[发明专利]用于检索数据的方法、设备和介质

说明书

本公开的实施例涉及一种用于检索数据的方法、设备和介质，包括：建立文字映射到拼音的第一数据库以及拼音映射到音节的第二数据库；针对所获取的第一数据执行预处理，从而获取包括一个或多个标准化元素的数组；基于第一数据库，遍历所述数组中的每个元素，从而获取第二数据并将所述第二数据保存到用于全文检索使用的第三数据库；对待检索数据执行分字，从而获取经分字的对象并基于正则表达式将所获取的对象表达为音节表达式；在所述第二数据库中检索所述音节表达式，从而获取所述待检索数据的拼音映射到音节的索引；以及基于所获取的索引，检索所述第三数据库，从而获取关于待检索数据的检索结果。

技术领域

本公开的实施例总体涉及数据处理领域，并且更具体地涉及一种用于检索数据的方法、计算设备和计算机可读存储介质。

背景技术

数据系统中归集的中文数据，在数据库中通常通过直接中文存储的，例如通过utf8编码。然而这些数据在查询使用的时，用户通常不是按准确的中文查询的。

例如，数据库存储了用户的姓名，张三，王重阳，用户查询的时候可能敲的是，zhang san，zhang s，zs都可以表示张三，wchy，wzhy，wangchongyang都可以表示王重阳。同时由于多音字的可能, 用户不一定确定中文数据的正确读音。

现有的一些数据库检索方案是基于分词实现。数据的对应拼音会支持自定义词库。然而这需要侵入修改数据库。即使通过插件模式, 也需要安装不同数据库的插件，存在潜在的兼容性问题并且词库的量是无穷大的, 越大越准确, 但是资源占用量(内存等)和查询速度也会受一定的影响。

综上，传统的用于检索数据的方法所存在的不足之处在于：现有拼音搜索的技术方案存在搜索结果不完全或搜索结果冗余的问题。

发明内容

针对上述问题，本公开提供了一种用于检索数据的方法、计算设备和计算机可读存储介质，准确将用户的拼音输入(全拼, 简拼, 混合输入)能在数据库里快速查询对应的中文。

根据本公开的第一方面，提供了一种用于检索数据的方法，包括：建立文字映射到拼音的第一数据库以及拼音映射到音节的第二数据库；针对所获取的第一数据执行预处理，从而获取包括一个或多个标准化元素的数组；基于第一数据库，遍历所述数组中的每个元素，从而获取第二数据并将所述第二数据保存到用于全文检索使用的第三数据库；对待检索数据执行分字，从而获取经分字的对象并基于正则表达式将所获取的对象表达为音节表达式；在所述第二数据库中检索所述音节表达式，从而获取所述待检索数据的拼音映射到音节的索引；以及基于所获取的索引，检索所述第三数据库，从而获取关于待检索数据的检索结果。

根据本公开的第二方面，提供了一种计算设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开的第一方面的方法。

在本公开的第三方面中，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中计算机指令用于使计算机执行本公开的第一方面的方法。

在一些实施例中，还包括：计算所述第一数据库中的文字映射到拼音的拼音字符数量以及字符距离；根据所计算的拼音字符数量以及字符距离，标注出各个拼音的相似拼音；以及将每个拼音映射到与其对应的相似拼音，从而获取所映射的相似拼音索引，其中所述相似拼音索引被保存到所述第三数据库。

在一些实施例中，将每个拼音映射到与其对应的相似拼音还包括：响应于拼音被映射到多个与其对应的相似拼音，为多个相似拼音中的每个相似拼音设置第一概率；根据所获取的检索结果的确认率，获得相似拼音中的每个拼音的第二概率；基于所述第一概率和第二概率，计算所述相似拼音中的每个相似拼音的第三概率；以及基于所计算的第三概率，检索所述第三数据库，从而获取检索结果。