[發明專利]同名人物搜索方法及系統

有效

• 申請號: 201110209561.9
• 申請日: 2011-07-13
• 公開（公告）號: CN102880623A
• 公開（公告）日: 2013-01-16
• 發明（設計）人: 張姝;賈文杰;王新文;夏迎炬;孟遙;于浩
• 申請（專利權）人: 富士通株式會社
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 楊林森;李春暉

技術領域

本發明一般地涉及搜索技術領域，尤其是一種同名人物搜索方法及系統。

背景技術

隨著網絡的發展，網絡上的重名信息越來越多，如何區分這些具有相同人名的人稱為信息搜索過程中需要關注的問題。例如，當用戶在搜索引擎中輸入一個人名時，返回的結果中包含了很多同名的人的信息，需要用戶逐一點擊瀏覽以確定哪些信息才是真正所需要的，這顯然會比較費時費力。當然，用戶還可以通過人工添加查詢詞等方式來縮小搜索范圍。但是，人工添加查詢詞，相當于對查詢結果進行了過濾，也就降低了查詢的覆蓋率。因此，理想的解決方案是將搜索引擎返回的結果進行聚類，期望將同名的不同人物聚在不同的類別中，用戶可以到自己需要的類別中去查找自己搜索結果。這樣，既保證了信息的不丟失，又節約了瀏覽時間。

現有技術中，在對同名人物進行聚類時，大多數的方案都是采用網頁聚類的方法，也即將包含相同人名的相似文檔聚在一起。例如，從包含同名人物的網頁文檔中提取能夠代表網頁內容的關鍵詞，然后通過些關鍵詞的相似性，來進行聚類。

這種網頁聚類的方法對于闡述同一個主題的文檔集合而言，能夠得到很好的結果。也就是說，這種方法的有效性依賴于這樣一個假設的前提：同一個人物涉及到的事件是相同或相似的。但是本發明人在實現本發明的過程中發現，在實際應用中，同一個人可能涉及到不同的事件，當不同的文檔是針對不同的事件對同一個人物進行報道時，文檔在內容上區別是很大的，此時，就難以用網頁主題之間的文檔相似度，將這樣的文檔中的人物聚為一類。

總之，在現有技術中，依賴于文檔主題之間的相似性對包含同名人物的網頁進行聚類時，可能存在聚類不準確的問題，進而在依據聚類結果提供搜索結果時，也會使得搜索結果的質量不高，進而限制了搜索引擎性能的提高。

發明內容

有鑒于此，本發明實施例提供了一種同名人物搜索方法及裝置，能夠提高同名人物聚類的準確度，進而提高搜索結果的質量，提升搜索引擎的性能。

根據本發明實施例的一個方面，提供一種同名人物搜索方法，包括：針對輸入的目標人物名稱，檢索得到包含所述目標人物名稱的相關文檔；分別提取各個相關文檔中的人物關系特征信息，所述人物關系特征信息為在同一相關文檔中所述目標人物名稱與其他人物名稱的共現信息；統計各個相關文檔中的所述人物關系特征信息，建立人物關系圖，并計算所述目標人物名稱與所述人物關系圖中其他人物名稱之間的關系強度；根據各個相關文檔各自包含的人物名稱，以及所述關系強度，為各個相關文檔建立人物關系特征向量；根據所述人物關系特征向量，對各個相關文檔進行聚類，得到人物關系聚類結果，以便至少根據所述人物關系聚類結果給出搜索結果。

根據本發明實施例的另一個方面，提供一種同名人物搜索裝置，包括：檢索單元，配置為針對輸入的目標人物名稱，檢索得到包含所述目標人物名稱的相關文檔；人物關系提取單元，配置為分別提取各個相關文檔中的人物關系特征信息，所述人物關系特征信息為在同一相關文檔中所述目標人物名稱與其他人物名稱的共現信息；統計單元，配置為統計各個相關文檔中的所述人物關系特征信息，建立人物關系圖，并計算所述目標人物名稱與所述人物關系圖中其他人物名稱之間的關系強度；向量建立單元，配置為根據各個相關文檔各自包含的人物名稱，以及所述關系強度，為各個相關文檔建立人物關系特征向量；人物關系聚類單元，配置為根據所述人物關系特征向量，對各個相關文檔進行聚類，得到人物關系聚類結果，以便至少根據所述人物關系聚類結果給出搜索結果。

另外，根據本發明的另一方面，還提供了一種存儲介質。所述存儲介質包括機器可讀的程序代碼，當在信息處理設備上執行所述程序代碼時，所述程序代碼使得所述信息處理設備執行根據本發明的上述同名人物搜索方法。

此外，根據本發明的再一方面，還提供了一種程序產品。所述程序產品包括機器可執行的指令，當在信息處理設備上執行所述指令時，所述指令使得所述信息處理設備執行根據本發明的上述同名人物搜索方法。