[發明專利]文件檢索方法及其系統

無效

• 申請號: 200910007312.4
• 申請日: 2009-02-11
• 公開（公告）號: CN101799805A
• 公開（公告）日: 2010-08-11
• 發明（設計）人: 鄧菁;張華;朱璇;史媛媛
• 申請（專利權）人: 三星電子株式會社;北京三星通信技術研究有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京銘碩知識產權代理有限公司 11286
• 代理人: 郭鴻禧;楊靜

1.一種文件檢索方法，所述方法包括步驟：

輸入至少一個用戶查詢；

檢索與所述用戶查詢匹配的文件；

選擇所述匹配的文件，根據所選擇的文件調用預先訓練的多個語言模型；

計算所選擇的文件相對于每個語言模型的復雜度分數，并將所述復雜度分數表示為文件的復雜度向量，用以對文件進行分類；

輸出經過分類的文件。

2.如權利要求1所述的方法，其特征在于所述檢索步驟為：

調用網頁爬蟲程序來讀取相關網頁，用以檢索與所述用戶查詢匹配的文件。

3.如權利要求1所述的方法，其特征在于所述分類步驟為：

將文件的復雜度向量輸入到支持向量機SVM分類器以對文件進行分類。

4.如權利要求1所述的方法，其特征在于進一步包括步驟：

基于分類的文件的相似度和所述分類的文件所屬網站的重要度對所述分類的文件進行排列。

5.如權利要求1所述的方法，其特征在于進一步包括步驟：

選擇所述分類的文件之一和相應語言模型之一來計算復雜度分數，并將所述復雜度分數與預定閥值進行比較；

當所述復雜度分數大于預定閥值時，訓練新的語言模型，并且當所述復雜度分數小于或等于預定閥值時，對所述相關語言模型進行再訓練。

6.一種網絡信息檢索系統，包括：

輸入模塊，用以輸入至少一個用戶查詢；

檢索模塊，用以檢索與所述用戶查詢匹配的文件；

文件分類模塊，用以選擇所述匹配的文件，根據選擇的文件調用預先訓練的多個語言模型，計算所述選擇的文件相對于每個語言模型的復雜度分數，并將所述復雜度分數表示為文件的復雜度向量，以對文件進行分類；

輸出模塊，用以輸出檢索和分類的文件。

7.如權利要求6所述的系統，其特征在于檢索模塊調用網頁爬蟲程序來讀取相關網頁，用以檢索與所述用戶查詢匹配的文件。

8.如權利要求6所述的系統，其特征在于文件分類模塊將文件的復雜度向量輸入到支持向量機SVM分類器以對文件進行分類。

9.如權利要求6所述的系統，其特征在于進一步包括：

排列模塊，用以基于分類的文件的相似度和所述分類的文件所屬網站的重要度對所述分類的文件進行排列。

10.如權利要求6所述的系統，其中，還包括：

語言模型更新模塊，用以選擇所述分類的文件之一和相應語言模型之一來計算復雜度分數，并將所述復雜度分數與預定閥值進行比較，當所述復雜度分數大于預定閥值時，訓練新的語言模型，并且當所述復雜度分數小于或等于預定閥值時，對所述相關語言模型進行再訓練。