[发明专利]一种基于海量标准文献数据的排序优化算法技术实现方法

权利要求书

1.一种基于海量标准文献数据的排序优化算法技术实现方法，其特征在于，包括如下步骤：

步骤1：安装和配置Solr搜索服务器，Solr搜索引擎底层是基于lucene的分词组件，构建SolrInputDocument对象，增加索引，按需添加相应的core数据表来分片存储数据，并为每个core配置uniqueKey；

步骤2：数据库服务器中的数据是动态增量的，所以需要定期刷新搜索服务器中用于存放搜索数据的core数据表，此外，针对全量数据对文档的进行基准boost打分，设置字段为BASE_ORDER；

步骤3：用户在客户端选择搜索方式与输入搜索关键字后，客户端将搜索方式与搜索关键字发送请求给服务器，服务器通过搜索解析器判断检索类型，以及根据HMM算法来切分搜索关键字；

所述搜索方式包括标准号搜索、题录搜索、全文搜索、题录与全文混合搜索；

所述切分搜索关键字包括如下步骤：

步骤31：判断搜索关键字是否包含恶意字符，如有，则通过正则表达式替换掉，再判断搜索方式；

步骤32：使用特殊搜索解析器判断是否为标准号特殊搜索，如果结果为true则执行步骤33，结果为false则执行步骤39；

步骤33：搜索关键字为标准号特殊搜索，先按空格和半角圆点符号切分搜索关键字，再根据字典表判定是否为标准代码开头，结果为true则执行步骤34，结果为false为执行步骤37；

步骤34：根据标准代码开头判断是否为国外标准，结果为false则执行步骤35，结果为true为执行步骤36；

步骤35：此搜索为国内标准特殊搜索，标准号切分后可分为标准代号、专业类号、顺序号、年代号4个部分，根据切分后的数组长度判断是何种类型的排列组合方式，分情况进行查询，得出结果集；

步骤36：此搜索为国外标准号搜索，国外标准的标准号组成方式比较复杂，不像国内标准一样可以拆分成标准代号、专业类号、顺序号、年代号4个部分，因此针对国外标准号查询直接与标准号字段进行匹配查询；

步骤37：此搜索为非标准代码开头的国内标准的标准号搜索，那么出现的会有专业类号、顺序号、年代号3个部分，和步骤35一致，根据切分后的数组长度判断是何种类型的排列组合方式，分情况进行查询；

步骤38：根据步骤31中所判断的4种搜索方式中，如果为标准号搜索，则直接根据基准boost打分字段BASE_ORDER的大小来排序；

如果为题录搜索，则最前端还需要加入一个层级，分别是标题精确、题录精确、标题模糊、题录模糊，再将这个层级和BASE_ORDER字段做算术加运算，再排序；

如果为全文搜索，最前端也需要加入一个层级，分别是全文精确、全文模糊，然后将这个层级和BASE_ORDER字段做算术加运算，再排序；

如果为题录与全文混合搜索，最前端还是需要加入一个层级，分别是标题精确、题录精确、全文精确、标题模糊、题录模糊、全文模糊，然后将这个层级和BASE_ORDER字段做算术加运算，再排序；

步骤39：此搜索普通搜索，主要是中文或汉语拼音的检索，在步骤1中添加的core中，有一个core的存储内容为关键词，每一个关键词既有中文字段，也有汉语拼音字段，当用户在客户端上即使输入的是汉语拼音，也会实时地进行提示对应的中文词语以供选择，再根据中文来查询；

步骤310：用户在客户端输入的中文词汇串searchString是连续的，即词与词之间没有空格间隔开的，则执行步骤311，如果词与词之间是有空格相间隔开的，则执行步骤312；

步骤311：根据lucene分词组件对步骤310中的searchString从左往右进行分词与去黑词，当然如果分词后分为多个词，则是按照“或”逻辑进行查询的；

步骤312：当词与词之间有两个或两个以上空格间隔开，以空格切割开的词，每个词分别执行上述步骤311，但是以空格间隔开的词是以“与”逻辑进行查询的；

步骤313：步骤311与步骤312均需要加一个层级，分别是标题精确、题录精确、全文精确、标题模糊、题录模糊、全文模糊，再将这个层级和BASE_ORDER字段做算术加运算，再排序；

步骤314：步骤38与步骤313的排序均要按照标准类型进行一个总的分类排序，即根据标准专业领域所要求的，依次显示国标、行标、地标、国外标准。