[发明专利]数据内容索引方法、装置及电子设备

说明书

本发明实施例提供了数据内容索引方法、装置及电子设备，应用于数据处理技术领域。该方法包括：基于倒排索引方式，确定文本域中包含索引语句的索引分词的多个初始数据内容；针对每一初始数据内容，利用预设的正排索引，获取该初始数据内容的各个文本域，其中，正排索引为从数据内容的内容标识映射到文本域的索引；针对每一初始数据内容，基于该初始数据内容的各个文本域中的匹配分词，确定该初始数据内容与索引语句的匹配度，其中，任一文本域的匹配分词为该文本域的分词中属于索引语句的分词；按照各个初始数据内容与索引语句的匹配度，对各个初始数据内容进行排序，得到索引语句对应的索引结果。通过本方案，可以提高索引结果的准确性。

技术领域

本发明涉及数据处理技术领域，特别是涉及数据内容索引方法、装置及电子设备。

背景技术

索引服务是数据内容提供商提供的一项基础服务功能，通过索引服务可以方便用户快速高效地查找其想要的数据内容，如视频、新闻、商品等。

相关技术，数据内容索引方法包括：基于倒排索引方式，确定文本域中包含索引语句的索引分词的多个初始数据内容；针对每一初始数据内容，利用与该初始数据内容对应的索引关系，确定该初始数据内容与索引语句的匹配度，进而，利用各个初始数据内容与索引语句的匹配度，对各个初始数据内容进行排序，得到该索引语句对应的索引结果。其中，任一初始数据内容对应的索引关系为：查找到该数据内容的索引分词与该初始数据内容的对应关系；并且，数据内容的一个文本域是该数据内容的一个属性字段对应的文本。

但是，在确定多个初始数据内容的过程中，会存在索引截断的问题，即：当通过某个索引分词查找到的数据内容过多时，将舍弃通过该索引分词查找到的部分数据内容。

那么，初始数据内容对应的索引关系可能是针对部分索引分词的索引关系，这样在确定该初始数据内容与索引语句的匹配度时，仅仅考虑与部分索引分词的相关性，导致匹配度不准确，最终索引结果的准确性较低。

发明内容

本发明实施例的目的在于提供数据内容索引方法、装置及电子设备，以提供索引结果的准确性。具体技术方案如下：

第一方面，本发明的实施例提供了一种数据内容索引方法，所述方法包括：

基于倒排索引方式，确定文本域中包含索引语句的索引分词的多个初始数据内容；

针对每一初始数据内容，利用预设的正排索引，获取该初始数据内容的各个文本域，其中，所述正排索引为从数据内容的内容标识映射到文本域的索引；

针对每一初始数据内容，基于该初始数据内容的各个文本域中的匹配分词，确定该初始数据内容与所述索引语句的匹配度，其中，任一文本域的匹配分词为该文本域的分词中属于所述索引语句的分词；

按照各个初始数据内容与所述索引语句的匹配度，对各个初始数据内容进行排序，得到所述索引语句对应的索引结果。

在一种实施例中，所述基于该初始数据内容的各个文本域的匹配分词，确该初始数据内容与所述索引语句的匹配度，包括：

针对该初始数据内容的每一文本域，基于该文本域的匹配分词和所述索引语句，确定该文本域对应的评估值，所述评估值用于表征该文本域与所述索引语句的相似程度；

根据该初始数据内容的各个文本域对应的评估值，确定该初始数据内容与所述索引语句的匹配度。

在一种实施例中，所述评估值包括：

表征所述索引语句被该文本域覆盖的覆盖程度值、表征该文本域被所述索引语句覆盖的覆盖程度值以及目标距离值中的一种或多种；

其中，所述目标距离值为在所述索引语句中相邻、且包含于该文本域中的两个匹配分词在该文本域中的距离信息。

在一种实施例中，所述评估值包括：表征所述索引语句被该文本域覆盖的覆盖程度值；