[發明專利]數據檢索的方法和系統

有效

• 申請號: 200810169830.1
• 申請日: 2008-09-28
• 公開（公告）號: CN101685455A
• 公開（公告）日: 2010-03-31
• 發明（設計）人: 徐惠;高志強;戴昌林;朱望斌;陳世宏
• 申請（專利權）人: 華為技術有限公司;東南大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京中博世達專利商標代理有限公司
• 代理人: 申 健

1.一種數據檢索的方法，其特征在于，包括以下步驟：

通過網絡獲取電子文檔，從所述電子文檔中提取領域術語；

計算提取的領域術語之間的相似度；

將相似的領域術語以限定分支的方式逐層聚類，建立索引列表，所述限定 分支的方式為：預先確定每個節點的子節點數量；

存儲所述索引列表；

信息檢索模塊利用所述索引列表進行信息檢索；

其中，所述從電子文檔中提取領域術語包括：

從電子文檔中提取標題、摘要和關鍵詞；

對所述提取的標題、摘要和關鍵詞進行解析，得到名詞短語；

將所述得到的名詞短語中屬于預定停用詞表中的名詞短語濾除；

將濾除后剩下的名詞短語歸納到已有的領域本體或分類體系之下；

設定詞頻閾值和長度閾值；

如果所述名詞短語與已有的領域本體或分類體系中的術語共現的頻率高于 所述詞頻閾值，將該名詞短語選定為領域術語，加入領域術語集合；

如果所述名詞短語與已有的領域本體或分類體系中的術語共現的頻率不高 于所述詞頻閾值，判斷所述名詞短語的長度是否長于長度閾值，如果所述名詞 短語的長度長于長度閾值，將所述名詞短語拆分，將拆分得到的新名詞短語同 已有的領域本體或分類體系中的術語共現的頻率，與詞頻閾值比較；如果所述 名詞短語的長度等于或短于長度閾值，刪除所述名詞短語。

2.根據權利要求1所述的數據檢索的方法，其特征在于，所述存儲的索引 列表使用本體編輯工具進行編輯。

3.根據權利要求2所述的數據檢索的方法，其特征在于，信息檢索模塊利 用索引列表進行信息檢索的步驟包括：

接收用戶查詢請求；

提取用戶查詢請求的關鍵詞；

擴充關鍵詞列表；

根據關鍵詞對索引列表進行檢索；

對檢索到的文檔進行排序；

向用戶返回檢索結果。

4.根據權利要求3所述的數據檢索的方法，其特征在于，所述計算提取的 領域術語之間的相似度的步驟包括：

計算提取的領域術語之間的關聯關系值；

計算提取的領域術語之間的非分類關系值；

計算提取的領域術語之間的兄弟關系值；

通過關聯關系值、非分類關系值和兄弟關系值，計算提取的領域術語之間 的相似度值。

5.根據權利要求4所述的數據檢索的方法，其特征在于，還包括將意義相 同的領域術語合并，其步驟包括：

以句法模式對提取的領域術語進行合并條件判斷；

設定相似度閾值，對于經句法模式判斷，符合合并條件的領域術語，如果 這些領域術語之間的相似度值高于相似度閾值，用其中一個領域術語代替與其 相似度高于相似度閾值的所有提取的領域術語。