TW201248436A - Multi-layer search-engine index - Google Patents

Description

201248436 六、發明說明： 【發明所屬之技術領域】 本發明係關於：多層搜尋-弓丨擎索引。 【先前技術】 用於定位文件（例如網頁）的策略包含：呈遞搜尋查詢 至搜尋引擎，該等文件透過網路（例如網際網路）而為可 獲得使用的。一些網路包含大量的文件，以使得回應於 搜尋查詢而搜尋每一個別的文件係不可行的。從而，搜 尋引擎經常包含：資訊的索引，該資訊的索引以一方式 來組織化以賦能搜尋引擎以：識別與該搜尋查詢相關的 文件。當回應於搜尋查詢時，分析該索引可為耗費成本 的服務（意即可需要相對為大量的計算資源）。 與處理在搜尋-引擎索引中的資訊相關聯之成本可取 決於各種因素。舉例而言，索引的結構和包含在索引中 的資訊量可影響成本。此外’被使用以分析該索引的計 算元件可影響成本。 【發明内容】 由於則述原因在此提供本發明的各種態樣之高層級的 總覽，以提供本揭示的總覽及作出選擇性觀念的介紹， 該等觀念進—步於後文的【實施方式】的段落中描述。 此【發明内容】無意於識別所請求中請標的之關鍵特徵 201248436 或必要特徵’及無意於被單獨地使用而作為助益以決定 所請求申請標的之範圍。簡要地及處於高層級地，此揭 示&述（除了其它事項之外（among 〇tller things ))搜尋 -引擎索引，該搜尋-引擎索引被利用以服務（serve)搜尋查 詢0 在此私述的申睛標的包含：多層搜尋-引擎索引。舉例 而。，搜尋-引擎索引的一部分包含：詞彙索引（term index)，及搜尋-引擎索引的另一部分包含：文件索引 (d〇CUment index)。可使用各種計算元件來服務（serve)該 詞彙索引和該文件索引，例如固態硬碟（s〇Hd_state drive) ° 【實施方式】 在此明確地描述本發明的選擇實施例之申請標的以符 合法定要求。但是描述本身無意於定義：被視為所請求 的發明者；而是，此者為：申請專利範圍所請求者。所 清求的申請標的可利用其它的方·式來體現以包含：不同 的步驟或類似於在此文件中所描述者的步驟之組合，以 與其它目前或未來的技術相結合。詞彙不應被解釋為： 暗示在此揭示的各個步驟之間任何特定的順序，除非和 除了當各個步驟的順序被清楚地陳述的時候。 如同所指示者’在此描述的申請標的包含：多層搜尋_ 引擎索引。從而，搜尋-引擎索引被分為多個索引，該等 201248436 索引的每一索引包含：個別集合的資訊，該資訊被使用 、服務（思即回應於）查詢。一個索引包含：詞彙索引， °亥°司彙索引組織集合的詞彙，該等詞彙會在集合的文件 間被找到。舉例而言，若1〇〇個文件為可獲得使用的而 哥词彙索引組織每一可搜尋詞彙，該詞彙會在每 文件的内容間被找到。另一索引包含：文件索引，該 ^件索引組織可搜尋的集合的文件。繼續進行已給定的 … 若1 〇 〇個文件為可獲得使用的而被搜尋，文件索 °匕έ · 100個集合的文件特定（d〇cumen卜spa出C) 的：Λ ’其中該等集合的每-集合描述：個別的文件。 。十-裝置被使用以服務搜尋·引擎索引（意即當識別與搜 尋查詢相關的文件時分析該索引從而，目前將描述示 例性計算裝置。 十刀始特定地參照至第 一 ，▼'八，〜个奴％的I她例 不例性作業環境被顯示及一般性地被指定為計算裝置 =計算裝置_僅為適當的計算環境的—個實例，及 、忍於螭不關於本發明的實施例之使用範圍或功能性的 =限制》計算環境⑽不應被解釋為··具有關於所示 •說明的元件之任何—者或組合的任何相依性或要求。 ―,發明的實施例可用電腦代碼或機器可使用的指令之 般性上下文來描述，包含電腦 描 1 钒仃才日令，例如程式 、'、、，该等指令係由電腦或其它的機 Λ ^ 饵窃爪執仃，例如個 人資料助理或其它的手持裝置。_ 裎卡 & 而§ ，包含常式、 式、物件、元件、資料結構等等的程式模組意指：執 201248436 打特定任務或實施特定抽象資料型別的代碼。本 實施例可被實施在各種系統組態中，包含手持裝置、消 費者電子裝置、一般性目的電腦、更為特殊性計算裝置 等等。本發明的實施例亦可實施於分散式計算環境中、， 其中任務係由遠端處理裝置執行，該等遠端處理裝置係 透過通sfL網路來鏈結。 、 參照至第！圖，計算裝置100包含：匯流排⑽，該 匯流排直接或間接地耦合下列裝置：記憶體ιΐ2、一或 多個處理$ 114、一或多個呈現元件116、輸入/輸出谭 118輸入/輸出兀件i 2〇及示例說明性功率供應1U。匯 流排110代表：一或多個匯流排者（例如位址匯流排、資 料匯流排或所述者之組合）。雖然為了清楚起見，第i圖 的各個區塊用線段來圖示，實際上，描繪各個元件並非 如此得清楚，及隱喻地，線段更精確地為灰色和模糊的。 舉例而言，吾人可考慮呈現元件（例如顯示裝置）以作 為I/O元件。亦者，處理器具有記憶體。吾人認識到： 此者係技術的本質，及重申：第i圖的示圖僅示例說明 示例性什算裝置，該計算裝置可與本發明的一或多個實 施例結合使用。不在例如為「工作站J、「伺服器」、「膝 上型電腦」、「手持裝置」等等的類型之間作出區別，如 在第1圖的範圍内考慮的所有者及對「計算裝置」的參 計算裝置100典型地包含：各種電腦可讀取媒體。電 腦可讀取媒體可為：任何可獲得使用的媒體，該等媒體 201248436 可由叶算裝置100存取’及包含：揮發性和非揮發性媒 體—者、可移除和不可移除媒體二者。藉由實例的方式， 隹限制，電腦可讀取媒體可包含：電腦儲存媒體和通 訊媒體。 夕電腦儲存媒體包含：揮發性和非揮發性、非暫時、可 、不可知除媒體，該等媒體以任何方法或技術來實 =以儲存資訊，例如電腦可讀取指彳、資料結構、程式 权組或其它資料。電腦儲存媒體包含：RAM、ROM、 EEPR〇M、快閃記憶體或其它的記憶體技術、CD-ROM、 ，位影音光碟（DVD)或其它的光碟儲存、磁性卡g、磁 可及磁碟儲存或其它的磁性儲存裝置，纟令每一者可被 使用以儲存所欲資訊及可由計算裝置100存取。 通訊媒體典型地體現電腦可讀取指令、資料結構、程 式模組或在調變資料訊號中的其它資料，例如載波或其 它的傳輸機制，及包含：任何資訊傳送媒體。詞彙「調 變的資料訊號（m〇dulated data signal)j意指：訊號，♦亥 訊號具有—或多個特性集，或以此方式改變以將資訊編 碼在該訊號t。藉由實例的方式，通訊媒體包含：有線 媒體’例如有線網路或直接線路連接，及無線媒體，例 如聲音、RF、紅外線及其它的無線媒體。前述的任何者 之組合應亦被包含在電腦可讀取媒體的範圍内。 記憶體112包含：電腦儲存媒體，該電腦儲存媒體具 有揮發性及/或非揮性記憶體的形式。記憶體可為：可移 除的、不可移除的或所述者之級合。示例性硬體裝置包 201248436 各.固態記憶體、硬蹲她 • 磾拽、光碟機等等。計算裝置1〇〇 或夕個處理$，該等處理器從各種實體讀取資 料，例如記憶ϋ112或1/〇元件12〇。呈現元件（多個）ιΐ6 至現資料指示至使用者或其它裝置。示例性i現元件包 S 員不裝置、揚聲器、列印元件、振動元件等等。 1/0蜂118允許計算褒置1⑼邏輯地耦合至包含I/O元 件120的其它裝置’ &中一些者可為内建的。示例說明 ^元件包含··麥克風、摇桿、遊戲手把、衛星碟、掃描 器、印表機、無線裝置等等。 导别參照至第2圖’其中描另-示例性計算環境 210。環境2H)包含：客戶端計算裝置212，該客戶端計 算裝置與搜尋引擎2 14交換資訊，例如藉由網路（例如網 際網路）。舉例而言，客戶端212傳送資訊216至搜尋引 擎214。資訊216被描繪在分解示圖218中，該分解示 圖描繪：資訊2 16包含搜尋查詢。示例性搜尋查詢包含： 搜尋词彙「食品雜貨（gr〇cery)」。環境2丨〇亦描繪：搜尋 引擎214傳送資訊220至客戶端212 ,及資訊220被描 繪在分解示圖222中。分解示圖222指示：資訊220包 含搜尋-結果網頁（search-results webpage)，例如網頁的 列表，該等網頁已被視為與包含在資訊2 16中的搜尋查 °旬相關。示例性搜尋詞彙「食品雜貨（gr〇cery)」將遍及 在各種說明中的此描述被使用。 搜尋引擎214包含各種元件，該等元件與另一者相通 訊及賦能搜尋引擎214以將文件視為與搜尋查詢相關。 201248436 舉例而言’搜尋引擎2 14包含：複數個計算裝置（意即計 算裝置1、計算裝置2…計算裝置X)，其中每一者處理個 別集合的文件。第2圖描繪：計算裝置1處理文件1 _ 1 〇 〇， 計算裝置101-200處理文件101-200等等。搜尋引擎214 的元件一同運作以決定：文件1 _N的何者與接收的搜尋 查詢相關。舉例而言，搜尋引擎214包含：搜尋-查詢接 收器（search-query receiver)224,該搜尋-查詢接收器接收 搜尋查詢，該等搜尋查詢被傳送至搜尋引擎2 14。搜尋 引擎214亦包含：匹配器226及排序器228。 匹配器2 2 6識別數個文件，該等文件係搜尋查詢或搜 尋詞彙的匹配者。「匹配（match)」係典型地藉由匹配演 异法的應用來決定，該匹配演算法當決定文件是否為搜 尋查詢的匹配者時考慮到各種因素。舉例而言，匹配演 算法當決定該文件是否為匹配者時，考慮到：搜尋詞囊 在文件的内容間出現的次數。匹配器2 2 6可識別：儲存 在每一計算裝置（意即計算裝置i到χ)上包含搜尋詞彙 的所有文件。可替代性地，可建立匹配臨界值，以使得 匹配器226識別：並未超過該匹配臨界值的數個匹配的 文件。舉例而言，若匹配臨界值為：五個文件，則匹配 1§ 226識別在每一計算裝置上與搜尋查詢相匹配的前五 個文件。當匹配器進行一些估測-排序活動 (estimated-ranking activities)或預先排序活動 (pre-ranking activities)時，匹配器226可不指定：在此 些識別的匹配的文件間任何的最後搜尋_結果 10 201248436 (search-result)的排序。 排序器228接收由匹配器226視為匹配者的文件之— 識別，及在彼此間排序此些匹配的文件。舉例而古，— 排序器228接收前面的匹配的文件（例如作為匹配者的前 面的五個文件）之識別，排序器228應用排序演算法以= 定：前面的匹配的文件之每一者的個別的排序。排序演 算法可考慮各種因素，其中的―些者亦可由匹配器咖 來考慮，及其甲的其它者僅由排序器228來評估。 如同所指示者，當應用匹配演算法或排序演算法時， 匹配斋226及排序器228並不必然地重新檢視每一文件 的全部内容。而是’搜尋引擎214包含：資訊的索引， 該資訊的索引包含：從文件的每一者取出的僅有的選擇 資訊。該等索引代表可搜尋文件的濃縮版本…⑽心…以 veMon)’及該等索引典型地相較於文件的全文更為有效 率地加以分析（例如利用匹配演算法和排序演算法）。 搜尋引擎214包含：計算裝置2 (由參照編號23〇而識 別），當服務搜尋查詢時，計算裝置2處理文件1〇1_2〇〇。 舉例而言’計算裝置2決；t文件⑻.·的何者被視為 與搜尋查㈤「食品雜貨（grc)eery)」相關。文彳 被描繪在分解示圖232中，該分解示圖示例說明：被使 用以組織和總括文件101_200的各種資訊結構。 一種被使用以組織文件101_200的資訊結構包含：詞 彙索引234。詞彙索引234係反向索引（invertedindex)， 該反向索引包含：纟文件101_200的内容間會被找到的 11 201248436 可搜尋詞彙。詞彙索引234包含：集合的詞彙記錄（term postings)(例如「記錄列表i (p〇sting list丨）」'「記錄列 表2 (posting list 2)」等等），該等詞彙記錄的每一者包 含：關於個別的詞彙之資訊。記錄可用各種順序排置， 例如按照字母順序或按照詞彙的普遍性。第2圖描繪： 記錄236包含與搜尋詞彙「食品雜貨（gr〇cery)」相關的 資訊。 典型地’每一詞彙記錄包含：被使用以決定文件是否 相關於（意即匹配於）搜尋查詢的資訊。舉例而言，詞彙 記錄236包含三個資訊集合（意即由參照編號238、24〇 及242所識別），該等資訊集合的每一者包含：與包含詞 彙「食品雜貨（grocery)」的個別的文件（例如網頁）相關的 資訊。與許多詞彙索引相反，詞彙索引234忽略某種類 型的資訊’例如位置資訊，該位置資訊指示：在每一文 件内s司彙可被找到的位置。舉例而言，資訊集合242並 不包含：指示在文件M3中何處可找到詞彙「食品雜貨 (grocery)」的任何資訊。藉由忽略某種類型的資訊，詞 彙索引234更小，藉此減少與匹配搜尋詞彙相關聯的計 算成本。雖然詞彙記錄230忽略某種類型的資訊（例如位 置資all )，邊資訊當應用排序演算法時係由排序器2 2 8使 用’詞彙記錄2 3 6包含：其它類型的資訊，該資訊被使 用於匹配演算法以識別前面的文件匹配者，例如詞彙頻 率（意即詞彙在文件中被找到的次數）。 第2圖描繪：資訊集合242包含：與文件M3相關的 12 201248436 資訊’該文件M3包含：詞彙「食品雜貨（gr〇cery)」。舉 例而言，資訊集合242包含：標籤「文件Μ3資訊（D〇c Μ3 Info)」，該標籤指示資訊242包含：與文件Μ3相關的資 訊。育訊集合242以一方式來編碼，該方式平衡下列期 望.具有減少用以解碼資訊集合242所需的CPU使用之 目的，而限制記憶體的利用。舉例而言，使用以識別文 件M3的文件識別符被插入：「食品雜貨（gr〇cery)」的詞 彙頻率。雖然在此描述詞彙頻率以達到說明性目的，其 它的資訊亦可（或替代性地）用該文件識別符來編碼，該 文件識別符對於決定文件是否為對查詢詞彙的匹配者係 有用的。 在一個實施例中，文件識別符可為增量編碼（ encoded )的可變整數’然而詞彙頻率係可變整數。從而， 示例性資訊當維持於詞彙索引234時可採取下列的形 式： 解碼的版本（Decoded Version) [UInt64] + : m，tfi D2, TF2, D3, TF3, ... ’ 編碼的版本（Encoded Version) [UInt64] + : m，tfi D2-D1, TF2, D3-D2, TF3, 替代性的編碼機制（在該編碼機制中文件識別符被插 入詞彙頻率)考慮亦許多詞彙頻率低於臨界值(例如” 的事實。從而’保留一數量的位元以儲存編碼的文件資 訊（意即文件識別符和詞彙頻率）。在此編碼機制下，當 詞彙頻率低於頻率_數值（frequency_value)的臨界值^ 13 201248436 如3 )時，該數量的位元被使用以編碼詞彙頻率，及額外 的位元組並不被使用以編碼頻率欄位。此外，按照此機 制’當詞彙頻率超過頻率-數值的臨界值，額外的位元組 被使用以編碼該頻率欄位。此編碼機制可允許.較佳的壓 縮率’以作為減低的解碼效能的交換。從而，示例性資 訊當維持於詞彙索引234時及當TF攔位固定為2位元時 可採取下列的形式： 解碼的資訊（decoded information)[UInt64] + : Dl，TF1， D2, TF2, D3} TF3, ... 編碼的 > 机（encoded information)[UInt64] + ： Dl, D2-D1, TF2Exception，D3-D2, ... 其中，解碼邏輯係： 若（TF S3)則 使用2位元以用於TF ’並無額外的TF欄位 此外 2位元=“〇〇” ’具有額外的TF攔位 TF =額外的TF攔位的數值+3 在另外的實施例，在記錄中區塊可被使用以包含：出 現（occurrences)之群組。舉例而言，區塊可被使用以包 吞.資集合238、24〇及242。在此實施例中，選擇[SB 位元的數值（N)，以使得在該區塊中最高的詞彙頻率係在 2 N-1内，及其匕的㈣彙頻率附在例外列表（excepti〇n 〖Μ) 中而附加至該區塊的開始處或結束處。在每一群組中， 文件索引首先被編碼為Varlnt，而後詞彙頻率例外地被 14 201248436 編碼（每個詞彙頻率用2位元）。 基於、為碼機制和排序資訊的忽略相對於包含排序資 訊或使用替代性的編碼機制之其它的索引，詞彙索引234 已3 .車又小的總大小（total size )。此較小的大小（Size ) 允許較多的文件符合記憶體元件（例如SSD、HDD等 等），及減小當執行匹配操作時所導致的cpu成本。在 一個實施例中’該詞彙索引被儲存在記憶體和SSD中及 -同在記憶體和SSD中被服務，藉此利用索引服務最佳 化舉例而5，可應用在記憶體中/在緩衝區中的快取架 構0 第2圖亦描繪：詞彙-索引查找表格244，該詞彙-索引 一找表格匕3 · Ss)彙「食品雜貨（gr〇cery)」對在詞彙索 引234中的特定位置之映射。映射係藉由箭頭246來表 示舉例而5，映射246可為對應到在記憶體或SSD中 的位置，藉此有助於定位記錄2S6對於「食品雜貨 (grocery)」的起始點。 如同所指示者，資訊集合242包含：文件識別符，該 文件識別符被使用以識別與「文件M3(D〇c M3)」相關的 資訊。舉例而言，箭頭248描繪：文件識別符可在每個_ 文件索引查找表格（per-document-index lookup table)25G t破查找’該每個.文件_索引查找表格映射該 文件識別符至在每個_文件索引（per_d〇cument index) 252 中的位置文件-排序 > 矾（document-ranking information) 被維持在該每個-文件索引的該位置處。 15 201248436 每個-文件索引252以每個-文件為基礎來組織化，以 使知·每一每個-文件索引表格將關於特定文件的資訊分 類。意即’若計算裝置2 23〇包含：文件1〇12〇〇，則每 個-文件索引252包含：對於包含在文件1〇1_2〇〇的文件 之每一者的每個-文件索引表格。方盒254、256及258 代表關於文件1〇1、167及2〇〇(個別地）的資訊。每一每 個-文件索引表格包含：豐富的資訊，該資訊係由排序器 218使用以決定個別的文件之排序。意即，排序器218 將攸每個-文件索引表格取出的資訊置入排序演算法以 決定在搜尋結果間文件的排序。文件-排序資訊的實例包 含：可典型地被包含在詞彙索引中的資訊（例如位置資 訊)’但該資訊已從該詞彙索引中被忽略，以為了減小該 =彙索引的大小。此外’每—每個文件索引表格可包 含.被使用以產生標題或片段的資訊（例如文件本身的拷 貝）’該資訊被使用以代表在搜尋_結果列表中的文件。 目前參照至第3圖’其中描繪來自每個_文件索引31〇 的示例性資訊。意即，騎在第3圖中的資訊代表：可 被包含在特定文件的每個_文件索引表格中的資訊。第3 圖描繪：特定文件的資訊包含：索引標頭306、映射314 及詞彙索引3 12。 示例性索引標頭306包含·曰1〜一 匕3 .目則的文件貧料（例如靜 排序、長度等等）。此外，和 )此外橾頭306可包含：描述包含 文件中的數個詞彙類別（你丨如#。， 莱頰^例如類別1、類別2及類別3) 八匕的文件特徵（例如語言）的資訊。 16 201248436

包含在每個·文件索引中的資訊亦包含：所有可搜尋詞 彙之識別’該等詞彙被包含在文件的内容間。此些詞彙 使用全域的詞彙-至_w〇rdID映射（term t〇-w〇rdiD PPingm4來編碼。第3圖指示：映射3i4包含：靜態 映射表格3 1 8，邊靜態映射表格被使用以將普遍的詞彙 映射至1或2位元組的整數。此外，映射314包含雜湊 函數320以將較不普遍的詞彙映射至8•位元組的雜凑數 值。使用映射314，在詞彙索引312中的所有的詞囊並 不用原始的文字格式來儲存，藉此節省空間。更為特定 而言，包含在詞彙索引312中的每一詞彙被映射至 w〇rdm(例如整數）。在詞彙索引312中，相對於該詞彙， WordID被儲存。從而，當查找在反向詞彙索引312中的 詞彙（例如食品雜貨（grocery))時，該詞彙首先在映射中被 查找以識別WordID ’及而後WordID在詞彙索引3 12中 被參照。 如同所指示者，WordID可包含：二個變化中之_者· 固定的映射（來自318)或雜湊映射（來自32〇)。_般而 言，普遍的詞彙接收WordID，該WordID使用固定的映 射方法來產生，以使得每一詞彙映射至在" 2k l]的空 間中的預先定義（pre-defined)的數字。基於詞彙的普遍 性’ 1或2位元組被使用以產生個別的WordID。為了促 進更快的搜尋，映射可被建立至與每個-文件索引相關聯 的記憶體中。在示例性的實施例中，前面255個時常出 現的詞彙使用1位元組的WordID來表示，及此此時常 17 201248436 出現的詞彙在詞彙索引312中被分類為類別i。下個前

面-64K(top_64K)的詞棄在詞彙索引312中被識別為Z :2的詞彙及由2位元組m來表示。詞彙對類別丄的詞 彙和類別2的詞彙二者的偏⑴之映射（使用例如雜 凑映射架構）可被明確地儲存在記憶體中。基於此些〒 例性的大小，及假設：平均詞彙文字長度係25位元I不 此映射表格將使用大約位元組的記憶體。 在另外的實例中，較不普遍的詞彙係由6或8位元电 1爾來表示（來自32〇)及在詞彙索引312中被識別為 類別3。對在類別3的每一詞彙而言，偏1〇係詞彙文 字的雜凑數值。假設：文件具有平均刪個獨有的詞 彙’二個詞彙可在該文件中相抵觸的機料c (2，1〇 Μ叫/2〜對議的文件全集，|有文詞相抵觸的文 件之總數目大約為1〇Β/245 = 〇 〇〇〇3。 詞彙索引312係反向詞彙索引312，該反向詞囊索引 列出可搜尋詞彙的wordID ’該等可搜尋詞彙被包含在气 文件的内容間。每一詞囊記錄包含：當詞囊自身關聯： 該文件時與此個別的詞彙相關的資訊。舉古，4 項目的最高位元指示：對此詞彙是否具有多於—個的記 錄(意即此詞彙是否在該文件的内容間被找到多於二 次）。若詞囊僅在該文件的内容間被找到_次，則記錄位 置被儲存在項目（entry)的較低位元。此情;兄係由箭頭似 來描繪。然而，若該詞彙在該文件的内容間被找到多於 -次，則該項目的較低位元包含：指向記錄列表的溢位 18 201248436

來描繪。 此情況係由箭頭326 溢位陣列330儲存用於在文件的内 内容間具有多於一個

置資訊，及大小取決於該亡从.

配者已由匹配器226所識別， u平例而言，一旦文件匹 排序器2 2 8從每一文件匹 配者的個別的每個-文件索引中擷取資訊，及決定在文件 匹配者間個別的排序。在一個實施例中，每個-文件索引 表格被儲存在固態記憶體中，藉此利用1/〇效能能力。 舉例而言，匹配的文件（意即被匹配器識別為匹配者 的文件）之每個-文件索引資訊可依需要載入。 藉由應用多層索引方法，如同前文所描述者，多個查 s旬可被平行地服務。舉例而言，當第一查詢的處理從匹 配器226進行至排序器228，在相同的計算裝置上的第 二查詢之匹配處理可開始進行，即使該第一查詢依然正 由排序器228處理。此外，在SSD中的服務詞彙索引234 和每個-文件索引304允許搜尋引擎214利用SSD的效能 能力以用於更為有效率的查詢服務。 目前參照至第4圖，流程圖描繪：一系列的步驟，該 19 201248436

方法4 1 〇。 步驟。 戶尽第2圖和第3圖以達到說明 ，電腦_儲存媒體包含：體現於 當執行該等指令時，執行在第 而言，由參照編號260和262 個別地由匹配器和排序器來 和262時’進行方法41〇的 方法4 1 0在步驟 收搜尋查詢，該拇 ^驟412包含以下步驟：藉由搜尋引擎接 該搜尋查詢包含：搜尋詞彙。舉例而言， 如同已描述者，搜尋-查詢接收器224接收包含「食品雜 貨（grocery)」的搜尋查詢以作為搜尋詞彙。搜尋引擎 包含：詞彙索引234,該詞彙索引具有多個記錄，及記 錄236包含：關於搜尋詞彙「食品雜貨（gr〇cery)」的資 步驟414包含以下步驟：重新檢視詞彙記錄，該詞彙 記錄具有關於搜尋詞粲的資訊，其中關於搜尋詞彙的資 訊包含：該文件的文件識別符，該文件的該文件識別符 包含搜哥詞彙。舉例而言’重新檢視記錄2 3 6，該記錄 包含.「文件M3 (Doc M3)」的文件識別符，該「文件 M3(Doc M3)」的文件識別符包含：在文件M3(Doc M3) 内容間的詞囊「食品雜貨（grocery)」。 在步驟41 6中，文件識別符被使用以參照在每個-文件 索引中的文件-排序資訊，其中該文件-排序資訊被使用 20 201248436 以私定搜尋-結果排序至該文件。舉例而言，箭頭248代 表被使用以參照文件-排序資訊的文件識別符。如同前文 所描述者，文件識別符在查找表格250中被映射至在每 個-文件索引中的文件排序資訊之位置。 按”?、步驟4 1 8，提供（serve)搜尋結果，其中該文件的列 表被呈現為與搜尋-結果排序相一致。舉例而言，提供資 Λ 220至客戶端212，該資訊包含搜尋_結果網頁。搜尋_ 結果網頁基於由排序器228決定的排序資訊來產生。 方法4 1 〇描述：用於服務搜尋查詢的步驟。當使用多 層搜尋-引擎索引時，如在此所描述者，查詢_服務流程 可和與單一的索引一同使用的該流程維持為相類似，例 如藉由從匹配於排序估計的文件移動至最後的排序。然 而，當搜尋引擎利用分別的索引及固態硬碟的輸入/輸出 效能能力，可增進查詢-服務效能，例如藉由平行地執行 多個搜尋查詢。 目剐參照至第5圖’另一流程圖描繪：一系列的步驟， 該等步驟促進對在搜尋-引擎索引中的文件（例如由資訊 集合256描述的文件167)進行索引而允許搜尋引擎以評 定文件對搜尋查詢（例如「食品雜貨（grocery)」）的相關性 之方法510。當描述第5圖時，亦可參照第2圖和第3 圖以達到說明性目的。在一個實施例中，電腦_儲存媒體 包含：體現於其上的電腦可執行指令’當該等指令被執 行時，執行在第5圖中所識別的步驟。 方法5 1 0在步驟5 1 2包含以下步驟：指定文件識別符 21 201248436 至S亥文件。舉例而言，當第2圖的文件M3(Doc M3)進行 處理，文件識別符被指定至文件M3及被儲存在每個-文 件-索引查找表格中。步驟5 14包含以下步驟：決定詞彙 被包含在文件的内容間所具有的頻率。舉例而言，計算 "司彙食品雜貨（grocery)」被包含在文件M3的次數。 如同已描述者，搜尋^擎索引包含：詞彙索引234,該 。可彙索引包含.詞彙記錄236，該詞彙記錄具有與詞彙（意 即「食品雜貨（grocery) j )相關的資訊。 …' v称5 1 6，文件識別符與頻率一起被編碼以產生 扁I的文件資机。言司錢記錄經變換以包含編碼的文件資 Λ处此外，步驟5 1 8包含以下步驟：儲存集合的文件排 f資訊在每個-文件索引（分別於詞彙索引）中。當處理搜 2 。句時，文件_排序資訊被使用以排序該文件。舉例而 舌，詞彙記錄236被更新以包含在資訊集合242中的編 碼的文件資訊。同樣地，包含在資訊256的每個·文件索 |表格儲存.從文件M3取出的文件-排序資訊。 前述已描述：數個元件之系統，該等元件可使用於對 文件進行索引及服務搜尋-引擎查詢。舉例而言，描繪在 ㈣和第3圖的系統包含:多個索引(例如詞彙索引234 ，母個-文件索引31〇)，該等索引組織個別集合的資訊， 。玄等索？1對匹配器226、排序器咖及其它的搜尋引擎 ::::可獲得使用的。此外’已描述：可使用前文描述 Μ Μ擎元件來執行的方法’例如用於服務搜尋查詢 .法和用於對文件進行索引的方法。 22 201248436 /斤杬、.曰的各種元件和未顯示的元件之許多不同的排置 係可此的，而不偏離後文的申請專利範圍之範疇。已描 述了。人的技術之實施例，意欲作為示例說明性，而非 限生替代性的實施例對此揭示的讀者而言在閱讀該 揭不之後及因為進行了該揭示的閱讀而將變為顯明的。 可完成：實施前述者的替代性構件（means)，而不偏離後 文的申味專利範圍之範疇。特定的特徵和子組合係實用 的及可不參照其它的特徵和子組合來運用，及特定的特 徵和子組合被考慮在申請專利範圍的範疇内。 【圖式簡單說明】 於後文中參照隨附圖式詳細地描述本發明的示例說明 性實施例，其中： 第1圖和第2圖每一者描繪個別的示例性計算環境。 第3圖描緣在每個·文件索引（per_d〇cument index)中分 類的資訊之實例；及 第4圖和第5圊包含：描繪個別的方法之流程圖。 【主要元件符號說明】 23 201248436 100 計算裝置 236 記錄 110 匯流排 238 資訊集合 112 記憶體 240 資訊集合 114 處理器 242 資訊集合 116 呈現元件 244 詞彙-索引查找表格 118 輸入/輸出槔 246 映射 120 輸入/輸出元件 248 箭頭 122 功率供應 250 每個-文件-索引查找表 210 計算環境 格 212 客戶端計算裝置 252 每個-文件索引 214 搜尋引擎 254 方盒 216 資訊 256 方盒 218 分解示圖 258 方盒 220 資訊 260 應用程式 222 分解示圖 262 應用程式 224 搜尋-查詢接收器 306 索引標頭 226 匹配器 310 每個-文件索引 228 排序器 312 詞彙索引 230 計算裝置2 314 映射 232 分解示圖 318 靜態映射表格 234 詞彙索引 320 雜湊函數 324 箭頭 326 箭頭 330 溢位陣列 24 201248436 410方法/步驟 4 1 2 方法/步驟 4 1 4方法/步驟 4 1 6方法/步驟 418方法/步驟 5 1 0 方法/步驟 512方法/步驟 514方法/步驟 516方法/步驟 518 方法/步驟

Claims (1)

1. 201248436 七、申請專利範圍： r —種具有體現於其上的電腦可執行指令之電腦_儲存 媒體，當該等指令被執行時進行將—文件視為與一搜尋 查詢相關的方法’該方法包含以下步驟：藉由一搜尋引 擎接收該搜尋查詢，該搜尋查詢包含：一搜尋喟彙，苴 中該搜尋引擎包含：一詞囊索引，及其中該詞囊索引包 3 .複數個詞彙記錄’言亥等詞彙記錄的每—者包含··關 於-個別的詞彙之資訊；重新檢視—詞彙記錄，該詞彙 記錄具有與該搜尋㈣相關的資訊，其中與該搜尋詞囊 相關的該資訊包含：該文件的一文件識別符該文件的 該文件識別符包含：該搜尋詞彙；使用該文件識別符以 參照在-每個-文件索引中的文件_排序資訊，其中該文 件-排序資tfl被使用㈣定—搜尋·結果排序至該文件， 及其中該文件-排序資訊依需要（ondemand)載入以被使 用於指定該搜尋'结果排4 ;及提供（serving)搜尋結果， 其中該文件的一列表被呈現為與該搜尋-結果排序相-致。 2·如申》月專利範圍帛1項所述之電腦-儲存媒體，其中 以司彙索引與該每個_文件索引二者被儲存在一固態硬 碟（solid-state drive)中’該詞囊索引與該每個-文件素引 代表分別的索引。 26 201248436 3. 如申請專利範圍第1項所述之電腦-儲存媒體，其中 該搜尋引擎利用該等分別的索引及該固態硬碟的輸入/ 輸出的效能能力二者以平行地執行多個搜尋查詢。 4. 如申請專利範圍第丨項所述之電腦_儲存媒體，其中 關於該搜尋詞彙的該資訊包含：文件匹配資訊，該文件 _匹配資訊被使用以決定：該文件係該搜尋詞彙的一匹配 者0 5.如申請專利範圍第1項所述之電腦-儲存媒體，其中 使用5玄文件谶別符以參照、在—每個_文件索引中的文件_ 排序資訊之步驟包含以下步驟：定位在一每個-文件-索 引查找表格中的該文件識別符，該文件識別符包含：一 指標’該指標指向儲存在—固態硬碟中的該文件_排序資 訊。 W π /丁、 許-搜尋引擎評定該文件對一搜尋查詢的一相關性之方 法，該方法包含以下步驟：指定一文件識別符至該文件. 決定一詞彙被包含在該文件的内容間所具有的一頻率， =中該搜尋·引擎索^含：―詞彙㈣，制彙索引包 3 . 一詞彙記錄，該詞蚤印你Β 士也 j臬π己錄具有與該詞彙相關的資訊. 將該文件識職連⑽_進行編m生編碼的文件 貧訊，其令該詞索記錄經變換以包含該編瑪的文件資 27 201248436 讯，及儲存一集合的文件_排序資訊在一每個-文件 中。亥每個-文件索引分別於該詞彙索引，其中當處王p 搜尋查β時’該文件排序資訊被使用以排序該文件。〆 7. 如申請專利範圍第6項所述之方法，其中當進 時’ S亥文件識別符和該頻率被插入。 " 8. 如申請專利範圍第7項所述之方法’其中當進行編石馬 時’ d文件識別符係一增量編碼（)的可辦 整數及該頻率係一可變整數。 — 9.如申明專利範圍第7項所述之方法，其中一數量的位 元被保留以儲存該編碼的文件資訊，其中當該頻率低於 -頻率-數值的臨界值，該數量的位元被使用以編碼詞囊 頻率’及額外的位元組並不被使用以編碼一頻率攔位， 及其中當該頻率超過該頻率·數值的臨界值，額外的位元 組並不被使用以編碼該頻率攔位。 10. 如申請專利範圍第6項所述之方法，其中在該詞囊記 錄中出現（。咖⑽⑽）之—群組被包含在_區塊中。 11. 如申請專利範圍第6項所沭夕古土 J ^ λ 堉所述之方法，其中該集合的 文件-排序> 包含：可指慕叫备 筏寸d彙的一列表，該等可搜尋 〇司囊被包含在該文件的內交 叶们円谷間，及其中被包含在該等可 28 201248436 搜分θ果的$列表上的每—可搜尋詞彙藉由針對每一可 搜尋詞彙指定—個別的預先定義的全域詞彙識別符來編 碼’該預先定義的全域詞彙識別符被使用以識別遍及在 該每個-文件索引内的每—可搜尋詞彙。 &如申請專利範圍第u項所述之方法，其中該等可搜 尋詞彙的該列表在-文件_特定反向表格巾被組織化，該 文件-特疋反向表格包含：全域詞彙識別符的一列表其 中》玄等王域1 2 3 4 5 §)彙識別符的每一者被映射至一個別的可搜 尋詞彙。 13. 如申請專利範圍第12項所述之方法，其中在該文件_ 特定反向表格中的每一記錄包含：出現資料，該出現資 料扣示.該個別的可搜哥詞彙在該文件中出現的次數。 14. 如申請專利範圍第丨3所述之方法，其中當該次數大 於一臨界值，該出現資料被維持於一溢位列表（〇verfl〇w list)中。 29 1 5 · —種包含耦合至電腦-儲存媒體的一處理器和將一文 2 件視為與一搜尋查詢相關的系統，該系統包含：一搜尋_ 3 查詢接收器’該搜尋-查詢接收器接收該搜尋查詢，該搜 4 尋查詢包含：一搜尋詞彙；一詞彙索引，該詞彙索引包 5 含：—詞彙記錄’該詞彙記錄將該搜尋詞彙連同該文件 201248436 的一文件識別符分類，該文件的該文件識別符包含：該 搜尋詞彙；一匹配器’該匹配器重新檢視該詞彙索引以 決定：該文件識別符被包含在該詞彙記錄中，藉此指示： 該文件包含該搜尋詞嚢；一每個-文件索引包含：文件_ 排序資訊’該文件-排序資訊被使用以決定該文件的一搜 尋·結果排序；及一排序器，該排序器應用一排序演算法 至該文件-排序資訊以決定該搜尋-結果排序。 16. 如申請專利範圍第15所述之系統，其中該詞彙索引 與該每個-文件索引二者被儲存在一固態硬碟中，該詞彙 索引與該每個-文件索引代表分別的索引。 17. 如申請專利範圍第16項所述之系統媒體，其中一搜 哥引擎利用該等分別的索引及該固態硬碟的輸入/輸出 的效能能力以平行地執行多個搜尋查詢。 18. 如申請專利範圍第15項所述之系統，進一步包含： 每個文件索引查找表格，該每個-文件-索引查找表格 將該文件識別符映射至在—©態硬碟中的該文件-排序 資訊。 19·如申°月專利範圍帛1 5項所述之系、统，進一步包含： 玉戍司彙至-6弓彙-識別符映射，該全域詞彙-至-詞彙_ 識別符映射將可;{虫# μ 1 i A J搜号詞彙映射至一個別的識別符’該識 30 201248436 別符被使用以編碼一個別的可搜尋詞彙。 2 0.如申請專利範圍第1 9項所述之系統，其中該文件-排序資訊包含：一文件-特定反向表格，該文件-特定反 向表格儲存個別的識別符，該等識別符映射至包含在該 文件中的個別的可搜尋詞彙。 31