[發明專利]同義短語的挖掘方法和裝置及搜索相關內容的方法和裝置

在審

• 申請號: 201310253731.2
• 申請日: 2013-06-24
• 公開（公告）號: CN104239286A
• 公開（公告）日: 2014-12-24
• 發明（設計）人: 董興華;吳克文;黃鵬;林鋒
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06F17/30
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 許志勇

1.一種計算機執行的同義短語的挖掘方法，其特征在于，包括：

（a）依據平行語料庫獲得當前語言的短語至中間語言的短語的第一短語對齊關系以及中間語言的短語至當前語言的短語的第二短語對齊關系；

（b）針對當前語言的目標短語，依據第一短語對齊關系，獲得與目標短語對齊的中間語言的第一對齊短語集合；

（c）依據第二短語對齊關系，獲得與第一對齊短語集合中的選定短語對齊的當前語言的第二對齊短語集合；以及

（d）從第二對齊短語集合中獲得所述目標短語的同義短語。

2.如權利要求1所述的方法，其特征在于，步驟（a）進一步包括：

獲得平行語料庫的各平行句對中當前語言的詞與中間語言的詞的詞對齊關系；

依據所述詞對齊關系，抽取出對齊的短語對；

依據所述抽取出的短語對，針對每個短語對中的當前語言的短語，獲得與該當前語言的短語對齊的所有中間語言的短語，從而獲得當前語言的短語至中間語言的短語的第一短語對齊關系；以及

依據所述抽取出的短語對，針對每個短語對中的中間語言的短語，獲得與該中間語言的短語對齊的所有當前語言的短語，從而獲得中間語言的短語至當前語言的短語的第二短語對齊關系。

3.如權利要求1所述的方法，其特征在于，步驟（b）進一步包括：

依據第一短語對齊關系中中間語言的各短語與當前語言的目標短語的語義近似度，選取與目標短語對齊的中間語言的短語以形成第一對齊短語集合。

4.如權利要求1所述的方法，其特征在于，步驟（c）進一步包括：

依據第二短語對齊關系中當前語言的各短語與所述第一對齊短語集合中的選定短語的語義近似度，選取與第一對齊短語集合中的選定短語對齊的當前語言的短語以形成第二對齊短語集合。

5.如權利要求1所述的方法，其特征在于，步驟（d）進一步包括：

根據第二對齊短語集合中每個短語與目標短語的語義近似度，選取目標短語的同義短語。

6.如權利要求1所述的方法，其特征在于，還包括：

（e）以所述選取的同義短語中的一個或多個短語分別作為當前語言的目標短語，重復步驟（b）-（d），從而獲取所述選取的同義短語中一個或多個短語的同義短語；

將所述選取的同義短語和所述選取的同義短語中一個或多個短語的同義短語一起作為目標短語的同義短語。

7.如權利要求1-6中任一項所述的方法，其特征在于，還包括：

（f）根據預定規則對目標短語的同義短語進行過濾處理。

8.如權利要求7所述的方法，其特征在于，所述預定規則包括以下中的至少一種：

判斷同義短語是否包含停用詞表中的詞；

判斷同義短語是否包含禁用詞表中的詞；

判斷同義短語中是否包括標點符號；

判斷同義短語與目標短語之間是否存在包含關系；

判斷同義短語中的任意兩個短語取詞根后是否相同。

9.一種用于根據查詢請求搜索相關內容的方法，其特征在于，包括：

根據接收到的查詢請求確定搜索關鍵字；

基于權利要求1-8所述的方法獲得搜索關鍵字的同義短語；以及

根據所述搜索關鍵字和所述搜索關鍵字的同義短語來搜索并顯示相關內容。

10.一種計算機執行的同義短語的挖掘裝置，其特征在于，包括：

對齊關系獲得模塊，用于依據平行語料庫獲得當前語言的短語至中間語言的短語的第一短語對齊關系以及中間語言的短語至當前語言的短語的第二短語對齊關系；

第一集合獲得模塊，用于針對當前語言的目標短語，依據第一短語對齊關系，獲得與目標短語對齊的中間語言的第一對齊短語集合；

第二集合獲得模塊，用于依據第二短語對齊關系，獲得與第一對齊短語集合中的選定短語對齊的當前語言的第二對齊短語集合；以及

同義短語獲得模塊，用于從第二對齊短語集合中獲得所述目標短語的同義短語。