申请/专利权人：天津卓盛云科技有限公司

申请日：2022-10-16

公开（公告）日：2022-12-30

公开（公告）号：CN115544201A

主分类号：G06F16/31

分类号：G06F16/31;G06F16/33;G06F16/338;G06F16/34;G06F16/25

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.01.20#实质审查的生效;2022.12.30#公开

摘要：本发明提供了一种多颗粒度的全文检索方法及装置，所述全文检索方法包括步骤S1，建立索引名称并构建多个不同颗粒度的内部索引库；步骤S2，对作为检索对象的文档进行解析和保存；步骤S3，获取索引名称、检索范围和检索参数；步骤S4，根据索引名称和检索范围确定实际检索的内部索引库，并基于所述检索参数进行全文检索，获取检索结果；步骤S5，根据检索范围返回不同格式和排序的检索结果。本发明在构建索引库时实现了多种颗粒度的索引库创建，并支持数据的去重。在检索时，可以根据需要灵活进行多种方式的检索和展示。

主权项：1.一种多颗粒度的全文检索方法，其特征在于，包括以下步骤：步骤S1，建立索引名称并构建多个不同颗粒度的内部索引库；所述内部索引库包括名称与所述索引名称相互关联的正文索引库、段落集索引库、纯段落索引库、句子集索引库和纯句子索引库；步骤S2，对作为检索对象的文档进行解析和保存，具体包括以下步骤：步骤S201，对所述文档进行解析，获得所述文档的元数据、正文数据、段落数据和句子数据；所述元数据包括标题title、概述abstract、注解annotation；所述正文数据为文档的正文；所述段落数据和句子数据为集合数据；步骤S202，将元数据和正文数据保存到所述正文索引库中，并获得保存后的记录ID,该记录ID设为文档号docID；步骤S203，将元数据和段落集保存到所述段落集索引库中，并在该库中的记录ID为文档号docID；所述段落集根据所述段落数据获得，为该文档中所有段落组成的数组；步骤S204，将元数据和句子集保存到所述句子集索引库中，并在该库中的记录ID为文档号docID；所述句子集根据所述句子数据获得，为该文档中所有句子组成的数组；步骤S205，对所述文档中的每个段落进行遍历，并将每个段落单独保存到所述纯段落索引库中，每个段落的记录ID为该段落内容的Hash摘要值；步骤S206，对所述文档中的每个句子进行遍历，并将每个句子单独保存到所述句子集索引库中，每个句子的记录ID为该句子内容的Hash摘要值；步骤S3，获取索引名称、检索范围和检索参数；所述检索范围包括全文、段落集、句子集、纯段落和纯句子；所述检索参数包括关键词、关键词之间的关系、精确搜索或模糊搜索；步骤S4，根据索引名称和检索范围确定实际检索的内部索引库，并基于所述检索参数进行全文检索，获取检索结果；步骤S5，根据检索范围返回不同格式和排序的检索结果。

全文数据：

权利要求：

百度查询： 天津卓盛云科技有限公司 一种多颗粒度的全文检索方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD