(jié)合來(lái)構(gòu)建索引庫(kù)，能夠在 支持大規(guī)模索引數(shù)據(jù)的同時(shí)提高整體檢索響應(yīng)速度。通過(guò)以下結(jié)合附圖對(duì)本發(fā)明的最佳實(shí)施例的詳細(xì)說(shuō)明，本發(fā)明的這些以及其它的 優(yōu)點(diǎn)將更加明顯。


本發(fā)明可以通過(guò)參考下文中結(jié)合附圖所給出的描述而得到更好的理解，其中在所 有附圖中使用了相同或相似的附圖標(biāo)記來(lái)表示相同或者相似的部件。所述附圖連同下面的 詳細(xì)說(shuō)明一起包含在本說(shuō)明書(shū)中并且形成本說(shuō)明書(shū)的一部分，而且用來(lái)進(jìn)一步舉例說(shuō)明本 發(fā)明的優(yōu)選實(shí)施例和解釋本發(fā)明的原理和優(yōu)點(diǎn)。在附圖中圖1示出了簡(jiǎn)化的索引結(jié)構(gòu)示例的示意圖；圖2示出了單級(jí)索引的索引項(xiàng)詞典的示例的示意圖；圖3示出了二級(jí)索引的索引項(xiàng)詞典的示例的示意圖；圖4示出了根據(jù)本發(fā)明實(shí)施例的構(gòu)造索引庫(kù)的方法的流程圖；圖5示出了根據(jù)本發(fā)明實(shí)施例的利用本發(fā)明構(gòu)建的索引庫(kù)進(jìn)行查詢的方法的流 程的示意圖；圖6示出了根據(jù)本發(fā)明實(shí)施例的構(gòu)建索引庫(kù)的設(shè)備的示意圖；圖7示出了根據(jù)本發(fā)明另一實(shí)施例的構(gòu)建索引庫(kù)的設(shè)備的示意圖；以及圖8示出了根據(jù)本發(fā)明實(shí)施例的利用本發(fā)明構(gòu)建的索引庫(kù)進(jìn)行查詢的設(shè)備的示 意圖。本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，附圖中的元件僅僅是為了簡(jiǎn)單和清楚起見(jiàn)而示出的， 而且不一定是按比例繪制的。例如，附圖中某些元件的尺寸可能相對(duì)于其他元件放大了，以 便有助于提高對(duì)本發(fā)明實(shí)施例的理解。
具體實(shí)施例方式在下文中將結(jié)合附圖對(duì)本發(fā)明的示范性實(shí)施例進(jìn)行詳細(xì)描述。為了清楚和簡(jiǎn)明起 見(jiàn)，在說(shuō)明書(shū)中并未描述實(shí)際實(shí)施方式的所有特征。然而，應(yīng)該了解，在開(kāi)發(fā)任何這種實(shí)際 實(shí)施例的過(guò)程中必須做出很多特定于實(shí)施方式的決定，以便實(shí)現(xiàn)開(kāi)發(fā)人員的具體目標(biāo)，例 如，符合與系統(tǒng)及業(yè)務(wù)相關(guān)的那些限制條件，并且這些限制條件可能會(huì)隨著實(shí)施方式的不 同而有所改變。此外，還應(yīng)該了解，雖然開(kāi)發(fā)工作有可能是非常復(fù)雜和費(fèi)時(shí)的，但對(duì)得益于 本公開(kāi)內(nèi)容的本領(lǐng)域技術(shù)人員來(lái)說(shuō)，這種開(kāi)發(fā)工作僅僅是例行的任務(wù)。在此，還需要說(shuō)明的一點(diǎn)是，為了避免因不必要的細(xì)節(jié)而模糊了本發(fā)明，在附圖和 說(shuō)明中僅僅描述了與根據(jù)本發(fā)明的方案密切相關(guān)的裝置結(jié)構(gòu)和/或處理步驟，而省略了對(duì) 與本發(fā)明關(guān)系不大的、本領(lǐng)域普通技術(shù)人員已知的部件和處理的表示和描述。圖4是示出了根據(jù)本發(fā)明實(shí)施例的構(gòu)造索引庫(kù)的方法的流程圖。如圖4所示，根據(jù)本實(shí)施例的構(gòu)造索引庫(kù)的方法從步驟S401開(kāi)始。在步驟S401 中，將一個(gè)或多個(gè)文檔中的詞匯分類為第一類別或第二類別。該分類可基于預(yù)定的分類標(biāo) 準(zhǔn)。例如，可以判定該詞匯是否屬于預(yù)定詞匯集，如果屬于預(yù)定詞匯集則將該詞匯分類為第 一類別，如果不屬于預(yù)定詞匯集則將該詞匯分類為第二類別。本領(lǐng)域的技術(shù)人員可以根據(jù) 實(shí)際應(yīng)用的需求來(lái)選擇該分類標(biāo)準(zhǔn)或該預(yù)定詞匯集。例如，該預(yù)定詞匯集可以包括高頻查詢?cè)~，其中，高頻查詢?cè)~可以是預(yù)先統(tǒng)計(jì)的查 詢頻率高于預(yù)定閾值的查詢?cè)~。應(yīng)該理解，這種預(yù)先的統(tǒng)計(jì)可能沒(méi)有覆蓋所有的詞匯，因此 統(tǒng)計(jì)結(jié)果不一定是完全準(zhǔn)確的。也可以人工選定高頻查詢?cè)~。
在一個(gè)示例中，預(yù)定詞匯集可以包括中文詞匯集或其子集、英文單詞集或其子集、 中文符號(hào)集或其子集、英文符號(hào)集或其子集、常用數(shù)字中的任意一種或多種。其中，中文符 號(hào)集可以包括中文標(biāo)點(diǎn)符號(hào)等。英文符號(hào)集可以包括英文符號(hào)等。在一個(gè)示例中，預(yù)定詞匯集也可以是任意指定的詞匯集。在一個(gè)示例中，可以預(yù)先確定第一類別的詞匯的數(shù)目為M(M為正整數(shù))，在構(gòu)造索 引庫(kù)的過(guò)程中首先被索引的M個(gè)詞匯被確定為第一類別的詞匯，而其他詞匯為第二類別的 詞匯。也就是說(shuō)，對(duì)前M個(gè)詞匯構(gòu)建單級(jí)索引，對(duì)其他詞匯構(gòu)建多級(jí)索引。在步驟S402中，根據(jù)第一類別的詞匯來(lái)構(gòu)建單級(jí)索引，并根據(jù)第二類別的詞匯來(lái) 構(gòu)建多級(jí)索引。這樣，通過(guò)步驟S401和S402的處理，將一個(gè)或多個(gè)文檔中的詞匯分類為第 一類別或第二類別，針對(duì)第一類別的詞匯構(gòu)建單級(jí)索引，并針對(duì)第二類別的詞匯構(gòu)建多級(jí) 索引，從而能夠在利用多級(jí)索引支持大規(guī)模索引數(shù)據(jù)的同時(shí)利用單級(jí)索引來(lái)提高整體檢索 響應(yīng)速度。例如，在基于對(duì)該詞匯是否屬于預(yù)定詞匯集的判定來(lái)進(jìn)行該分類的情況下，針對(duì) 屬于預(yù)定詞匯集的詞匯將構(gòu)建單級(jí)索引，針對(duì)不屬于預(yù)定詞匯集的詞匯將構(gòu)建多級(jí)索引。 這樣，對(duì)于屬于預(yù)定詞匯集的查詢關(guān)鍵詞，查詢對(duì)應(yīng)的單級(jí)索引，從而能夠提高其檢索響應(yīng) 速度。同時(shí)，針對(duì)不屬于預(yù)定詞匯集的詞匯構(gòu)建多級(jí)索引，使得可以防止由于單級(jí)索引的索 引項(xiàng)數(shù)目過(guò)大而導(dǎo)致的查詢效率降低，并且可以利用多級(jí)索引來(lái)支持大規(guī)模索引數(shù)據(jù)。例如，在該預(yù)定詞匯集包括高頻查詢?cè)~的情況下，針對(duì)屬于預(yù)定的高頻查詢?cè)~的 詞匯將構(gòu)建單級(jí)索引，針對(duì)不屬于預(yù)定的高頻查詢?cè)~的詞匯將構(gòu)建多級(jí)索引。這樣，由于高 頻查詢?cè)~通常只占詞匯總量的一小部分，因此可以充分利用單級(jí)索引提高整體檢索響應(yīng)速 度。此外，例如，在該預(yù)定詞匯集包括中文詞匯集或其子集、英文單詞集或其子集、中 文符號(hào)集或其子集、英文符號(hào)集或其子集、常用數(shù)字中的任意一種或多種的情況下，通過(guò)針 對(duì)可枚舉的詞匯構(gòu)建單級(jí)索引，可以充分地利用單級(jí)索引來(lái)提高檢索響應(yīng)速度。此外，在根據(jù)本實(shí)施例的構(gòu)造索引庫(kù)的方法中，在索引庫(kù)中已經(jīng)存在先前構(gòu)建的 索引的情況下，還可以將針對(duì)新的一個(gè)或多個(gè)文檔構(gòu)建的新的單級(jí)索引和多級(jí)索引分別與 索引庫(kù)中已有的單級(jí)索引和多級(jí)索引相合并。例如，在采用預(yù)定詞匯集對(duì)第一類詞匯和第 二類詞匯進(jìn)行劃分的情況下，在更新索引庫(kù)的過(guò)程中采用與已有索引庫(kù)構(gòu)建時(shí)相同的預(yù)定 詞匯集。在一個(gè)示例中，也可以將已有的單級(jí)索引中的詞匯認(rèn)為是第一類別的詞匯。也就 是說(shuō)，如果新文檔中的詞匯已經(jīng)在單級(jí)索引中存在，則將其認(rèn)為是第一類別的詞匯，否則將 其認(rèn)為是第二類別的詞匯。例如，在首先被索引的M個(gè)詞匯被確定為第一類別的情況下，假 設(shè)已有的單級(jí)索引中的詞匯數(shù)目為P個(gè)(P為正整數(shù))如果P = M，則將這M個(gè)詞匯確定為 第一類別的詞匯，否則在更新索引庫(kù)的過(guò)程中首先被索引的M-P個(gè)新詞匯被確定為第一類 別的詞匯。另外，在根據(jù)本實(shí)施例的構(gòu)造索引庫(kù)的方法中，顯然可以根據(jù)實(shí)際情況和需要使 用任何已知的具體的單級(jí)索引構(gòu)建方法和多級(jí)索引構(gòu)建方法來(lái)構(gòu)建單級(jí)索引和多級(jí)索引。 優(yōu)選地，可以以諸如線性表、哈希表或數(shù)組之類的線性數(shù)據(jù)結(jié)構(gòu)來(lái)構(gòu)建單級(jí)索引。例如，可 以將索引項(xiàng)詞典構(gòu)建成數(shù)組的形式，并且利用數(shù)組元素的下標(biāo)來(lái)指示該數(shù)組元素對(duì)應(yīng)的索 引數(shù)據(jù)的存放地址。因此，為了說(shuō)明書(shū)的簡(jiǎn)潔起見(jiàn)，在此就不再對(duì)單級(jí)索引和多級(jí)索引的具體構(gòu)建方法進(jìn)行詳細(xì)描述了。此外，需要說(shuō)明的是，雖然以上結(jié)合圖4所示的流程圖對(duì)根據(jù)本實(shí)施例的構(gòu)造索 引庫(kù)的方法進(jìn)行了描述，但是本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，圖4所示的流程圖僅僅是示例性 的，而不是對(duì)本發(fā)明的范圍的限制，本領(lǐng)域技術(shù)人員完全可以根據(jù)實(shí)際需要對(duì)圖4所示的 流程圖進(jìn)行修改。例如，本領(lǐng)域的技術(shù)人員完全可以根據(jù)實(shí)際檢索系統(tǒng)的性能和功能的需 求來(lái)靈活地選擇和設(shè)置對(duì)文檔中的詞匯進(jìn)行分類的標(biāo)準(zhǔn)或所述預(yù)定詞匯集。還需要指出的是，執(zhí)行上述系列處理的步驟可以自然地按照說(shuō)明的順序按時(shí)間順 序執(zhí)行，但是并不需要一定按照時(shí)間順序執(zhí)行。某些步驟可以并行或彼此獨(dú)立地執(zhí)行。例如，下面將說(shuō)明根據(jù)本發(fā)明的構(gòu)造索引庫(kù)的方法的另一具體示例。在本示例中，配置預(yù)定詞匯集IS，這里將該預(yù)定詞匯集IS設(shè)為可枚舉詞匯集。在 輸入文檔D之后，對(duì)文檔D進(jìn)行分詞處理等處理，在上述的分詞處理中，可以使用任何已知 的分詞方法。然后，根據(jù)所配置的預(yù)定詞匯集IS對(duì)所獲得的待索引詞匯進(jìn)行分類，將其劃分為 兩類索引項(xiàng)，即，可枚舉索引項(xiàng)集合Ie= {tel,te2,…，tern}，第一類別的詞匯為不可枚舉 索引項(xiàng)集合Iu= {tul，tu2，…，tun}，其中，Ie包含m個(gè)元素，Iu包含η個(gè)元素?？擅杜e 索引項(xiàng)集合也就是所謂的預(yù)定詞匯集。不可枚舉的索引項(xiàng)的集合具有無(wú)限多個(gè)元素，無(wú)法通過(guò)逐個(gè)枚舉的方式列出所有 可能的成員，例如可包括數(shù)字，序列號(hào)或其他數(shù)字字母組合而成的詞匯?？擅杜e索引項(xiàng)的集 合可以包括除了不可枚舉的索引項(xiàng)的集合以外的詞匯，例如所有中文字符、常用中文詞匯、 英文單詞及中英文符號(hào)。考慮到計(jì)算機(jī)內(nèi)存的訪問(wèn)速度要遠(yuǎn)大于硬盤(pán)的訪問(wèn)速度，同時(shí)內(nèi)存容量是有限 的。為了支持大規(guī)模的數(shù)據(jù)量，需要將索引存放在磁盤(pán)上。另一方面，為了獲取更高的檢索 響應(yīng)時(shí)間，需要將一部分索引放在內(nèi)存里。因此，對(duì)于可枚舉索引項(xiàng)，可以在內(nèi)存中維護(hù)一 個(gè)所有可枚舉索引項(xiàng)的列表，這樣可以進(jìn)行快速查找。另一方面，對(duì)于不可枚舉索引項(xiàng)，由 于其成員過(guò)多，無(wú)法將其全部放入內(nèi)存，因此在磁盤(pán)上維護(hù)一個(gè)多級(jí)索引，以逐級(jí)載入的方 式進(jìn)行查找。此外，考慮到單級(jí)索引對(duì)高頻查詢?cè)~的覆蓋率是影響系統(tǒng)整體性能的因素之一， 因此可枚舉索引項(xiàng)的集合盡可能大。例如，可以定義詞匯類別集合T = {C，Ε，N, S}，其中C表示中文字詞及符號(hào)，E表 示英文單詞及符號(hào)，N表示數(shù)字，S表示除此之外的任意字符數(shù)字序列。這樣，可以使可枚舉 索引項(xiàng)集合Ie包括C和Ε。在一個(gè)示例中還可以進(jìn)行調(diào)整以使得Ie覆蓋更多的高頻檢索 詞。例如，也可以在Ie中加入10000以內(nèi)的數(shù)字，這樣對(duì)這部分?jǐn)?shù)字的查詢也將檢索單級(jí) 索引。接下來(lái)，針對(duì)Ie構(gòu)造單級(jí)索引，并針對(duì)Iu構(gòu)造多級(jí)索引。將所構(gòu)造的單級(jí)索引和 多級(jí)索引統(tǒng)一寫(xiě)入索引庫(kù)R= {P，Ie, Iu, D}中，其中D為索引數(shù)據(jù)，P為全局信息，P包含 單級(jí)索引Ie和多級(jí)索引Iu的入口地址。由上述可知，根據(jù)本示例的構(gòu)造索引庫(kù)的方法結(jié)合了內(nèi)存形式的單級(jí)索引的速度 優(yōu)勢(shì)和多級(jí)索引的數(shù)據(jù)容量?jī)?yōu)勢(shì)，能夠在支持大規(guī)模檢索數(shù)據(jù)的同時(shí)合理增加內(nèi)存使用 量，從而提高了整體檢索響應(yīng)速度。
雖然以上對(duì)根據(jù)本發(fā)明的構(gòu)造索引庫(kù)的方法的另一具體示例進(jìn)行了描述，但是本 領(lǐng)域技術(shù)人員同樣應(yīng)當(dāng)理解，本示例僅僅是示范性的，而不是對(duì)本發(fā)明的范圍的限制，本領(lǐng) 域技術(shù)人員完全可以根據(jù)實(shí)際需要對(duì)其處理流程進(jìn)行變型或修改。例如，本領(lǐng)域的技術(shù)人 員可以根據(jù)實(shí)際應(yīng)用的需求來(lái)設(shè)定所述預(yù)定詞匯集。上述根據(jù)本發(fā)明的實(shí)施例的構(gòu)造索引庫(kù)的方法例如可以由圖6中的構(gòu)造索引庫(kù) 的設(shè)備來(lái)完成。圖6示出了根據(jù)本發(fā)明的實(shí)施例的構(gòu)造索引庫(kù)的設(shè)備的示意圖。如圖6所示，根據(jù)本發(fā)明的實(shí)施例的構(gòu)造索引庫(kù)的設(shè)備604包括分類器602和索 引構(gòu)建器603。分類器602被配置為對(duì)一個(gè)或多個(gè)待索引文檔601進(jìn)行分類處理，將待索引文檔 601中的詞匯分類為第一類別或第二類別。索引構(gòu)建器603被配置為根據(jù)第一類別的詞匯來(lái)構(gòu)建單級(jí)索引，并根據(jù)第二類別 的詞匯來(lái)構(gòu)建多級(jí)索引，所構(gòu)建的單級(jí)索引和多級(jí)索引構(gòu)成了索引庫(kù)605。此外，在根據(jù)本實(shí)施例的構(gòu)造索引庫(kù)的設(shè)備中，在索引庫(kù)中已經(jīng)存在先前構(gòu)建的 索引的情況下，索引構(gòu)建器603還可以將針對(duì)新的一個(gè)或多個(gè)文檔構(gòu)建的新的單級(jí)索引和 多級(jí)索引分別與索引庫(kù)中已有的單級(jí)索引和多級(jí)索引相合并。另外，在根據(jù)本實(shí)施例的構(gòu)造索引庫(kù)的設(shè)備中，顯然可以根據(jù)實(shí)際情況和需要使 用任何已知的具體的單級(jí)索引構(gòu)建方式和多級(jí)索引構(gòu)建方式來(lái)構(gòu)建單級(jí)索引和多級(jí)索引。 例如，索引構(gòu)建器603可以以諸如線性表、哈希表或數(shù)組之類的線性數(shù)據(jù)結(jié)構(gòu)來(lái)構(gòu)建單級(jí) 索引。因此，為了說(shuō)明書(shū)的簡(jiǎn)潔起見(jiàn)，在此就不再對(duì)索引構(gòu)建器603的構(gòu)建單級(jí)索引和多級(jí) 索引的具體方式進(jìn)行詳細(xì)描述了。圖7示出了根據(jù)本發(fā)明另一實(shí)施例的構(gòu)建索引庫(kù)的設(shè)備的示意圖。如圖7所示，根據(jù)本實(shí)施例的構(gòu)建索引庫(kù)的設(shè)備701包括分類器702和索引構(gòu)建 器 703。分類器702被配置為對(duì)一個(gè)或多個(gè)待索引文檔704進(jìn)行分類處理，將待索引文檔 704中的詞匯分類為第一類別或第二類別。具體地，分類器702判定待索引文檔704中的詞 匯是否屬于預(yù)定詞匯集705，如果該詞匯屬于預(yù)定詞匯集705則將該詞匯分類為第一類別， 如果該詞匯不屬于預(yù)定詞匯集705則將該詞匯分類為第二類別。例如，預(yù)定詞匯集705可包括高頻查找詞。此外，預(yù)定詞匯集705也可包括中文詞 匯集或其子集、英文單詞集或其子集、中文符號(hào)集或其子集、英文符號(hào)集或其子集、常用數(shù) 字中的任意一種或多種。索引構(gòu)建器703包括單級(jí)索引構(gòu)建器706、多級(jí)索引構(gòu)建器707以及索引融合器 708。單級(jí)索引構(gòu)建器706被配置為根據(jù)第一類別的詞匯來(lái)構(gòu)建單級(jí)索引。多級(jí)索引構(gòu)建 器707被配置為根據(jù)第二類別的詞匯來(lái)構(gòu)建多級(jí)索引。索引融合器708被配置為將單級(jí)索 引構(gòu)建器706和多級(jí)索引構(gòu)建器707所構(gòu)建的單級(jí)索引和多級(jí)索引合成到索引庫(kù)709中。此外，在根據(jù)本實(shí)施例的構(gòu)造索引庫(kù)的設(shè)備中，在索引庫(kù)中已經(jīng)存在先前構(gòu)建的 索引的情況下，索引融合器708還可以將針對(duì)新的一個(gè)或多個(gè)文檔構(gòu)建的新的單級(jí)索引和 多級(jí)索引分別與索引庫(kù)中已有的單級(jí)索引和多級(jí)索引相合并。此外，單級(jí)索引構(gòu)建器706可以以諸如線性表、哈希表或數(shù)組之類的線性數(shù)據(jù)結(jié) 構(gòu)來(lái)構(gòu)建單級(jí)索引。
通過(guò)閱讀上文所描述的根據(jù)本發(fā)明的實(shí)施例的構(gòu)造索引庫(kù)的方法的操作過(guò)程，圖 6和圖7所示的構(gòu)造索引庫(kù)的設(shè)備的上述各個(gè)部件的功能如何實(shí)現(xiàn)就變得非常清楚了，因 此，為了說(shuō)明書(shū)的簡(jiǎn)潔起見(jiàn)，在此就不再對(duì)上述各個(gè)部件的功能如何實(shí)現(xiàn)進(jìn)行詳細(xì)描述了。此外，需要說(shuō)明的是，雖然以上結(jié)合圖6和7所示的示意圖對(duì)根據(jù)本實(shí)施例的構(gòu)造 索引庫(kù)的設(shè)備進(jìn)行了描述，但是本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，圖6和7所示的示意圖僅僅是示 例性的，而不是對(duì)本發(fā)明的范圍的限制。本領(lǐng)域技術(shù)人員完全可以根據(jù)實(shí)際需要對(duì)圖6和7 所示的示意圖進(jìn)行變型或更改。例如，本領(lǐng)域的技術(shù)人員完全可以根據(jù)實(shí)際檢索系統(tǒng)的性 能和功能的需求來(lái)靈活地選擇和設(shè)置對(duì)文檔中的詞匯進(jìn)行分類的標(biāo)準(zhǔn)或所述預(yù)定詞匯集。根據(jù)本發(fā)明的實(shí)施例，還提供了一種利用本發(fā)明的構(gòu)建索引庫(kù)的方法所構(gòu)建的索 引庫(kù)來(lái)進(jìn)行查詢的方法以及相應(yīng)的設(shè)備。圖5示出了根據(jù)本發(fā)明實(shí)施例的利用本發(fā)明構(gòu)建的索引庫(kù)進(jìn)行查詢的方法的流 程的示意圖。如圖5所示，本實(shí)施例的查詢方法從步驟S501開(kāi)始。在步驟S501中，將查詢關(guān)鍵 詞分類為第一類別或第二類別。例如，可以判定查詢關(guān)鍵詞是否屬于預(yù)定詞匯集，如果該查 詢關(guān)鍵詞屬于預(yù)定詞匯集則將該查詢關(guān)鍵詞分類為第一類別，如果該查詢關(guān)鍵詞不屬于預(yù) 定詞匯集則將該查詢關(guān)鍵詞分類為第二類別。例如，該預(yù)定詞匯集可包括高頻查找詞。此外，該預(yù)定詞匯集也可包括中文詞匯集 或其子集、英文單詞集或其子集、中文符號(hào)集或其子集、英文符號(hào)集或其子集、常用數(shù)字中 的任意一種或多種。然后，在步驟S502中，如果該查詢關(guān)鍵詞屬于第一類別，則在利用本發(fā)明構(gòu)建的 索引庫(kù)中的單級(jí)索引中檢索該查詢關(guān)鍵詞以獲取對(duì)應(yīng)的單級(jí)索引數(shù)據(jù)；如果該查詢關(guān)鍵詞 屬于第二類別，則在利用本發(fā)明構(gòu)建的索引庫(kù)中的多級(jí)索引中檢索該查詢關(guān)鍵詞以獲取對(duì) 應(yīng)的多級(jí)索引數(shù)據(jù)。此外，為了提高檢索響應(yīng)速度，在本實(shí)施例的查詢方法中，可以將單級(jí)索引預(yù)先存 儲(chǔ)在訪問(wèn)速度較快的存儲(chǔ)器(如內(nèi)存)中。這樣，在查詢單級(jí)索引時(shí)，只需訪問(wèn)速度較快的 存儲(chǔ)器。因此，在適當(dāng)設(shè)置所述分類的標(biāo)準(zhǔn)的情況下，例如在適當(dāng)設(shè)置所述預(yù)定詞匯集的情 況下，能夠使得大部分檢索操作只需訪問(wèn)速度較快的存儲(chǔ)器，從而能夠在通過(guò)多級(jí)索引支 持大規(guī)模檢索數(shù)據(jù)的同時(shí)大大提供整體檢索響應(yīng)速度。應(yīng)該注意，查詢關(guān)鍵詞可以是對(duì)用戶輸入的查詢?cè)~匯進(jìn)行分詞得到的。本領(lǐng)域的 技術(shù)人員可以采用已知的各種方法進(jìn)行分詞，這里不再詳細(xì)描述。此外，需要說(shuō)明的是，雖然以上結(jié)合圖5所示的流程圖對(duì)根據(jù)本實(shí)施例的利用本 發(fā)明構(gòu)建的索引庫(kù)進(jìn)行查詢的方法進(jìn)行了描述，但是本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，圖5所示 的流程圖僅僅是示例性的，而不是對(duì)本發(fā)明的范圍的限制，本領(lǐng)域技術(shù)人員完全可以根據(jù) 實(shí)際需要對(duì)圖5所示的流程圖進(jìn)行修改。例如，本領(lǐng)域的技術(shù)人員完全可以根據(jù)實(shí)際檢索 系統(tǒng)的性能和功能的需求來(lái)靈活地選擇和設(shè)置對(duì)查詢關(guān)鍵詞進(jìn)行分類的標(biāo)準(zhǔn)或所述預(yù)定 詞匯集。還需要指出的是，執(zhí)行上述系列處理的步驟可以自然地按照說(shuō)明的順序按時(shí)間順 序執(zhí)行，但是并不需要一定按照時(shí)間順序執(zhí)行。某些步驟可以并行或彼此獨(dú)立地執(zhí)行。例如，下面將說(shuō)明利用本發(fā)明構(gòu)造的索引庫(kù)進(jìn)行查詢的方法的另一具體示例。
首先，預(yù)先將利用本發(fā)明構(gòu)建的索引庫(kù)中的單級(jí)索引載入內(nèi)存。然后，對(duì)查詢關(guān)鍵詞進(jìn)行分類，判斷該查詢關(guān)鍵詞是可枚舉索引項(xiàng)還是不可枚舉 索引項(xiàng)。如果該查詢關(guān)鍵詞是可枚舉索引項(xiàng)，則在已載入內(nèi)存的單級(jí)索引中進(jìn)行檢索。如 果該查詢關(guān)鍵詞是不可枚舉索引項(xiàng)，則在多級(jí)索引中進(jìn)行檢索。如果檢索到對(duì)應(yīng)的索引數(shù) 據(jù)，則讀取該索引數(shù)據(jù)，并返回結(jié)果。在本示例中，單級(jí)索引被預(yù)先載入內(nèi)存中。因此，在檢索單級(jí)索引時(shí)是內(nèi)存操作。 因此，對(duì)于可枚舉索引項(xiàng)的檢索操作是內(nèi)存查找或直接定位。此外，在本示例中，顯然可以根據(jù)實(shí)際情況和需要使用任何已知的具體的單級(jí)索 引構(gòu)建方法和多級(jí)索引構(gòu)建方法來(lái)構(gòu)建單級(jí)索引和多級(jí)索引。例如，可以以諸如線性表、哈 希表或數(shù)組之類的線性數(shù)據(jù)結(jié)構(gòu)來(lái)構(gòu)建單級(jí)索引。相應(yīng)地，例如，對(duì)于單級(jí)索引，至少可以 采用以下幾種檢索方式(1)載入的單級(jí)索引在內(nèi)存中構(gòu)成如圖2所示的順序線性結(jié)果，可以通過(guò)任意一 種線性查找算法如二分查找或分塊查找來(lái)實(shí)現(xiàn)對(duì)該單級(jí)索引的檢索。(2)對(duì)單級(jí)索引的所有關(guān)鍵詞構(gòu)造hash表來(lái)進(jìn)行檢索。由上述可知，根據(jù)本示例的利用本發(fā)明構(gòu)造的索引庫(kù)進(jìn)行查詢的方法結(jié)合了內(nèi)存 形式的單級(jí)索引的速度優(yōu)勢(shì)和多級(jí)索引的數(shù)據(jù)容量?jī)?yōu)勢(shì)，能夠在支持大規(guī)模檢索數(shù)據(jù)的同 時(shí)合理增加內(nèi)存使用量，從而提高了整體檢索響應(yīng)速度。雖然以上對(duì)利用本發(fā)明構(gòu)造的索引庫(kù)進(jìn)行查詢的方法的另一具體示例進(jìn)行了描 述，但是本領(lǐng)域技術(shù)人員同樣應(yīng)當(dāng)理解，本示例僅僅是示范性的，而不是對(duì)本發(fā)明的范圍的 限制，本領(lǐng)域技術(shù)人員完全可以根據(jù)實(shí)際需要對(duì)其處理流程進(jìn)行變型或修改。上述根據(jù)本發(fā)明的實(shí)施例的利用本發(fā)明構(gòu)造的索引庫(kù)進(jìn)行查詢的方法例如可以 由圖8中的利用本發(fā)明構(gòu)建的索引庫(kù)進(jìn)行查詢的設(shè)備來(lái)完成。圖8示出了根據(jù)本發(fā)明實(shí)施 例的利用本發(fā)明構(gòu)建的索引庫(kù)進(jìn)行查詢的設(shè)備的示意圖。如圖8所示，根據(jù)本實(shí)施例的利用本發(fā)明構(gòu)建的索引庫(kù)進(jìn)行查詢的設(shè)備包括關(guān)鍵 詞分類器801和索引檢索器802。關(guān)鍵詞分類器801被配置為將查詢關(guān)鍵詞807分類為第 一類別或第二類別。例如，關(guān)鍵詞分類器801可以判定查詢關(guān)鍵詞807是否屬于預(yù)定詞匯 集，如果查詢關(guān)鍵詞807屬于預(yù)定詞匯集則將該查詢關(guān)鍵詞807分類為第一類別，如果查詢 關(guān)鍵詞807不屬于預(yù)定詞匯集則將該查詢關(guān)鍵詞807分類為第二類別。例如，預(yù)定詞匯集705可包括高頻查找詞。此外，預(yù)定詞匯集705也可包括中文詞 匯集或其子集、英文單詞集或其子集、中文符號(hào)集或其子集、英文符號(hào)集或其子集、常用數(shù) 字中的任意一種或多種。如果查詢關(guān)鍵詞807屬于第一類別，則索引檢索器802在利用本發(fā)明構(gòu)建的索引 庫(kù)中的單級(jí)索引803中檢索查詢關(guān)鍵詞807，以獲取對(duì)應(yīng)的單級(jí)索引數(shù)據(jù)805。如果查詢關(guān)鍵詞807屬于第二類別，則索引檢索器802在利用本發(fā)明構(gòu)建的索引 庫(kù)中的多級(jí)索引804中檢索查詢關(guān)鍵詞807，以獲取對(duì)應(yīng)的多級(jí)索引數(shù)據(jù)806。通過(guò)閱讀上文所描述的根據(jù)本發(fā)明的實(shí)施例的利用本發(fā)明構(gòu)建的索引庫(kù)來(lái)進(jìn)行 查詢的方法的操作過(guò)程，圖8所示的利用本發(fā)明構(gòu)建的索引庫(kù)進(jìn)行查詢的設(shè)備的上述各個(gè) 部件的功能如何實(shí)現(xiàn)就變得非常清楚了，因此，為了說(shuō)明書(shū)的簡(jiǎn)潔起見(jiàn)，在此就不再對(duì)上述 各個(gè)部件的功能如何實(shí)現(xiàn)進(jìn)行詳細(xì)描述了。
雖然已經(jīng)詳細(xì)說(shuō)明了本發(fā)明及其優(yōu)點(diǎn)，但是應(yīng)當(dāng)理解在不脫離由所附的權(quán)利要求 所限定的本發(fā)明的精神和范圍的情況下可以進(jìn)行各種改變、替代和變換。而且，根據(jù)本發(fā)明的方法和裝置既可以通過(guò)硬件實(shí)現(xiàn)，也可以通過(guò)軟件和固件實(shí) 現(xiàn)。在通過(guò)軟件或固件實(shí)現(xiàn)的情況下，從存儲(chǔ)介質(zhì)或網(wǎng)絡(luò)向具有專用硬件結(jié)構(gòu)的計(jì)算機(jī)安 裝構(gòu)成該軟件的程序，該計(jì)算機(jī)在安裝有各種程序時(shí)，能夠執(zhí)行各種功能等等。在該計(jì)算機(jī)中，中央處理單元(CPU)根據(jù)只讀存儲(chǔ)器(ROM)中存儲(chǔ)的程序或從存 儲(chǔ)部分加載到隨機(jī)存取存儲(chǔ)器(RAM)的程序執(zhí)行各種處理。在RAM中，也根據(jù)需要存儲(chǔ)當(dāng) CPU執(zhí)行各種處理等等時(shí)所需的數(shù)據(jù)。CPU、ROM和RAM經(jīng)由總線彼此連接。輸入/輸出接 口也連接到總線。下述部件連接到輸入/輸出接口 輸入部分，包括鍵盤(pán)、鼠標(biāo)等等；輸出部 分，包括顯示器，比如陰極射線管(CRT)、液晶顯示器(IXD)等等，和揚(yáng)聲器等等；存儲(chǔ)部分， 包括硬盤(pán)等等；以及通信部分，包括網(wǎng)絡(luò)接口卡比如LAN卡、調(diào)制解調(diào)器等等。通信部分經(jīng) 由網(wǎng)絡(luò)比如因特網(wǎng)執(zhí)行通信處理。根據(jù)需要，驅(qū)動(dòng)器也連接到輸入/輸出接口?？刹鹦督?質(zhì)比如磁盤(pán)、光盤(pán)、磁光盤(pán)、半導(dǎo)體存儲(chǔ)器等等根據(jù)需要被安裝在驅(qū)動(dòng)器上，使得從中讀出 的計(jì)算機(jī)程序根據(jù)需要被安裝到存儲(chǔ)部分中。在通過(guò)軟件實(shí)現(xiàn)上述系列處理的情況下，從 網(wǎng)絡(luò)比如因特網(wǎng)或存儲(chǔ)介質(zhì)比如可拆卸介質(zhì)安裝構(gòu)成軟件的程序。本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，這種存儲(chǔ)介質(zhì)不局限于其中存儲(chǔ)有程序、與設(shè)備相 分離地分發(fā)以向用戶提供程序的可拆卸介質(zhì)。可拆卸介質(zhì)的例子包含磁盤(pán)(包含軟盤(pán)(注 冊(cè)商標(biāo)))、光盤(pán)(包含光盤(pán)只讀存儲(chǔ)器(CD-ROM)和數(shù)字通用盤(pán)(DVD))、磁光盤(pán)(包含迷你 盤(pán)(MD)(注冊(cè)商標(biāo)))和半導(dǎo)體存儲(chǔ)器?；蛘?，存儲(chǔ)介質(zhì)可以是ROM、存儲(chǔ)部分中包含的硬盤(pán) 等等，其中存有程序，并且與包含它們的設(shè)備一起被分發(fā)給用戶。此時(shí)，只要該系統(tǒng)或者設(shè)備具有執(zhí)行程序的功能，則本發(fā)明的實(shí)施方式不局限于 程序，并且該程序也可以是任意的形式，例如，目標(biāo)程序、解釋器執(zhí)行的程序或者提供給操 作系統(tǒng)的腳本程序等。另外，計(jì)算機(jī)通過(guò)連接到因特網(wǎng)上的相應(yīng)網(wǎng)站，并且將依據(jù)本發(fā)明的計(jì)算機(jī)程序 代碼下載和安裝到計(jì)算機(jī)中然后執(zhí)行該程序，也可以實(shí)現(xiàn)本發(fā)明。而且，所述實(shí)施本發(fā)明的程序也可以例如采用一個(gè)或多個(gè)信號(hào)的形式。所述信號(hào) 可以是可從互聯(lián)網(wǎng)站點(diǎn)下載的數(shù)據(jù)信號(hào)，或是在載波信號(hào)上提供的數(shù)據(jù)信號(hào)，或是以任何 其它形式的數(shù)據(jù)信號(hào)。最后，還需要說(shuō)明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語(yǔ)僅僅用來(lái)將 一個(gè)實(shí)體或者操作與另一個(gè)實(shí)體或操作區(qū)分開(kāi)來(lái)，而不一定要求或者暗示這些實(shí)體或操作 之間存在任何這種實(shí)際的關(guān)系或者順序。而且，術(shù)語(yǔ)“包括”、“包含”或者其任何其他變體 意在涵蓋非排他性的包含，從而使得包括一系列要素的過(guò)程、方法、物品或者設(shè)備不僅包括 那些要素，而且還包括沒(méi)有明確列出的其他要素，或者是還包括為這種過(guò)程、方法、物品或 者設(shè)備所固有的要素。在沒(méi)有更多限制的情況下，由語(yǔ)句“包括一個(gè)……”限定的要素，并 不排除在包括所述要素的過(guò)程、方法、物品或者設(shè)備中還存在另外的相同要素。以上雖然結(jié)合附圖詳細(xì)描述了本發(fā)明的實(shí)施例，但是應(yīng)當(dāng)明白，上面所描述的實(shí) 施方式只是用于說(shuō)明本發(fā)明，而并不構(gòu)成對(duì)本發(fā)明的限制。對(duì)于本領(lǐng)域的技術(shù)人員來(lái)說(shuō)，可 以在不偏離本發(fā)明的精神和范圍的情況下對(duì)上述實(shí)施方式作出各種修改和變更。因此，本 發(fā)明的范圍僅由所附的權(quán)利要求及其等效內(nèi)容來(lái)限定。
11
艦附記1. 一種構(gòu)造索引庫(kù)的方法，包括將一個(gè)或多個(gè)文檔中的詞匯分類為第一類別或第二類別；以及根據(jù)第一類別的詞匯來(lái)構(gòu)建單級(jí)索引，并根據(jù)第二類別的詞匯來(lái)構(gòu)建多級(jí)索引。附記2.如附記1所述的構(gòu)造索引庫(kù)的方法，其中所述分類步驟包括判定所述詞匯是否屬于預(yù)定詞匯集，如果屬于則將所述詞匯分類為第一類別，否 則將所述詞匯分類為第二類別。附記3.如附記2所述的構(gòu)造索引庫(kù)的方法，其中所述預(yù)定詞匯集包括高頻查詢 詞。附記4.如附記2所述的構(gòu)造索引庫(kù)的方法，其中所述預(yù)定詞匯集包括中文詞匯集 或其子集、英文單詞集或其子集、中文符號(hào)集或其子集、英文符號(hào)集或其子集、常用數(shù)字中 的任意一種或多種。附記5.如附記1所述的構(gòu)造索引庫(kù)的方法，還包括將針對(duì)新的一個(gè)或多個(gè)文檔構(gòu) 建的新的單級(jí)索引和多級(jí)索引分別與索引庫(kù)中已有的單級(jí)索引和多級(jí)索引相合并。附記6.如附記1所述的構(gòu)造索引庫(kù)的方法，其中所述構(gòu)建單級(jí)索引包括以線性 表、哈希表或數(shù)組的方式構(gòu)建單級(jí)索引。附記7. —種利用如附記1-6中任一所述的方法構(gòu)造的索引庫(kù)進(jìn)行查詢的方法，包 括將查詢關(guān)鍵詞分類為所述第一類別或所述第二類別；如果所述查詢關(guān)鍵詞屬于所述第一類別，則在所述索引庫(kù)的單級(jí)索引中檢索所述 查詢關(guān)鍵詞以獲取單級(jí)索引數(shù)據(jù)；以及如果所述查詢關(guān)鍵詞屬于所述第二類別，則在所述索引庫(kù)的多級(jí)索引中檢索所述 查詢關(guān)鍵詞以獲取多級(jí)索引數(shù)據(jù)。附記8.如附記7所述的檢索索引庫(kù)的方法，其中所述單級(jí)索引被預(yù)先存儲(chǔ)在訪問(wèn) 速度較快的存儲(chǔ)器中。附記9. 一種構(gòu)造索引庫(kù)的設(shè)備，包括分類器，被配置為將一個(gè)或多個(gè)文檔中的詞匯分類為第一類別或第二類別；以及索引構(gòu)建器，被配置為根據(jù)第一類別的詞匯來(lái)構(gòu)建單級(jí)索引，并根據(jù)第二類別的 詞匯來(lái)構(gòu)建多級(jí)索引。附記10.如附記9所述的設(shè)備，其中所述分類器被配置為判定所述詞匯是否屬于 預(yù)定詞匯集，如果屬于則將所述詞匯分類為第一類別，否則將所述詞匯分類為第二類別。附記11.如附記9所述的設(shè)備，其中所述預(yù)定詞匯集包括高頻查找詞。附記12.如附記9所述的設(shè)備，其中所述預(yù)定詞匯集包括中文詞匯集或其子集、英 文單詞集或其子集、中文符號(hào)集或其子集、英文符號(hào)集或其子集、常用數(shù)字中的任意一種或 多種。附記13.如附記9所述的設(shè)備，其中所述索引構(gòu)建器還被配置為將針對(duì)新的一個(gè) 或多個(gè)文檔構(gòu)建的新的單級(jí)索引和多級(jí)索引分別與索引庫(kù)中已有的單級(jí)索引和多級(jí)索引 相合并。附記14.如附記9所述的設(shè)備，其中所述索引構(gòu)建器還被配置為以線性表、哈希表或數(shù)組的方式構(gòu)建所述單級(jí)索引。
權(quán)利要求
1.一種構(gòu)造索引庫(kù)的方法，包括將一個(gè)或多個(gè)文檔中的詞匯分類為第一類別或第二類別；以及根據(jù)第一類別的詞匯來(lái)構(gòu)建單級(jí)索引，并根據(jù)第二類別的詞匯來(lái)構(gòu)建多級(jí)索引。
2.如權(quán)利要求1所述的構(gòu)造索引庫(kù)的方法，其中所述分類步驟包括判定所述詞匯是否屬于預(yù)定詞匯集，如果屬于則將所述詞匯分類為第一類別，否則將 所述詞匯分類為第二類別。
3.如權(quán)利要求2所述的構(gòu)造索引庫(kù)的方法，其中所述預(yù)定詞匯集包括高頻查詢?cè)~。
4.如權(quán)利要求2所述的構(gòu)造索引庫(kù)的方法，其中所述預(yù)定詞匯集包括中文詞匯集或其 子集、英文單詞集或其子集、中文符號(hào)集或其子集、英文符號(hào)集或其子集、常用數(shù)字中的任 意一種或多種。
5.如權(quán)利要求1所述的構(gòu)造索引庫(kù)的方法，還包括將針對(duì)新的一個(gè)或多個(gè)文檔構(gòu)建的 新的單級(jí)索引和多級(jí)索引分別與索引庫(kù)中已有的單級(jí)索引和多級(jí)索引相合并。
6.如權(quán)利要求1所述的構(gòu)造索引庫(kù)的方法，其中所述構(gòu)建單級(jí)索引包括以線性表、哈 希表或數(shù)組的方式構(gòu)建單級(jí)索引。
7.一種利用如權(quán)利要求1-6任一個(gè)所述的方法構(gòu)造的索引庫(kù)進(jìn)行查詢的方法，包括將查詢關(guān)鍵詞分類為所述第一類別或所述第二類別；如果所述查詢關(guān)鍵詞屬于所述第一類別，則在所述索引庫(kù)的單級(jí)索引中檢索所述查詢 關(guān)鍵詞以獲取單級(jí)索引數(shù)據(jù)；以及如果所述查詢關(guān)鍵詞屬于所述第二類別，則在所述索引庫(kù)的多級(jí)索引中檢索所述查詢 關(guān)鍵詞以獲取多級(jí)索引數(shù)據(jù)。
8.—種構(gòu)造索引庫(kù)的設(shè)備，包括分類器，被配置為將一個(gè)或多個(gè)文檔中的詞匯分類為第一類別或第二類別；以及索引構(gòu)建器，被配置為根據(jù)第一類別的詞匯來(lái)構(gòu)建單級(jí)索引，并根據(jù)第二類別的詞匯 來(lái)構(gòu)建多級(jí)索引。
9.如權(quán)利要求8所述的設(shè)備，其中所述分類器被配置為判定所述詞匯是否屬于預(yù)定詞 匯集，如果屬于則將所述詞匯分類為第一類別，否則將所述詞匯分類為第二類別。
10.如權(quán)利要求9所述的設(shè)備，其中所述預(yù)定詞匯集包括高頻查找詞。
全文摘要
本發(fā)明提供了構(gòu)造索引庫(kù)的方法和設(shè)備以及查詢方法。一種構(gòu)造索引庫(kù)的方法，包括將一個(gè)或多個(gè)文檔中的詞匯分類為第一類別或第二類別；以及根據(jù)第一類別的詞匯來(lái)構(gòu)建單級(jí)索引，并根據(jù)第二類別的詞匯來(lái)構(gòu)建多級(jí)索引。本發(fā)明能夠在支持大規(guī)模檢索數(shù)據(jù)的同時(shí)提高整體檢索響應(yīng)速度。
文檔編號(hào)G06F17/30GK102135969SQ201010103610
公開(kāi)日2011年7月27日 申請(qǐng)日期2010年1月22日 優(yōu)先權(quán)日2010年1月22日
發(fā)明者于浩, 孟遙, 王主龍, 葛付江, 賈文杰 申請(qǐng)人:富士通株式會(huì)社