[發(fā)明專利]一種檢索結(jié)果相似條目的合并方法及其系統(tǒng)

無效

• 申請?zhí)枺?/td>: 201210451656.6
• 申請日: 2012-11-12
• 公開（公告）號: CN102930038A
• 公開（公告）日: 2013-02-13
• 發(fā)明（設(shè)計(jì)）人: 李道遠(yuǎn);程鑫;高俊;顧鑫
• 申請（專利權(quán)）人: 江蘇外博資訊有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 上海麥其知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 31257
• 代理人: 董紅曼

技術(shù)領(lǐng)域

本發(fā)明涉及信息搜索技術(shù)，尤其涉及一種檢索結(jié)果相似條目的合并方法及其系統(tǒng)。

背景技術(shù)

隨著計(jì)算機(jī)及信息技術(shù)的快速發(fā)展，由計(jì)算機(jī)自動或輔助用戶生成的信息越來越多，如何在海量信息中檢索特定信息由此變得十分重要。為了解決此類問題，各種計(jì)算機(jī)信息檢索技術(shù)應(yīng)運(yùn)而生，包括計(jì)算機(jī)文件檢索系統(tǒng)、網(wǎng)絡(luò)搜索引擎、在線數(shù)據(jù)庫聯(lián)機(jī)檢索系統(tǒng)等。計(jì)算機(jī)用戶利用這些系統(tǒng)通過鍵入關(guān)鍵詞而查找所需信息，此類系統(tǒng)在很大程度上解決了用戶檢索信息的難題，但是它們還缺乏精確檢索的能力以及良好的用戶體驗(yàn)。例如，用戶在使用大多數(shù)網(wǎng)絡(luò)搜索引擎使用關(guān)鍵詞檢索信息時(shí)，經(jīng)常會得到來自于不同來源的內(nèi)容雷同的條目。當(dāng)此類條目數(shù)量顯著時(shí)，用戶會收到大量重復(fù)信息對其的干擾，不利于用戶迅速準(zhǔn)確的獲取所需信息。

同時(shí)，經(jīng)過多年發(fā)展，計(jì)算機(jī)文件相似度檢測技術(shù)也逐漸成熟。例如，使用散列算法可以檢測文件內(nèi)容是否相同，通過計(jì)算兩個文件的Jaccard指數(shù)或者其它類似的SimHashing算法可得到兩個文件的相似度。此類技術(shù)和技術(shù)已被廣泛的用于檢索文本文件的相似度。

隨著用戶搜索需求的增長，通常單一的搜索引擎難以滿足用戶搜索的需要，因此出現(xiàn)了一種利用多個搜索引擎資源，通過集成檢索結(jié)果為用戶提供最終結(jié)果的元搜索技術(shù)。但由于此類技術(shù)涉及到整合多個搜索服務(wù)提供方資源、不可避免的觸及不同搜索廠商的利益，容易引發(fā)商業(yè)爭斗和政治問題，所以元搜索技術(shù)至今仍術(shù)被廣泛應(yīng)用。

發(fā)明內(nèi)容

本發(fā)明提出了一種檢索結(jié)果相似條目的合并方法，包括如下步驟：

步驟一：獲取包含至少一項(xiàng)條目的檢索結(jié)果；

步驟二：對所述檢索結(jié)果中的條目進(jìn)行相似度對比，獲得所述條目之間的相似度對比值；

步驟三：將所述相似度對比值與所述相似度閾值比較，根據(jù)比較結(jié)果，合并相似條目；

步驟四：顯示相似條目合并后的檢索結(jié)果。

其中，所述步驟一中的檢索結(jié)果的生成步驟包括：

步驟A1：獲取關(guān)鍵詞，對所述關(guān)鍵詞進(jìn)行預(yù)處理；

步驟A2：判斷所述預(yù)處理后的關(guān)鍵詞是否符合要求；若符合要求的，則根據(jù)所述關(guān)鍵詞進(jìn)行檢索生成檢索結(jié)果；若不符合要求的，則重新執(zhí)行所述步驟A1、A2，直至生成檢索結(jié)果。

其中，所述步驟一中進(jìn)一步包括：根據(jù)權(quán)值將所述條目由高到低排序。

其中，進(jìn)一步包括：權(quán)值相同的所述條目根據(jù)所述條目被引用次數(shù)由高到低排序。

其中，所述步驟三中，所述相似度閾值采用默認(rèn)值或用戶設(shè)定值。

其中，所述步驟三中，所述合并相似條目包括：

步驟B1：判斷已處理?xiàng)l目集合是否為空；若所述已處理?xiàng)l目集合為空，則初始化所述已處理?xiàng)l目集合，將所述檢索結(jié)果中的未處理?xiàng)l目集合中的任意一個條目作為起始條目，并將該起始條目存入所述已處理?xiàng)l目集合中，執(zhí)行步驟B2；若所述已處理?xiàng)l目集合不為空，則執(zhí)行步驟B2；

步驟B2：將所述未處理?xiàng)l目集合的一個條目與已處理?xiàng)l目集合中的所有條目依次計(jì)算相似度對比值，并將所述相似度對比值與相似度閾值比較，若大于等于相似度閾值則將該當(dāng)前兩條目進(jìn)行合并生成合并條目，將所述條目以所述合并條目的子條目的方式存入所述已處理?xiàng)l目集合；若小于相似度閾值，則將所述條目以所述已處理?xiàng)l目集合的子集的方式存入所述已處理?xiàng)l目集合；

步驟B3：重復(fù)執(zhí)行所述步驟B2，直至所述術(shù)處理?xiàng)l目集合為空時(shí)為止。

其中，進(jìn)一步包括：當(dāng)重新設(shè)定相似度閾值時(shí)，重新執(zhí)行所述步驟二至步驟四。

其中，在所述步驟B2中，以所述已合并條目中的權(quán)值最高的子條目作為代表項(xiàng)。

本發(fā)明還提出了一種檢索結(jié)果相似條目的合并系統(tǒng)，包括：

條目處理裝置，其處理檢索結(jié)果中的各條目；

相似度對比裝置，其與所述條目處理裝置連接，對所述檢索結(jié)果中的條目進(jìn)行相似度對比，生成所述相似度對比值；

閾值設(shè)定裝置，其與所述條目處理裝置連接，實(shí)現(xiàn)設(shè)定所述相似度閾值；

顯示裝置，其與所述條目處理裝置連接，向用戶顯示所述相似條目合并后的檢索結(jié)果。

其中，進(jìn)一步包括：

數(shù)據(jù)庫，其存儲有海量信息；

檢索裝置，其與所述數(shù)據(jù)庫及所述條目處理裝置連接，用于根據(jù)關(guān)鍵詞檢索所述海量信息生成所述檢索結(jié)果，并生成所述檢索結(jié)果中各條目與所述關(guān)鍵詞的匹配度的權(quán)值。