[发明专利]一种编目信息的分类、检索方法和装置

说明书

技术领域

本发明涉及检索领域，特别是指一种编目信息的分类、检索方法和装置。

背景技术

伴随着互联网技术的飞速发展以及网络带宽的极大提升，存储在互联网上的各种信息资源呈爆炸式增长。这些海量的信息资源中，不乏存在巨大商业价值的宝贵资源。如何在海量的信息资源中进行高效检索便成为信息资源高效利用并最大化其价值的关键。

各种信息资源中包括文档、视频、音频等资源，为便于对这些信息资源进行管理和检索，通常会对每个信息资源维护一个编目信息，用以概括该信息资源的主要信息。不同的媒资生产商会根据自己的需要定义不同的媒资编目信息，但这种异构的媒资编目信息严重地阻碍了不同厂商之间进行媒资系统间信息的融合。

这种异构数据往往是海量的且是高维度的，如何快速、有效地从海量的高维编目数据集合中找到与某个数据最相似(距离最近)的一个或多个编目数据成为信息资源高效利用的关键。

发明内容

有鉴于此，本发明的目的在于提出一种编目信息的分类、检索方法和装置，以便更高效地对海量信息资源的编目信息进行检索，以高效地实现对海量信息资源的检索和价值利用。

基于上述目的本发明提供一种编目信息的检索方法，包括：

提取查询信息中的特征词语，将提取的特征词语组成所述查询信息的特征词语集合；

针对所述查询信息的特征词语集合应用预先构建的一组局部敏感的哈希函数簇H将所述查询信息映射到相应的哈希桶；

在所述查询信息映射的哈希桶中的编目信息里，根据所述查询信息进行检索，得到检索结果；

其中，所述哈希桶中的编目信息是预先利用所述哈希函数簇H从海量编目信息中映射到所述哈希桶中的。

其中，所述哈希桶中的编目信息具体是根据如下方法预先从海量编目信息中映射到所述哈希桶中的：

针对海量编目信息中的每个编目信息，提取该编目信息中的特征词语，将提取的特征词语组成该编目信息的特征词语集合；

针对海量编目信息中的每个编目信息，对该编目信息的特征词语集合应用所述哈希函数簇H将该编目信息映射到相应的哈希桶中。

其中，所述局部敏感的哈希函数簇H是根据如下方法预先构建的：

基于确定的参数k和L，以及一组基础的局部敏感的哈希函数簇H₀，构建所述哈希函数簇H；

其中，参数k为哈希键长度，参数L为组成哈希函数簇H的哈希函数的个数。

本发明还提供一种编目信息的分类方法，包括：

针对海量编目信息中的每个编目信息，提取该编目信息中的特征词语，将提取的特征词语组成该编目信息的特征词语集合；

针对海量编目信息中的每个编目信息，对该编目信息的特征词语集合应用所述哈希函数簇H将该编目信息映射到相应的哈希桶中。

本发明还提供一种编目信息的检索装置，包括：

特征提取模块，用于提取查询信息中的特征词语，将提取的特征词语组成所述查询信息的特征词语集合；

映射模块，用于针对所述查询信息的特征词语集合应用预先构建的一组局部敏感的哈希函数簇H将所述查询信息映射到相应的哈希桶；其中，所述哈希桶中的编目信息是预先利用所述哈希函数簇H从海量编目信息中映射到所述哈希桶中的；

检索模块，用于在所述查询信息映射的哈希桶中的编目信息里，根据所述查询信息进行检索，得到检索结果。

本发明还提供一种编目信息的分类装置，包括：

特征提取模块，用于针对海量编目信息中的每个编目信息，提取该编目信息中的特征词语，将提取的特征词语组成该编目信息的特征词语集合；

映射模块，用于针对海量编目信息中的每个编目信息，对该编目信息的特征词语集合应用所述哈希函数簇H将该编目信息映射到相应的哈希桶中。

本发明技术方案中，针对查询信息利用局部敏感哈希算法确定出查询信息所映射的哈希桶；根据查询信息，在确定出的哈希桶中进行检索，而对于其它哈希桶中的编目信息则可忽略，从而可以更高效、快速地从海量信息资源的编目信息中检索到与查询信息相匹配的编目信息，实现高效地对海量信息资源的检索和价值利用。

附图说明

图1为本发明实施例提供的一种编目信息的分类方法流程图；

图2为本发明实施例提供的一种哈希函数簇H构建方法流程图；

图3为本发明实施例提供的一种编目信息的检索方法流程图；

图4为本发明实施例提供的一种编目信息的分类装置内部结构框图；