[發明專利]一種基于扁平化算法的文本搜索方法

有效

• 申請號: 201710219456.0
• 申請日: 2017-04-06
• 公開（公告）號: CN107016092B
• 公開（公告）日: 2019-12-03
• 發明（設計）人: 歐陽建權;周晴宇;鄭浩;劉天明
• 申請（專利權）人: 湘潭大學
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/33
• 代理公司: 11394 北京卓恒知識產權代理事務所(特殊普通合伙)
• 代理人: 徐樓<國際申請>=<國際公布>=<進入國

1.一種基于扁平化算法的文本搜索方法，其特征在于：該方法包括以下步驟：

1)獲取文本摘要，形成文檔集D；

2)對文檔集D中的文檔進行斷句，d_i(d_i∈D)，獲得句子集合

3)對句子集合進行分詞，獲取詞集合

4)計算詞集合中任意兩個詞之間的共現次數f_c；

5)以詞W_k為節點，共現次數f_c為邊，構建無向加權圖；

6)根據用戶提交的關鍵詞集合K＝{k_i|i＝1,2,3...n}，確定任意一組關鍵詞在無向加權圖中的關聯關系；

7)以扁平化算法計算并還原詞與詞之間的路徑，以圖片的形式呈現關聯關系；其中：以扁平化算法計算并還原詞與詞之間的路徑，具體操作為：

701)關鍵詞K_i的第一層還原：l_mix&l_ki,1，得出路徑“M_Ki,1”；

702)關鍵詞K_i的第二層還原：l_mix&l_ki,2，得出路徑“M_Ki,2”；

……

703)關鍵詞K_i的第n層還原：l_mix&l_ki,n，得出路徑“M_Ki,n”；

704)重復步驟1)至3)的方法，還原關鍵詞K_j的路徑：“M_Kj,1”、“M_Kj,2”……“M_Kj,n”；

705)重復步驟1)至3)的方法，還原關鍵詞集合中的所有其它關鍵詞的路徑；

706)得出關鍵詞集合的還原路徑為：“M_Ki,1”+“M_Ki,2”+……+“M_Ki,n”+“M_Kj,₁”+“M_Kj,2”+……+“M_Kj,n”。

2.根據權利要求1所述的方法，其特征在于：步驟2)中所述對文檔集D中的文檔進行斷句的具體操作為：以句號、分號、感嘆號、問號和換行符作為分隔符，將文本分隔成多個子串，即句子。

3.根據權利要求1或2所述的方法，其特征在于：步驟3)中所述分詞的具體規則為：

采用最短路分詞算法，設需要分詞的字符串為a₁，a₂，a₃...，a_s；

1)以字為頂點建立字圖；

2)從字符串中匹配出詞典中存在的詞，在字圖中搭建新的邊；

3)計算首個字符至結尾字符之間的最短路徑，該路徑上的頂點即為分詞的結果。

4.根據權利要求1或2所述的方法，其特征在于：步驟4)中所述計算詞集合中任意兩個詞之間的共現次數具體為：將詞集合中任意兩個詞分組，計算任意一組詞在句子集合中的所有句子中共同出現的次數。

5.根據權利要求1或2中任一項所述的方法，其特征在于：步驟5)中所述構建無向加權圖的具體操作為：

以詞為圖的頂點，若詞w_i和w_j出現同一個句子中則表示詞w_i和詞w_j所對應的頂點之間存在邊，且邊的權值為兩個詞出現在同一句子中的頻率f_ij。

6.根據權利要求1或2所述的方法，其特征在于：步驟6)中所述根據用戶提交的關鍵詞集合，確定任意一組關鍵詞在無向加權圖中的關聯關系具體為：關鍵詞集合即指關鍵詞的個數可以是一個或多個，若關鍵詞為1個，則該關鍵詞所在的鄰接節點即為該關鍵詞在無向加權圖中的關聯關系；若關鍵詞≥2個，則需要從無向加權圖中搜索該關鍵詞集合中任意兩個關鍵詞之間的關聯關系。