[发明专利]文本检索方法和装置

说明书

技术领域

本发明涉及数据业务领域，特别涉及文本检索方法和装置。

背景技术

目前，互联网上文本信息越来越多，但是，如何在众多文本信息中精确、快速检索出需求的文本信息，目前尚没有一种方法能够实现。

因此，提供一种能够在海量文本信息中精确、快速检索出需求的文本信息是当前亟待解决的技术问题。

发明内容

本发明提供了文本检索方法和装置，以实现文本信息的精确、快速检索。

本发明提供的技术方案包括：

一种文本检索方法，包括：

A，从文本中抽取关键词库包含的关键词；

B，利用抽取的关键词确定所述文本所属的标签类别；

C，根据确定的标签类别为所述文本建立标签体系；

D，在所述标签体系中利用标签检索所述文本。

一种文本检索装置，该装置包括：

抽取模块，用于从文本中抽取关键词库包含的关键词；

确定模块，用于利用抽取的关键词确定所述文本所属的标签类别；

建立模块，用于根据确定的标签类别为所述文本建立标签体系；

检索模块，用于在所述标签体系中利用标签检索所述文本。

由以上技术方案可以看出，本发明中，从文本中抽取关键词库包含的关键词，利用抽取的关键词确定所述文本所属的标签类别，根据确定的标签类别为所述文本建立标签体系，在所述标签体系中利用标签检索所述文本，而非直接利用文本进行检索，这样能够实现文本信息的精确、快速检索。

附图说明

图1为本发明实施例提供的基本流程图；

图2为本发明实施例提供的步骤101实现流程图；

图3为本发明实施例提供的关键词属性示意图；

图4为本发明实施例提供的词条列表结构示意图；

图5为本发明实施例提供的对公共词进行消词的流程图；

图6为本发明实施例提供的步骤103实现流程图；

图7a为本发明实施例提供的步骤105实现流程图；

图7b为标签树结构示意图；

图8为本发明实施例提供的单类型标签实例示意图；

图9为本发明实施例提供的多类型标签实例1示意图；

图10为本发明实施例提供的多类型标签实例2示意图；

图11为本发明实施例提供的标签体系示意图；

图12为本发明提供的装置结构图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

本发明提供的流程如图1所示：

参见图1，图1为本发明实施例提供的流程图。如图1所示，该流程可包括以下步骤：

步骤101，从文本中抽取关键词库包含的关键词。

关键词库是预先针对应用领域创建的，不同的应用领域比如音乐领域和生活领域创建不同的关键词库。本步骤101中的关键词库是依据文本中的内容所属的应用领域确定的。

步骤102，利用抽取的关键词确定所述文本所属的标签类别。

步骤103，根据确定的标签类别为所述文本建立标签体系。

步骤104，在所述标签体系中利用标签检索所述文本。

至此，完成图1所示的流程。

需要说明的是，在关键词抽取过程中，通常会出现抽取的关键词可分为多个词的情况，比如，假设抽取的关键词W可分为其他词，比如W1、W2...WN，之后在利用该抽取的关键词W进行标签类别确定时，W1、W2...WN会影响该确定结果，即对确定结果造成一定的干扰，为了避免这种干扰，需要对抽取的关键词去噪，即在步骤101和步骤102之间，包括：对步骤101抽取的关键词去噪，基于此，上述的步骤102可包括：利用去噪后的关键词确定所述文本所属的标签类别。

在图1所示的流程中，步骤101具体实现时可包括图2所示的流程：

参见图2，图2为本发明实施例提供的步骤101实现流程图。如图2所示，该流程可包括以下步骤：

步骤201，确定关键词库中关键词的最大长度和最小长度。

在具体应用中，关键词库中关键词的最大长度通常为5，而最小长度通常为2。

步骤202，将最大长度、最小长度、以及最大长度与最小长度之间的设定数量X1个数值分别作为拆分单位对所述文本进行拆分，得到多个词条。