CN102737029A

CN102737029A - 搜索方法及系统

Info

Publication number: CN102737029A
Application number: CN2011100842241A
Authority: CN
Inventors: 李翔; 黄斌强; 李盛韬
Original assignee: Tencent Technology Shenzhen Co Ltd
Current assignee: Shenzhen Shiji Guangsu Information Technology Co Ltd
Priority date: 2011-04-02
Filing date: 2011-04-02
Publication date: 2012-10-17
Anticipated expiration: 2031-04-02
Also published as: CN102737029B

Abstract

本发明涉及一种搜索方法及系统。该搜索方法包括以下步骤：获取用户输入的查询字符；对所述查询字符进行分类处理，得到查询字符的分类类别；根据所述查询字符及所属的分类类别进行检索，得到检索结果。上述搜索方法及系统，通过对用户输入的查询字符进行分类，再根据查询字符及分类类别进行检索，得到的检索结果更加准确的满足用户搜索需求，方便用户选择需要的检索结果，给用户的操作带来便利。

Description

搜索方法及系统

【技术领域】

本发明涉及搜索领域，特别涉及一种搜索方法及系统。

【背景技术】

随着互联网技术的发展，互联网越来越普及。用户从互联网获取数据的需求越来越强。互联网数据(如视频、新闻等)分享和观看站点越来越多，总的数据量相当庞大。搜索引擎的作用是帮助用户从海量的数据中查询满足需求的数据，为用户提供更好的数据推荐展现。

传统的搜索仅根据关键字的匹配进行检索，检索得到的结果数量很多，不方便用户快速从中选择需要的数据，给用户操作带来不便。

【发明内容】

基于此，有必要提供一种搜索方法，方便用户选择需要的检索结果，给用户的操作带来便利。

一种搜索方法，包括以下步骤：

获取用户输入的查询字符；

对所述查询字符进行分类处理，得到查询字符的分类类别；

根据所述分类类别进行检索，得到检索结果。

优选地，所述对查询字符进行分类处理，得到查询字符的分类类别的步骤具体包括：

对信息站点进行数据内容抓取，提取分类关键词；

从所述查询字符中提取查询关键词；

将所述查询关键词与所述分类关键词进行匹配，得到所述查询关键词的分类类别。

优选地，还包括步骤：

对所述检索结果进行去重及排序处理；

展现所述去重及排序处理后的检索结果。

优选地，在对所述检索结果进行去重及排序处理的步骤之前还包括：

获取各个检索结果的点击次数；

将检索结果的点击次数与预定阈值比较，若大于所述预定阈值，则对所述检索结果的点击次数进行修正，若小于等于所述预定阈值，则保留所述检索结果的点击次数。

优选地，所述对检索结果进行去重及排序处理的步骤具体包括：

根据检索结果的网址、标题名称及信息完整度，从多个重复的检索结果中筛选出信息完整度最高的一个检索结果；

根据点击次数权重对经过去重处理的检索结果进行排序。

优选地，当搜索视频时，所述对检索结果进行去重及排序处理的步骤具体为：

计算检索得到的视频的来源地址指纹，记为第一指纹；

计算检索得到的视频缩略图的内容指纹，记为第二指纹；

对检索得到的视频的标题字符串进行去噪处理，将去噪后的标题字符串和第二指纹进行计算得到第三指纹；

根据第三指纹对检索得到的视频进行去重处理，删除重复的视频；

对去重后具有相同第一指纹和/或第二指纹的视频根据点击次数权重、时长权重及视频标题与查询字符匹配权重进行排序。

优选地，在所述对检索结果进行去重及排序处理的步骤之后还包括：

将视频的缩略图转换为灰度图，根据灰度图的灰度值分析得出视频的缩略图的质量；

根据视频的缩略图质量从高到低对视频进行排序。

此外，还有必要提供一种搜索系统，方便用户选择需要的检索结果，给用户的操作带来便利。

一种搜索系统，包括：

信息获取模块，用于获取用户输入的查询字符；

分类模块，用于对所述查询字符进行分类处理，得到所述查询字符的分类类别；

检索模块，用于根据所述查询字符及所属的分类类别进行检索，得到检索结果。

优选地，所述信息获取模块还用于对信息站点进行数据内容抓取，所述分类模块还用于从抓取的数据内容中提取分类关键词；所述分类模块还用于从所述查询字符中提取查询关键词，将查询关键词与分类关键词进行匹配，得到所述查询关键词的分类类别。

优选地，还包括：

处理模块，用于对所述检索结果进行去重及排序处理；

展示模块，用于展现所述去重及排序处理后的检索结果。

优选地，还包括统计分析模块，所述统计分析模块用于获取各个检索结果的点击次数，将检索结果的点击次数与预定阈值比较，若大于所述预定阈值，则对所述检索结果的点击次数进行修正，若小于等于所述预定阈值，则保留所述检索结果的点击次数。

优选地，所述处理模块根据检索结果的网址、标题名称及信息完整度，从多个重复的检索结果中筛选出信息完整度最高的一个检索结果，根据点击次数权重对经过去重处理的检索结果进行排序。

优选地，当搜索视频时，所述处理模块还用于计算检索得到的视频的来源地址指纹，记为第一指纹，计算检索得到的视频缩略图的内容指纹，记为第二指纹，对检索得到的视频的标题字符串进行去噪处理，将去噪后的标题字符串和第二指纹进行计算得到第三指纹，根据第三指纹对检索得到的视频进行去重处理，删除重复的视频，对去重后具有相同第一指纹和/或第二指纹的视频根据点击次数权重、时长权重及视频标题与查询字符匹配权重进行排序。

优选地，还包括缩略图模块，所述缩略图模块用于对视频的缩略图转换为灰度图，根据灰度图的灰度值分析得出视频的缩略图的质量，所述处理模块根据视频的缩略图质量从高到低对视频进行排序。

上述搜索方法及系统，通过对用户输入的查询字符进行分类，再根据查询字符及所属的分类类别进行检索，得到的检索结果更加准确的满足用户搜索需求，方便用户选择需要的检索结果，给用户的操作带来便利。

【附图说明】

图1为一个实施例中搜索方法的流程图；

图2为图1中查询字符进行分类处理，得到查询字符的分类类别的具体流程图；

图3为另一个实施例中搜索方法的流程图；

图4为一个实施例中搜索系统的结构示意图；

图5为另一个实施例中搜索系统的结构示意图。

【具体实施方式】

下面结合具体的实施例及附图对技术方案进行详细的描述。

如图1所示，在一个实施例中，一种搜索方法，包括以下步骤：

步骤S100，获取用户输入的查询字符。用户通过键盘、触摸屏等输入查询字符，如输入“建国大业”。

步骤S110，对查询字符进行分类处理，得到查询字符的分类类别。

如图2所示，将查询字符进行分类处理，得到查询字符的分类类别的具体步骤为：

步骤S210，对信息站点进行数据内容抓取，提取分类关键词。抓取信息站点的数据内容进行简单的分类，从数据内容中提取各分类关键词，建立分类关键词表。如数据内容为视频，对视频进行分类，可分为电影、电视剧、综艺、动漫等类别，电影类别提取分类关键词如“冰河世纪”。综艺类别提取分类关键词如“天天向上”。另外，如数据内容为新闻数据，对新闻数据进行分类，如体育、娱乐、财经等。

步骤S220，从查询字符中提取查询关键词。查询字符可包含一些多余字符，如“未来警察电影”，进行过滤处理，得到查询关键词“未来警察”。

步骤S230，将查询关键词与分类关键词进行匹配，得到查询关键词的分类类别。将查询关键词与分类关键词表中的分类关键词进行匹配，得出该查询关键词属于哪个分类类别，如将“未来警察”与分类关键词进行匹配，得出属于电影类别。其中，每个分类类别中对应至少一个分类关键词。

另外，对于同一数据内容有多个标题名称时，使用同义词映射方式进行分类匹配。如同一部电影，不同的名称，采用同义词映射方式分类。

步骤S120，根据查询字符及所属的分类类别进行检索，得到检索结果。

从查询字符中提取查询关键词后，根据查询关键词及分类类别进行检索，得到的检索结果大致满足用户的查询需求。

在一个实施例中，步骤S120之后，还包括对检索结果进行整合的步骤。以视频检索为例，得到检索视频后，根据分类类别，电影、电视剧、动漫、综艺等，进行整合展现更加丰富的信息，如剧名、导演、主演、年代、地区、电视剧集数、剧情介绍、海报等。

在一个实施例中，如图3所示，除了包括步骤S100至步骤S120，还包括：

步骤S130，对检索结果进行去重及排序处理。

检索结果中可能包含多个重复的数据，且对于同内容的数据，数据的质量差异较大，为了保证页面结果不重复，且用户有选择的余地，删除内容重复的数据，保留其中一个，具体步骤为：根据检索结果的网址、标题名称及信息完整度，从多个重复的检索结果中筛选出信息完整度最高的一个检索结果。

对检索结果进行排序处理具体为：获取各个检索结果的点击次数，根据点击次数权重对经过去重处理的检索结果进行排序。各个互联网数据被点击的次数定期进行更新，以便指导排序。

互联网数据被点击的次数越多，反映了用户的喜好、视频的热度，使用其进行排序可获得较好的展现效果，较好的满足用户的需求。对互联网数据点击次数较高的，可优先进行链接检测，减少了链接地址错误的展示率。

为了防止个别信息站点对点击次数作弊，在一个实施例中，在步骤S130之前，还包括步骤：获取各个检索结果的点击次数；将检索结果的点击次数与预定阈值比较，若大于预定阈值，则对该检索结果的点击次数进行修正，若小于等于预定阈值，则保留该检索结果的点击次数。其中，对检索结果的点击次数进行修正具体可为设定一个上限值，将大于预定阈值的检索结果的点击次数均设为该上限值。各个互联网数据被点击的次数定期进行更新。对点击次数可进行平滑处理，模拟曲线，作为排序因子，对作弊进行排除。该排序因子可采用如下公式计算：

α+β(x+ε)+γlog₁₀δ(x+ε)

其中，α、β、γ、δ、ε为常数，对于点击次数，分区间决定五个参数值。

互联网数据以视频为例，视频点击播放次数可能进行作弊而被放大。而在一定时间段内，点击次数上升的速度比值应该与市场份额比值相差不大。在进行某视频点击作弊判断时，可取出与其相似的其他站点的该视频，对一些列的站点视频点击次数与上传时间的比值作为上升速度，将上升速度与阈值比较，超过该阈值，则判定为作弊视频，可对该视频的点击次数进行修正。

在一个实施例中，搜索视频时，对检索得到的视频进行去重及排序处理的具体包括以下步骤：

(1)计算检索得到的视频的来源地址指纹，记为第一指纹。对检索得到的视频采用md5算法计算出其来源地址指纹。md5(Message Digest Algorithm，消息摘要算法第五版)为计算机安全领域广泛使用的一种散列函数，用以提供消息的完整性保护，用以为文件产生数字指纹。

(2)计算检索得到的视频缩略图的内容指纹，记为第二指纹。使用md5算法计算出缩略图的内容指纹。

(3)对检索得到的视频的标题字符串进行去噪处理，将去噪后的标题字符串和第二指纹进行计算得到第三指纹。对视频的标题字符串去噪处理是对标题文本的处理，如空格，标点等的处理，保证相同的视频能够通过指纹判断出来。采用md5算法计算得到第三指纹。

(4)根据第三指纹对检索得到的视频进行去重处理，删除重复的视频。第三指纹是通过去噪处理后的标题字符串及第二指纹结合得到的。视频内容相同的，第三指纹也应相同。根据第三指纹对视频进行去重处理，可删除重复的视频，获得需要的一个视频。

(5)对去重后具有相同第一指纹和/或第二指纹的视频根据点击次数权重、时长权重及视频标题与查询字符匹配权重进行排序。

具有相同第二指纹的视频，可进行打散，保证不相邻，使得视频缩略图给人没有重复感。具有相同第一指纹的视频，进行打散，保证了来源地址的多样性。点击次数权重、时长权重、视频标题与查询字符匹配权重，构成一个权重集合，根据该权重集合对视频进行排序，可将高清视频和标清视频混排，既满足高清视频的体验需求，也满足低带宽用户的观看需求。

优选的实施例中，对视频进行去重及排序处理后，还包括步骤：

(a)将视频的缩略图转换为灰度图，根据灰度图的灰度值分析得出视频的缩略图的质量。

视频的缩略图质量差别比较大，低质量或无缩略图的视频将影响用户的选择。对无缩略图的视频进行标记，将视频缩略图转换为灰度图，采用算法，将灰度图的灰度值表示的为纯色图的进行标记，标识其缩略图为低质量缩略图。也可将灰度图的灰度值与预设的阈值比较，灰度值小于该阈值的为低质量，灰度值大于该阈值的为高质量。

(b)根据视频的缩略图质量从高到低对视频进行排序。

将视频的缩略图质量高的排在前面，方便用户选择。

另外，对于无缩略图或低质量的缩略图可进行缩略图替换，具体为：通过完整标题及时间范围结合进行限定检索，取检索结果中的第一个视频的缩略图，替换当前视频的缩略图。如此既保留了该无缩略图或低质量缩略图视频展现时的位置，也满足了用户进行查看时，观看缩略图的需求。

步骤S140，展现去重及排序处理后的检索结果。将进行去重及排序处理的检索结果展现给用户。

如图4所示，在一个实施例中，一种搜索系统，包括信息获取模块400、分类模块410和检索模块420。

信息获取模块400用于获取用户输入的查询字符。信息获取模块400获取用户通过键盘、触摸屏等输入查询字符，如输入的“建国大业”，还用于获取信息站点进行数据内容抓取，获取所有站点的数据内容。

分类模块410用于对查询字符进行分类处理，得到查询字符的分类类别。

首先，分类模块410用于对信息获取模块400抓取的数据内容，提取分类关键词。对数据内容进行简单的分类，从数据内容中提取各分类关键词，建立分类关键词表。如数据内容为视频，如对视频进行分类，可分为电影、电视剧、综艺、动漫等类别，电影类别提取分类关键词如“冰河世纪”。综艺类别提取分类关键词如“天天向上”。另外，如数据内容为新闻数据，对新闻数据进行分类，如体育、娱乐、财经等。

其次，分类模块410从查询字符中提取查询关键词，将查询关键词与分类关键词进行匹配，得到查询关键词的分类类别。查询字符可包含一些多余字符，如“未来警察电影”，分类模块410进行过滤处理，得到查询关键词“未来警察”，再将查询关键词与分类关键词表中的分类关键词进行匹配，得出该查询关键词属于哪个分类类别，如将“未来警察”与分类关键词进行匹配，得出属于电影类别。其中，每个分类类别中对应至少一个分类关键词。另外，对于同一数据内容有多个标题名称时，使用同义词映射方式进行分类匹配。如同一部电影，不同的名称，采用同义词映射方式分类。

检索模块420用于根据查询字符及所属的分类类别进行检索，得到检索结果。从查询字符中提取查询关键词后，根据查询关键词及分类类别进行检索，得到的检索结果大致满足用户的查询需求。

在一个实施例中，如图5所示，搜索系统除了包括信息获取模块400、分类模块410和检索模块420，还包括处理模块430、展示模块440、统计分析模块450和缩略图模块460。

处理模块430用于对检索结果进行去重及排序处理。检索结果中可能包含多个重复的数据，且对于同内容的数据，数据的质量差异较大，为了保证页面结果不重复，且用户有选择的余地，删除内容重复的数据，保留其中一个，处理模块430根据检索结果的网址、标题名称及信息完整度，从多个重复的检索结果中筛选出信息完整度最高的一个检索结果。处理模块430对去重后的检索结果进行排序，排序的方式可为多种，如可按信息完整度从高到低排序。

展示模块440用于展现该去重及排序处理后的检索结果。

统计分析模块450用于获取各个检索结果的点击次数。互联网数据被点击的次数越多，反映了用户的喜好、视频的热度，使用其进行排序可获得较好的展现效果，较好的满足用户的需求。各个互联网数据被点击的次数定期进行更新，以便指导排序。

处理模块430还用于根据点击次数权重对经过去重处理的检索结果进行排序。另外，对互联网数据点击次数较高的，可优先进行链接检测，减少了链接地址错误的展示率。

为了防止个别信息站点对点击次数作弊，统计分析模块450还用于将检索结果的点击次数与预定阈值比较，若大于预定阈值，则对该检索结果的点击次数进行修正，若小于等于预定阈值，则保留该检索结果的点击次数。各个互联网数据被点击的次数定期进行更新。其中，对检索结果的点击次数进行修正具体可为设定一个上限值，将大于预定阈值的检索结果的点击次数均设为该上限值。对点击次数可进行平滑处理，模拟曲线，作为排序因子，对作弊进行排除。该排序因子可采用如下公式计算：

α+β(x+ε)+γlog₁₀δ(x+ε)

在一个实施例中，搜索视频时，处理模块430对检索得到的视频进行去重及排序处理的具体过程如下：

优选的实施例中，缩略图模块460还用于将视频的缩略图转换为灰度图，根据灰度图的灰度值分析得出视频的缩略图的质量，处理模块430根据视频的缩略图质量从高到低对视频进行排序。

视频的缩略图质量差别比较大，低质量或无缩略图的视频将影响用户的选择。对无缩略图的视频进行标记，将视频缩略图转换为灰度图，采用算法，将灰度图的灰度值表示的为纯色图的进行标记，标识其缩略图为低质量缩略图。也可将灰度图的灰度值与预设的阈值比较，灰度值小于该阈值的为低质量，灰度值大于该阈值的为高质量。将视频的缩略图质量高的排在前面，方便用户选择。

另外，对于无缩略图或低质量的缩略图可进行缩略图替换，检索模块420通过完整标题及时间范围结合进行限定检索，缩略图模块460取检索结果中的第一个视频的缩略图，替换当前视频的缩略图。如此既保留了该无缩略图或低质量缩略图视频展现时的位置，也满足了用户进行查看时，观看缩略图的需求。

上述搜索系统应用于搜索明星人物相关的视频时，信息获取模块400从互联网数据中获取明星全集，并实时跟踪信息更新到信息库中；分类模块410对获取的明星全集进行分类，如电影类、MV、综艺类等，可根据视频标题进行简单分类；信息获取模块400获取到用户输入的查询明星人物名称，分类模块410对该明星人物名称进行匹配，得到分类类别，检索模块420根据该查询字符及分类类别进行检索，处理模块430对检索结果进行判断，该检索结果的数据是否大于等于统计阈值，若是，则展示模块440将展现该类别的检索结果。

上述搜索系统应用于搜索影视剧时，针对同名影视剧，信息获取模块400可获取用户输入的查询字符中包括影视剧名加扩展关键词，检索模块420根据影视剧名加扩展关键词一起检索，排出同名剧的检索结果。该扩展关键词可为“主演是谁”等。

上述搜索方法及系统，不仅可应用检索视频数据，还可检索新闻数据等。

另外，采用对点击次数过高的数据进行排出，有效的防止点击作弊；采用对视频缩略图分析得出缩略图的质量，根据视频缩略图的质量进行排序，方便用户操作。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims

1.一种搜索方法，包括以下步骤：

获取用户输入的查询字符；

对所述查询字符进行分类处理，得到查询字符的分类类别；

根据所述查询字符及所属的分类类别进行检索，得到检索结果。

2.根据权利要求1所述的搜索方法，其特征在于，所述对查询字符进行分类处理，得到查询字符的分类类别的步骤具体包括：

对信息站点进行数据内容抓取，提取分类关键词；

从所述查询字符中提取查询关键词；

3.根据权利要求1所述的搜索方法，其特征在于，还包括步骤：

对所述检索结果进行去重及排序处理；

展现所述去重及排序处理后的检索结果。

4.根据权利要求3所述的搜索方法，其特征在于，在对所述检索结果进行去重及排序处理的步骤之前还包括：

获取各个检索结果的点击次数；

5.根据权利要求3所述的搜索方法，其特征在于，所述对检索结果进行去重及排序处理的步骤具体包括：

根据点击次数权重对经过去重处理的检索结果进行排序。

6.根据权利要求3所述的搜索方法，其特征在于，当搜索视频时，所述对检索结果进行去重及排序处理的步骤具体为：

计算检索得到的视频的来源地址指纹，记为第一指纹；

计算检索得到的视频缩略图的内容指纹，记为第二指纹；

7.根据权利要求6所述的搜索方法，其特征在于，在所述对检索结果进行去重及排序处理的步骤之后还包括：

根据视频的缩略图质量从高到低对视频进行排序。

8.一种搜索系统，其特征在于，包括：

信息获取模块，用于获取用户输入的查询字符；

9.根据权利要求8所述的搜索系统，其特征在于，所述信息获取模块还用于对信息站点进行数据内容抓取，所述分类模块还用于从抓取的数据内容中提取分类关键词；所述分类模块还用于从所述查询字符中提取查询关键词，将查询关键词与分类关键词进行匹配，得到所述查询关键词的分类类别。

10.根据权利要求8所述的搜索系统，其特征在于，还包括：

处理模块，用于对所述检索结果进行去重及排序处理；

展示模块，用于展现所述去重及排序处理后的检索结果。

11.根据权利要求10所述的搜索系统，其特征在于，还包括统计分析模块，所述统计分析模块用于获取各个检索结果的点击次数，将检索结果的点击次数与预定阈值比较，若大于所述预定阈值，则对所述检索结果的点击次数进行修正，若小于等于所述预定阈值，则保留所述检索结果的点击次数。

12.根据权利要求10所述的搜索系统，其特征在于，所述处理模块根据检索结果的网址、标题名称及信息完整度，从多个重复的检索结果中筛选出信息完整度最高的一个检索结果，根据点击次数权重对经过去重处理的检索结果进行排序。

13.根据权利要求10所述的搜索系统，其特征在于，当搜索视频时，所述处理模块还用于计算检索得到的视频的来源地址指纹，记为第一指纹，计算检索得到的视频缩略图的内容指纹，记为第二指纹，对检索得到的视频的标题字符串进行去噪处理，将去噪后的标题字符串和第二指纹进行计算得到第三指纹，根据第三指纹对检索得到的视频进行去重处理，删除重复的视频，对去重后具有相同第一指纹和/或第二指纹的视频根据点击次数权重、时长权重及视频标题与查询字符匹配权重进行排序。

14.根据权利要求10所述的搜索系统，其特征在于，还包括缩略图模块，所述缩略图模块用于对视频的缩略图转换为灰度图，根据灰度图的灰度值分析得出视频的缩略图的质量，所述处理模块根据视频的缩略图质量从高到低对视频进行排序。