[發明專利]一種基于搜索引擎的概念語義相似度度量方法

在審

• 申請號: 201310713182.2
• 申請日: 2013-12-20
• 公開（公告）號: CN103678642A
• 公開（公告）日: 2014-03-26
• 發明（設計）人: 徐崢;齊力;梅林;胡傳平;支鳳麟;梁辰;駱祥峰;魏曉;張順香
• 申請（專利權）人: 公安部第三研究所
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 上海天翔知識產權代理有限公司 31224
• 代理人: 劉常寶

1.一種基于搜索引擎的概念語義相似度度量方法，其特征在于，所述度量方法包括如下步驟：

（1）網頁計數，由搜索引擎搜索相關概念，并返回相應的網頁數量；

（2）語義片段，通過搜索引擎搜索提供包括所有概念的語義片段，并計算包括所有概念的語義片段占搜索引擎搜索返回的所有語義片段的比例；

（3）已顯示的搜索結果的數量，通過搜索引擎搜索顯示搜索到的結果，并提供已顯示的結果的數量；

（4）根據步驟（1）至（3）提供的結果進行概念語義相似度計算。

2.根據權利要求1所述的一種基于搜索引擎的概念語義相似度度量方法，其特征在于，在步驟（1）中通過搜索引擎搜索待度量相似度的概念p、概念q，同時還搜索表示概念p和概念q共現的概念p∧q。

3.根據權利要求1所述的一種基于搜索引擎的概念語義相似度度量方法，其特征在于，所述步驟（2）中通過搜索引擎搜索概念p∧q，并查詢返回的網頁數，計算其在排名靠前的n個片段中所占的比例，記為SS（p∧q）。

4.根據權利要求1所述的一種基于搜索引擎的概念語義相似度度量方法，其特征在于，所述步驟（3）通過搜索引擎提供的重復搜索接口省略一些與已經顯示的搜索結果相類似的條目。

5.根據權利要求1所述的一種基于搜索引擎的概念語義相似度度量方法，其特征在于，所述步驟（4）中利用步驟（2）和（3）得到的結果對步驟（1）中返回的相應網頁數量進行分別進行消除噪聲和冗余度處理，并對處理得到的結果運用逐點互信息方法進行語義相似度度量。