[發(fā)明專利]一種基于查詢結(jié)果的語義相關(guān)度計(jì)算方法

無效

• 申請(qǐng)?zhí)枺?/td>: 201110123276.5
• 申請(qǐng)日: 2011-05-12
• 公開（公告）號(hào): CN102184233A
• 公開（公告）日: 2011-09-14
• 發(fā)明（設(shè)計(jì)）人: 方俊;郭雷;常威威
• 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: 王鮮凱

1.一種基于查詢結(jié)果的語義相關(guān)度計(jì)算方法，其特征在于步驟如下：

步驟一：利用檢索系統(tǒng)獲取兩個(gè)詞t₁和t₂的統(tǒng)計(jì)信息和內(nèi)容信息，所述的統(tǒng)計(jì)信息就是采用檢索系統(tǒng)的編程接口分別檢索詞t₁、t₂和t₁?AND?t₂，返回的對(duì)應(yīng)的網(wǎng)頁(yè)數(shù)目Hits1、Hits2和Hits12；所述的內(nèi)容信息就是采用檢索系統(tǒng)的編程接口分別檢索詞t₁、t₂，返回的對(duì)應(yīng)的前n個(gè)網(wǎng)頁(yè)的集合Content1和Content2，所述的AND表示邏輯與，所述的n的取值范圍為5～10；

步驟二：利用步驟一得到的統(tǒng)計(jì)信息和內(nèi)容信息分別計(jì)算詞t₁和t₂的統(tǒng)計(jì)相關(guān)度和內(nèi)容相關(guān)度；

所述的統(tǒng)計(jì)相關(guān)度的計(jì)算公式為：其中，rel_s表示統(tǒng)計(jì)相關(guān)度，min{Hits1，Hits2}表示取Hits1、Hits2兩者中的最小值；所述的內(nèi)容相關(guān)度的具體計(jì)算過程為：

步驟a：分別構(gòu)建詞t₁和t₂的上下文向量，對(duì)于詞t₁：首先，去除網(wǎng)頁(yè)集合Content1中所有網(wǎng)頁(yè)中的除名詞、動(dòng)詞、形容詞和副詞以外的所有詞，得到詞t₁的詞序列集合w1；然后，統(tǒng)計(jì)詞序列集合w1中每一個(gè)詞在網(wǎng)頁(yè)集合Content1所包含的所有網(wǎng)頁(yè)中出現(xiàn)的次數(shù)總和，得到詞序列集合w1對(duì)應(yīng)的頻率值集合p1；最后，以詞序列集合w1中的詞為不同的維度、以頻率值集合p1中對(duì)應(yīng)的頻率值為相應(yīng)維度上的值構(gòu)造得到詞t₁的上下文向量

對(duì)于詞t₂：首先，去除網(wǎng)頁(yè)集合Content2中所有網(wǎng)頁(yè)中的除名詞、動(dòng)詞、形容詞和副詞以外的所有詞，得到詞t₂的詞序列集合w2；然后，統(tǒng)計(jì)詞序列集合w2中每一個(gè)詞在網(wǎng)頁(yè)集合Content2所包含的所有網(wǎng)頁(yè)中出現(xiàn)的次數(shù)總和，得到詞序列集合w2對(duì)應(yīng)的頻率值集合p2；最后，以詞序列集合w2中的詞為不同的維度、以頻率值集合p2中對(duì)應(yīng)的頻率值為相應(yīng)維度上的值構(gòu)造得到詞t₂的上下文向量

所述的詞序列集合僅由名詞、動(dòng)詞、形容詞和副詞構(gòu)成；所述的頻率值集合中的頻率值即為詞序列集合中每個(gè)詞出現(xiàn)的次數(shù)總和，與詞序列集合中的詞相對(duì)應(yīng)；所述的上下文向量的維數(shù)等于詞序列集合中詞的個(gè)數(shù)；

步驟b：對(duì)齊詞t₁和t₂的上下文向量具體為：首先，合并上下文向量的所有維度，得到新的維度序列；然后，對(duì)照新的維度序列分別重新排列上下文向量中的值，對(duì)于新的維度序列中存在而上下文向量中不存在的維度，令上下文向量中對(duì)應(yīng)該維度的值為零，得到對(duì)齊后的詞t₁和t₂的上下文向量

步驟c：利用夾角余弦公式計(jì)算得到t₁和t₂的內(nèi)容相關(guān)度；其中，rel_c表示內(nèi)容相關(guān)度；

步驟三：按rel＝α×rel_s+(1-α)×rel_c計(jì)算得到詞t₁和t₂的最終的語義相關(guān)度；所述的α的取值范圍為0.3～0.7。