[發明專利]基于敘詞表的信息檢索方法及裝置

有效

• 申請號: 201410080938.9
• 申請日: 2014-03-06
• 公開（公告）號: CN103778262B
• 公開（公告）日: 2017-07-21
• 發明（設計）人: 李冬梅;韓其琛;方博;檀穩;張琪
• 申請（專利權）人: 北京林業大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京成創同維知識產權代理有限公司11449
• 代理人: 蔡純,馮麗欣

1.一種基于敘詞表的信息檢索方法，包括如下步驟：

敘詞規范化步驟：根據敘詞表，對用戶輸入的檢索詞進行規范化，獲得規范化檢索詞K；

網頁抓取步驟：利用通用搜索引擎以規范化檢索詞K為檢索詞進行檢索，對前若干個結果的網址進行分析，提取出網頁中的要素信息，所述要素信息包括網頁中的URL、標題、正文、摘要、關鍵詞；

查詢擴展集合建立步驟：利用相似度計算的方法求出敘詞表中K的相關詞的相似度，將相似度大于所設置的閾值的相關詞加入所述查詢擴展集合N；

加權排序步驟：將與K的相似度作為所述查詢擴展集合N中相關詞的權值，利用所述相關詞對每個網頁中的所述要素信息進行加權求和計算，得到每個網頁的權值，將所述網頁按照所述權值由從大到小排序，并返回給用戶；

其中，所述查詢擴展集合建立步驟包括：

建立初始查詢擴展集合步驟：根據敘詞表對規范化檢索詞K進行擴展，得到關于所述規范化檢索詞K的初始查詢擴展集合U＝{D,F,W,Y}，其中，D表示K的等同詞，F表示K的所有上位/下位詞，即敘詞表概念樹T的所有節點，W表示K的相關詞，Y表示F的等同詞和相關詞；以及

建立敘詞表查詢概念樹步驟：找到所述規范化檢索K的族首詞O，以O為根節點建立敘詞表概念樹T；

概念對組成步驟：從所述初始查詢擴展集合中逐個抽取擴展詞，使得規范化檢索詞K與擴展詞組成概念對；

相似度計算步驟：根據所述概念對中規范化檢索詞K與擴展詞的關系類型，采用不同的公式計算規范化檢索詞K與擴展詞的相似度；

閾值判斷步驟：設置閾值Q，判斷所述初始查詢擴展集合每個詞與 所述規范化檢索詞K的相似度是否大于Q：若大于，則將該詞加入到查詢擴展集合N中；若小于，則跳過，即不加入到查詢擴展集合N中。

2.根據權利要求1所述的基于敘詞表的信息檢索方法，其特征在于：

所述加權排序步驟包括：

頻率計算步驟，計算所述查詢擴展集合中的每一個相關詞在網頁的標題中出現的頻率X以及在網頁正文中出現的頻率P；

權值計算步驟，求和計算每個網頁的權值，其公式為：

其中，TW_n為第n個網頁的總權值，m為所述查詢擴展集合N中相關詞的數目，W_i為N中第i個擴展詞與規范化檢索詞K的相似度，X_i和P_i分別為所述擴展詞在第i個網頁的標題和正文中出現的頻率，ω為標題正文比，用于調節標題對于最終結果的重要性，ω越大，標題對該網頁權值的影響越大；

排序步驟，將所述網頁按照所述權值由從大到小排序，并返回給用戶。

3.根據權利要求2所述的基于敘詞表的信息檢索方法，其特征在于：

通過實驗來選擇合適的閾值Q及加權排序中的標題正文比ω。

4.根據權利要求3所述的基于敘詞表的信息檢索方法，其特征在于：

閾值Q取值為0.2-0.8，標題正文比ω取值為1-6。

5.根據權利要求1所述的基于敘詞表的信息檢索方法，其特征在于：

所述相似度計算步驟包括：

當概念對中擴展詞為K的等同詞D時，所述相似度為等同相似度SimD(K,D)，采用以下公式計算：

SimD(K,D)＝1。