[發(fā)明專利]檢索裝置和檢索方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410197261.7
• 申請(qǐng)日: 2014-05-12
• 公開（公告）號(hào): CN105095270B
• 公開（公告）日: 2019-02-26
• 發(fā)明（設(shè)計(jì)）人: 強(qiáng)閏偉;費(fèi)躍;楊建武
• 申請(qǐng)（專利權(quán)）人: 北京大學(xué);北大方正集團(tuán)有限公司;北京北大方正電子有限公司
• 主分類號(hào): G06F16/9536
• 分類號(hào): G06F16/9536
• 代理公司: 北京友聯(lián)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11343
• 代理人: 尚志峰;汪海屏

1.一種檢索裝置，其特征在于，包括：

建模單元，用于在接收到查詢語(yǔ)句和微博文檔時(shí)，對(duì)所述查詢語(yǔ)句和所述微博文檔進(jìn)行預(yù)處理，并根據(jù)預(yù)處理后的查詢語(yǔ)句和微博文檔創(chuàng)建原始查詢模型和原始文檔模型；

確定單元，連接至所述建模單元，用于從外部知識(shí)數(shù)據(jù)庫(kù)中獲取與所述原始查詢模型相關(guān)聯(lián)的知識(shí)條目，并根據(jù)所述原始查詢模型和所述知識(shí)條目確定知識(shí)查詢語(yǔ)句；

查詢擴(kuò)展單元，連接至所述確定單元，用于根據(jù)所述知識(shí)查詢語(yǔ)句創(chuàng)建知識(shí)查詢模型，并根據(jù)所述知識(shí)查詢模型和所述原始查詢模型確定擴(kuò)展查詢模型；

查找單元，連接至所述查詢擴(kuò)展單元，用于在所述微博文檔中包含社交標(biāo)簽時(shí)，根據(jù)所述社交標(biāo)簽從語(yǔ)料集中查找出所述微博文檔對(duì)應(yīng)的社交鄰居文檔，并創(chuàng)建社交鄰居文檔模型；

文檔擴(kuò)展單元，連接至所述查找單元，用于根據(jù)所述社交鄰居文檔模型、所述原始文檔模型和所述語(yǔ)料集得到擴(kuò)展文檔模型，并根據(jù)所述擴(kuò)展文檔模型確定目標(biāo)檢索結(jié)果；

其中，所述社交鄰居文檔為關(guān)聯(lián)文檔。

2.根據(jù)權(quán)利要求1所述的檢索裝置，其特征在于，還包括：

結(jié)果確定單元，用于計(jì)算所述擴(kuò)展查詢模型和所述擴(kuò)展文檔模型之間的相似度，并根據(jù)所述相似度排行重新確定目標(biāo)檢索結(jié)果。

3.根據(jù)權(quán)利要求1所述的檢索裝置，其特征在于，所述確定單元還包括：

計(jì)算單元，計(jì)算所述原始查詢模型和所述原始文檔模型之間的相似度，并根據(jù)所述相似度確定所述查詢語(yǔ)句對(duì)應(yīng)的偽相關(guān)文檔；

打分單元，所述打分單元連接至所述計(jì)算單元，用于根據(jù)所述偽相關(guān)文檔中每個(gè)文檔的查詢時(shí)間、發(fā)布時(shí)間和/或刻畫時(shí)間先驗(yàn)重要性為所述知識(shí)條目中的候選擴(kuò)展詞打分，并根據(jù)打分結(jié)果確定所述知識(shí)查詢語(yǔ)句。

4.根據(jù)權(quán)利要求3所述的檢索裝置，其特征在于，所述打分單元依據(jù)下列公式為所述知識(shí)條目中的所述候選擴(kuò)展詞打分：

其中，Score(w)為所述候選擴(kuò)展詞得分，P(D)為文檔的先驗(yàn)概率，PRD為所述偽相關(guān)文檔，P(w|D)為任一候選擴(kuò)展詞w在文檔D中出現(xiàn)的概率，P(q_i|D)為查詢語(yǔ)句q_i在文檔D中出現(xiàn)的概率。

5.根據(jù)權(quán)利要求1所述的檢索裝置，其特征在于，所述查詢擴(kuò)展單元依據(jù)下列公式計(jì)算得到所述擴(kuò)展查詢模型：

其中，為所述擴(kuò)展查詢模型，為所述原始查詢模型，為所述知識(shí)查詢模型，α為權(quán)重值。

6.根據(jù)權(quán)利要求1至5中任一項(xiàng)所述的檢索裝置，其特征在于，所述文檔擴(kuò)展單元依據(jù)下列公式計(jì)算得到所述擴(kuò)展文檔模型：

其中，為所述擴(kuò)展查詢模型，為所述語(yǔ)料集對(duì)應(yīng)的背景語(yǔ)料模型，為所述社交鄰居文檔模型，為所述原始文檔模型，η和r為平滑參數(shù)。

7.一種檢索方法，其特征在于，包括：

在接收到查詢語(yǔ)句和微博文檔時(shí)，對(duì)所述查詢語(yǔ)句和所述微博文檔進(jìn)行預(yù)處理，并根據(jù)預(yù)處理后的查詢語(yǔ)句和微博文檔創(chuàng)建原始查詢模型和原始文檔模型；

從外部知識(shí)數(shù)據(jù)庫(kù)中獲取與所述原始查詢模型相關(guān)聯(lián)的知識(shí)條目，并根據(jù)所述原始查詢模型和所述知識(shí)條目確定知識(shí)查詢語(yǔ)句；

根據(jù)所述知識(shí)查詢語(yǔ)句創(chuàng)建知識(shí)查詢模型，并根據(jù)所述知識(shí)查詢模型和所述原始查詢模型確定擴(kuò)展查詢模型；

在所述微博文檔中包含社交標(biāo)簽時(shí)，根據(jù)所述社交標(biāo)簽從語(yǔ)料集中查找出所述微博文檔對(duì)應(yīng)的社交鄰居文檔，并創(chuàng)建社交鄰居文檔模型；

根據(jù)所述社交鄰居文檔模型、所述原始文檔模型和所述語(yǔ)料集得到擴(kuò)展文檔模型，并根據(jù)所述擴(kuò)展文檔模型確定目標(biāo)檢索結(jié)果；

其中，所述社交鄰居文檔為關(guān)聯(lián)文檔。

8.根據(jù)權(quán)利要求7所述的檢索方法，其特征在于，還包括：

計(jì)算所述擴(kuò)展查詢模型和所述擴(kuò)展文檔模型之間的相似度，并根據(jù)所述相似度排行重新確定目標(biāo)檢索結(jié)果。