[发明专利]基于对同类数据对象整合的数据搜索的方法和装置

说明书

技术领域

本申请涉及数据搜索领域，尤其涉及一种基于对同类数据对象整合的数据搜索的方法和装置。

背景技术

随着云时代的来临，大数据吸引了越来越多的关注，大数据技术不在于掌握海量数据/数据对象，而更着眼于在合理的时间内达到采集、处理并整理成为用户所需要的数据。在网络中存在着大量的数据，充分的利用这些数据，可以为用户的生活带来极大的便利。用户可以通过使用搜索引擎进行数据搜索，用以得到想到获得的数据。以数据搜索为例，搜索引擎事先对互联网中的网页进行抓取，在对所抓取的网页进行预处理之后，才能提供检索服务。其中，最重要的就是提取网页中的关键词，其他还包括去除重复网页、分词、判断网页类型、分析超链接、计算网页的重要度/丰富度等。

在进行数据搜索时，搜索引擎只是根据用户输入的关键字，检索出与该关键字相关性高的匹配项，但在此过程中，与所述关键字相匹配的搜索结果数量巨大，并且囊括社会生活的各个领域，从而造成搜索结果质量低，如：不利于用户使用，准确性差。

若采用信息整合的手段，搜索引擎可以将其抓取的海量数据对象进行内容挑选、分析、归类等处理，可以缩小数据搜索的范围，增加搜索结果的针对性。但是由于数据之间存在的歧义（如：同一关键字对应不同领域），造成搜索结果的准确性低；或是关键字存在其他表述方法（以太网、乙太网），造成搜索结果返回不全面。

例如，对关键字“以太网”进行数据搜索，在搜索结果页中会出现与“以太网”相关的搜索结果，然而“以太网”和“乙太网”是同一意义不同表述的关键字，由于两个关键字之间不存在任何关联关系，则与“乙太网”相关的搜索结果不会不出现在搜索结果页中，造成一部分搜索结果未能检索出来，降低了搜索结果质量，如：搜索结果的返回率。

并且，因为搜索引擎对海量的数据/数据对象进行了内容挑选、分析、归类等处理，在返回搜索结果时，在搜索结果页中，会展示多个相同或相似的数据对象，这样就造成了搜索结果的浪费。例如，在每一页搜索结果页中只能展示20个搜索结果，但是在这20个搜索结果中有10个为相同或相似的数据对象，那么用户不得不多次点击下一页，以查看不同的数据对象。

发明内容

本申请的主要目的在于提供一种基于对同类数据对象整合的数据搜索的方法和装置，以解决使用现有技术的搜索引擎进行数据搜索时，由于数据量过大，并且数据对象与数据对象之间不存在关联性，而出现的搜索结果质量低的问题。

为了解决上述技术问题，本申请的目的是通过以下技术方案实现的：

本申请提供了一种基于对同类数据对象整合的数据搜索的方法，包括以下步骤：接收来自用户的搜索请求，在所有待搜索的数据对象中搜索与所述搜索请求相匹配的一个或多个数据对象；分析搜索到的所述一个或多个数据对象中的每一个，以获取每一个所述数据对象的数据标签；对获取的所述数据标签进行匹配；将所述数据标签相匹配的一个或多个数据对象整合为同类数据对象组合，并作为搜索结果返回至用户。

优选地，在根据本申请所述的方法中，所述数据标签包括第一数据标签和第二数据标签，第一数据标签和第二数据标签分别标识数据对象不同的属性特征。

优选地，在根据本申请所述的方法中，还可以包括：对所有待搜索的数据对象，预先整合处理，以确定每一个所述待搜索的数据对象相对应的一个或多个同类数据对象，以得到数据对象映射关系表。

优选地，在根据本申请所述的方法中，对所有待搜索的数据对象，预先整合处理，包括：对各数据对象中的第二数据标签以及第二数据标签类目分布表进行挖掘处理；对各数据对象中的第二数据标签进行第二数据标签挖掘，生成所有数据对象的第二数据标签同义词的集合；对各数据对象中的第一数据标签进行第一数据标签挖掘，生成所有数据对象的第一数据标签同义词集合；对各数据对象中的第一数据标签和第二数据标签进行挖掘，生成第一数据标签至第二数据标签的映射关系。

优选地，在根据本申请所述的方法中，所述第二数据标签同义词包括：相同类目下，具有不同第二数据标签且具有相同第一数据标签的多个数据对象；所述第一数据标签同义词包括：同一数据对象中的多个相似的第一数据标签。

优选地，在根据本申请所述的方法中，对各数据对象中的第一数据标签和第二数据标签进行挖掘，生成第一数据标签至第二数据标签的映射关系，包括：如果一数据对象仅有一个第一数据标签且所述第一数据标签仅与唯一的第二数据标签存在共现，则建立所述第一数据标签与所述第二数据标签的映射关系。