【摘要】 本发明实施例公开了一种基于互索引结构的文本查询方法，包括以下步骤：对需要索引的文本文件进行分割操作，获得含有固定单词数的文本块数组；构建倒排索引结构；计算每一文本块的特征值，并将特征值保存在特征索引文件中；在每个文本块的末尾，使用变长算法给出一个指针地址长度，根据所述指针地址长度获得指针值，指针值为特征索引文件中该文本块所对应的特征值地址；根据文本文件中特定文本块的特征值索引，找到文本块特征值；读取文本块特征值，将所述文本块特征值与查询单词的特征值进行比较，判断所述查询单词是否包含在所述文本块中。本发明用于加快短语匹配的速度，减少I/O操作，减少计算复杂度，提高查询效率和匹配准确率。 【专利类型】发明授权 【申请人】浙江大学城市学院 【申请人类型】学校 【申请人地址】310015 浙江省杭州市拱墅区湖州街51号 【申请人地区】中国 【申请人城市】杭州市 【申请人区县】拱墅区 【申请号】CN201210071778.2 【申请日】2012-03-16 【申请年份】2012 【公开公告号】CN102637204B 【公开公告日】2014-04-16 【公开公告年份】2014 【授权公告号】CN102637204B 【授权公告日】2014-04-16 【授权公告年份】2014.0 【IPC分类号】G06F17/30 【发明人】吴明晖; 金苍宏; 应晶; 陈天洲; 刘源清; 朱凡微 【主权项内容】一种基于互索引结构的文本查询方法，其特征在于，为固定单词数的文本块设置固定长度的特征值，将所述特征值保存在特征索引文件中，所述特征索引文件和所述文本块之间互相引用，具体包括以下步骤：S10，对需要索引的文本文件进行分割操作，获得含有固定单词数的文本块数组，将所述文本块数组顺序地存放于文本文件中；S20，构建倒排索引结构，所述倒排索引结构包括单词，单词频率，单词出现的文本编号，单词在文本中出现的位置信息；S30，计算每一文本块的特征值，并将所述特征值保存在特征索引文件中，包括如下步骤：选择定长的三种签名算法MD4，MD5，RipeMD128分别产生长度为16比特的文本块特征值；通过合取函数对所述三种签名算法获得的特征值进行与操作，获得一长度为16比特的特征值；将所述特征值顺序保存在二进制特征索引文件中，在所述特征值末端给出指向文本块的定长指针地址；S40，在文本文件中的每个文本块的末尾，插入使用变长算法给出一个指针地址长度和根据所述指针地址长度获得指针值两个数值，所述指针值为特征索引文件中该文本块所对应的特征值地址；S50，根据文本文件中特定文本块的特征值索引，找到文本块特征值；S60，读取文本块特征值，将所述文本块特征值与查询单词的特征值进行比较，判断所述查询单词是否包含在所述文本块中，若所述查询单词特征值包含在所述文本块特征值中，表示查询匹配，通过特征值索引文件中的文本块引用读取包含单词所在文本块信息；若所述查询单词特征值不包含在所述文本块特征值中，表示查询不匹配。 【当前权利人】浙江大学城市学院 【当前专利权人地址】浙江省杭州市拱墅区湖州街51号 【专利权人类型】公立 【统一社会信用代码】12330100470090282R 【引证次数】3.0 【他引次数】3.0 【家族引证次数】3.0 【家族被引证次数】5

未经允许不得转载：http://www.zhongzhencnc.com/1791464517.html