[发明专利]一种基于互索引结构的文本查询方法

权利要求书

1.一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：

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；

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；

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；

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；

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，

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。

2.根据权利要求1所述的基于互索引结构的文本查询方法，其特征在于，所述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字的文本块数组，并存放于文本文件中进一步包括以下步骤：

除去所述文本文件中包含的停用词，并对所述文本文件进行词根化处理；

给定一个固定单词数，按所述固定单词数把文件分割成不同的文本块，每个文本块包含的相同个数的单词；

使用顺序递增函数，产生文件名，并且给定一个特殊的文件后缀，顺序保存所述固定单词数文本块数组到文本文件中。

3.根据权利要求1所述的基于互索引结构的文本查询方法，其特征在于，所述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进一步包括以下步骤：

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，在所述每个特征值末端给出指向文本块的定长指针地址。

4.根据权利要求1所述的基于互索引结构的文本查询方法，其特征在于，所述根据文本文件中特定文本块的特征值索引，找到文本块特征值进一步包括以下步骤：

在倒排索引结构中，根据文本编号打开文本文件，根据单词出现的位置信息读取所在文本块的字符串长度，跳过文本块内容，指针移动到文本块末端；

根据单词出现的文本编号，打开相同名字的特征索引文件；

根据文本块末端变长整型数值，读取文本块特征值的地址指针值，根据指针地址读取16比特长度的文本块特征值。