[發明專利]基于多源異構數據集的數據查詢方法及裝置

在審

• 申請號: 201611235535.2
• 申請日: 2016-12-28
• 公開（公告）號: CN106777261A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 張軍;賈西貝
• 申請（專利權）人: 深圳市華傲數據技術有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京酷愛智慧知識產權代理有限公司11514
• 代理人: 任媛

1.一種基于多源異構數據集的數據查詢方法，其特征在于，包括：

關鍵詞獲取步驟：獲取指定的關鍵詞；

關鍵詞翻譯步驟：根據所述關鍵詞和預獲取語料庫的語種間關聯關系，獲取所述關鍵詞翻譯為不同語種時的名詞；

關聯詞匯獲取步驟：根據每個名詞和該名詞在所述語料庫中所屬語種的語種內關聯關系，獲取該名詞的同義詞、近義詞、音似詞和形似詞四種關聯詞匯中的至少一種；

數據集名稱匹配步驟：將每個數據集名稱分別與所述關鍵詞和所述關聯詞匯進行比較，獲取與所述關鍵詞或所述關聯詞匯匹配的目標數據集，形成目標數據集數組，所述數據集名稱為預獲取數據集的名稱；

查詢結果形成步驟：對所述目標數據集數組進行去重處理和排序，形成所述關鍵詞的查詢結果。

2.根據權利要求1所述基于多源異構數據集的數據查詢方法，其特征在于，根據每個名詞和該名詞在所述語料庫中所屬語種的語種內關聯關系，獲取該名詞的同義詞、近義詞、音似詞和形似詞四種關聯詞匯中的至少一種，具體包括：

根據每個名詞和該名詞在所述語料庫中所屬語種的同義關聯關系，獲取該名詞的同義詞；

根據每個名詞和該名詞在所述語料庫中所屬語種的近義關聯關系，獲取該名詞的近義詞；

根據每個名詞和該名詞在所述語料庫中所屬語種的發音相似度閾值，獲取該名詞的音似詞；

根據每個名詞和該名詞在所述語料庫中所屬語種的結構相似度閾值，獲取該名詞的形似詞，所述語種內關聯關系包括所述同義關聯關系、所述近義關聯關系、所述發音相似度閾值和所述結構相似度閾值。

3.根據權利要求1所述基于多源異構數據集的數據查詢方法，其特征在于，在查詢結果形成步驟之后，該方法還包括查詢結果再處理步驟：

獲取第一查詢結果和第二查詢結果，所述第一查詢結果為第一關鍵詞的查詢結果，所述第二查詢結果為第二關鍵詞的查詢結果；

根據指定的運算關系，對所述第一查詢結果和所述第二查詢結果進行運算處理，形成再處理查詢結果。

4.根據權利要求3所述基于多源異構數據集的數據查詢方法，其特征在于，根據指定的運算關系，對所述第一查詢結果和所述第二查詢結果進行運算處理，形成再處理查詢結果，具體包括：

根據指定的交集運算關系，遍歷所述第一查詢結果和所述第二查詢結果中的每項目標數據集，篩選出同時存在于所述第一查詢結果和所述第二查詢結果中的目標數據集，并將篩選出的目標數據集更新至交集查詢結果；

根據指定的并集運算關系，將所述第一查詢結果與所述第二查詢結果合并，并進行去重處理和排序，形成并集查詢結果；

根據指定的差集運算關系，遍歷所述第一查詢結果和所述第二查詢結果中的每項目標數據集，篩選出存在于所述第一查詢結果且不存在所述第二查詢結果中的目標數據集，并將篩選出的目標數據集更新至差集查詢結果；所述運算關系包括所述交集運算關系、所述并集運算關系和所述差集運算關系，所述再處理查詢結果包括所述交集查詢結果、所述并集查詢結果和所述差集查詢結果。

5.根據權利要求1所述基于多源異構數據集的數據查詢方法，其特征在于，在所述關聯詞匯獲取步驟之后，數據集名稱匹配步驟之前，該方法還包括關聯詞匯篩選步驟：

根據預設置的關聯詞匯篩選原則，檢驗所述關聯詞匯，獲取符合所述關聯詞匯篩選原則的目標關聯詞匯；

將每個數據集名稱分別與所述關鍵詞和所述關聯詞匯進行比較，獲取與所述關鍵詞或所述關聯詞匯匹配的目標數據集，具體包括：

將每個數據集名稱分別與所述關鍵詞和所述目標關聯詞匯進行比較，獲取與所述關鍵詞或所述目標關聯詞匯匹配的目標數據集。

6.根據權利要求5所述基于多源異構數據集的數據查詢方法，其特征在于，根據預設置的關聯詞匯篩選原則，檢驗所述關聯詞匯，獲取符合所述關聯詞匯篩選原則的目標關聯詞匯，具體包括：

根據預設置的語種篩選原則，檢驗所述關聯詞匯，保留所述關鍵詞在目標語種中的目標關聯詞匯；

根據預設置的關聯詞匯種類篩選原則，檢驗所述關聯詞匯，保留該關鍵詞指定種類的目標關聯詞匯。