[發(fā)明專利]基于語(yǔ)義相關(guān)的XML文檔關(guān)鍵字檢索排序方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201110007177.0
• 申請(qǐng)日: 2011-01-13
• 公開(kāi)（公告）號(hào): CN102081660A
• 公開(kāi)（公告）日: 2011-06-01
• 發(fā)明（設(shè)計(jì)）人: 陳群;王鵬;婁穎;崔海文;李霞;張立軍;李戰(zhàn)懷
• 申請(qǐng)（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 西北工業(yè)大學(xué)專利中心 61204
• 代理人: 顧潮琪

1.一種基于語(yǔ)義相關(guān)的XML文檔關(guān)鍵字檢索排序方法，其特征在于包括下述步驟：

1)采用有序標(biāo)簽樹(shù)模型作為XML文檔模型，采用深度優(yōu)先法遍歷樹(shù)模型，解析XML文檔，采用Porter?Stemming算法對(duì)全部單詞進(jìn)行歸根處理，確定所有主題節(jié)點(diǎn)，使用Dewey編碼的方式對(duì)主題進(jìn)行編碼；所述的主題節(jié)點(diǎn)是以其為根的樹(shù)中包含以另外一個(gè)節(jié)點(diǎn)為根的子樹(shù)的節(jié)點(diǎn)；

2)計(jì)算主題節(jié)點(diǎn)與屬性節(jié)點(diǎn)的語(yǔ)義相關(guān)度、屬性節(jié)點(diǎn)與關(guān)鍵字的語(yǔ)義相關(guān)度，

所述的屬性節(jié)點(diǎn)是以其為根的子樹(shù)只包含文本內(nèi)容的節(jié)點(diǎn)，計(jì)算方法如下：

主題節(jié)點(diǎn)與屬性節(jié)點(diǎn)的語(yǔ)意相關(guān)度用他們之間的距離的倒數(shù)來(lái)表示，屬性節(jié)點(diǎn)與關(guān)鍵字的語(yǔ)義相關(guān)度其中perc(k，e_r)表示在以e_r為根節(jié)點(diǎn)的XML樹(shù)中以L_a為標(biāo)簽的屬性中包含關(guān)鍵字k的比例，freq(L_a)表示以e_r為標(biāo)簽的所有XML子樹(shù)中包含以L_a為標(biāo)簽的屬性的個(gè)數(shù)，freq(k，L_a)表示以e_r為標(biāo)簽的所有XML子樹(shù)中包含以L_a為標(biāo)簽的屬性的個(gè)數(shù)，并且該屬性包含關(guān)鍵字k；

3)將關(guān)鍵字對(duì)應(yīng)的最低主題節(jié)點(diǎn)位置信息和步驟2)所計(jì)算出的主題節(jié)點(diǎn)與屬性節(jié)點(diǎn)以及屬性節(jié)點(diǎn)與關(guān)鍵字的語(yǔ)意相關(guān)度封裝在一起保存在倒排索引中，并對(duì)位置信息中的Dewey碼建立B+樹(shù)索引，通過(guò)該索引結(jié)構(gòu)優(yōu)化檢索時(shí)間；

4)用戶輸入查詢關(guān)鍵字，對(duì)所輸入的查詢關(guān)鍵字采用Porter?Stemming算法進(jìn)行單詞歸根處理；

5)在倒排索引中取出關(guān)鍵字對(duì)應(yīng)的主題節(jié)點(diǎn)信息以及相關(guān)度信息，關(guān)鍵字的倒排索引中保存包含這個(gè)關(guān)鍵字的一系列主題位置，以及關(guān)鍵字與屬性節(jié)點(diǎn)、屬性節(jié)點(diǎn)與主題節(jié)點(diǎn)的語(yǔ)意相關(guān)度，倒排表按照包含這個(gè)節(jié)點(diǎn)的最低主題節(jié)點(diǎn)的Dewey碼LED排序，如果一個(gè)節(jié)點(diǎn)是屬性節(jié)點(diǎn)，那么它的LED為其父節(jié)點(diǎn)的Dewey碼；

6)對(duì)距離關(guān)鍵字最近的主題進(jìn)行檢索，如果一個(gè)LED包含了所有的關(guān)鍵字，那么這個(gè)LED將被作為一個(gè)結(jié)果計(jì)算其相關(guān)度，計(jì)算方法如下：k表示返回屬性關(guān)鍵字，sc(k′，L_a)表示查詢條件，k′表示條件值關(guān)鍵字，L_a表示條件屬性關(guān)鍵字；如果一個(gè)LED沒(méi)有包含所有的關(guān)鍵字，那么將該LED的父節(jié)點(diǎn)加入到查詢隊(duì)列中；

7)對(duì)檢索結(jié)果進(jìn)行相關(guān)度從高到低排序，當(dāng)檢索完所有結(jié)果或者達(dá)到用戶要求的K個(gè)結(jié)果時(shí)算法結(jié)束，并輸出結(jié)果；

8)對(duì)距離關(guān)鍵字次近的主題進(jìn)行檢索，重復(fù)步驟6)和步驟7)；

9)根據(jù)結(jié)果的Dewey碼返回信息片段給用戶。