一種音樂資源聚合搜索的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及計(jì)算機(jī)信息檢索領(lǐng)域，具體是一種音樂資源聚合捜索的方法。
【背景技術(shù)】
[0002] 傳統(tǒng)捜索引擎的技術(shù)雖然在日趨完善，并作為一個(gè)強(qiáng)大的功能模塊也被應(yīng)用在了 多種類型的網(wǎng)站中，如音樂網(wǎng)站的檢索功能等，但由于用戶的需求的不斷發(fā)展和細(xì)化，傳統(tǒng) 的捜索引擎不足W滿足特定用戶群體，如音樂信息捜索類用戶的捜索需求，因此在音樂信 息采集和捜索運(yùn)一特定領(lǐng)域，傳統(tǒng)捜索引擎凸顯出了許多不足之處：
[0003] (1)傳統(tǒng)的捜索引擎由于只是單方面的從互聯(lián)網(wǎng)上爬取信息，所有信息均來自于 互聯(lián)網(wǎng)；而主流的音樂網(wǎng)站對(duì)音樂的檢索資源均來自于網(wǎng)站本地?cái)?shù)據(jù)庫的資源，不包含任 何互聯(lián)網(wǎng)的信息，包含信息量相對(duì)較少，而且信息更新速度較低。二者均未實(shí)現(xiàn)對(duì)于音樂資 源的聚合式捜索，即本地媒體資源與互聯(lián)網(wǎng)信息的聚合捜索，導(dǎo)致捜索的信息淺表片面，無 法同時(shí)滿足音樂用戶對(duì)于信息的專業(yè)性和實(shí)時(shí)性的需求。
[0004] (2)在用戶需求特性方面，捜索引擎的用戶群體基數(shù)較大，個(gè)體之間的需求層次差 異也比較明顯，因此對(duì)于捜索結(jié)果的側(cè)重點(diǎn)也不盡相同。比如，一個(gè)藝人既是音樂人又是作 家，用戶想要側(cè)重捜索運(yùn)個(gè)藝人作為音樂人身份的相關(guān)信息，但傳統(tǒng)捜索引擎的捜索結(jié)果 W廣度捜索為主，呈現(xiàn)出的結(jié)果既有該藝人作為音樂人身份的信息，又有作為作家身份的 信息，運(yùn)就導(dǎo)致捜索結(jié)果部分無法滿足用戶深度垂直捜索的需求。 陽0化](3)由于各國的語言差異，分詞也成為了一個(gè)重要的障礙。例如，中文句子是由多 個(gè)單字組成，單字之間沒有英文中的空格標(biāo)識(shí)，并且中文用戶在輸入捜索關(guān)鍵詞時(shí)，也很少 有輸入空格將關(guān)鍵詞進(jìn)行劃分的習(xí)慣。因此，中文分詞及語義識(shí)別成為中文捜索引擎開發(fā) 改進(jìn)的重要課題，運(yùn)不僅關(guān)系到關(guān)鍵詞的提取，還會(huì)影響整個(gè)捜索結(jié)果的查準(zhǔn)率。
[0006] (4)在信息源與目標(biāo)頁面特性方面，互聯(lián)網(wǎng)上目前存在大量的僵尸網(wǎng)絡(luò)、重復(fù)信 息、廣告信息，隨著自助建站成本的降低，有不少網(wǎng)站往往采用采集別人站點(diǎn)的內(nèi)容加上廣 告，直接投入到了互聯(lián)網(wǎng)使用的情況，運(yùn)些網(wǎng)頁中充斥著大量冗余信息干擾著捜索引擎的 工作，例如網(wǎng)頁的U化超鏈接、編輯人員的注釋、版權(quán)聲明、廣告信息等。同時(shí)，運(yùn)些冗余信 息也會(huì)影響捜索結(jié)果內(nèi)容的呈現(xiàn)，譬如用戶目標(biāo)捜索某一關(guān)鍵字，在關(guān)鍵字出現(xiàn)的地方周 圍可能存在冗余信息，運(yùn)就會(huì)導(dǎo)致冗余信息和關(guān)鍵字一并呈現(xiàn)給用戶，致使捜索結(jié)果的查 準(zhǔn)率大幅降低。
[0007] (5)傳統(tǒng)的捜索引擎由于信息量過大，對(duì)于關(guān)鍵詞設(shè)及的各個(gè)領(lǐng)域的側(cè)重點(diǎn)無法 有效權(quán)衡，比如一個(gè)關(guān)鍵詞可能設(shè)及音樂、政治、經(jīng)濟(jì)等領(lǐng)域，相對(duì)于音樂捜索類用戶，排在 最前面的不一定是音樂領(lǐng)域的結(jié)果，運(yùn)就導(dǎo)致了捜索結(jié)果無法滿足特定用戶的排序需要； 此外，有些商業(yè)捜索引擎可能出于利益需要，將自己本網(wǎng)站的結(jié)果強(qiáng)制至于靠前位置或采 取競(jìng)價(jià)排序等方式，運(yùn)些排序方式都極大地降低了用戶捜索的查準(zhǔn)率和公平性。
[0008] (6)由于某些網(wǎng)站存在動(dòng)態(tài)的U化，傳統(tǒng)的捜索引擎中在捜索時(shí)可能誤W為不同 的U化隸屬于不同的網(wǎng)頁，因而導(dǎo)致捜索的結(jié)果中出現(xiàn)雷同重復(fù)的網(wǎng)頁，內(nèi)容大致相同， u化不同，運(yùn)也會(huì)降低捜索引擎查準(zhǔn)率，使得捜索引擎性能降低。

【發(fā)明內(nèi)容】

[0009] 本發(fā)明的目的在于提供一種專業(yè)性強(qiáng)、查準(zhǔn)率高的音樂資源聚合捜索的方法，W 解決上述【背景技術(shù)】中提出的問題。
[0010] 為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：
[0011] 一種音樂資源聚合捜索的方法，具體步驟如下：
[0012] (1)將互聯(lián)網(wǎng)中的音樂信息進(jìn)行爬取；
[0013] (2)在爬取過程中進(jìn)行U化過濾、中文分詞處理，并分別對(duì)互聯(lián)網(wǎng)中的音樂信息及 本地庫的音樂資源建立全文索引；
[0014] 做在檢索時(shí)W改進(jìn)后BM25算法進(jìn)行聚合捜索，將互聯(lián)網(wǎng)中的音樂資源與本地庫 中的音樂資源聚合后呈現(xiàn)給用戶。
[0015] 作為本發(fā)明進(jìn)一步的方案：所述互聯(lián)網(wǎng)中的音樂資源來自于互聯(lián)網(wǎng)音樂信息模 塊，所述本地庫中的音樂資源來自于本地庫音樂資源模塊，所述互聯(lián)網(wǎng)音樂信息模塊和本 地庫音樂資源模塊均包括聚合捜索模塊，所述互聯(lián)網(wǎng)音樂信息模塊還包括互聯(lián)網(wǎng)信息爬取 模塊、中文分詞模塊、網(wǎng)頁U化過濾模塊、網(wǎng)頁去重模塊和改進(jìn)的BM25捜索結(jié)果排序算法模 塊，所述本地庫音樂資源模塊還包括全文索引模塊。
[0016] 作為本發(fā)明進(jìn)一步的方案：所述步驟（1)中進(jìn)行音樂信息爬取的具體步驟如下：
[0017] 1)首先注入初始的U化地址并建立爬取信息列表，讓網(wǎng)頁爬取模塊有根地址做起 占.
[0018] 2)W初始的U化為依據(jù)，對(duì)每個(gè)網(wǎng)頁的外連接進(jìn)行篩選，選取鏈入數(shù)高的網(wǎng)頁作 為有限爬取對(duì)象進(jìn)行爬取；
[0019] 3)在爬取時(shí)對(duì)U化進(jìn)行解析，并進(jìn)行U化過濾、中文分詞處理；
[0020] 4)將處理之后的網(wǎng)頁數(shù)據(jù)存入互聯(lián)網(wǎng)音樂信息模塊，并檢查是否為爬取的最后一 層，若不是繼續(xù)執(zhí)行步驟2)，若是則執(zhí)行步驟5);
[0021] 5)對(duì)所有存入互聯(lián)網(wǎng)音樂信息模塊的數(shù)據(jù)統(tǒng)一建立全文倒排索引。
[0022] 作為本發(fā)明再進(jìn)一步的方案：所述改進(jìn)的BM25捜索結(jié)果排序算法模塊的公式模 型如下：
[0023]
[0024] 其中，
[00巧]fieldNo;rm(t，d) =doc.ge1:Boost0 ·lengthNorm·nf.ge1:Boost0 (公式 2)， 陽0%] 其中
（公式3)，
[0027] numTerms表示每個(gè)文檔中詞項(xiàng)的數(shù)量。
[0028] 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：
[0029] 本發(fā)明能夠針對(duì)音樂捜索類的用戶運(yùn)一特定捜索群體，將互聯(lián)網(wǎng)上的音樂方面的 相關(guān)信息W及本地媒體數(shù)據(jù)庫的資源進(jìn)行聚合，并且對(duì)捜索結(jié)果進(jìn)行捜索結(jié)果排序優(yōu)化、 捜索結(jié)果冗余信息過濾和對(duì)關(guān)鍵字進(jìn)行中文分詞等處理，W-種更加專業(yè)、更加全面、更加 清晰、更加優(yōu)化的捜索結(jié)果呈獻(xiàn)給用戶，能夠極大地提高音樂捜索類運(yùn)一特定類型用戶捜 索結(jié)果的專業(yè)性、查準(zhǔn)率W及滿意度。
【附圖說明】
[0030] 圖1為本發(fā)明的模塊示意圖。
[0031] 圖2為本發(fā)明進(jìn)行音樂信息爬取的流程示意圖。
[0032] 圖3為本發(fā)明中i壯改進(jìn)前后的實(shí)驗(yàn)對(duì)比圖。
[0033] 圖4為本發(fā)明中tf改進(jìn)前后的實(shí)驗(yàn)對(duì)比圖。
[0034] 圖5為本發(fā)明中l(wèi)engthNorm改進(jìn)前后的實(shí)驗(yàn)對(duì)比圖。
【具體實(shí)施方式】
[0035] 下面結(jié)合【具體實(shí)施方式】對(duì)本專利的技術(shù)方案作進(jìn)一步詳細(xì)地說明。
[0036] 請(qǐng)參閱圖1-5,一種音樂資源聚合捜索的方法，具體步驟如下：
[0037] (1)將互聯(lián)網(wǎng)中的音樂信息進(jìn)行爬?。?br>[00測(cè) 似在爬取過程中進(jìn)行U化過濾、中文分詞處理，并分別對(duì)互聯(lián)網(wǎng)中的音樂信息及 本地庫的音樂資源建立全文索引；
[0039] (3)在檢索時(shí)W改進(jìn)后BM25算法進(jìn)行聚合捜索，將互聯(lián)網(wǎng)中的音樂資源與本地庫 中的音樂資源聚合后呈現(xiàn)給用戶。
[0040] 所述互聯(lián)網(wǎng)中的音樂資源來自于互聯(lián)網(wǎng)音樂信息模塊，所述本地庫中的音樂資源 來自于本地庫音樂資源模塊，所述互聯(lián)網(wǎng)音樂信息模塊和本地庫音樂資源模塊均包括聚合 捜索模塊，所述互聯(lián)網(wǎng)音樂信息模塊還包括互聯(lián)網(wǎng)信息爬取模塊、中文分詞模塊、網(wǎng)頁U化 過濾模塊、網(wǎng)頁去重模塊和改進(jìn)的BM25捜索結(jié)果排序算法模塊，所述本地庫音樂資源模塊 還包括全文索引模塊。
[0041] 所述步驟（1)中進(jìn)行音樂信息爬取的具體步驟如下：
[0042] 1)首先注