[發明專利]XML關鍵詞檢索的摘要生成方法

無效

• 申請號: 201010614955.8
• 申請日: 2010-12-30
• 公開（公告）號: CN102004802A
• 公開（公告）日: 2011-04-06
• 發明（設計）人: 鄧志鴻;江家健
• 申請（專利權）人: 北京大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京萬象新悅知識產權代理事務所(普通合伙) 11360
• 代理人: 賈曉玲

1.一種XML關鍵詞檢索的摘要生成方法，包括如下步驟：1)輸入查詢Q；2)找到與Q相關的XML文檔；3)提取文檔中的屬性a；4)計算屬性a的權重；5)選取權重值最大的K個屬性，加入到摘要中；

其特征在于，

所述步驟4)中屬性a的權重W的計算方法如下：

W(e，a)＝(Dist(a)·Expl(a，Q))^Corr(e，a)，

其中，

-Dist(a)用于衡量屬性a的區分性強弱，

Dist(a)＝exp(p_a)·H(a)

H(a)=-Σi=1np(ai)·log[p(ai)],]]>

其中，p_a指屬性a在該類實體中出現的比例，H(a)是屬性a的信息熵；

-Expl(a，Q)用于衡量屬性a對于查詢Q的明確性，

其中，Q＝{q₁，q₂，……q_n}，|q_i|表示關鍵詞q_i的長度，|a|表示屬性a的值節點的長度；

-Corr(e，a)用于衡量屬性a與實體e間的關聯性；

Corr(e,a)=klength(e,a)·Πi=1nNum(ei),]]>

其中，Num(e_i)表示路徑中第i個實體同層的該類實體的個數。

2.如權利要求1所述的摘要生成方法，其特征在于，所述K的取值為5～7。

3.如權利要求1所述的摘要生成方法，其特征在于，在步驟1)之前進一步包括：對XML文檔進行預處理，把XML文檔中的元素歸并為三類：關系、實體和屬性。

4.如權利要求3所述的摘要生成方法，其特征在于，在XML數據集預處理時把下列信息存儲在索引文件中：所有屬性節點的長度，所有屬性強度的區分性強弱，所有實體節點的子節點中同名實體節點的數量。

5.如權利要求4所述的摘要生成方法，其特征在于，所述屬性強度的區分性強弱是通過計算屬性的熵得到的。

6.一種衡量XML關鍵詞檢索的摘要的重要性程度的模型，記作MRepA模型，其特征在于，所述模型包含如下三個評價要素：區分性，明確性，關聯性；該模型衡量XML關鍵詞檢索的摘要的重要性程度的計算公式為W(e，a)＝(Dist(a)·Expl(a，Q))^Corr(e，a)，其中

-Dist(a)用于衡量屬性a的區分性強弱，

Dist(a)＝exp(p_a)·H(a)

H(a)=-Σi=1np(ai)·log[p(ai)],]]>

其中，p_a指屬性a在該類實體中出現的比例，H(a)是屬性a的信息熵；

-Expl(a，Q)用于衡量屬性a對于查詢Q的明確性，

其中，Q＝{q₁，q₂，……q_n}，|q_i|表示關鍵詞q_i的長度，|a|表示屬性a的值節點的長度；

-Corr(e，a)用于衡量屬性a與實體e間的關聯性；

Corr(e,a)=klength(e,a)·Πi=1nNum(ei),]]>

其中，Num(e_i)表示路徑中第i個實體同層的該類實體的個數。