[发明专利]互联网人物信息的搜索方法及系统

说明书

技术领域

 本发明涉及互联网信息检索领域，特别地，涉及一种互联网人物信息的搜索方法及系统。

背景技术

随着互联网的高速发展和Web技术的不断改进，网络应用及信息传播途径日益多样化和便利，任何一个可以接触互联网的人都能够成为信息内容的生产者，每天新生成的网页数量不断上涨，互联网已经成为了一个巨大的可共享的“信息仓库”。由于网络的开放性、不确定性、虚拟性和超越时空性等特点，人们在网络活动中不需要任何信息验证，完全匿名，往往会在不同的时间地点产生很多不同的虚拟身份。如何在浩如烟海的充斥着大量的广告、导航及版本声明等信息的网页中寻找与搜索目标人物有关的、有价值的网页，从中提取网络用户的身份及活动相关的线索信息，并将人物线索信息进行归纳汇总后得到虚拟人物身份与现实身份的映射关系，方便网络用户相互间的联系、沟通和发现，成为摆在人们面前的一个需要解决的重要问题。

目前，互联网信息检索的主要方法是通过搜索引擎技术进行初步信息检索，结合web信息抽取技术进行特定信息的提取后生成固定格式的检索结果，其最终仍需要用户来人工进行最终的确认和分析。公共搜索引擎因其普适性，和查全率真等因素的影响，对于专门的人物检索需求效果并不理想，因此需要专门的应用系统来解决目前人物搜索面临的难题。人物搜索系统就是解决互联网人物搜索难题的专用搜索系统，通过人物搜索系统可以获得待搜索人物的相关信息，以及与之相关联的其它人物的信息及其人物间的相互关系，极大的降低了人工检索时的耗时，提高检索效率。现有的人物搜索系统基本上可以分为三大类：通用的知名人物搜索系统、特定网站的专有人物搜索系统、百科式的人物搜索系统。

现有的人物搜索系统基本上以网页搜索为基础，结合传统搜索的信息挖掘技术，将人物之间的关系提取出来，给出与人物有关的包括人物简介、人物关系等丰富信息，其中，百科式的人物搜索系统主要由用户手工编辑相关人物信息。虽然现有的人物搜索系统都表现出一定的实用价值，但是其应用的局限性也相当明显。对于非知名的普通现实人物和网络虚拟人物、只有网络呢称的网络人物、非特定网站和特定领域的人物等人物信息搜索需求，如果要检索出目标人物的详细的网络身份信息和并与现实人物进行映射，现有的人物搜索系统已经不能很好的满足应用需求。

总之，需要本领域技术人员迫切解决的一个技术问题就是：如何能够从海量的互联网数据中快速有效地搜索出目标人物的信息。

发明内容

本发明所要解决的技术问题是提供一种互联网人物信息的搜索方法及系统，能够既节约用户的存储成本，又能快速准确地检索出目标人物的身份信息。

为了解决上述问题，一方面提供了一种互联网人物信息的搜索方法，包括：获取目标人物信息的查询关键词；将上述查询关键词处理成元搜索系统所需的搜索请求参数； 启动元搜索系统集成的搜索引擎进行搜索；提取搜索结果集合的摘要线索；下载上述搜索结果集合的相关页面；提取下载页面的正文线索；优选由上述摘要线索和上述正文线索组成的线索集合；将优选线索集合作为下一轮搜索的入口参数,重复上述步骤，进行迭代搜索、线索收集；对经过多次迭代搜索、优选后的线索集合进行关联分析，生成虚拟人物的身份信息。

优选的，上述互联网人物信息的搜索方法还包括：对搜索结果进行排重和优选处理。

优选的，上述优选由上述摘要线索和上述正文线索组成的线索集合的步骤，进一步为：优选由上述摘要线索和上述正文线索组成的线索集合以及外部接口提供的人物资源线索数据库。

优选的，上述对经过多次迭代搜索、优选后的线索集合进行关联分析，生成虚拟人物的身份信息的步骤，进一步为：

对经过多次迭代搜索、优选后的线索集合，结合外部接口提供的人物资源库线索数据进行关联分析，生成虚拟人物的身份信息。

优选的，上述搜索结果的记录格式为：Record（RID，title，url，urlID，inTime，docTime，docSummary）。

另一方面，本发明还提供了一种互联网人物信息的搜索系统，包括：系统参数配置管理模块、页面信息收集模块、线索搜集模块、关联分析模块；其中，

上述系统参数配置管理模块，用于提供可定制的参数管理，为其它模块提供参数接口服务；

上述页面信息收集模块具体包括：关键词管理单元，用于获取和管理搜索关键词；关键词处理单元，用于将上述搜索关键词处理成元搜索系统所需的搜索请求参数；搜索单元，用于启动元搜索系统集成的搜索引擎进行搜索；搜索结果存储单元，用于存储搜索结果；