專利名稱：復(fù)合索引結(jié)構(gòu)以及基于該復(fù)合索引結(jié)構(gòu)的搜索方法
技術(shù)領(lǐng)域：
本發(fā)明涉及搜索領(lǐng)域，尤其涉及一種復(fù)合索引結(jié)構(gòu)以及基于該復(fù)合索引結(jié)構(gòu)的搜索方法。
背景技術(shù)：
在搜索引擎內(nèi)部，每一條索引的文檔均按索引順序遞增分配一個(gè)數(shù)字編號(hào)，在搜索的過(guò)程當(dāng)中，均是以此編號(hào)來(lái)標(biāo)識(shí)一篇文檔，我們稱之為文檔編號(hào)，每一篇文檔由多個(gè)字段組成，我們稱之為域。查詢的基本單元為對(duì)域的查詢，我們稱之為域查詢，每個(gè)域查詢均
有一個(gè)對(duì)應(yīng)的文檔編號(hào)集合，而一次檢索一般由多個(gè)域查詢組合而成，則最終的檢索結(jié)果是由多個(gè)域查詢對(duì)應(yīng)的文檔編號(hào)集合求交而成的集合。眾所周知，搜索引擎技術(shù)是伴隨著海量文本信息的檢索而出現(xiàn)的，倒排索引是傳統(tǒng)搜索引擎最核心的存儲(chǔ)結(jié)構(gòu)，這種類似于字典索引的存儲(chǔ)結(jié)構(gòu)極大的提升了在海量文本信息中進(jìn)行關(guān)鍵字檢索的性能，然而隨著互聯(lián)網(wǎng)的不斷發(fā)展，海量數(shù)值類型數(shù)據(jù)的檢索的場(chǎng)景越來(lái)越多，并且更新時(shí)效要求非常高，尤其是電子商務(wù)領(lǐng)域，而傳統(tǒng)的倒排索引結(jié)構(gòu)對(duì)于數(shù)值類型的一些特定檢索處理及更新性能非常低下，所以需要一種新的索引結(jié)構(gòu)來(lái)滿足這種新的應(yīng)用場(chǎng)景。

發(fā)明內(nèi)容
本發(fā)明的目的之一在于提供一種復(fù)合索引結(jié)構(gòu)。為實(shí)現(xiàn)上述目的，所述復(fù)合索引結(jié)構(gòu)包括倒排索引結(jié)構(gòu)和正向存儲(chǔ)結(jié)構(gòu)；其中，文本類型域依照所述倒排索引結(jié)構(gòu)寫入倒排索引域內(nèi)；數(shù)值類型域依照所述正向存儲(chǔ)結(jié)構(gòu)寫入正向存儲(chǔ)域內(nèi)，所述正向存儲(chǔ)結(jié)構(gòu)為數(shù)組，將搜索引擎的文檔編號(hào)直接作為數(shù)組的下標(biāo)來(lái)存儲(chǔ)數(shù)值類型的域。本發(fā)明的另一個(gè)目的在于提供基于所述復(fù)合索引結(jié)構(gòu)的搜索方法，其中，索引過(guò)程為，將文本類型域?qū)懭胂鄳?yīng)的倒排索引域內(nèi)；將數(shù)值類型域?qū)懭胂鄳?yīng)的正向存儲(chǔ)域。優(yōu)選的是，復(fù)合索引結(jié)構(gòu)的搜索方法中的搜索過(guò)程為，當(dāng)搜索條件只包含文本類型域時(shí)，分別檢索各個(gè)相應(yīng)的文本類型域的倒排索引域，將得到各個(gè)文檔編號(hào)集合求交，得到最終的結(jié)果集合；當(dāng)搜索條件僅包含數(shù)值類型域時(shí)，從第一個(gè)數(shù)組下標(biāo)開(kāi)始，針對(duì)數(shù)值類型域進(jìn)行過(guò)濾檢索，直至最后一個(gè)數(shù)組下標(biāo)；當(dāng)搜索條件即包含文本類型域又包括數(shù)值類型域時(shí)，先檢索文本類型域，得到一個(gè)文檔編號(hào)集合，并在此集合內(nèi)對(duì)每個(gè)編號(hào)進(jìn)行所有數(shù)值類型域的過(guò)濾，得到最終的過(guò)濾結(jié)果集合。本發(fā)明的有益效果在于，本發(fā)明結(jié)合數(shù)組的特點(diǎn)，將搜索引擎的文檔編號(hào)直接作為數(shù)組的下標(biāo)來(lái)存儲(chǔ)數(shù)值類型的域，即新的索引結(jié)構(gòu)由原來(lái)的倒排索引結(jié)構(gòu)和數(shù)組這種正向存儲(chǔ)結(jié)構(gòu)共同組成，數(shù)值類型域的讀寫都將非常快速，文本類型域仍然采用倒排方式，因?yàn)槲谋绢愋偷挠蛑饕腔趩我挥蛑档臋z索，而對(duì)于數(shù)值類型的域，范圍檢索是一個(gè)非常常見(jiàn)的情形，并且更新頻率較文本類型字段也高很多，尤其是電子商務(wù)領(lǐng)域，像商品價(jià)格、庫(kù)存數(shù)量等都是變化較為頻繁的域?；谏鲜鰪?fù)合索引結(jié)構(gòu)構(gòu)建的搜索引擎系統(tǒng)將可以高效的實(shí)現(xiàn)數(shù)值類型的范圍過(guò)濾及實(shí)時(shí)更新。


圖I為基于復(fù)合索引結(jié)構(gòu)的搜索方法的搜索過(guò)程的流程圖。
具體實(shí)施例方式下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步說(shuō)明。本發(fā)明所述的復(fù)合索引結(jié)構(gòu)包括倒排索引結(jié)構(gòu)和正向存儲(chǔ)結(jié)構(gòu)；其中，文本類型域依照所述倒排索引結(jié)構(gòu)寫入倒排索引域內(nèi)；數(shù)值類型域依照所述正向存儲(chǔ)結(jié)構(gòu)寫入正向存儲(chǔ)域內(nèi)，所述正向存儲(chǔ)結(jié)構(gòu)為數(shù)組，將搜索引擎的文檔編號(hào)直接作為數(shù)組的下標(biāo)來(lái)存儲(chǔ)數(shù)值類型的域?；谒鰪?fù)合索引結(jié)構(gòu)的搜索方法中的索引過(guò)程為，將文本類型域?qū)懭胂鄳?yīng)的倒排索引域內(nèi)；將數(shù)值類型域?qū)懭胂鄳?yīng)的正向存儲(chǔ)域。如圖I所示，所述復(fù)合索引結(jié)構(gòu)的搜索方法中的搜索過(guò)程為，當(dāng)搜索條件只包含文本類型域時(shí)，分別檢索各個(gè)相應(yīng)的文本類型域的倒排索引域，將得到各個(gè)文檔編號(hào)集合求交，得到最終的結(jié)果集合Si ； 當(dāng)搜索條件僅包含數(shù)值類型域時(shí)，從第一個(gè)數(shù)組下標(biāo)開(kāi)始，針對(duì)數(shù)值類型域進(jìn)行過(guò)濾檢索，直至最后一個(gè)數(shù)組下標(biāo)S2 ；當(dāng)搜索條件即包含文本類型域又包括數(shù)值類型域時(shí)，先檢索文本類型域，得到一個(gè)文檔編號(hào)集合，并在此集合內(nèi)對(duì)每個(gè)編號(hào)進(jìn)行所有數(shù)值類型域的過(guò)濾，得到最終的過(guò)濾結(jié)果集合S3。下面以一個(gè)實(shí)施例對(duì)比僅使用倒排索引結(jié)構(gòu)與使用復(fù)合索引結(jié)構(gòu)的搜索過(guò)程。首先定義一個(gè)文檔樣例集合，如表I所示表I
文檔編號(hào)品牌域價(jià)格域
~希爾頓300
—IWW.Ioo
S 100
4如家500
5希爾頓100~6 100
權(quán)利要求
1.一種復(fù)合索引結(jié)構(gòu)，其特征在于所述復(fù)合索引結(jié)構(gòu)包括倒排索引結(jié)構(gòu)和正向存儲(chǔ)結(jié)構(gòu)；其中， 文本類型域依照所述倒排索引結(jié)構(gòu)寫入倒排索引域內(nèi)； 數(shù)值類型域依照所述正向存儲(chǔ)結(jié)構(gòu)寫入正向存儲(chǔ)域內(nèi)，所述正向存儲(chǔ)結(jié)構(gòu)為數(shù)組，將搜索引擎的文檔編號(hào)直接作為數(shù)組的下標(biāo)來(lái)存儲(chǔ)數(shù)值類型的域。
2.基于如權(quán)利要求I所述的復(fù)合索引結(jié)構(gòu)的搜索方法，其特征在于索引過(guò)程為，將文本類型域?qū)懭胂鄳?yīng)的倒排索引域內(nèi)；將數(shù)值類型域?qū)懭胂鄳?yīng)的正向存儲(chǔ)域。
3.根據(jù)權(quán)利要求2所述的復(fù)合索引結(jié)構(gòu)的搜索方法，其特征在于搜索過(guò)程為， 當(dāng)搜索條件只包含文本類型域時(shí)，分別檢索各個(gè)相應(yīng)的文本類型域的倒排索引域，將得到各個(gè)文檔編號(hào)集合求交，得到最終的結(jié)果集合； 當(dāng)搜索條件僅包含數(shù)值類型域時(shí)，從第一個(gè)數(shù)組下標(biāo)開(kāi)始，針對(duì)數(shù)值類型域進(jìn)行過(guò)濾檢索，直至最后一個(gè)數(shù)組下標(biāo)； 當(dāng)搜索條件即包含文本類型域又包括數(shù)值類型域時(shí)，先檢索文本類型域，得到一個(gè)文檔編號(hào)集合，并在此集合內(nèi)對(duì)每個(gè)編號(hào)進(jìn)行所有數(shù)值類型域的過(guò)濾，得到最終的過(guò)濾結(jié)果集合
全文摘要
本發(fā)明公開(kāi)了一種復(fù)合索引結(jié)構(gòu)及基于該結(jié)構(gòu)的搜索方法，該結(jié)構(gòu)包括倒排索引結(jié)構(gòu)和正向存儲(chǔ)結(jié)構(gòu)文本類型域依照倒排索引結(jié)構(gòu)寫入倒排索引域內(nèi)；數(shù)值類型域依照正向存儲(chǔ)結(jié)構(gòu)寫入正向存儲(chǔ)域內(nèi)，正向存儲(chǔ)結(jié)構(gòu)為數(shù)組，將搜索引擎的文檔編號(hào)作為數(shù)組的下標(biāo)存儲(chǔ)數(shù)值類型的域。搜索過(guò)程當(dāng)搜索條件為文本類型域時(shí)，分別檢索各文本類型域的倒排索引域，將得到各文檔編號(hào)集合求交，得到最終的結(jié)果集合；當(dāng)搜索條件這數(shù)值類型域時(shí)，從第一個(gè)數(shù)組下標(biāo)開(kāi)始，針對(duì)數(shù)值類型域過(guò)濾檢索，直至最后一個(gè)數(shù)組下標(biāo)；當(dāng)搜索條件包含兩者時(shí)，先檢索文本類型域，得到一個(gè)文檔編號(hào)集合后，并在此集合內(nèi)對(duì)每個(gè)編號(hào)進(jìn)行所有數(shù)值類型域的過(guò)濾，得到最終的過(guò)濾結(jié)果集合。
文檔編號(hào)G06F17/30GK102750393SQ20121024343
公開(kāi)日2012年10月24日 申請(qǐng)日期2012年7月13日 優(yōu)先權(quán)日2012年7月13日
發(fā)明者傅志忠, 李耀 申請(qǐng)人:攜程計(jì)算機(jī)技術(shù)(上海)有限公司