基于互联网的自适应搜索方法、设备和系统与流程

本发明涉及互联网技术领域，尤其涉及一种基于互联网的自适应搜索方法、设备和系统。

背景技术：

非结构化的基于文本的搜索把各类形态各异的业务统一看作由各个字段组成的文本文件，每个字段的权重相同，这种搜索方法能够满足通用性，即不区分业务种类，使用同样的一套搜索方法和排序方法对各种不同种类的业务进行搜索，例如使用同样的搜索方法搜索电影、小说或图片等不同种类的业务。这样能够保证快速接入新的业务，同时最大程度降低搜索系统的维护成本。

技术实现要素：

本发明实施例提供一种基于互联网的自适应搜索方法、设备和系统，以提高搜索服务器的搜索性能。

本发明实施例的技术方案是这样实现的：

一种基于互联网的自适应搜索方法，应用于搜索服务器，包括：

接收并保存业务终端发送的各类业务中各个文件的描述数据的内容，所述描述数据是所述业务终端针对每类业务设置的，包括表征该类业务属性的文本字段及其各自权值；

针对每类业务，根据该类业务的描述数据生成该类业务的文本相关性配置文件，其中，所述文本相关性配置文件中配置有根据该类业务的描述数据计算该类业务中任一文件与任一搜索关键词的文本相关性分值的计算方法；

接收用户终端发送的携带搜索关键词的搜索请求，根据各类业务的文本相 关性配置文件和所保存的各个文件的描述数据的内容，计算各个文件与所述搜索关键词的文本相关性分值，其中，针对每个文件，根据该文件所属业务的文本相关性配置文件，对该文件的描述数据的内容与所述搜索关键词的匹配程度进行打分，以计算得到该文件与所述搜索关键词的文本相关性分值，将计算出的所述文本相关性分值确定为该文件的总分值；根据计算出的各个文件的总分值由高到低排序，并将排序靠前的第一预设数量的总分值对应的文件的信息发送给所述用户终端。

一种搜索服务器设备，包括：

接收模块，用于接收并保存业务终端发送的各类业务中各个文件的描述数据的内容，所述描述数据是所述业务终端针对每类业务设置的，包括表征该类业务属性的文本字段及其各自权值；

配置文件生成模块，用于针对每类业务，根据该类业务的描述数据生成该类业务的文本相关性配置文件，其中，所述文本相关性配置文件中配置有根据该类业务的描述数据计算该类业务中任一文件与任一搜索关键词的文本相关性分值的计算方法；

所述接收模块还用于，接收用户终端发送的携带搜索关键词的搜索请求；

计算模块，用于根据各类业务的文本相关性配置文件和所保存的各个文件的描述数据的内容，计算各个文件与所述搜索关键词的文本相关性分值，其中，针对每个文件，根据该文件所属业务的文本相关性配置文件，对该文件的描述数据的内容与所述搜索关键词的匹配程度进行打分，以计算得到该文件与所述搜索关键词的文本相关性分值，将计算出的所述文本相关性分值确定为该文件的总分值；

发送模块，用于根据计算出的各个文件的总分值由高到低排序，并将排序靠前的第一预设数量的总分值对应的文件的信息发送给所述用户终端。

一种基于互联网的自适应搜索系统，包括：

一个搜索服务器、至少一个业务终端，和至少一个用户终端；

业务终端，用于发送各类业务的各个文件的描述数据的内容；

用户终端，用于发送携带搜索关键字的搜索请求给所述搜索服务器，并接收所述搜索服务器返回的文件的信息。

根据本发明实施例提供的方法、设备和系统，搜索服务器接收并保存各类业务的各个文件的描述数据的内容，然后分别针对每种业务自动生成相关性配置文件，当搜索服务器接收到用户终端发送的搜索请求时，利用搜索请求携带的搜索关键词依次与已保存的各类业务包含的文件的描述字段进行匹配，并根据匹配结果以及自动生成的相关性配置文件为每个文件进行打分，并根据打分结果对各个文件进行排序，并为用户终端呈现排名靠前的预设数量的文件的信息，完成搜索任务，该方法能够自适应各种不同种类的业务，并根据业务种类的不同对文件的描述字段的权重进行定制，提高了搜索服务器的搜索性能。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为一种基于互联网的自适应搜索系统结构图；

图2为本发明技术方案的流程图；

图3为本发明实施例中的搜索服务器设备结构图；

图4为为本发明一个实施例提供的搜索服务器硬件结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

现有技术中的搜索方法为了满足通用性，将不同种类的业务归一化为普通文本文档，如将影视文件和小说文件看作同样的文本文档，使用同样的一套搜索方法和排序方法对各种不同种类的业务进行搜索，本发明的发明人在发掘本发明的过程中发现，这种满足通用性的搜索方法不能得到最好的相关性效果，例如，不同种类的业务对于表征业务属性的描述字段的偏重不同，如影视业务中演员描述字段重要程度较高，编剧描述字段重要程度较低，而小说业务中作者描述字段重要程度较高，出版年份描述字段重要程度较低，有明显的区别，现有技术中将不同业务的不同字段的权重看作相同，这样的搜索方法不能使得搜索系统为用户提供最好的搜索效果。

为解决上述问题，本发明提出一种基于互联网的自适应搜索方法、设备和系统，本发明实施例的技术方案是：

图1为本发明技术方案的组网结构图，如图1所示，搜索系统包括一个搜索服务器、业务终端1、业务终端2和用户终端1，实际应用中业务终端的数量可以为多个，用户终端的数量可以为多个，图1为了便于说明本技术方案，仅以两个业务终端和一个用户终端为例。图2为本发明技术方案的流程图，如图2所示，包括以下步骤：

步骤201：搜索服务器接收并保存业务终端发送的各类业务中各个文件的描述数据的内容，该描述数据是业务终端针对每类业务设置的，包括表征该类业务属性的文本字段及其各自权值。

本步骤中，假设业务终端1对应的业务是小说业务，业务终端2对应的业务是影视业务。

搜索服务器接收并保存业务终端1发送的小说业务的各个文件的描述数据的内容，假设如表1所示；搜索服务器接收并保存业务终端2发送的影视业务的各个文件的描述数据的内容，假设如表2所示。

表1

表2

如表1所示，小说业务的文本字段分别为作者、任务、题目，业务终端1将所有小说业务的上述文本字段的内容发送给搜索服务器进行保存，小说业务中各个文件对于每个文本字段的权重的设置由业务终端1控制。表2所示的影视业务与小说业务类似，不再详述。

步骤202：针对每类业务，搜索服务器根据该类业务的描述数据生成该类业务的文本相关性配置文件，其中，所述文本相关性配置文件中配置有根据该类业务的描述数据计算该类业务中任一文件与任一搜索关键词的文本相关性分值的计算方法。

本步骤中的文本相关性配置文件配置有根据该类业务的描述数据计算该类业务中任一文件与任一搜索关键词的文本相关性分值的计算方法，该计算方法具体包括：表征该类业务中任一文件与任一搜索关键词之间的文本相关性的N个子分值公式，分别记为f₁、f₂、…、f_N，所述N个子分值公式用于分别从N个不同的角度对该类业务中的任一文件的文本字段与任一搜索关键词的匹配程度 进行打分；并且，分别为每个子分值公式配置比重q，则该类业务中任一文件与任一搜索关键词的文本相关性分值的计算公式为：其中N为文本相关性子分值公式的个数，M为该类业务中任一文件的描述数据中文本字段的个数，q_j为该类业务中第j个文本相关性子分值公式f_j的比重，p_i为该类业务中任一文件第i个文本字段的权值。

以小说业务的文本相关性配置文件为例：小说业务的文本相关性配置文件设置了小说业务中任一文件与任一搜索关键词之间的文本相关性的3个子分值公式，分别为f₁、f₂、f₃，其中，f₁遍历每个小说文件的每个文本字段与任一搜索关键词的精确匹配程度，若精确匹配，则f₁＝1，否则f₁＝0；f₂遍历每个小说文件的每个文本字段与任一搜索关键词的模糊匹配程度，若模糊匹配，则f₂＝1，若完全不相关，则f₂＝0；f₃衡量任一搜索关键词的紧密度，即任一关键词拆分后的分词与小说文件每个文本字段的精确匹配程度，遍历每个小说文件的每个文本字段，若某个文本字段与任一搜索关键词拆分后的分词完全匹配，则f₃＝1，否则f₃＝0。上述3个子分值公式分别从3个不同的角度对该小说业务中的任一文件的文本字段与任一搜索关键词的匹配程度进行打分。而且，每个子打分值的权重为：该子打分值对应的子打分公式的比重与该子打分值涉及的文本字段的权值之积。

此外，分别为每个子分值公式配置比重q，例如，f₁的比重为0.3，f₂的比重为0.6，f₃的比重为0.4；则小说业务中任一文件与任一搜索关键词的文本相关性分值的计算公式为：

影视业务的文本相关性配置文件与小说业务的文本相关性配置文件类似，仅是子打分公式的算法设计不同，在此不再详述。

步骤203：搜索服务器接收用户终端发送的携带搜索关键词的搜索请求，根据各类业务的文本相关性配置文件和所保存的各个文件的描述数据的内容，计算各个文件与接收到的搜索关键词的文本相关性分值，其中，针对每个文件， 根据该文件所属业务的文本相关性配置文件，对该文件的描述数据的内容与所述搜索关键词的匹配程度进行打分，以计算得到该文件与所述搜索关键词的文本相关性分值，将计算出的所述文本相关性分值确定为该文件的总分值。

本步骤中，搜索服务器接收用户终端发送的携带搜索关键词的搜索请求，利用步骤202中文本相关性配置文件中的计算文本相关性分值的方法，计算各类业务中各个文件与该搜索关键词的文本相关性分值，并将计算出的文本相关性分值确定为该文件的总分值。

步骤204：搜索服务器根据计算出的各个文件的总分值由高到低排序，并将排序靠前的第一预设数量的总分值对应的文件的信息发送给所述用户终端。

本发明另一个实施例中，业务终端发送给搜索服务器的每类业务的描述数据中还包括权威度字段，该权威度字段为衡量该类业务中任一文件权威性的数值；

针对每类业务，在生成该类业务的文本相关性配置文件时，根据该类业务的描述数据中的权威度字段生成用于计算权威性分值的权威度配置文件；计算各个文件与所述搜索关键词的文本相关性分值时，针对每个文件，根据该文件所属业务的权威度配置文件，对该文件的权威度进行打分，以计算得到该文件的权威性分值；

和/或，

业务终端发送给搜索服务器的每类业务的描述数据中还包括时间字段，所述时间字段为衡量该类业务中任一文件时新性的数值；

针对每类业务，在生成该类业务的文本相关性配置文件时，根据该类业务的描述数据中的所述时间字段生成用于计算时新性分值的时新性配置文件；

计算各个文件与所述搜索关键词的文本相关性分值时，针对每个文件，根据该文件所属业务的时新性配置文件，对该文件的时新性进行打分，以计算得到该文件的时新性分值；

将该文件的文本相关性分值、权威度分值，和/或时新性分值的和确定为该文件的总分值。

其中，根据该文件所属业务的权威度配置文件，对该文件的权威度进行打分，以计算得到该文件的权威性分值，包括：

根据公式y＝α×h(x)计算权威性分值，其中，α为常数，用于保证该文件的权威性分值与文本相关性分值数量级相同；h(·)为正相关函数；x为该文件的权威度字段的内容；

根据该文件所属业务的时新性配置文件，对该文件的时新性进行打分，以计算得到该文件的时新性分值，包括：

根据公式y＝β×g(t)计算权威性分值，其中，β为常数，用于保证该文件的时新性分值与文本相关性分值数量级相同；g(·)为反相关函数；t为当前时间与该文件的时间字段的差值。

上述常数系数α或β是为了保证同一业务文件的文本相关性分值、权威度分值、时新性分值不会出现失衡的状况，如，某文件的文本相关性分值为2，权威度分值为90，时新性分值为0.01，这种情况下三种分值的数量级不同，即为失衡。

增加权威度字段，是由于会出现两个文件的文本相关性分值相同，但明显仅有一个文件是用户想要的搜索结果，例如用户想要搜索阿里巴巴的创始人“马云”，搜索服务器搜索到两个“马云”，一个是普通人，一个是阿里巴巴创始人，如果仅考虑文本相关性，搜索服务器则将两个搜索结果都发送给用户终端，这将导致搜索效果不理想。如果增加权威度字段，阿里巴巴创始人“马云”的权威度必然高于普通人“马云”，这样文本相关性结合权威度得出的搜索结果更贴近于用户搜索请求。

增加时新性字段，是因为不同文件的文本相关性相近或相同，但时间上大不相同，例如用户搜索新闻类文件时，显然对搜索结果的时间更加关注，如某地发生地震后，用户想要关注最新进展搜索“地震”，而与“地震”相关的文件有很多，如果搜索服务器能够结合每个文件的时新性分值向用户返回搜索结果，则会大大提高搜索性能。

本发明另一个实施例中，搜索服务器接收业务终端发送的特定类型业务的定制文本相关性子分值公式，用该定制文本相关性子分值公式覆盖该特定类型业务的文本相关性配置文件中的默认文本相关性子分值公式，实现向业务终端提供分值计算定制服务，业务终端根据自身业务的特性定制出的计算文本相关性的子分值公式更能准确的匹配用户的搜索请求。

以上对本发明实施例提出的基于互联网的自适应搜索方法进行了说明。下面结合附图对本发明实施例提供的搜索服务器进行说明。

图3为本发明实施例提供的一种搜索服务器设备结构图，如图3所示，该搜索服务器设备包括：

接收模块301，用于接收并保存业务终端发送的各类业务中各个文件的描述数据的内容，所述描述数据是所述业务终端针对每类业务设置的，包括表征该类业务属性的文本字段及其各自权值；

配置文件生成模块302，用于针对每类业务，根据该类业务的描述数据生成该类业务的文本相关性配置文件，其中，所述文本相关性配置文件中配置有根据该类业务的描述数据计算该类业务中任一文件与任一搜索关键词的文本相关性分值的计算方法；

所述接收模块301还用于，接收用户终端发送的携带搜索关键词的搜索请求；

计算模块303，用于根据各类业务的文本相关性配置文件和所保存的各个文件的描述数据的内容，计算各个文件与所述搜索关键词的文本相关性分值，其中，针对每个文件，根据该文件所属业务的文本相关性配置文件，对该文件的描述数据的内容与所述搜索关键词的匹配程度进行打分，以计算得到该文件与所述搜索关键词的文本相关性分值，将计算出的所述文本相关性分值确定为该文件的总分值；

发送模块304，用于根据计算出的各个文件的总分值由高到低排序，并将排序靠前的第一预设数量的总分值对应的文件的信息发送给所述用户终端。

所述配置文件生成模块302生成的每类业务的所述文本相关性配置文件中 配置的所述计算方法具体包括：表征该类业务中任一文件与任一搜索关键词之间的文本相关性的N个子分值公式，分别记为f₁、f₂、…、f_N，所述N个子分值公式用于分别从N个不同的角度对该类业务中的任一文件的文本字段与任一搜索关键词的匹配程度进行打分；并且，分别为每个子分值公式配置比重q，则该类业务中任一文件与任一搜索关键词的文本相关性分值的计算公式为：其中N为文本相关性子分值公式的个数，M为该类业务中任一文件的描述数据中文本字段的个数，q_j为该类业务中第j个文本相关性子分值公式f_j的比重，p_i为该类业务中任一文件第i个文本字段的权值。

所述接收模块301接收到的每类业务的描述数据中还包括权威度字段，所述权威度字段为衡量该类业务中任一文件权威性的数值；

所述配置文件生成模块302针对每类业务，在生成该类业务的文本相关性配置文件时还用于，根据该类业务的描述数据中的所述权威度字段生成用于计算权威性分值的权威度配置文件；

所述计算模块303计算各个文件与所述搜索关键词的文本相关性分值时还用于，针对每个文件，根据该文件所属业务的权威度配置文件，对该文件的权威度进行打分，以计算得到该文件的权威性分值；

和/或，

所述接收模块301接收到的每类业务的描述数据中还包括时间字段，所述时间字段为衡量该类业务中任一文件时新性的数值；

所述配置文件生成模块302针对每类业务，在生成该类业务的文本相关性配置文件时还用于，根据该类业务的描述数据中的所述时间字段生成用于计算时新性分值的时新性配置文件；

所述计算模块303计算各个文件与所述搜索关键词的文本相关性分值时还用于，针对每个文件，根据该文件所属业务的时新性配置文件，对该文件的时新性进行打分，以计算得到该文件的时新性分值；

将该文件的文本相关性分值、权威度分值，和/或时新性分值的和确定为该 文件的总分值。

所述计算模块303用于根据该文件所属业务的权威度配置文件，对该文件的权威度进行打分，以计算得到该文件的权威性分值时，包括：

根据公式y＝α×h(x)计算权威性分值，其中，α为常数，用于保证该文件的权威性分值与文本相关性分值数量级相同；h(·)为正相关函数；x为该文件的权威度字段的内容；

所述计算模块303用于根据该文件所属业务的时新性配置文件，对该文件的时新性进行打分，以计算得到该文件的时新性分值时，包括：

根据公式y＝β×g(t)计算权威性分值，其中，β为常数，用于保证该文件的时新性分值与文本相关性分值数量级相同；g(·)为反相关函数；t为当前时间与该文件的时间字段的差值；

接收模块301进一步用于：

接收所述业务终端发送的特定类型业务的定制文本相关性子分值公式，用所述定制文本相关性子分值公式覆盖所述特定类型业务的文本相关性配置文件中的文本相关性子分值公式。

图4为依据本发明一实施例的实现自适应搜索的搜索服务器的硬件结构示意图。该实现网络安全的装置可包括：处理器410，存储器420，端口430以及总线440。处理器410和存储器420通过总线440互联。处理器410可通过端口430接收和发送数据。

其中，处理器410用于执行存储器420存储的机器可读指令模块。

存储器420存储有处理器410可执行的机器可读指令模块，包括：读取模块421和调整模块422。其中，处理器410执行读取模块421和调整模块422的指令时，可以分别实现上述接收模块301、配置文件生成模块302、计算模块303和发送模块304的各种功能。

上述实施例提供的实现网络安全的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

另外，本发明的每一个实施例可以通过由数据处理设备如计算机执行的数据处理程序来实现。显然，数据处理程序构成了本发明。此外，通常存储在一个存储介质中的数据处理程序通过直接将程序读取出存储介质或者通过将程序安装或储介质(如纸带等)、磁存储介质(如软盘、硬盘、闪存等)、光存储介质(如CD-ROM等)、磁光存储介质(如MO等)等。

因此本发明还提供了一种存储介质，其中存储有数据处理程序，该数据处理程序用于执行本发明上述方法的任何一种实施例。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。