(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211263681.1 (22)申请日 2022.10.16 (71)申请人 天津卓盛云科技有限公司 地址 300000 天津市滨 海新区天津自贸试 验区(中心商务区)迎宾大道东侧国泰 大厦2号楼-1 13 (72)发明人 宋瑞霞　金友兵　 (74)专利代理 机构 天津知远君 正专利代理事务 所(特殊普通 合伙) 12236 专利代理师 何君 (51)Int.Cl. G06F 16/31(2019.01) G06F 16/33(2019.01) G06F 16/338(2019.01) G06F 16/34(2019.01)G06F 16/25(2019.01) (54)发明名称 一种多颗粒度的全 文检索方法及装置 (57)摘要 本发明提供了一种多颗粒度的全文检索方 法及装置， 所述全文检索方法包括步骤S1， 建立 索引名称并构建多个不同颗粒度的内部索引库； 步骤S2， 对作为检索对象的文档进行解析和保 存； 步骤S3， 获取索引名称、 检索范围和检索参 数； 步骤S4， 根据索引名称和检索范围确定实际 检索的内部索引库， 并基于所述检索参数进行全 文检索， 获取检索结果； 步骤S5， 根据检索范围返 回不同格式和排序的检索结果。 本发 明在构建索 引库时实现了多种颗粒度的索引库创建， 并支持 数据的去重。 在检索时， 可 以根据需要灵活进行 多种方式的检索和展示。 权利要求书3页 说明书9页 附图2页 CN 115544201 A 2022.12.30 CN 115544201 A 1.一种多颗粒度的全文检索方法， 其特 征在于， 包括以下步骤： 步骤S1， 建立索引名称并构建多个不同颗粒度的内部索引库； 所述内部索引库包括名 称与所述索引名称相互关联的正文索引库、 段落集索引库、 纯段落索引库、 句子集索引库和 纯句子索引库； 步骤S2， 对作为检索对象的文档进行解析和保存， 具体包括以下步骤： 步骤S201， 对所述文档进行解析， 获得所述文档的元数据、 正文数据、 段落数据和句子 数据； 所述元数据包括标题(title)、 概述(abstract)、 注解(annotation)； 所述正文数据为 文档的正文； 所述段落数据和句子数据为 集合数据； 步骤S202， 将元数据和正文数据保存到所述正文索引库中， 并获得保存后的记录ID,该 记录ID设为文档号(docID)； 步骤S203， 将元数据和段落集保存到所述段落集索引库中， 并在该库中的记录ID为文 档号(docID)； 所述段落 集根据所述段落数据获得， 为该文档中所有段落组成的数组； 步骤S204， 将元数据和句子集保存到所述句子集索引库中， 并在该库中的记录ID为文 档号(docID)； 所述句子集 根据所述句子数据获得， 为该文档中所有句子组成的数组； 步骤S205， 对所述文档中的每个段落进行遍历， 并将每个段落单独保存到所述纯段落 索引库中， 每 个段落的记录ID为该 段落内容的Hash摘要值； 步骤S206， 对所述文档中的每个句子进行遍历， 并将每个句子单独保存到所述句子集 索引库中， 每 个句子的记录ID为该句子内容的Hash摘要值； 步骤S3， 获取索引名称、 检索范围和检索参数； 所述检索范围包括全文、 段落集、 句子 集、 纯段落和纯句子； 所述检索参数包括关键词、 关键词之间的关系 、 精确搜索或模糊搜索； 步骤S4， 根据索引名称和检索范围确定实际检索的内部索引库， 并基于所述检索参数 进行全文检索， 获取检索结果； 步骤S5， 根据检索范围返回不同格式和排序的检索结果。 2.根据权利要求1所述的多颗粒度的全文检索方法， 其特征在于： 所述步骤S1中， 所述 正文索引库中每条记录都包括摘要字段， 所述摘要字段保存所述文档的Hash摘要值； 当插 入一条新记录时， 若该文档的Hash摘要值已经存在， 则该文档不再导入到所述内部索引库 中。 3.根据权利要求1所述的多颗粒度的全文检索方法， 其特征在于： 所述步骤S202、 步骤 S203中， 段落集、 句子集以内嵌数据的形式保存为段落集索引库、 句子集索引库中一条记录 中的一个数组字段。 4.根据权利要求1所述的多颗粒度的全文检索方法， 其特征在于： 所述步骤S205中， 对 于所述纯段落索引库， 所述Hash摘要值记为概要(digest)， 以概要(digest)作为纯段落索 引库中的记录ID， 并根据概要(digest)进行段落内容的去重； 所述纯段落索引 库中的字段 还包括内容(content)、 引用次数(docUseNum)和引文文档记录(refDocs)； 所述内容 (content)为段落的内容， 所述引用次数(docUseNum)为正文索引库引用该段落的次数， 所 述引文文档记录(refDocs)为 一内嵌集 合， 内嵌集 合的元素为文档的文档号(docID)。 5.根据权利要求4所述的多颗粒度的全文检索方法， 其特征在于： 所述步骤S205中， 对 所述文档中的每个段落进行遍历时， 首先计算该段落的概要(digest)； 其次如果纯段落索 引库的概要(digest)记录不存在， 则引用次数(docUseNum)为1， 如果纯段落索引库概要权　利　要　求　书 1/3 页 2 CN 115544201 A 2(digest)记录存在， 则引用次数(docUseNum)加1； 再次引文文档记录(refDocs)集合中插入 当前文档的文档号(docID)的值， 所述引文 文档记录(refDocs)为 集合类型。 6.根据权利要求1所述的多颗粒度的全文检索方法， 其特征在于： 所述步骤S206中， 对 于所述纯句子索引库， 所述Hash摘要值记为概要(digest)， 以概要(digest)作为纯句子索 引库的记录ID， 并根据概要(digest)进行句子内容的去重； 所述纯句子索引库中的字段还 包括内容(content)、 引用次数(docUseNum)和引文文档记录(refDocs)； 所述内容 (content)为句子的内容， 所述引用次数(docUseNum)为正文索引库中引用该句子的次数， 所述引文 文档记录(refDocs)为 一内嵌集 合， 内嵌集 合的元素为文档的文档号(docID)。 7.根据权利要求6所述的多颗粒度的全文检索方法， 其特征在于： 所述步骤S206中， 对 所述文档中的每个句子进行遍历时， 首先计算该句子的概要(digest)； 其次如果纯句子索 引库的概要(digest)记录不存在， 则引用次数(docUseNum)为1， 如果纯句子索引库概要 (digest)记录存在， 则引用次数(docUseNum)加1； 再次引文文档记录(refDocs)集合中插入 当前文档文档号(docID)的值， 所述引文 文档记录(refDocs)为 集合类型。 8.根据权利要求1所述的多颗粒度的全文检索方法， 其特征在于： 所述步骤S202至步骤 S206中， 任一 步骤失败， 则回滚至所述 步骤S201， 然后结束所述 步骤S2。 9.根据权利要求1所述的多颗粒度的全文检索方法， 其特征在于： 所述步骤S5中， 所述 检索结果包括以下格式和排序方式： 方式一， 对于正文索引库的检索结果， 按照相关度排序， 每条记录是一个正文库中的完 整记录， 包括元 数据和正文内容； 方式二， 对于段落集索引库、 句子集索引库的检索结果， 按照整篇文档的相关度排序， 每条记录返回元数据和数组中的符合条件的段落或句子； 方式三， 对于纯段落索引库、 纯句 子索引库的检索结果， 按照段落、 句子的相关度排序， 返回单独段落、 句子内容。 10.一种多颗粒度的全文检索装置， 其特 征在于,包括： 建立索引名和内部索引库模块， 用于建立索引名称并构建多个不同颗粒度的内部索引 库； 所述内部索引库包括名称与所述索引名称相互关联的正文索引库、 段落集索引库、 纯段 落索引库、 句子集索引库和纯句子索引库； 文档解析和保存模块， 用于对需要导入的文档进行解析和保存， 具体包括用于： 步骤 S201， 对所述文档进行解析， 获得所述文档的元数据、 正文 数据、 段落数据和句子数据； 所述 元数据包括标题(title)、 概述(abstract)、 注解(annotation)； 步骤S2 02， 将元数据和正文 内容保存到所述正文索引 库中， 并获得保存后的记录ID,该记录ID设为文档号(docID)； 步 骤S203， 将元数据和段落集保存到所述段落集索引库中， 并在该库中的记录ID为文档号 (docID)； 所述段落集为该文档中所有段落组成的数组； 步骤S204， 将元数据和句子集保存 到所述句子集索引库中， 并在该库中的记录ID为文档号(docID)； 所述句子集为该文档中所 有句子组成的数 组； 步骤S205， 对 所述文档中的每个段落进 行遍历， 并将 每个段落单独保存 到所述纯段落索引库中， 每个段落的记录ID为该段落内容的Hash摘要值； 步骤S206， 对 所述 文档中的每个句 子进行遍历， 并将每个句 子单独保存到所述句 子集索引库中， 每个句 子的 记录ID为该句子内容的Hash摘要值； 获取索引名称、 检索范围和检索参数模块， 用于执行检索查询时， 获取索引名称、 检索 范围和检索参数； 所述检索范围包括全文、 段落集、 句子集、 纯段落和纯句子； 所述检索参