[發明專利]一種利用語義分析的垂直搜索引擎系統與方法

有效

• 申請號: 201010132348.8
• 申請日: 2010-03-25
• 公開（公告）號: CN102200975A
• 公開（公告）日: 2011-09-28
• 發明（設計）人: 晉耀紅
• 申請（專利權）人: 北京師范大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京萬科園知識產權代理有限責任公司 11230
• 代理人: 杜澄心;張亞軍

1.一種利用語義分析技術實現垂直搜索引擎的方法，其特征在于，采用以句為單位的語義分析技術，提取文本中每個句子所表示的語境屬性，并對語境屬性進行切分標注；在索引時，為每種類型的語境屬性單獨建立索引；在檢索時，可以對不同語境屬性進行獨立檢索，也可以進行組合檢索。

2.一種利用語義分析技術實現垂直搜索引擎的系統，其特征在于它包括：負責對文本進行分析，提取文本中的語境屬性，形成帶語境屬性的標注文本的文本語義分析模塊；負責調用文本語義分析模塊，并根據分析結果，為待索引文本，在索引庫中建立索引的索引系統模塊；負責接收用戶的搜索請求，對請求進行解析，從索引庫中檢索到相應的結果，對結果進行合并和相關度計算，并返回給用戶的檢索系統模塊；文本語義分析模塊包含一個在管理員配置垂直搜索引擎時，根據所屬的行業和領域的特點，所定義的文本語境屬性的分類標準的本體定義模塊、一個根據本體定義模塊，對待索引文檔進行分析，提取文檔中每個句子的語境屬性模塊，并把語境屬性標注到原始文檔中，形成帶語境屬性的標注文本。

3.根據權利要求2所述的一種利用語義分析技術實現垂直搜索引擎的系統，其特征在于，所述的文本語義分析模塊，以句子為單位，對文本中的每個句子進行語境屬性提取；提取的依據是以xml形式表示，定義了本體所屬的領域或行業、描述、定義者和定義時間，同時定義了多組語境屬性SemProp；提取過程中，綜合了三方面的因素：特征詞出現的次數、特征詞的概念屬性(動詞、抽象概念、具體概念)加權，以及特征詞在句子中的語義地位加權；在所述的多組語境屬性SemProp中，每個語境屬性<SemProp>中有<name>表示屬性名稱，<tag>表示標注在文本中的標簽，還有<Character>表示該屬性的特征詞，特征詞可以有多個，之間用逗號隔開。

4.根據權利要求3所述的一種利用語義分析技術實現垂直搜索引擎的系統，其特征在于，所述文本語義分析模塊包括以下步驟：

步驟21中，把文本以句號為單位斷開，對每個句子進行處理；

步驟22中，判斷當前句子是否已經到文本末尾；如果是，則轉步驟29；否則轉步驟23；

步驟23中，調用句子語境屬性提取模塊，提取句子的語境屬性SemPropN；

步驟24中，判斷當前句子提取的屬性SemPropN是否是該文本的第一個屬性；如果是，則轉步驟25；否則轉步驟26；

步驟25中，在文本的起始處設置屬性開始標志<SemPropN>；轉步驟21進行下一句處理；

步驟26中，判斷當前提取的屬性SemPropN和該文本的上一個屬性SemPropN-1是否一樣；如果是，則轉步驟21進行下一句處理；否則轉步驟27；

步驟27中，在當前句子之前，設置上一個屬性的結束標志</SemPropN-1>；

步驟28中，在當前句子之前，設置當前屬性的開始標志<SemPropN>；轉步驟21進行下一句處理；

步驟29中，在文本末尾處設置最后一個屬性的結束標志</SemPropN>；

步驟210中，輸出帶屬性標志的標注文本。