An embodiment of the invention discloses a method and system for optimizing a search engine, in which the method includes: regularly obtaining high frequency terms in the inverted index library, checking whether the high frequency term is in a pre established search word library, where the search word is saved by the useful user in the search word library, and if the high frequency is high frequency. The word item is not in the search word library, and the high frequency word item and its index are deleted in the inverted index library, and the high frequency word item is added to the non indexed term library. The embodiment of the invention reduces the storage size of the search engine and improves the search efficiency of the search engine by reducing the scale of the inverted index library.
【技术实现步骤摘要】
一种优化搜索引擎的方法及系统
本专利技术涉及全文检索领域,尤其涉及一种优化搜索引擎的方法及系统。
技术介绍
随着互联网技术的快速发展,网络上的信息量每天都在飞速增加,网民主要通过搜索引擎筛选获取自己所需要的信息。搜索引擎从互联网上搜集网页信息,利用分词技术和网页排名算法构建词项的倒排索引库,网民输入搜索词,搜索引擎从倒排索引库中查找该搜索词,找到搜索词对应的网页并展现给网民。由于网民要搜索的关键词是不可预期的,搜索引擎通过建立全量的分词倒排索引库以满足用户的搜索需求。但是这种方法仍存在如下问题:倒排索引库中大量的关键词从来不会被用户搜索,造成倒排索引库的存储空间的浪费,降低了搜索引擎的搜索效率。
技术实现思路
本专利技术实施例提供了一种优化搜索引擎的方法及系统,以实现降低搜索引擎的存储空间,提升搜索引擎的搜索效率。第一方面,本专利技术实施例提供了一种优化搜索引擎的方法,包括:定期获取倒排索引库中的高频词项,检查所述高频词项是否在预先建立的搜索词库中,其中,所述搜索词库中保存有用户输入的搜索词;如果所述高频词项不在所述搜索词库中,则在所述倒排索引库中删除所述高频词项及其索引,并把所述高频词项添加到不建索引词项库中。第二方面,本专利技术实施例还提供了一种优化搜索引擎的系统,包括:获取检查模块,用于定期获取倒排索引库中的高频词项,检查所述高频词项是否在预先建立的搜索词库中,其中,所述搜索词库中保存有用户输入的搜索词;处理模块,用于如果所述高频词项不在所述搜索词库中,则在所述倒排索引库中删除所述高频词项及其索引,并把所述高频词项添加到不建索引词项库中。本专利技术实施例 ...
【技术保护点】
一种优化搜索引擎的方法,其特征在于,包括:定期获取倒排索引库中的高频词项,检查所述高频词项是否在预先建立的搜索词库中,其中,所述搜索词库中保存有用户输入的搜索词;如果所述高频词项不在所述搜索词库中,则在所述倒排索引库中删除所述高频词项及其索引,并把所述高频词项添加到不建索引词项库中。
【技术特征摘要】
1.一种优化搜索引擎的方法,其特征在于,包括:定期获取倒排索引库中的高频词项,检查所述高频词项是否在预先建立的搜索词库中,其中,所述搜索词库中保存有用户输入的搜索词;如果所述高频词项不在所述搜索词库中,则在所述倒排索引库中删除所述高频词项及其索引,并把所述高频词项添加到不建索引词项库中。2.根据权利要求1所述的方法,其特征在于,在把所述高频词项添加到不建索引词项库中之后,所述方法还包括:对获取的网页进行分词处理,检查每个分词是否在所述不建索引词项库中;对于在所述不建索引词项库中的分词,则不需建立其倒排索引;对于不在所述不建索引词项库中的分词,则在倒排索引库中构建其倒排索引。3.根据权利要求1所述的方法,其特征在于,所述定期获取倒排索引库中的高频词项包括:依据配置文件定期获取倒排索引库中的高频词项,其中,所述配置文件中设置有获取倒排索引库中的高频词项的周期和数...
【专利技术属性】
技术研发人员:谢永恒,于吉胜,火一莽,万月亮,
申请(专利权)人:北京锐安科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。