CN111488736B - 自学习分词方法、装置、计算机设备和存储介质 - Google Patents

自学习分词方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN111488736B
CN111488736B CN202010246648.2A CN202010246648A CN111488736B CN 111488736 B CN111488736 B CN 111488736B CN 202010246648 A CN202010246648 A CN 202010246648A CN 111488736 B CN111488736 B CN 111488736B
Authority
CN
China
Prior art keywords
word
word segmentation
search
missed
hotword
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010246648.2A
Other languages
English (en)
Other versions
CN111488736A (zh
Inventor
张�浩
甘露
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Qiyin Information Technology Co ltd
Original Assignee
Shanghai Qiyin Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Qiyin Information Technology Co ltd filed Critical Shanghai Qiyin Information Technology Co ltd
Priority to CN202010246648.2A priority Critical patent/CN111488736B/zh
Publication of CN111488736A publication Critical patent/CN111488736A/zh
Application granted granted Critical
Publication of CN111488736B publication Critical patent/CN111488736B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/31—Indexing; Data structures therefor; Storage structures
    • G06F16/316—Indexing structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/237—Lexical tools
    • G06F40/242—Dictionaries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Machine Translation (AREA)

Abstract

本发明公开的一种自学习分词方法，包括以下步骤：获取未命中搜索热词；鉴别所述未命中搜索热词是否需要进行分词；若需要进行分词，则将所述未命中搜索热词添加至远程分词词典；定期扫描远程分词词典，并判断远程分词词典发生的改变量是否满足重建索引条件；若满足重新索引条件，则分节点重新建立搜索索引；当分节点重新建立搜索索引完成后，对分节点中的搜索热词词库进行重置处理。还公开了一种实现上述自学习分词方法的装置、计算机设备以及存储介质。本发明采用实时的自学习的方式选择热词，更新远程分词字典，实现ElasticSearch搜索服务的无间断更新，有效地提高搜索准确度，通过优化词典提高分词准确性。

Description

自学习分词方法、装置、计算机设备和存储介质
技术领域
本发明涉及计算机技术领域，尤其涉及一种自学习分词方法、装置、计算机设备和存储介质。
背景技术
ElasticSearch是一个基于Lucene的搜索服务器，其提供了一个分布式多用户能力的全文搜索引擎。分词任务主要是在ElasticSearch建立索引的过程中使用的，通过分词系统的词汇能够被搜索引擎识别，在下一次搜索的过程中返回，但是有一些词汇不能够被分词系统成功分词，或者有一些热词的产生也无法被分词系统进行分词处理。此时，主流的做法是更新分词字典，重新建立搜索索引。但是这种方法存在以下一些缺陷：
1.更新速度慢，每次更新用户需要重新建立索引，消耗了大量的计算资源；
2.无法做到及时在先更新，同时新增词没有甄别，可能会导致一些不需要分词的词汇进入分词字典，污染索引。
为此，本申请人经过有益的探索和研究，找到了解决上述问题的方法，下面将要介绍的技术方案便是在这种背景下产生的。
发明内容
本发明所要解决的技术问题之一在于：针对现有技术的不足而提供一种提高搜索准确度、提高分词准确性的自学习分词方法。
本发明所要解决的技术问题之二在于：提供一种实现上述自学习分词方法的自学习分词装置。
本发明所要解决的技术问题之三在于：提供一种用于实现上述自学习分词方法的计算机设备。
本发明所要解决的技术问题之四在于：提供一种用于实现上述自学习分词方法的计算机可读存储介质。
作为本发明第一方面的一种自学习分词方法，包括以下步骤：
获取未命中搜索热词；
鉴别所述未命中搜索热词是否需要进行分词；
若需要进行分词，则将所述未命中搜索热词添加至远程分词词典；
定期扫描远程分词词典，并判断远程分词词典发生的改变量是否满足重建索引条件；
若满足重新索引条件，则分节点重新建立搜索索引；
当分节点重新建立搜索索引完成后，对分节点中的搜索热词词库进行重置处理。
在本发明的一个优选实施例中，所述获取未命中搜索热词，包括以下步骤：
获取用户在使用搜索服务时输入的词语；
判断所述词语是否出现未命中的情况；
若未命中，则将所述词语统计为未命中搜索热词。
在本发明的一个优选实施例中，所述鉴别所述未命中搜索热词是否需要进行分词，包括以下步骤：
根据用户属性、词汇出现频率和网络使用数据并结合所述未命中搜索热词的组成和结构计算一个建议得分；
判断所述建议得分是否超过预设阈值；
若超过预设阈值，则所述未命中搜索热词被认定为需要进行分词的热词。
在本发明的一个优选实施例中，所述重新索引条件为所述远程分词词典发生的改变量大于某一个值或者某一个时间。
作为本发明第二方面的一种实现上述自学习分词方法的自学习分词装置，包括：
热词获取模块，所述热词获取模块用于获取未命中搜索热词；
分词鉴别模块，所述分词鉴别模块用于鉴别所述未命中搜索热词是否需要进行分词；
热词添加模块，所述热词添加模块根据将需要进行分词的未命中搜索热词添加至远程分词词典；
词典更新模块，所述词典更新模块用于定期扫描远程分词词典，并判断远程分词词典发生的改变量是否满足重建索引条件；
重建索引模块，所述重建索引模块用于当远程分词词典发生的改变量满足重新索引条件时对分节点重新建立搜索索引；以及
热词词库重置模块，所述热词词库重置模块用于在分节点重新建立搜索索引完成后对分节点中的搜索热词词库进行重置处理。
作为本发明第三方面的一种用于实现上述自学习分词方法的计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取未命中搜索热词；
鉴别所述未命中搜索热词是否需要进行分词；
若需要进行分词，则将所述未命中搜索热词添加至远程分词词典；
定期扫描远程分词词典，并判断远程分词词典发生的改变量是否满足重建索引条件；
若满足重新索引条件，则分节点重新建立搜索索引；
当分节点重新建立搜索索引完成后，对分节点中的搜索热词词库进行重置处理。
本发明所要解决的技术问题之四在于：一种用于实现上述自学习分词方法的计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取未命中搜索热词；
鉴别所述未命中搜索热词是否需要进行分词；
若需要进行分词，则将所述未命中搜索热词添加至远程分词词典；
定期扫描远程分词词典，并判断远程分词词典发生的改变量是否满足重建索引条件；
若满足重新索引条件，则分节点重新建立搜索索引；
当分节点重新建立搜索索引完成后，对分节点中的搜索热词词库进行重置处理。
由于采用了如上技术方案，本发明的有益效果在于：本发明采用实时的自学习的方式选择热词，更新远程分词字典，实现ElasticSearch搜索服务的无间断更新，有效地提高搜索准确度，通过优化词典提高分词准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的自学习分词方法的一种实施例的应用场景图。
图2是本发明的自学习分词方法的流程图。
图3是本发明的获取未命中搜索热词的流程图。
图4是本发明的鉴别未命中搜索热词是否需要进行分词的流程图。
图5是本发明的自学习分词装置的一种实施例的结构示意图。
图6是本发明的计算机设备的内部结构图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。
本发明提供的自学习分词方法，可以应用于如图1所示的应用环境中。其中，用户终端101通过网络与服务器102进行通信。其中，用户终端101可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器102可以用独立的服务器或者是多个服务器组成的服务器集群来实现。用户通过用户终端101使用搜索服务，并在搜索引擎提供的搜索窗口上输入搜索关键词。服务器102接收到用户终端101输入的搜索关键词，判断这些搜索关键词是否需要进行分词处理，若需要分词处理，则将这些搜索关键词添加至远程分词词典，并定时进行更新。本发明采用实时的自学习的方式选择热词，更新远程分词字典，实现ElasticSearch搜索服务的无间断更新，有效地提高搜索准确度，通过优化词典提高分词准确性。
具体地，参见图2，本发明的自学习分词方法，包括以下步骤：
步骤S10，获取未命中搜索热词。
步骤S20，鉴别未命中搜索热词是否需要进行分词。
步骤S30，若需要进行分词，则将未命中搜索热词添加至远程分词词典。
步骤S40，定期扫描远程分词词典，并判断远程分词词典发生的改变量是否满足重建索引条件。
这里的重新索引条件为远程分词词典发生的改变量大于某一个值或者某一个时间。即当远程分词词典发生的改变量较大时，及时重建索引，避免因更新不及时而导致搜索不准确；当远程分词词典达到预设时间时，自动重建索引，避免因更新不及时而导致搜索不准确。
步骤S50，若满足重新索引条件，则分节点重新建立搜索索引。
步骤S60，当分节点重新建立搜索索引完成后，对分节点中的搜索热词词库进行重置处理。
参见图3，在步骤S10中，获取未命中搜索热词，包括以下子步骤：
步骤S11，获取用户在使用搜索服务时输入的词语；
步骤S12，判断词语是否出现未命中的情况；
步骤S13，若未命中，则将词语统计为未命中搜索热词；若命中，则将该词语统计为命中搜索热词，不再进行分词处理。
参见图4，在步骤S20中，鉴别未命中搜索热词是否需要进行分词，包括以下子步骤：
步骤S21，根据用户属性、词汇出现频率和网络使用数据并结合未命中搜索热词的组成和结构计算一个建议得分；
步骤S22，判断建议得分是否超过预设阈值；
步骤S23，若超过预设阈值，则该未命中搜索热词被认定为需要进行分词的热词；若未超过预设阈值，则该未命中搜索热词被认定为不需要进行分词的热词。
参见图5，图中给出的是本发明的自学习分词装置，包括热词获取模块110、分词鉴别模块120、热词添加模块130、词典更新模块140、重建索引模块150以及热词词库重置模块160。
热词获取模块110用于获取未命中搜索热词。具体地，热词获取模块110先获取用户在使用搜索服务时输入的词语，并判断该词语是否出现未命中的情况，若未命中，则将该词语统计为未命中搜索热词，若命中，则将该词语统计为命中搜索热词，不再进行分词处理。
分词鉴别模块120用于鉴别未命中搜索热词是否需要行分词。具体地，分词鉴别模块120根据用户属性、词汇出现频率和网络使用数据并结合未命中搜索热词的组成和结构计算一个建议得分，并判断这一建议得分是否超过预设阈值，若超过预设阈值，则该未命中搜索热词被认定为需要进行分词的热词，若未超过预设阈值，则该未命中搜索热词被认定为不需要进行分词的热词。
热词添加模块130根据将需要进行分词的未命中搜索热词添加至远程分词词典。
词典更新模块140用于定期扫描远程分词词典，并判断远程分词词典发生的改变量是否满足重建索引条件。
重建索引模块150用于当远程分词词典发生的改变量满足重新索引条件时对分节点重新建立搜索索引。
热词词库重置模块160用于在分节点重新建立搜索索引完成后对分节点中的搜索热词词库进行重置处理。
本发明的自学习分词装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
本发明还提供了一种用于实现上述自学习分词方法的计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储用户信息、记录信息和文件等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种上述的自学习分词方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
具体地，本发明的计算机设备包括存储器和处理器，该存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
获取未命中搜索热词；
鉴别未命中搜索热词是否需要进行分词；
若需要进行分词，则将未命中搜索热词添加至远程分词词典；
定期扫描远程分词词典，并判断远程分词词典发生的改变量是否满足重建索引条件；
若满足重新索引条件，则分节点重新建立搜索索引；
当分节点重新建立搜索索引完成后，对分节点中的搜索热词词库进行重置处理。
本发明还提供了一种用于实现上述自学习分词方法的计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取未命中搜索热词；
鉴别未命中搜索热词是否需要进行分词；
若需要进行分词，则将未命中搜索热词添加至远程分词词典；
定期扫描远程分词词典，并判断远程分词词典发生的改变量是否满足重建索引条件；
若满足重新索引条件，则分节点重新建立搜索索引；
当分节点重新建立搜索索引完成后，对分节点中的搜索热词词库进行重置处理。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (7)

1.一种自学习分词方法，其特征在于，包括以下步骤：
获取未命中搜索热词；
鉴别所述未命中搜索热词是否需要进行分词；
若需要进行分词，则将所述未命中搜索热词添加至远程分词词典；
定期扫描远程分词词典，并判断远程分词词典发生的改变量是否满足重建索引条件；
若满足重新索引条件，则分节点重新建立搜索索引；
当分节点重新建立搜索索引完成后，对分节点中的搜索热词词库进行重置处理；
所述鉴别所述未命中搜索热词是否需要进行分词，包括以下步骤：
根据用户属性、词汇出现频率和网络使用数据并结合所述未命中搜索热词的组成和结构计算一个建议得分；
判断所述建议得分是否超过预设阈值；
若超过预设阈值，则所述未命中搜索热词被认定为需要进行分词的热词。
2.如权利要求1所述的自学习分词方法，其特征在于，所述获取未命中搜索热词，包括以下步骤：
获取用户在使用搜索服务时输入的词语；
判断所述词语是否出现未命中的情况；
若未命中，则将所述词语统计为未命中搜索热词。
3.如权利要求1所述的自学习分词方法，其特征在于，所述重新索引条件为所述远程分词词典发生的改变量大于某一个值或者某一个时间。
4.一种自学习分词装置，其特征在于，包括：
热词获取模块，所述热词获取模块用于获取未命中搜索热词；
分词鉴别模块，所述分词鉴别模块用于鉴别所述未命中搜索热词是否需要进行分词；所述分词鉴别模块用于根据用户属性、词汇出现频率和网络使用数据并结合未命中搜索热词的组成和结构计算一个建议得分，并判断这一建议得分是否超过预设阈值，若超过预设阈值，则该未命中搜索热词被认定为需要进行分词的热词；
热词添加模块，所述热词添加模块根据将需要进行分词的未命中搜索热词添加至远程分词词典；
词典更新模块，所述词典更新模块用于定期扫描远程分词词典，并判断远程分词词典发生的改变量是否满足重建索引条件；
重建索引模块，所述重建索引模块用于当远程分词词典发生的改变量满足重新索引条件时对分节点重新建立搜索索引；以及
热词词库重置模块，所述热词词库重置模块用于在分节点重新建立搜索索引完成后对分节点中的搜索热词词库进行重置处理。
5.如权利要求4所述的自学习分词装置，其特征在于，所述热词获取模块用于先获取用户在使用搜索服务时输入的词语，并判断该词语是否出现未命中的情况，若未命中，则将该词语统计为未命中搜索热词。
6.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至3中任一项所述的自学习分词方法的步骤。
7.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至3中任一项所述的自学习分词方法的步骤。
CN202010246648.2A 2020-03-31 2020-03-31 自学习分词方法、装置、计算机设备和存储介质 Active CN111488736B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010246648.2A CN111488736B (zh) 2020-03-31 2020-03-31 自学习分词方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010246648.2A CN111488736B (zh) 2020-03-31 2020-03-31 自学习分词方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN111488736A CN111488736A (zh) 2020-08-04
CN111488736B true CN111488736B (zh) 2023-05-26

Family

ID=71797613

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010246648.2A Active CN111488736B (zh) 2020-03-31 2020-03-31 自学习分词方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN111488736B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114519090B (zh) * 2020-11-20 2023-11-21 马上消费金融股份有限公司 一种停用词的管理方法、装置及电子设备
CN112948401A (zh) * 2021-01-12 2021-06-11 上海观察者信息技术有限公司 分词词库更新方法、装置、系统和计算机可读存储介质
TWI752822B (zh) * 2021-02-09 2022-01-11 阿物科技股份有限公司 有價字詞萃取及形成有價字詞網之方法及其系統

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015000430A1 (zh) * 2013-07-05 2015-01-08 腾讯科技（深圳）有限公司 智能选词的方法和装置
CN110704719A (zh) * 2019-09-29 2020-01-17 北京金堤科技有限公司 企业搜索文本分词方法和装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103544165A (zh) * 2012-07-12 2014-01-29 腾讯科技（深圳）有限公司 新词挖掘方法和系统
CN105824976A (zh) * 2016-04-20 2016-08-03 努比亚技术有限公司 一种优化分词库的方法和装置
CN108520002A (zh) * 2018-03-12 2018-09-11 平安科技（深圳）有限公司 数据处理方法、服务器及计算机存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015000430A1 (zh) * 2013-07-05 2015-01-08 腾讯科技（深圳）有限公司 智能选词的方法和装置
CN110704719A (zh) * 2019-09-29 2020-01-17 北京金堤科技有限公司 企业搜索文本分词方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种网络课程答疑系统分词器的设计;李龙;李丽丽;高玲;;河北工程大学学报(自然科学版)(02);全文 *

Also Published As

Publication number Publication date
CN111488736A (zh) 2020-08-04

Similar Documents

Publication Publication Date Title
CN111488736B (zh) 自学习分词方法、装置、计算机设备和存储介质
US11449570B2 (en) Data caching method and apparatus
CN109992601B (zh) 待办事项信息的推送方法、装置和计算机设备
CN109150930B (zh) 配置信息加载方法及装置、业务处理方法及装置
CN109450969B (zh) 从第三方数据源服务器中获取数据的方法、装置和服务器
CN111767297B (zh) 大数据处理方法、装置、设备及介质
CN108415998B (zh) 应用依赖关系更新方法、终端、设备及存储介质
CN110222046B (zh) 列表数据的处理方法、装置、服务器和存储介质
CN108804550B (zh) 一种查询词拓展方法、装置以及电子设备
CN112307169B (zh) 地址数据的匹配方法、装置、计算机设备及存储介质
CN107193754B (zh) 进行数据存储用于搜索的方法及设备
CN111046240B (zh) 网关流量统计方法、装置、计算机设备和存储介质
CN110633804B (zh) 金融产品进件评价方法、服务器和存储介质
CN115757411A (zh) 一种股市信息数据管理方法、系统、设备及存储介质
CN116303968A (zh) 基于技术关键词抽取的语义搜索方法、装置、设备及介质
CN110019362B (zh) 一种访问数据库的方法及装置
CN110019783B (zh) 属性词聚类方法及装置
CN115269765A (zh) 账号识别方法、装置、电子设备和存储介质
CN113742344A (zh) 电力系统数据的索引方法及装置
CN111259050A (zh) 用户操作轨迹记录方法、装置、计算机设备及存储介质
US20160232187A1 (en) Dump analysis method, apparatus and non-transitory computer readable storage medium
CN106709353B (zh) 搜索引擎的安全性检测方法及装置
CN111290803B (zh) 数据预加载方法、装置、设备及存储介质
CN110515971B (zh) 程序语句处理方法、装置、计算机设备和计算机存储介质
CN112445973B (zh) 一种寻找项目的方法、装置、存储介质和计算机设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant