CN111666398A - 一种基于房源信息关键字搜索匹配的方法 - Google Patents
一种基于房源信息关键字搜索匹配的方法 Download PDFInfo
- Publication number
- CN111666398A CN111666398A CN202010557111.8A CN202010557111A CN111666398A CN 111666398 A CN111666398 A CN 111666398A CN 202010557111 A CN202010557111 A CN 202010557111A CN 111666398 A CN111666398 A CN 111666398A
- Authority
- CN
- China
- Prior art keywords
- data
- database
- source information
- index
- search
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
-
- 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
- G06F16/33—Querying
- G06F16/338—Presentation of query results
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及房源信息检索技术领域,提出了一种基于房源信息关键字搜索匹配的方法,包括步骤:S1、前端页面输入房源信息关键字,进入步骤S2;S2、根据输入的房源信息关键字查询数据库,从数据库中获取查询结果,进入步骤S3;S3、将查询结果导入ElasticSearch中进行存储,构建索引库,进入步骤S4;S4、根据索引在显示库中查询结果,进入步骤S5;S5、返回搜索结果。解决目前关键词检索给数据库中内容所做的索引有时不精确,常常给查找所需信息带来困难,数据库中数据量较大时,消耗时间过长的问题。
Description
技术领域
本发明涉及房源信息检索技术领域,具体而言,涉及一种基于房源信息关键字搜索匹配的方法。
背景技术
房源搜索属于偶发性间歇性搜索,面对客户输入的检索条件难于给出用户满意的检索结果(难以达到吸引用户或贴合用户需求的房源排在前面,否则排在后面)。
无法精准推荐房源的具体原因有:房源搜索属于间歇性偶发性搜索,搜索频率低,间隔时间长;无法准确预测用户的房源偏好,用户对于热度信息缺乏了解(热门小区,热门户型,热门风格,热门价位等);用户对于全局性信息缺乏了解(趋势信息)。
现有技术关键词检索的缺点是给数据库中内容所做的索引有时不精确,常常给查找所需信息带来困难,数据库中数据量较大时,消耗时间过长。不能达到很好的体验效果。
发明内容
本发明的主要目的在于提供一种基于房源信息关键字搜索匹配的方法,以解决目前关键词检索给数据库中内容所做的索引有时不精确,常常给查找所需信息带来困难,数据库中数据量较大时,消耗时间过长的问题。
为了实现上述目的,本发明提供了如下技术:
一种基于房源信息关键字搜索匹配的方法,包括步骤:
S1、前端页面输入房源信息关键字,进入步骤S2;
S2、根据输入的房源信息关键字查询数据库,从数据库中获取查询结果,进入步骤S3;
S3、将查询结果导入ElasticSearch中进行存储,构建索引库,进入步骤S4;
S4、根据索引在显示库中查询结果,进入步骤S5;
S5、返回搜索结果。
进一步地,所述索引库采用Eslaticsearch库创建索引库。
进一步地,索引库数据的修改包括:主动告知修改和被动脚本监测。
进一步地,主动告知修改:在修改数据后主动告知数据修改,发送相关信息到队列中。
进一步地,被动脚本监测:根据标示对比法,将主数据库中数据与ElasticSearch库中的数据对比,发现不同主键信息的变化,把该条变化的信息发送到队列中。
进一步地,通过消费程序监控队列中数据的变化,如果有数据变化,则更新ElasticSearch库数据。
进一步地,在步骤S2中,根据用户在搜索框输入的文字,进行最小粒度拆分词操作,将每个拆分的词通过前缀匹配和非前缀匹配方式对数据库中已存在的数据进行匹配。
进一步地,根据匹配程度进行打分,根据分值由高到低排序返回结果,设置最低分值,小于该分值的数据不返回。
进一步地,通过水平扩展扩容,增加新的服务器加入集群中,增加新的检索节点。
进一步地,采用非关系型数据库存储格式化的结果数据。
与现有技术相比较,本发明能够带来如下技术效果:
解决目前关键词检索给数据库中内容所做的索引有时不精确,常常给查找所需信息带来困难,数据库中数据量较大时,消耗时间过长的问题。
1、通过ElasticSearch能够实现在数据量大的数据集中快速,精确的检索出想要的结果,并缺可以指定返回字段,同时实现对结果集的排序,分页。
2、分为索引库和显示库是为了减少搜索无关数据堆积,造成数据无用查询增多,效率降低。
3、显示库可以在同步数据时自主定义好返回格式,减少返回结果后续数据处理,增加返回速度,减少对业务库的频繁操作,提升用户体验。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,使得本发明的其它特征、目的和优点变得更明显。本发明的示意性实施例附图及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明一种基于房源信息关键字搜索匹配的方法的流程图;
图2是本发明一种基于房源信息关键字搜索匹配的方法的具体流程图;
图3是本发明一种基于房源信息关键字搜索匹配的方法的索引库数据的修改流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本发明中,术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本发明及其实施例,并非用于限定所指示的装置、元件或组成部分必须具有特定方位,或以特定方位进行构造和操作。
并且,上述部分术语除了可以用于表示方位或位置关系以外,还可能用于表示其他含义,例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言,可以根据具体情况理解这些术语在本发明中的具体含义。
另外,术语“多个”的含义应为两个以及两个以上。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
实施例1
一种基于房源信息关键字搜索匹配的方法,包括步骤:
S1、前端页面输入房源信息关键字,进入步骤S2;
S2、根据输入的房源信息关键字查询数据库(select关键字段from数据表),从数据库中获取查询结果,进入步骤S3;
S3、将查询结果导入索引库中进行存储,构建索引库,进入步骤S4;所述索引库采用Eslaticsearch库创建索引库。索引库数据的修改包括:主动告知修改和被动脚本监测。
主动告知修改:在修改数据后主动告知数据修改,发送相关信息到队列中。
被动脚本监测:根据标示对比法,将主数据库中数据与ElasticSearch库中的数据对比,发现不同主键信息的变化,把该条变化的信息发送到队列中。通过消费程序监控队列中数据的变化,如果有数据变化,则更新ElasticSearch库数据。例如使用数据修改时间。查询mysql数据库中数据的更新时间与ElasticSearch库中的数据对比。如果相同主键的数据更新时间不同,把该条信息的发送到队列中。
S4、根据索引在显示库中查询结果,进入步骤S5;
S5、返回搜索结果。
查询匹配时使用ElasticSeaerch进行关键字匹配过滤查询,可以使用索引库1查询主键或关键信息,减少数据搜索量增加搜索效率。
{"index":"house_filter",
"body":{"query":{"function_score":{"query":{"bool":{"filter":[{"term":{"school_id_array":81}}]}},"boost_mode":"replace"}}"sort":[{"lease_status_sort":{"order":"asc"}}],"from":0,"size":10,"_source":["house_id"]}}
例如上述代码所示:查询house_filter中包含学校id=81的房源,按照lease_status_sort升序排列,取出符合数据的house_id字段。返回结果集合的前10条数据。
进一步地,在步骤S2中,根据用户在搜索框输入的文字,进行最小粒度拆分词操作,将每个拆分的词通过前缀匹配和非前缀匹配方式对数据库中已存在的数据进行匹配。
进一步地,根据匹配程度进行打分,根据分值由高到低排序返回结果,设置最低分值,小于该分值的数据不返回。
进一步地,通过水平扩展扩容,增加新的服务器加入集群中,增加新的检索节点。
进一步地,采用非关系型数据库存储格式化的结果数据。全量数据库推荐使用elasticsearch,mongodb等非关系型数据库,尽量不使用业务数据库。
实施例2
一种基于房源信息关键字搜索匹配的方法,包括步骤:
S1、前端页面输入房源信息关键字,进入步骤S2;
S2、根据输入的房源信息关键字查询数据库(select关键字段from数据表),从数据库中获取查询结果,进入步骤S3;
S3、将查询结果导入索引库中进行存储,构建索引库,进入步骤S4;所述索引库采用Eslaticsearch库创建索引库。索引库数据的修改包括:主动告知修改和被动脚本监测。
主动告知修改:在修改数据后主动告知数据修改,发送相关信息到队列中。
被动脚本监测:根据标示对比法,将主数据库中数据与ElasticSearch库中的数据对比,发现不同主键信息的变化,把该条变化的信息发送到队列中。通过消费程序监控队列中数据的变化,如果有数据变化,则更新ElasticSearch库数据。例如使用数据修改时间。查询mysql数据库中数据的更新时间与ElasticSearch库中的数据对比。如果相同主键的数据更新时间不同,把该条信息的发送到队列中。
S4、根据索引在显示库中查询结果,进入步骤S5;
S5、返回搜索结果。
查询匹配时使用ElasticSeaerch进行关键字匹配过滤查询,可以使用索引库1查询主键或关键信息,减少数据搜索量增加搜索效率。
{"index":"house_filter",
"body":{"query":{"function_score":{"query":{"bool":{"filter":[{"term":{"school_id_array":81}}]}},"boost_mode":"replace"}}"sort":[{"lease_status_sort":{"order":"asc"}}],"from":0,"size":10,"_source":["house_id"]}}
例如上述代码所示:查询house_filter中包含学校id=81的房源,按照lease_status_sort升序排列,取出符合数据的house_id字段。返回结果集合的前10条数据。
进一步地,在步骤S2中,根据用户在搜索框输入的文字,进行最小粒度拆分词操作,将每个拆分的词通过前缀匹配和非前缀匹配方式对数据库中已存在的数据进行匹配。
例如:搜索关键字‘北京’,前缀匹配:北京是中国首都。非前缀匹配:中国首都是北京。
根据匹配程度进行打分,根据分值由高到低排序返回结果,可以设置最低分值,小于该分值的数据不反回。增加了结果的准确度。
进一步地,通过水平扩展扩容,增加新的服务器加入集群中,增加新的检索节点。扩容后每个节点上的分片将减少,那么分配给每个分片的CPU,内存,IO资源会更多,性能将会提高,搜索返回结果效率高。分为索引库和显示库是为了减少搜索无关数据堆积,造成数据无用查询增多,效率降低。显示库可以在同步数据时自主定义好返回格式,减少返回结果后续数据处理,增加返回速度,减少对业务库的频繁操作,提升用户体验。
进一步地,采用非关系型数据库存储格式化的结果数据。全量数据库推荐使用elasticsearch,mongodb等非关系型数据库,尽量不使用业务数据库。
实施例3
一种基于房源信息关键字搜索匹配的方法,包括步骤:
S1、前端页面输入房源信息关键字,进入步骤S2;
S2、根据输入的房源信息关键字查询数据库(select关键字段from数据表),从数据库中获取查询结果,进入步骤S3;
S3、将查询结果导入索引库中进行存储,构建索引库,进入步骤S4;所述索引库采用Eslaticsearch库创建索引库。索引库数据的修改包括:主动告知修改和被动脚本监测。
主动告知修改:在修改数据后主动告知数据修改,发送相关信息到队列中。
被动脚本监测:根据标示对比法,将主数据库中数据与ElasticSearch库中的数据对比,发现不同主键信息的变化,把该条变化的信息发送到队列中。通过消费程序监控队列中数据的变化,如果有数据变化,则更新ElasticSearch库数据。例如使用数据修改时间。查询mysql数据库中数据的更新时间与ElasticSearch库中的数据对比。如果相同主键的数据更新时间不同,把该条信息的发送到队列中。
S4、根据索引在显示库中查询结果,进入步骤S5;
S5、返回搜索结果。
查询匹配时使用ElasticSeaerch进行关键字匹配过滤查询,可以使用索引库1查询主键或关键信息,减少数据搜索量增加搜索效率。
{"index":"house_filter",
"body":{"query":{"function_score":{"query":{"bool":{"filter":[{"term":{"apartment_id_array":70}}]}},"boost_mode":"replace"}}"sort":[{"lease_status_sort":{"order":"asc"}}],"from":0,"size":20,"_source":["house_id"]}}
例如上述代码所示:查询house_filter中包含公寓id=70的房源,按照lease_status_sort升序排列,取出符合数据的house_id字段。返回结果集合的前20条数据。
进一步地,在步骤S2中,根据用户在搜索框输入的文字,进行最小粒度拆分词操作,将每个拆分的词通过前缀匹配和非前缀匹配方式对数据库中已存在的数据进行匹配。
例如:搜索关键字‘重庆’,前缀匹配:北京是中国最年轻的直辖市。非前缀匹配:中国最年轻的直辖市是重庆。
根据匹配程度进行打分,根据分值由高到低排序返回结果,可以设置最低分值,小于该分值的数据不反回。增加了结果的准确度。
进一步地,通过水平扩展扩容,增加新的服务器加入集群中,增加新的检索节点。扩容后每个节点上的分片将减少,那么分配给每个分片的CPU,内存,IO资源会更多,性能将会提高,搜索返回结果效率高。分为索引库和显示库是为了减少搜索无关数据堆积,造成数据无用查询增多,效率降低。显示库可以在同步数据时自主定义好返回格式,减少返回结果后续数据处理,增加返回速度,减少对业务库的频繁操作,提升用户体验。
进一步地,采用非关系型数据库存储格式化的结果数据。全量数据库推荐使用elasticsearch,mongodb等非关系型数据库,尽量不使用业务数据库。
Elasticsearch是一个实时的分布式搜索分析引擎,它能让你以一个之前从未有过的速度和规模,去探索你的数据。它被用作全文检索、结构化搜索、大数据分析以及这三个功能的组合。
本方案主要想保护不在主业务库进行搜索,使用Eslaticsearch库创建索引库进行匹配查询,使用非关系型数据库存储格式化的结果数据。
与现有技术相比较,本发明能够带来如下技术效果:
解决目前关键词检索给数据库中内容所做的索引有时不精确,常常给查找所需信息带来困难,数据库中数据量较大时,消耗时间过长的问题。
1、通过ElasticSearch能够实现在数据量大的数据集中快速,精确的检索出想要的结果,并缺可以指定返回字段,同时实现对结果集的排序,分页。
2、分为索引库和显示库是为了减少搜索无关数据堆积,造成数据无用查询增多,效率降低。
3、显示库可以在同步数据时自主定义好返回格式,减少返回结果后续数据处理,增加返回速度,减少对业务库的频繁操作,提升用户体验。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于房源信息关键字搜索匹配的方法,其特征在于,包括步骤:
S1、前端页面输入房源信息关键字,进入步骤S2;
S2、根据输入的房源信息关键字查询数据库,从主数据库中获取查询结果,进入步骤S3;
S3、将查询结果导入索引库中进行存储,构建索引库,进入步骤S4;
S4、根据索引在显示库中查询结果,进入步骤S5;
S5、返回搜索结果。
2.如权利要求1所述的一种基于房源信息关键字搜索匹配的方法,其特征在于,所述索引库采用Eslaticsearch库创建索引库。
3.如权利要求1或2所述的一种基于房源信息关键字搜索匹配的方法,其特征在于,索引库数据的修改包括:主动告知修改和被动脚本监测。
4.如权利要求3所述的一种基于房源信息关键字搜索匹配的方法,其特征在于,主动告知修改:在修改数据后主动告知数据修改,发送相关信息到队列中。
5.如权利要求1或4所述的一种基于房源信息关键字搜索匹配的方法,其特征在于,被动脚本监测:根据标示对比法,将主数据库中数据与ElasticSearch库中的数据对比,发现不同主键信息的变化,把该条变化的信息发送到队列中。
6.如权利要求5所述的一种基于房源信息关键字搜索匹配的方法,其特征在于,通过消费程序监控队列中数据的变化,如果有数据变化,则更新ElasticSearch库数据。
7.如权利要求1或6所述的一种基于房源信息关键字搜索匹配的方法,其特征在于,在步骤S2中,根据用户在搜索框输入的文字,进行最小粒度拆分词操作,将每个拆分的词通过前缀匹配和非前缀匹配方式对数据库中已存在的数据进行匹配。
8.如权利要求7所述的一种基于房源信息关键字搜索匹配的方法,其特征在于,根据匹配程度进行打分,根据分值由高到低排序返回结果,设置最低分值,小于该分值的数据不返回。
9.如权利要求8所述的一种基于房源信息关键字搜索匹配的方法,其特征在于,通过水平扩展扩容,增加新的服务器加入集群中,增加新的检索节点。
10.如权利要求1-9任意所述的一种基于房源信息关键字搜索匹配的方法,其特征在于,采用非关系型数据库存储格式化的结果数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010557111.8A CN111666398A (zh) | 2020-06-17 | 2020-06-17 | 一种基于房源信息关键字搜索匹配的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010557111.8A CN111666398A (zh) | 2020-06-17 | 2020-06-17 | 一种基于房源信息关键字搜索匹配的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111666398A true CN111666398A (zh) | 2020-09-15 |
Family
ID=72388607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010557111.8A Pending CN111666398A (zh) | 2020-06-17 | 2020-06-17 | 一种基于房源信息关键字搜索匹配的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111666398A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112579899A (zh) * | 2020-12-21 | 2021-03-30 | 杭州米络星科技(集团)有限公司 | 一种主播的搜索方法和装置 |
CN113486156A (zh) * | 2021-07-30 | 2021-10-08 | 北京鼎普科技股份有限公司 | 一种基于es的关联文档检索方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102262640A (zh) * | 2010-05-31 | 2011-11-30 | 中国移动通信集团贵州有限公司 | 一种全文检索文档数据库的方法及装置 |
CN104915458A (zh) * | 2015-07-02 | 2015-09-16 | 广东欧珀移动通信有限公司 | 一种在用户搜索应用时自动联想的方法、系统及移动终端 |
CN108491415A (zh) * | 2018-02-05 | 2018-09-04 | 武汉国贸通大数据有限公司 | 一种国际贸易数据的搜索方法以及搜索系统 |
CN109697201A (zh) * | 2018-12-27 | 2019-04-30 | 清华大学 | 一种查询处理的方法、系统、设备及计算机可读存储介质 |
CN110609865A (zh) * | 2018-05-29 | 2019-12-24 | 优信拍(北京)信息科技有限公司 | 一种信息同步方法,装置及系统 |
-
2020
- 2020-06-17 CN CN202010557111.8A patent/CN111666398A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102262640A (zh) * | 2010-05-31 | 2011-11-30 | 中国移动通信集团贵州有限公司 | 一种全文检索文档数据库的方法及装置 |
CN104915458A (zh) * | 2015-07-02 | 2015-09-16 | 广东欧珀移动通信有限公司 | 一种在用户搜索应用时自动联想的方法、系统及移动终端 |
CN108491415A (zh) * | 2018-02-05 | 2018-09-04 | 武汉国贸通大数据有限公司 | 一种国际贸易数据的搜索方法以及搜索系统 |
CN110609865A (zh) * | 2018-05-29 | 2019-12-24 | 优信拍(北京)信息科技有限公司 | 一种信息同步方法,装置及系统 |
CN109697201A (zh) * | 2018-12-27 | 2019-04-30 | 清华大学 | 一种查询处理的方法、系统、设备及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
李一: "基于SOA的高可用B2C商业平台的设计与实现", 《中国优秀硕士学位论文全文数据库经济与管理科学辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112579899A (zh) * | 2020-12-21 | 2021-03-30 | 杭州米络星科技(集团)有限公司 | 一种主播的搜索方法和装置 |
CN113486156A (zh) * | 2021-07-30 | 2021-10-08 | 北京鼎普科技股份有限公司 | 一种基于es的关联文档检索方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3005168B1 (en) | Natural language search results for intent queries | |
US9424351B2 (en) | Hybrid-distribution model for search engine indexes | |
JP5575902B2 (ja) | クエリのセマンティックパターンに基づく情報検索 | |
CN100437585C (zh) | 基于倒排表进行检索提示的方法 | |
US20080208847A1 (en) | Relevance ranking for document retrieval | |
US20120166414A1 (en) | Systems and methods for relevance scoring | |
CN111026710A (zh) | 一种数据集的检索方法及系统 | |
CN111666398A (zh) | 一种基于房源信息关键字搜索匹配的方法 | |
US20140317073A1 (en) | Ranking signals in mixed corpora environments | |
CN113407785B (zh) | 一种基于分布式储存系统的数据处理方法和系统 | |
CN103365915A (zh) | 基于搜索引擎和数据库查询系统的搜索结果排名方法 | |
CN110968800A (zh) | 一种信息推荐方法、装置、电子设备及可读存储介质 | |
CN103365914A (zh) | 基于搜索引擎的数据库查询系统和方法 | |
US20180225305A1 (en) | Method for displaying landmark data | |
CN111897836A (zh) | 一种搜索系统、方法及存储介质 | |
CN107229714B (zh) | 一种基于分布式数据库的全文搜索引擎 | |
CN108009250B (zh) | 一种多分类赛事数据缓存建立、查询方法及装置 | |
WO2016103055A1 (en) | Method of generating hierarchical data structure | |
CN108536763B (zh) | 一种下拉提示方法和装置 | |
CN110110234B (zh) | 一种大数据实时搜索系统和方法 | |
CN112035534A (zh) | 一种实时大数据处理方法、装置及电子设备 | |
CN111666344A (zh) | 异构数据同步方法及装置 | |
CN111160699A (zh) | 一种专家推荐方法及系统 | |
CN113849499A (zh) | 数据的查询方法、装置、存储介质及电子装置 | |
CN114741570A (zh) | 图数据库的查询方法、索引创建方法及相关设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200915 |