CN102314464A

CN102314464A - 歌词搜索方法及搜索引擎

Info

Publication number: CN102314464A
Application number: CN2010102246915A
Authority: CN
Inventors: 贾海禄
Original assignee: BEIJING LIANGDIAN SHIJIAN TECHNOLOGY Co Ltd
Current assignee: BEIJING LIANGDIAN SHIJIAN TECHNOLOGY Co Ltd
Priority date: 2010-07-07
Filing date: 2010-07-07
Publication date: 2012-01-11
Anticipated expiration: 2030-07-07
Also published as: CN102314464B

Abstract

本发明公开了一种歌词搜索方法及搜索引擎，该方法用于歌词搜索引擎，歌词搜索引擎将其中歌曲歌词分词并生成索引文件，该歌词搜索方法包括以下步骤：S1.接收用户提交的搜索关键字；S2.对所述搜索关键字进行分词处理，并依据所述歌曲歌词分词对应的索引文件，获得搜索关键字分词处理得到的分词所对应的索引信息；S3.从分词处理得到的分词中提取特征词汇；S4.根据特征词汇获取搜索结果。即使用户输入歌词并不准确，经由本发明提取出准确的特征词汇后，也能得到正确的搜索结果，进而提高搜索歌词的效率，实现了模糊搜索。

Description

歌词搜索方法及搜索引擎

技术领域

本发明涉及搜索技术，特别是涉及一种歌词搜索方法及搜索引擎。

背景技术

歌词搜索技术是全文检索在音乐这个垂直领域的一种延伸。全文检索是计算机程序通过扫描文章中的每一个词，对每一个词生成一个索引，指明该词在文章中出现的次数和位置。当用户查询时根据建立的索引查找，类似于通过字典的检索字表查字的过程。全文检索系统是按照全文检索理论建立起来的用于提供全文检索服务的软件系统。

歌词搜索技术就是将歌曲的歌词进行索引，基于这套索引来提供歌词搜索服务。请参阅图1所示，其为现有技术中歌词搜索方法的示意图。歌词搜索引擎将所有库存歌曲的歌词进行分词处理并生成索引文件，以供用户在搜索时使用，在图1中，歌曲搜索引擎将歌曲歌词1生成索引文件2；索引文件2中，包括KEY、DOCID、COUNT NO.以及DETAIL POSTIONS等参数，其中KEY表示分词，DOCID表示与分词对应的歌曲ID，COUNT NO.表示该分词在歌词中出现的数量，DETAIL POSTIONS表示该分词在歌词中的具体位置。用户想要搜索某一歌词时，首先执行步骤S1：向歌词搜索引擎输入搜索关键字；之后执行步骤S2：歌词搜索引擎对搜索关键字进行分词处理，并依据所述歌词搜索引擎中歌词分词对应的索引文件，使分词获得对应的索引信息；接下来歌词搜索引擎基于分词处理得到的分词进行歌词搜索，并将搜索结果返回给用户。

通常，将关键字进行分词处理后，会得到多个分词，每个分词又会对应多个歌曲ID，基于分词进行歌词搜索的步骤具体为：将多个分词的歌曲ID进行“逻辑与”操作，即查找多个分词均对应的歌曲ID，最终得到的歌曲ID对应的歌词即为要搜索的歌词。

例如，用户输入关键字“我家大门常打开”，歌词搜索引擎对关键字进行分词处理后得到分词“我家”、“大门”、“常”和“打开”，其中“我家”对应的歌曲ID的值(COUNT NO.)包括“1002”，“大门”、“常”和“打开”分别对应的歌曲ID的值也包括“1002”，将这些分词的歌曲ID进行“逻辑与”操作后，得到的歌曲ID值为1002，歌曲ID值1002所对应的歌曲为“北京欢迎你”，这样，用户便可得到其欲搜索的“北京欢迎你”的歌词。

但绝大多数用户在进行歌词搜索时，并不能够准确记忆歌词，这导致输入的搜索关键字中出现了歌词中没有的字或词，例如，用户输入关键字“我家大门经常打开吧”，歌词搜索引擎对关键字进行分词处理后得到分词“我家”、“大门”、“经常”、“打开”和“吧”，其中分词“我家”、“大门”和“打开”分别对应的歌曲ID的值中包括“1002”，而分词“经常”和“吧”所对应的歌曲ID值中并不包括“1002”，则将这些分词的歌曲ID进行“逻辑与”操作后，得到的歌曲ID值为“0”，因此，用户因输入歌词并不完全准确，而导致无法得到其欲搜索的歌词。也就是说，现有技术中的歌词搜索技术，必须准确输入关键字，才能得到正确的搜索结果，其智能化程度较低，从而降低了用户搜索歌词的效率。

发明内容

有鉴于此，本发明提供一种歌词搜索方法，所要解决的技术问题为：在输入关键字不准确的情况下，仍能正确搜索到歌词，从而提高搜索歌词的效率。

与上述方法相对应，本发明还提供一种歌词搜索引擎。

本发明的目的及解决其技术问题是采用以下技术方案来实现的。依据本发明提出的一种歌词搜索方法，用于歌词搜索引擎，所述歌词搜索引擎对其中歌曲歌词分词并生成索引文件，其特征在于，该歌词搜索方法包括以下步骤：S1.接收用户提交的搜索关键字；S2.对所述搜索关键字进行分词处理，并依据所述歌曲歌词分词对应的索引文件，获得搜索关键字分词处理得到的分词所对应的索引信息；S3.从分词处理得到的分词中提取特征词汇；S4.根据特征词汇获取搜索结果。

本发明的目的及解决其技术问题还可采用以下技术措施进一步实现。

前述的歌词搜索方法，所述步骤S3中，所述特征词汇为具有相同的歌曲ID且具有该歌曲ID数量最多的分词，其中，所述歌曲ID为所述索引信息中的参数。

前述的歌词搜索方法，所述步骤S3包括：S31.分别判断每一分词是否与其相邻的分词具有相同的歌曲ID，若是，则将所述分词与相邻的分词聚成一组，若否，则将所述分词作为单独一组，其中，所述歌曲ID为所述索引文件中的参数；S32.将具有相同歌曲ID的组聚成大组，其中含有分词数量最多的大组中的分词为特征词汇。

本发明的目的及解决其技术问题另外还采用以下技术方案来实现。依据本发明提出的一种歌词搜索引擎，包括：分词及索引文件生成单元，用于对歌曲歌词进行分词并生成索引文件；输入单元，用于接收用户提交的搜索关键字；分词处理单元，用于对所述搜索关键字进行分词处理，并依据所述分词及索引文件生成单元中歌词分词对应的索引文件，获得搜索关键字分词处理得到的分词所对应的索引信息；特征词汇提取单元，用于从所述分词处理单元所得到的分词中提取特征分词；以及搜索结果获取单元，用于根据所述特征词汇获取搜索结果。

前述的歌词搜索引擎，所述特征词汇为具有相同的歌曲ID且具有该歌曲ID数量最多的分词，其中，所述歌曲ID为所述索引信息中的参数。

前述的歌词搜索引擎，所述特征词汇提取单元包括：分词聚合模块，用于判断从所述分词处理单元得到的每一分词是否与其相邻的分词具有相同的歌曲ID，若是，则将所述分词与相邻的分词聚成一组，若否，则将所述分词作为单独一组，其中，歌曲ID为索引信息中的参数；组聚合模块，用于将具有相同歌曲ID的组聚成大组，其中含有分词数量最多的大组中的分词为特征词汇。

由上述技术方案可知，本发明的实施例通过从分词处理得到的分词中提取特征词汇，再根据特征词汇得出搜索结果，具有以下有益效果：即使用户输入歌词并不准确，经由本发明提取出准确的特征词汇后，也能得到正确的搜索结果，进而提高搜索歌词的效率，实现了模糊搜索。

通过以下参照附图对优选实施例的说明，本发明的上述以及其它目的、特征和优点将更加明显。

附图说明

图1为现有技术中歌词搜索方法的示意图；

图2为本发明歌词搜索方法一实施例的流程图；

图3为本发明一具体实施例中搜索引擎将歌词分词后生成的索引文件的结构示意图；

图4为本发明一具体实施例中关键字分词后得到的索引信息示意图；

图5为本发明提取特征词汇的一实施例的流程图；

图6为本发明一具体实施例的组聚合示意图；

图7为本发明提出的歌词搜索引擎实施例的示意图。

具体实施方式

下面将详细描述本发明的具体实施例。应当注意，这里描述的实施例只用于举例说明，并不用于限制本发明。

请参阅图2所示，其为本发明一实施例的歌词搜索方法的流程图。该方法用于歌词搜索引擎，所述歌词搜索引擎将其包含的歌曲歌词进行分词并生成索引文件，以供用户在搜索时使用，其中，对歌词进行分词可采用现有技术中的方法，例如最大匹配分词算法，并为分词生成索引文件，所生成的索引文件例如为图1中索引文件的结构。

本实施例中的歌词搜索方法包括以下步骤：

步骤S1：接收用户提交的搜索关键字；

步骤S2：对搜索关键字进行分词处理，并依据歌词搜索引擎中歌曲歌词分词对应的索引文件，获得搜索关键字分词处理得到的分词所对应的索引信息；

由于歌词搜索引擎中已存储有各个歌曲歌词的分词及对应的索引文件，因此，当通过对搜索关键字进行分词处理得到分词后，可从搜索引擎中获取每个分词所对应的索引信息。

需要说明的是，本发明的歌词搜索引擎对其包含的歌曲歌词分词和索引文件的生成，以及对搜索关键字的分词处理均可采用现有技术中的方法，本发明不就具体细节加以说明，仅就发明的改进之处加以详细描述。

步骤S3：从分词处理得到的分词中提取特征词汇；

步骤S4：根据特征词汇获取搜索结果。

现有技术中，歌词搜索引擎基于分词处理得到的分词进行歌词搜索；而本发明的实施例中，需从分词处理得到的分词中提取出特征词汇，再根据特征词汇得出搜索结果，其中，特征词汇为包含在歌词中的准确词汇，这样，即使用户输入歌词并不准确，经由本发明提取出准确的特征词汇后，便能得到正确的搜索结果，进而提高搜索歌词的效率。

下面通过一具体实施例来详细介绍本发明的技术方案。

在本实施例中，歌词搜索引擎使用最大匹配分词算法，将其库存的所有歌曲的歌词进行分词并写入索引文件中，其中，歌曲《北京欢迎你》的歌词所得到的索引文件结构如图3所示，这里，索引文件采用哈希Map进行存储。歌词搜索引擎将歌词“我家大门常打开，开放怀抱等你，拥抱过就有了默契，你会爱上这里……”分成16个分词，每个分词对应各自的索引参数，参数可包括：歌曲ID、歌曲ID值、分词在歌词中出现的次数以及出现的位置等，图3中仅列举了分词所对应的docid值及该分词出现的次数。本领域技术人员可以理解，分词所对应的索引文件结构并不以本具体实施例中列举的结构为限。

当用户想要通过歌曲搜索引擎搜索某一歌词时，首先向歌词搜索引擎输入搜索关键字，例如，输入关键字“我家大门经常打开吧”，搜索引擎对该关键字进行分词处理后得到分词“我家”、“大门”、“经常”、“打开”和“吧”，通过查找搜索引擎存储的哈希Map来得到每个分词所对应索引的详细参数，上述分词对应的索引信息参数如图4所示。

现有技术中，基于上述分词进行歌词搜索，即将多个分词的歌曲ID进行“逻辑与”操作，来找出同时包含这些分词的歌曲。但如图4所示，在用户输入的歌词不全正确的情况下，“逻辑与”操作的结果必然是为空的，结果导致用户无法找到自己想要的歌词。

为克服现有技术的这个缺陷，本实施例中，先从分词中提取出特征词汇，再根据特征词汇得出搜索结果，请参阅图5所示，具体步骤包括：

S31.分别判断每一分词是否与其相邻的分词具有相同的歌曲ID，若是，则将所述分词与相邻的分词聚成一组，若否，则将所述分词作为单独一组，其中，歌曲ID为索引文件中的参数；

判断的具体过程例如为：从第一个分词开始依次与相邻的分词进行“逻辑与”操作，若存在相同的歌曲ID，则聚合为一组，并与下一个相邻的分词进行“逻辑与”操作，若不存在相同歌曲ID，则单独作为一组。下面以图4中的分词为例来进行说明，首先，将第一个分词结果进行从上往下的“逻辑与”操作，由于“我家”和“大门”两个词有共同的docid(1002)，那么这两个词聚成一个组group(我家|大门)，然后将group(我家|大门)与“经常”进行“逻辑与”操作，发现他们二者没有共同的docid，说明两者没有关联，那么继续使用“经常”与下一个分词“打开”进行“逻辑与”操作，发现仍然没有共同的docid，那么“经常”成为独立的group，接下来，同理进行“打开”和“吧”的“逻辑与”操作，最终得到如下几个group：

group(我家|大门)，group(经常)，group(打开)，group(吧)

需要说明的是，本发明中所述的“逻辑与”可以理解为取交集操作，即取共同的歌曲ID。

S32.将具有相同歌曲ID的组聚成大组，其中含有分词数量最多的大组中的分词为特征词汇。

判断的具体过程例如为：将分词聚合模块741中得到的组两两进行“逻辑与”操作，若存在相同的歌曲ID则聚成大组。就上述示例而言，是对上述group进行两两的“逻辑与”操作，发现group(我家|大门)和group(打开)有共同的docid(1002)，得到大组GROUP(我家|大门|打开)，而group(经常)和group(吧)并无其他具有共同docid的组，这样，在本实施例中，只得到一个大组GROUP(我家|大门|打开)，如图6所示，其便是含有分词数量最多的大组，其中的分词即是特征词汇；上述特征词汇的docid对应的歌词即为需搜索的歌词。

虽然上述具体实施例中通过步骤S31-S32来提取特征词汇，但该步骤并非限制性，本领域技术人员可以理解，无论采用何种方法，只要使得到的特征词汇为具有相同的歌曲ID且具有该歌曲ID数量最多的分词即可，例如，直接将具有共同docid的分词聚为一组，其中含有分词数量最多的组中的分词为特征词汇。

仍以上述图4中的分词为例，先将第一个分词结果进行从上往下与其他所有的分词依次进行“逻辑与”操作，由于“我家”、“大门”和“打开”具有共同的docid(1002)，则将这三个分词聚为一组group(我家|大门|打开)，再将“经常”与其后面所有的分词依次进行“逻辑与”操作，再将“吧”执行同样的操作，最终得到含有分词数量最多的组仍为group(我家|大门|打开)，其中分词“我家”、“大门”和“打开”为特征词汇。但当分词数量较多时，采用这种方法，进行“逻辑与”的次数会较多，因此优选步骤S31-S32提取特征词汇的方法。

通过上述特征词汇，我们就可以得到正确的搜索结果，从而提高用户搜索满意度，避免用户二次搜索甚至放弃搜索。

另外，本发明还提出了一种歌词搜索引擎，其结构参见图7所示，该歌词搜索引擎包括：分词及索引文件生成单元71、输入单元72、分词处理单元73、特征词汇提取单元74和搜索结果获取单元75。

其中，分词及索引文件生成单元71，用于将该歌词搜索引擎中的歌词分词并生成索引文件，所生成的索引文件例如为图1中索引文件的结构。

输入单元72，用于接收用户提交的搜索关键字。

分词处理单元73，与输入单元72连接，用于对输入到输入单元72中的搜索关键字进行分词处理，并依据分词及索引文件生成单元71中歌词分词对应的索引文件，使分词处理得到的分词获得对应的索引信息。

由于分词及索引文件生成单元71中已经生成各个歌词的分词及对应的索引文件，因此，当通过分词处理单元73得到分词后，可从分词及索引文件生成单元71中获取每个分词所对应的索引信息。

特征词汇提取单元74，用于从分词处理单元73所得到的分词中提取特征分词。优选地，特征词汇为具有相同的歌曲ID且具有该歌曲ID数量最多的分词，其中，所述歌曲ID为所述索引信息中的参数。

搜索结果获取单元75，用于根据所述特征词汇获取搜索结果。

优选地，特征词汇提取单元74包括：分词聚合模块741和组聚合模块742。

分词聚合模块741，用于判断从分词处理单元73得到的每一分词是否与其相邻的分词具有相同的歌曲ID，若是，则将所述分词与相邻的分词聚成一组，若否，则将所述分词作为单独一组，其中，歌曲ID为索引信息中的参数。

判断的具体过程例如为：从第一个分词开始依次与相邻的分词进行“逻辑与”操作，若存在相同的歌曲ID，则聚合为一组，并与下一个相邻的分词进行“逻辑与”操作，若不存在相同歌曲ID，则单独作为一组。

组聚合模块742，用于将具有相同歌曲ID的组聚成大组，其中含有分词数量最多的大组中的分词为特征词汇。

判断的具体过程例如为：将分词聚合模块741中得到的组两两进行“逻辑与”操作，若存在相同的歌曲ID则聚成大组，其中含有分词数量最多的大组中的分词为特征词汇。

虽然已参照几个典型实施例描述了本发明，但应当理解，所用的术语是说明和示例性、而非限制性的术语。由于本发明能够以多种形式具体实施而不脱离发明的精神或实质，所以应当理解，上述实施例不限于任何前述的细节，而应在随附权利要求所限定的精神和范围内广泛地解释，因此落入权利要求或其等效范围内的全部变化和改型都应为随附权利要求所涵盖。

Claims

1.一种歌词搜索方法，用于歌词搜索引擎，所述歌词搜索引擎对其中歌曲歌词分词并生成索引文件，其特征在于，该歌词搜索方法包括以下步骤：

S1.接收用户提交的搜索关键字；

S2.对所述搜索关键字进行分词处理，并依据所述歌曲歌词分词对应的索引文件，获得搜索关键字分词处理得到的分词所对应的索引信息；

S3.从分词处理得到的分词中提取特征词汇；

S4.根据特征词汇获取搜索结果。

2.根据权利要求1所述的歌词搜索方法，其特征在于，所述步骤S3中，所述特征词汇为具有相同的歌曲ID且具有该歌曲ID数量最多的分词，其中，所述歌曲ID为所述索引信息中的参数。

3.根据权利要求1所述的歌词搜索方法，其特征在于，所述步骤S3包括：

S31.分别判断每一分词是否与其相邻的分词具有相同的歌曲ID，若是，则将所述分词与相邻的分词聚成一组，若否，则将所述分词作为单独一组，其中，所述歌曲ID为所述索引文件中的参数；

4.一种歌词搜索引擎，其特征在于，包括：

分词及索引文件生成单元，用于对歌曲歌词进行分词并生成索引文件；

输入单元，用于接收用户提交的搜索关键字；

分词处理单元，用于对所述搜索关键字进行分词处理，并依据所述分词及索引文件生成单元中歌词分词对应的索引文件，获得搜索关键字分词处理得到的分词所对应的索引信息；

特征词汇提取单元，用于从所述分词处理单元所得到的分词中提取特征分词；以及

搜索结果获取单元，用于根据所述特征词汇获取搜索结果。

5.根据权利要求4所述的歌词搜索引擎，其特征在于，所述特征词汇为具有相同的歌曲ID且具有该歌曲ID数量最多的分词，其中，所述歌曲ID为所述索引信息中的参数。

6.根据权利要求4所述的歌词搜索引擎，其特征在于，所述特征词汇提取单元包括：

分词聚合模块，用于判断从所述分词处理单元得到的每一分词是否与其相邻的分词具有相同的歌曲ID，若是，则将所述分词与相邻的分词聚成一组，若否，则将所述分词作为单独一组，其中，歌曲ID为索引信息中的参数；

组聚合模块，用于将具有相同歌曲ID的组聚成大组，其中含有分词数量最多的大组中的分词为特征词汇。