CN113518088A - 数据处理方法、装置、服务器、客户端和介质 - Google Patents

Abstract

本公开的实施例提供了一种数据处理方法、装置、服务器、客户端和介质。本公开涉及数据处理领域，具体涉及数据压缩和传送技术。实现方案为：接收查询请求；响应于所接收的查询请求获取用于所述查询请求的查询结果数据；基于字典对所述查询结果数据进行压缩编码，以得到经编码的查询结果数据；以及发送所述经编码的查询结果数据。利用本公开的实施例提供的方法，可以提高搜索结果页面的压缩率，从而节省搜索服务器和客户端之间的带宽资源。

Description

数据处理方法、装置、服务器、客户端和介质

技术领域

本公开涉及数据处理领域，具体涉及数据压缩和传送技术，具体涉及一种数据处理方法、装置、服务器、客户端、计算机可读存储介质和计算机程序产品。

背景技术

搜索引擎可以利用各种搜索算法生成针对某一查询请求的搜索结果，并基于搜索结果生成用于在用户的客户端上进行显示的结果页面。搜索服务端可以将生成的结果页面发送给客户端用于向用户进行展示。

发明内容

本公开提供了一种数据处理方法、装置、服务器、客户端、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种数据处理方法，包括：接收查询请求；响应于所接收的查询请求获取用于所述查询请求的查询结果数据；基于字典对所述查询结果数据进行压缩编码，以得到经编码的查询结果数据；以及发送所述经编码的查询结果数据。

根据本公开的另一方面，提供了一种数据处理方法，包括：获取查询请求；将所述查询请求发送给搜索服务端；获取来自所述搜索服务端的经编码的查询结果数据，其中所述经编码的查询结果数据是基于字典对用于所述查询请求的查询结果数据进行压缩编码得到的；以及基于所述字典对所述经编码的查询结果数据进行解压缩，以得到用于所述查询请求的所述查询结果数据。

根据本公开的另一方面，提供了一种训练用于数据压缩的字典的方法，其中，所述字典用于指示用于对数据进行压缩编码的映射，包括：获取训练数据；对所述多个训练数据分别进行划分，以得到多个训练字符串；基于所述多个训练字符串中各个训练字符串的词频和类型确定各个训练字符串的压缩率；以及基于各个训练字符串的压缩率确定所述映射，其中训练字符串的压缩率越高，基于所述映射得到的经编码的训练字符串的长度越短。

根据本公开的另一方面，提供了一种数据处理装置，包括：接收单元，配置成用于接收查询请求；查询单元，配置成用于响应于所接收的查询请求获取用于所述查询请求的查询结果数据；压缩单元，配置成用于基于字典对所述查询结果数据进行压缩编码，以得到经编码的查询结果数据；以及发送单元，配置成用于发送所述经编码的查询结果数据。

根据本公开的另一方面，提供了一种数据处理装置，包括：输入单元，配置成用于获取查询请求；发送单元，配置成用于将所述查询请求发送给搜索服务端；接收单元，配置成用于从所述搜索服务端获取经编码的查询结果数据，其中所述经编码的查询结果数据是基于字典对用于所述查询请求的查询结果数据进行压缩编码得到的；以及解压缩单元，配置成用于基于所述字典对所述经编码的查询结果数据进行解压缩，以得到用于所述查询请求的所述查询结果数据。

根据本公开的另一方面，提供了一种训练用于数据压缩的字典的装置，其中，所述字典用于指示用于对数据进行压缩编码的映射，包括：训练数据获取单元，配置成用于获取训练数据；划分单元，配置成用于对所述多个训练数据分别进行划分，以得到多个训练字符串；压缩率确定单元，配置成用于基于所述多个训练字符串中各个训练字符串的词频和类型确定各个训练字符串的压缩率；以及映射确定单元，配置成用于基于各个训练字符串的压缩率确定所述映射，其中训练字符串的压缩率越高，基于所述映射得到的经编码的训练字符串的长度越短。

根据本公开的另一方面，提供了一种服务器，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如前所述的方法。

根据本公开的另一方面，提供了一种客户端，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如前所述的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行如前所述的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现如前所述的方法。

根据本公开的一个或多个实施例，可以利用基于字典的编码方式对搜索的结果页面进行压缩。相对于传统的通用压缩方法，可以提高搜索结果页面的压缩率，从而节省搜索服务器和客户端之间的带宽资源。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；

图2示出了根据本公开的实施例的数据处理方法的示例性的流程图；

图3示出了根据本公开的实施例的对查询结果数据进行压缩编码的示例性的流程图；

图4示出了根据本公开的实施例的数据处理方法的另一种示例性的流程图；

图5示出了根据本公开的实施例的用于确定用于压缩的字典的方法的示例性的流程图；

图6示出了根据本公开的实施例的搜索场景的示意图；

图7示出了根据本公开的实施例的数据处理装置的示例性框图；

图8示出了根据本公开的实施例的数据处理装置的示例性框图；

图9示出了根据本公开的实施例的训练装置的示例性框图；以及

图10示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

用户可以通过客户端设备上安装的应用程序(app)或浏览器程序向搜索服务器实现的搜索服务端发送查询请求。例如，用户可以在客户端设备上输入用于搜索的查询字符串。客户端设备可以将查询字符串发送给搜索服务器用于获取查询结果。搜索服务器可以利用预设的搜索算法获取用于接收到的查询字符串的搜索结果，并生成用于展示搜索结果的内容结果页的数据。

为了向用户展示搜索结果，搜索服务器需要将内容结果页的内容结果数据发送给客户端设备。为了提高数据传送的速度并节省一定的带宽，可以对内容结果数据进行压缩并向客户端设备发送压缩后的数据。客户端接收到压缩后的数据之后，可以进行解压缩并得到初始数据。

在相关技术中，一般采用通用的压缩算法对对内容结果数据进行压缩。为了提高数据的压缩率从而进一步节省搜索服务器与客户端之间的带宽资源，本公开提供了一种新的用于搜索场景的数据压缩方法。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，可以使用作为客户端设备101、102、103、104、105和106的移动终端运行根据本公开的实施例的数据处理方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来输入用于搜索的查询数据。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如Microsoft Windows、AppleiOS、类UNIX操作系统、Linux或类Linux操作系统(例如Google Chrome OS)；或包括各种移动操作系统，例如Microsoft Windows Mobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。

在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库可以是例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

图2示出了根据本公开的实施例的数据处理方法的示例性的流程图。可以利用图1中示出的服务器实现搜索服务端并执行图2中示出的方法200。

如图2所示，在步骤S202中，可以接收查询请求。查询请求可以包括查询字符串。在一些实施例中，查询请求可以是用户在客户端设备上输入的内容。在另一些实施例中，查询请求也可以是根据预先设定的规则自动产生的。搜索服务端可以从客户端直接接收查询请求，也可以从中间节点接收经由中间节点转发的查询请求，或从数据库中读取存储在数据库中的查询请求。在此不限制搜索服务端接收查询请求的具体方式。

在步骤S204中，可以响应于所接收的查询请求获取用于查询请求的查询结果数据。

基于预先设置的信息搜索方法，搜索服务端可以获取用于所接收的查询请求的查询结果。

例如，搜索服务端可以在预先整理好的索引数据库内进行搜索，以得到与查询请求中包括的查询字符串相关联的网页的信息，并基于与查询字符串相关联的网页的信息生成查询结果数据。

在一些实施例中，用于查询请求的查询结果可以形成为内容结果页面的形式。其中内容结果页面中包含与查询字符串相关联的网页的各种信息，如网页地址、网页中的文字内容、图片内容等。查询结果数据可以包括内容结果页面的内容特征，包括但不限于内容结果页面中的标签数据、属性数据、内容数据等等。

在步骤S206中，可以基于字典对查询结果数据进行压缩编码，以得到经编码的查询结果数据。

在基于字典的压缩方式中，可以通过字典记录在压缩过程中出现频次较高的词汇，并记录用于代替这些词汇的特定编码结果。在压缩过程中，可以通过查找字典的方式实现对于原始字符串的编码，并得到用于代替原始字符串的特定编码结果。

可以利用任何可能的方式实现查找字典的方式，包括但不限于预先设置的查找表、字典树等。只要能够利用字典内容确定用于字符串的编码结果即可。

通过基于字典的压缩编码，可以对查询结果数据中的至少一个字符串进行编码，并用经编码的字符串替换查询结果中的原始字符串。只要经编码的字符串的数据量小于编码前的原始字符串的数据量，就可以实现对于查询结果数据的压缩编码。

在步骤S208中，可以发送经编码的查询结果数据。其中经编码的查询结果数据的数据量可以小于步骤S204中得到的查询加过数据。

在一些实施例中，搜索服务端可以直接将经编码的查询结果数据发送给客户端设备。在另一些实施例中，搜索服务端可以经由中间节点将经编码的查询结果数据发送给客户端设备，或者将经编码的查询结果数据存储在数据库中以供客户端设备读取。

搜索服务端可以将用于压缩编码的字典发送给客户端，从而使得客户端能够根据字典对经编码的查询结果数据进行解压缩。在一些实施例中，搜索服务端可以利用历史的查询结果数据对字典进行更新，并发送更新后的字典(例如发送给客户端或能够由客户端访问的数据库)。在一些实现方式中，搜索服务端可以以预定的频率(如每天、每周)，利用预定时间段内的查询结果数据对字典进行更新。由于搜索场景中热点词(即高频词)会随着时间推移不断变化，通过利用更新的查询结果数据对字典进行更新，可以提高查询结果中符合当前热点的词语的字符串的压缩率，从而提高整个查询结果数据的压缩率。

利用本公开提供的实施例，通过基于字典的方式对搜索场景中的搜索结果进行压缩。由于在搜索场景下可以确定搜索结果中的热点词为高频词，并通过预设字典的方式使得高频词的压缩率较高，相比于通用的压缩算法，基于字典的方式对搜索结果进行压缩可以提高数据的压缩比，从而实现节省带宽资源的目的。

图3示出了根据本公开的实施例的对查询结果数据进行压缩编码的示例性的流程图。可以利用图1中示出的服务器实现图3中示出的方法300。可以利用图3中示出的方法300实现图2中示出的步骤S206。

如图3所示，在步骤S302中，可以对查询结果数据进行划分处理，以得到查询结果数据中的多个待压缩字符串。

可以利用各种分词方法对查询结果数据进行划分处理，只要能够获取查询结果数据中包括的字符串即可。在此不限制实现步骤S302具体要使用的算法。

在步骤S304中，可以基于字典指示的映射对多个待压缩字符串进行编码，以得到多个编码后的压缩字符串。

如前所述，可以通过查找字典的方式对待压缩字符串进行编码，以得到编码后的压缩字符串。其中编码后的压缩字符串的数据量小于对应的原始待压缩字符串的数据量。

在步骤S306中，可以用步骤S304中得到的多个编码后的压缩字符串替换查询数据结果中对应的各个待压缩字符串，以得到经编码的查询结果数据。

图4示出了根据本公开的实施例的数据处理方法的另一种示例性的流程图。可以利用图1中示出的客户端设备实现图4中示出的方法400。可以利用安装在客户端设备中的搜索应用程序(app)来实现搜索，也可以利用安装在客户端设备中的浏览器对搜索服务器进行访问来实现搜索。

如图4所示，在步骤S402中，可以获取查询请求。

在一些实施例中，用户可以通过客户端设备的输入/输出设备输入查询请求。在另一些实施例中，客户端设备可以基于预设的规则自动生成查询请求。

在步骤S404中，可以将查询请求发送给搜索服务端。搜索服务端可以基于预先设置的信息搜索方法获取用于查询请求的查询结果。

在步骤S406中，可以获取来自搜索服务端的经编码的查询结果数据，其中经编码的查询结果数据是基于字典对用于查询请求的查询结果数据进行压缩编码得到的。如上文中结合图2、图3所描述的，搜索服务端可以利用字典得到经编码的查询结果数据。客户端设备可以直接从搜索服务端获取经编码的查询结果数据，也可以经由中间节点或从数据库中读取搜索服务端提供的经编码的查询数据结果。

当经由客户端设备中安装的app进行搜索时，字典可以集成在app中。当经由浏览器进行搜索时，可以利用浏览器程序访问在客户端设备中存储的字典。

在步骤S408中，可以基于字典对经编码的查询结果数据进行解压缩，以得到用于查询请求的查询结果数据。

在得到了查询结果数据后，客户端可以将根据查询结果数据将用于查询请求的查询结果提供给用户。例如，可以在客户端设备的显示设备上显示包括查询结果的页面。

客户端可以从搜索服务端获取用于压缩编码的字典发送给客户端，从而使得客户端能够根据字典对经编码的查询结果数据进行解压缩。如前所述，在一些实施例中，搜索服务端可以利用历史的查询结果数据对字典进行更新。客户端可以从搜索服务端获取更新的字典。在一些实现方式中，客户端可以定期(如每天、每周)获取来自搜索服务端的更新的字典。由于搜索场景中热点词(即高频词)会随着时间推移不断变化，通过利用更新的查询结果数据对字典进行更新，可以提高查询结果中符合当前热点的词语的字符串的压缩率，从而提高整个查询结果数据的压缩率。

利用本公开提供的实施例，通过基于字典的方式对搜索场景中的搜索结果进行压缩。由于在搜索场景下可以确定搜索结果中的热点词为高频词，并通过预设字典的方式使得高频词的压缩率较高，相比于通用的压缩算法，基于字典的方式对搜索结果进行压缩可以提高数据的压缩比，从而实现节省带宽资源的目的。

为了进一步提高数据处理方法中查询结果数据的压缩率，可以利用查询结果的内容特征对字典进行训练。下文中将结合图5描述训练字典的具体过程。

图5示出了根据本公开的实施例的用于确定用于压缩的字典的方法的示例性的流程图。可以利用图1中示出的服务器实现的训练服务端执行图5中示出的方法500。其中，用于压缩的字典可以用于指示对数据进行压缩编码的映射。利用字典所指示的映射，可以确定用于待压缩字符串的经编码的压缩字符串。可以利用图5示出的方法训练得到本公开提供的由服务器执行的数据处理方法中对查询结果数据进行压缩时使用的字典。

如图5所示，在步骤S502中，可以获取训练数据。可以利用所获取的训练数据确定字典所指示的用于压缩编码的映射。在一些实施例中，训练数据可以包括在历史搜索过程中得到的多个离线查询结果数据。也就是说，可以将针对历史查询请求生成的查询结果数据保存为离线查询结果数据，以用于训练字典。

在步骤S504中，可以对多个训练数据分别进行划分，以得到多个训练字符串。

在步骤S506中，可以基于多个训练字符串中各个训练字符串的词频和类型确定各个训练字符串的压缩率。

在步骤S508中，可以基于各个训练字符串的压缩率确定映射，其中训练字符串的压缩率越高，基于映射得到的经编码的训练字符串的长度越短。

在本公开提供的实施例中，在训练字典的过程中，不仅考虑字符串在训练数据中出现的词频，还考虑字符串的类型。其中，字符串的类型指示字符串在训练数据中的作用。

以搜索场景下的内容结果页面的数据为例，内容结果页面的数据中可以包括标签类型的数据(如textarea字符串等)、属性类型的数据(如class字符串等)、内容类型的数据(如搜索结果包括的网页内的文字内容等)。其中，标签类型的数据在内容结果页面中出现的概率校高。以textarea标签为例，当需要在内容结果页面中创建一个文本区时，内容结果页面的数据中就会出现textarea的标签。由于文本区属于html表单中的常见对象，因此textarea字符串属于内容结果页面数据中的高频字符串。属性类型的数据用于对内容结果页面中的各种属性进行定义，其在内容结果页面中出现的概率低于标签类型的数据，但高于内容类型的数据。内容类型的数据对应于搜索结果的内容，可以理解的是，对于不同的查询请求，搜索结果的内容可以是不同的。因此，内容类型的数据在内容结果页面中出现的概率较低。

因此，为了避免在确定训练数据时由于样本数据不均匀引入的偏差，在训练字典时可以基于训练字符串的类型对训练字符串在训练数据中出现的初始词频进行调整。

在一些实施例中，可以为不同类型的训练字符串确定不同的权重参数。以内容结果页面中的标签类型、属性类型、内容类型为例，标签类型的权重大于属性类型的权重，以及属性类型的权重大于内容类型的权重。

对于多个训练字符串中的每个训练字符串，可以基于该训练字符串的在训练数据中出现的频率确定用于该训练字符串的初始词频，基于该训练字符串的类型可以确定该训练字符串的权重参数，利用权重参数对该训练字符串的初始词频进行调整，以得到该训练字符串的加权词频。可以基于步骤S504中得到的各个训练字符串的加权词频确定各个训练字符串的压缩率。其中，加权词频越高的训练字符串的压缩率越大。

这里所说的初始词频可以指示训练字符串实际出现的频率。利用基于字符串的类型确定的权重参数，可以增加预定类型的训练字符串的词频，以使得利用字典对该类型的训练字符串进行压缩的压缩率更高。

例如，可以将标签类型的字符串的权重参数设置为3、属性类型的字符串的权重参数设置为2、内容类型的字符串的权重参数设置为1。对于标签类型的字符串A、属性类型的字符B以及内容类型的字符串C，假设字符串A、B、C在训练数据中出现的原始词频分别为1％、1.2％以及1.3％，可以通过将权重参数与原始词频相乘的方式对字符串A、B、C的原始词频进行调整，并分别得到字符串A的加权词频为3％、字符串B的加权词频为2.4％，以及字符串C的加权词频为1.3％。

从上面的示例中可以看出，通过设置标签类型的训练字符串的权重高于属性类型的训练字符串的权重，属性类型的训练字符串的权重高于内容类型的训练字符串的权重，可以增加标签类型和属性类型的数据的压缩率。基于上述方法，可以在训练用于压缩的字典时考虑待压缩的数据中的内容特性，综合考虑字符串的词频和类型来确定不同字符串的压缩率。

下面描述利用图5中的方法对用于结合图2-图4描述的数据处理方法中使用的字典进行训练的具体示例。

为了训练搜索场景中使用的字典，可以获取多个离线查询结果数据作为训练数据。可以将针对历史查询请求生成的查询结果数据保存为离线查询结果数据，以用于训练字典。可以对所获取的多个离线查询结果数据分别进行划分，以得到多个训练字符串。可以基于多个训练字符串中各个训练字符串的词频和类型确定各个训练字符串的压缩率，并基于各个训练字符串的压缩率确定映射。其中，确定映射使得训练字符串的压缩率越高，基于映射得到的经编码的训练字符串的长度越短。可以通过任何可能的方式实现字典中指示的映射，在此不对字典的具体编码方式进行限定。

在一些实施例中，对于多个训练字符串中的每个训练字符串，可以基于该训练字符串的词频确定用于该训练字符串的初始词频。基于该训练字符串的类型可以确定该训练字符串的权重参数。可以利用权重参数对该训练字符串的初始词频进行调整，以得到该训练字符串的加权词频。基于多个训练字符串中各个训练字符串的加权词频可以确定各个训练字符串的压缩率。

针对查询结果数据形成的训练数据，训练字符串的类型可以包括标签类型、属性类型和内容类型，并且其中，标签类型的训练字符串的权重高于属性类型的训练字符串的权重，属性类型的训练字符串的权重高于内容类型的训练字符串的权重。基于上述方法，可以在训练用于压缩的字典时考虑待压缩的数据中的内容特性，综合考虑字符串的词频和类型来确定不同字符串的压缩率。

图6示出了根据本公开的实施例的搜索场景的示意图。

如图6所示，搜索场景600可以包括搜索服务器610和客户端设备620。其中，搜索服务器610可以包括训练单元611和搜索引擎612。训练单元611可以利用结合图5描述的方法，根据离线查询结果数据训练并得到用于压缩编码的字典，并可以将字典推送给搜索引擎612和客户端设备620。在一些其他的实施例中，训练单元611也可以将训练好的字典存储在数据库中，以供搜索引擎和/或客户端设备读取字典内容。

用户可以通过客户端设备将查询请求发送给搜索服务器中的搜索引擎612。搜索引擎612可以执行结合图2、图3描述的方法，利用字典生成经编码的查询结果数据。客户端设备可以获取来自搜索引擎的经编码的查询结果数据，利用字典对数据进行解压缩以得到用于显示的查询结果。

图7示出了根据本公开的实施例的数据处理装置的示例性框图。图7中示出的数据处理装置700可以用于实现图1中示出的服务器或图6中示出的搜索引擎。

如图7所示，数据处理装置700可以包括接收单元710、查询单元720、压缩单元730以及发送单元740。

接收单元710可以配置成用于接收查询请求。查询单元720可以配置成用于响应于所接收的查询请求获取用于查询请求的查询结果数据。压缩单元730可以配置成用于基于字典对查询结果数据进行压缩编码，以得到经编码的查询结果数据。发送单元740可以配置成用于发送经编码的查询结果数据。

这里所说的数据处理装置700的上述各单元710～740的操作分别与前面描述的步骤S202～S208的操作类似，在此不再加以赘述。

图8示出了根据本公开的实施例的数据处理装置的示例性框图。图8中示出的数据处理装置800可以用于实现图1中示出的客户端或图6中示出的客户端设备。

如图8所示，数据处理装置800可以包括输入单元810、发送单元820、接收单元830以及解压缩单元840。

输入单元810可以配置成用于获取查询请求。发送单元820可以配置成用于将查询请求发送给搜索服务端。接收单元830可以配置成用于从搜索服务端获取经编码的查询结果数据，其中经编码的查询结果数据是基于字典对用于查询请求的查询结果数据进行压缩编码得到的。解压缩单元840可以配置成用于基于字典对经编码的查询结果数据进行解压缩，以得到用于查询请求的查询结果数据。

这里所说的数据处理装置800的上述各单元810～840的操作分别与前面描述的步骤S402～S408的操作类似，在此不再加以赘述。

图9示出了根据本公开的实施例的训练装置的示例性框图。图9中示出的数据处理装置900可以用于实现图6中示出的训练单元。

如图9所示，训练装置900可以包括训练数据获取单元910、划分单元920、压缩率确定单元930以及映射确定单元940。

训练数据获取单元910可以配置成用于获取训练数据。划分单元920可以配置成用于对多个训练数据分别进行划分，以得到多个训练字符串。压缩率确定单元930可以配置成用于基于多个训练字符串中各个训练字符串的词频和类型确定各个训练字符串的压缩率。映射确定单元940可以配置成用于基于各个训练字符串的压缩率确定映射，其中训练字符串的压缩率越高，基于映射得到的经编码的训练字符串的长度越短。

这里所说的训练装置900的上述各单元910～940的操作分别与前面描述的步骤S502～S508的操作类似，在此不再加以赘述。

根据本公开的实施例，还提供了一种服务器，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行结合图2、3、5所述的方法。

根据本公开的实施例，还提供了一种客户端，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行结合图4所述的方法。

根据本公开的实施例，还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行结合图2-图5所述的方法。

根据本公开的实施例，还提供了一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现结合图2-图5所述的方法。

参考图10，现将描述可以作为本公开的移动终端的电子设备1000的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图10所示，设备1000包括计算单元1001，其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序，来执行各种适当的动作和处理。在RAM 1003中，还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。

设备1000中的多个部件连接至I/O接口1005，包括：输入单元1006、输出单元1007、存储单元1008以及通信单元1009。输入单元1006可以是能向设备1000输入信息的任何类型的设备，输入单元1006可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元1007可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元1008可以包括但不限于磁盘、光盘。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、1302.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元101执行上文所描述的各个方法和处理，例如根据本公开的实施例的数据处理方法以及训练字典的方法。例如，在一些实施例中，根据本公开的实施例的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1008。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时，可以执行上文描述的方法的一个或多个步骤。备选地，在其他实施例中，计算单元1001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行本公开的实施例的方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (21)

1.一种数据处理方法，包括：

接收查询请求；

响应于所接收的查询请求获取用于所述查询请求的查询结果数据；

基于字典对所述查询结果数据进行压缩编码，以得到经编码的查询结果数据，其中，所述字典用于指示用于所述压缩编码的映射；以及

发送所述经编码的查询结果数据。

2.如权利要求1所述的数据处理方法，其中，基于字典对所述查询结果数据进行压缩编码，以得到经编码的查询结果数据包括：

对所述查询结果数据中进行划分处理，以得到所述查询结果数据中的多个待压缩字符串；

基于所述字典指示的映射对所述多个待压缩字符串进行编码，以得到多个编码后的压缩字符串；

用所述多个编码后的压缩字符串替换所述查询数据结果中的对应的各个待压缩字符串，以得到所述经编码的查询结果数据。

3.如权利要求1或2所述的数据处理方法，其中，所述映射是通过以下方式确定的：

获取多个离线查询结果数据；

对所述多个离线查询结果数据分别进行划分，以得到多个训练字符串；

基于所述多个训练字符串中各个训练字符串的词频和类型确定各个训练字符串的压缩率；以及

基于各个训练字符串的压缩率确定所述映射。

4.如权利要求3所述的数据处理方法，其中，基于所述多个训练字符串中各个训练字符串的词频和类型确定各个训练字符串的压缩率包括：

对于所述多个训练字符串中的每个训练字符串，

基于该训练字符串的词频确定用于该训练字符串的初始词频；

基于该训练字符串的类型确定该训练字符串的权重参数；

利用所述权重参数对该训练字符串的初始词频进行调整，以得到该训练字符串的加权词频；

基于所述多个训练字符串中各个训练字符串的加权词频确定各个训练字符串的压缩率，其中，加权词频越高的训练字符串的压缩率越高。

5.如权利要求4所述的数据处理方法，其中，所述训练字符串的类型包括标签类型、属性类型和内容类型，并且其中，标签类型的训练字符串的权重高于属性类型的训练字符串的权重，属性类型的训练字符串的权重高于内容类型的训练字符串的权重。

6.如权利要求3所述的数据处理方法，其中，所述训练字符串的压缩率越高，基于所述映射得到的经编码的训练字符串的长度越短。

7.如权利要求1所述的数据处理方法，还包括：

基于所述查询结果数据对所述字典进行更新；

发送更新后的字典。

8.一种数据处理方法，包括：

获取查询请求；

将所述查询请求发送给搜索服务端；

获取来自所述搜索服务端的经编码的查询结果数据，其中所述经编码的查询结果数据是基于字典对用于所述查询请求的查询结果数据进行压缩编码得到的，其中，所述字典用于指示用于所述压缩编码的映射；以及

基于所述字典对所述经编码的查询结果数据进行解压缩，以得到用于所述查询请求的所述查询结果数据。

9.如权利要求8所述的数据处理方法，其中，所述映射是通过以下方式确定的：

获取多个离线查询结果数据；

对所述多个离线查询结果数据分别进行划分，以得到多个训练字符串；

基于所述多个训练字符串中各个训练字符串的词频和类型确定各个训练字符串的压缩率；以及

基于各个训练字符串的压缩率确定所述映射。

10.如权利要求9所述的数据处理方法，其中，基于所述多个离线词语中各个离线词语的词频和类型确定各个离线词语的压缩率包括：

对于所述多个训练字符串中的每个训练字符串，

基于该训练字符串的在训练数据中出现的频率确定用于该训练字符串的初始词频；

基于该训练字符串的类型确定该训练字符串的权重参数；

利用所述权重参数对该训练字符串的初始词频进行调整，以得到该训练字符串的加权词频；

基于所述多个训练字符串中各个训练字符串的加权词频确定各个训练字符串的压缩率。

11.如权利要求10所述的数据处理方法，其中，所述训练字符串的类型包括标签类型、属性类型和内容类型，并且其中，标签类型的训练字符串的权重高于属性类型的训练字符串的权重，属性类型的训练字符串的权重高于内容类型的训练字符串的权重。

12.如权利要求8所述的数据处理方法，还包括：

从所述搜索服务端获取更新的字典。

13.一种训练用于数据压缩的字典的方法，其中，所述字典用于指示用于对数据进行压缩编码的映射，包括：

获取训练数据；

对所述多个训练数据分别进行划分，以得到多个训练字符串；

基于所述多个训练字符串中各个训练字符串的词频和类型确定各个训练字符串的压缩率；以及

基于各个训练字符串的压缩率确定所述映射，其中训练字符串的压缩率越高，基于所述映射得到的经编码的训练字符串的长度越短。

14.如权利要求13所述的方法，其中，基于所述多个训练字符串中各个训练字符串的词频和类型确定各个训练字符串的压缩率包括：

对于所述多个训练字符串中的每个训练字符串，

基于该训练字符串的在训练数据中出现的频率确定用于该训练字符串的初始词频；

基于该训练字符串的类型确定该训练字符串的权重参数；

利用所述权重参数对该训练字符串的初始词频进行调整，以得到该训练字符串的加权词频；

基于所述多个训练字符串中各个训练字符串的加权词频确定各个训练字符串的压缩率，其中，加权词频越高的训练字符串的压缩率越大。

15.一种数据处理装置，包括：

接收单元，配置成用于接收查询请求；

查询单元，配置成用于响应于所接收的查询请求获取用于所述查询请求的查询结果数据；

压缩单元，配置成用于基于字典对所述查询结果数据进行压缩编码，以得到经编码的查询结果数据；以及

发送单元，配置成用于发送所述经编码的查询结果数据。

16.一种数据处理装置，包括：

输入单元，配置成用于获取查询请求；

发送单元，配置成用于将所述查询请求发送给搜索服务端；

接收单元，配置成用于从所述搜索服务端获取经编码的查询结果数据，其中所述经编码的查询结果数据是基于字典对用于所述查询请求的查询结果数据进行压缩编码得到的；以及

解压缩单元，配置成用于基于所述字典对所述经编码的查询结果数据进行解压缩，以得到用于所述查询请求的所述查询结果数据。

17.一种训练用于数据压缩的字典的装置，其中，所述字典用于指示用于对数据进行压缩编码的映射，包括：

训练数据获取单元，配置成用于获取训练数据；

划分单元，配置成用于对所述多个训练数据分别进行划分，以得到多个训练字符串；

压缩率确定单元，配置成用于基于所述多个训练字符串中各个训练字符串的词频和类型确定各个训练字符串的压缩率；以及

映射确定单元，配置成用于基于各个训练字符串的压缩率确定所述映射，其中训练字符串的压缩率越高，基于所述映射得到的经编码的训练字符串的长度越短。

18.一种服务器，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7、13-14中任一项所述的方法。

19.一种客户端，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求8-12中任一项所述的方法。

20.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-14中任一项所述的方法。

21.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-14中任一项所述的方法。

Images