[发明专利]索引建立方法及装置

权利要求书

1.一种索引建立方法，其特征在于，包括：

通过分词获得第一文档中的各个词，针对所述各个词中的每个高频词，将所述高频词和与其相邻的另一高频词合并为短语；

针对所述短语中的每个高频短语，生成并存储第一索引至所述第一文档对应的索引段，以对所述高频短语进行查询，所述第一索引包括所述高频短语在所述第一文档中的位置信息；

其中，每个高频词的出现次数均不小于第一预设值，每个高频短语的出现次数均不小于第二预设值。

2.根据权利要求1所述的方法，其特征在于，所述通过分词获得第一文档中的各个词之后，还包括：

获得所述第一文档中的各个词的位置信息；

将所述第一文档中各相同的词的位置信息的集合，作为所述词在所述第一文档中的位置信息，生成并存储第二索引至所述第一文档对应的索引段，所述第二索引包括所述词在所述第一文档中的位置信息。

3.根据权利要求1所述的方法，其特征在于，所述针对所述短语中的每个高频短语，生成并存储第一索引至所述第一文档对应的索引段之后，还包括：

获取各文档中的高频短语，合并所述各文档，针对所述各文档中的每个高频短语，检测所述各文档对应的索引段中是否均存储有所述高频短语的索引；

若是，则将所述各文档对应的索引段中，所述高频短语的位置信息的集合，作为所述高频短语在合并后的文档中的位置信息，生成并存储第三索引至所述合并后的文档对应的索引段，所述第三索引包括所述高频短语在所述合并后的文档中的位置信息。

4.根据权利要求3所述的方法，其特征在于，所述检测所述各文档对应的索引段中是否均存储有所述高频短语的索引之后，还包括：

若存在至少一个文档对应的索引段中未存储所述高频短语的索引，则针对每个第二文档，获得所述高频短语在所述第二文档中的位置信息，所述第二文档对应的索引段中未存储有所述高频短语的索引；

将所述高频短语在所述第二文档中的位置信息，和所述各文档中除所述第二文档以外的其它文档对应的索引段中存储的所述高频短语的位置信息的集合，作为所述高频短语在所述合并后的文档中的位置信息。

5.根据权利要求1-4中任一项所述的方法，其特征在于，所述方法还包括：

根据接收到的待检索短语，检测当前文档对应的索引段中是否存在所述待检索短语的索引；

若存在，则根据所述待检索短语的索引，获得所述待检索短语在所述检索文档中的位置信息。

6.一种索引建立装置，其特征在于，包括：

第一合并模块，用于通过分词获得第一文档中的各个词，针对所述各个词中的每个高频词，将所述高频词和与其相邻的另一高频词合并为短语；

第一处理模块，用于针对所述短语中的每个高频短语，生成并存储第一索引至所述第一文档对应的索引段，所述第一索引包括所述高频短语在所述第一文档中的位置信息；

其中，每个高频词的出现次数均不小于第一预设值，每个高频短语的出现次数均不小于第二预设值。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

获取模块，用于在所述合并模块通过分词获得第一文档中的各个词之后，获得所述第一文档中的各个词的位置信息；

第二处理模块，用于将所述第一文档中各相同的词的位置信息的集合，作为所述词在所述第一文档中的位置信息，生成并存储第二索引至所述第一文档对应的索引段，所述第二索引包括所述词在所述第一文档中的位置信息。

8.根据权利要求6所述的装置，其特征在于，所述装置还包括：

第二合并模块，用于在所述第一处理模块针对所述短语中的每个高频短语，生成并存储第一索引至所述第一文档对应的索引段之后，获取各文档中的高频短语，合并所述各文档，针对所述各文档中的每个高频短语，检测所述各文档对应的索引段中是否均存储有所述高频短语的索引；

第三处理模块，用于若所述各文档对应的索引段中均存储有所述高频短语的索引，则将所述各文档对应的索引段中，所述高频短语的位置信息的集合，作为所述高频短语在合并后的文档中的位置信息，生成并存储第三索引至所述合并后的文档对应的索引段，所述第三索引包括所述高频短语在所述合并后的文档中的位置信息。