專利申請(qǐng)?zhí)?/span>:  

CN201210401317.7

專利類型:

發(fā)明

IPC 分類號(hào):   

G06F17/30

應(yīng)用領(lǐng)域:  

用于搜索引擎。

現(xiàn)有技術(shù)缺點(diǎn):  

現(xiàn)有搜索引擎技術(shù)文檔必須帶有 URL 信息，限制了該方法的使用范圍，基于聚類的方法由于復(fù)雜度較高，壓縮比率也不如基于 TSP 的方法。

技術(shù)優(yōu)勢(shì):

1、通過對(duì)詞項(xiàng)進(jìn)行排序，挖掘文檔之間的相似度關(guān)系，大大降低了算法的時(shí)間復(fù)雜度和空間復(fù)雜度，在運(yùn)行過程中僅占用少量?jī)?nèi)存空間；

2、解決了現(xiàn)有技術(shù)中存在的算法復(fù)雜度較高的問題以及對(duì)數(shù)據(jù)集限制的問題。

摘要:   

本發(fā)明公開了用于對(duì)倒排索引進(jìn)行壓縮的文檔序號(hào)重排方法及其系統(tǒng)，該方法包括：

步驟 1，對(duì)已經(jīng)分配好文檔序號(hào)的文檔進(jìn)行詞語劃分得到詞項(xiàng)，對(duì)所述詞項(xiàng)按照其在所述文檔中的出現(xiàn)頻率進(jìn)行排列，得到第一順序的詞項(xiàng)；

步驟 2，利用所述第一順序的詞項(xiàng)對(duì)所述文檔進(jìn)行重新排序，獲得所述文檔的最終排序；

步驟 3，新的文檔序號(hào)按照所述文檔的最終排序進(jìn)行重新分配。本發(fā)明在運(yùn)行過程中通過對(duì)詞項(xiàng)進(jìn)行排序，挖掘文檔之間的相似度關(guān)系，僅占用少量?jī)?nèi)存空間，大大降低了算法的時(shí)間復(fù)雜度和空間復(fù)雜度。

（以上資訊來源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系管理員刪除。）