專利名稱：基于無(wú)監(jiān)督的實(shí)體關(guān)系抽取的主題元搜索系統(tǒng)及方法
技術(shù)領(lǐng)域：
本發(fā)明關(guān)于一種主題元搜索系統(tǒng)及方法，特別是涉及一種基于無(wú)監(jiān)督的實(shí)體關(guān)系抽取的主題元搜索系統(tǒng)及方法。
背景技術(shù)：
目前的很多搜索服務(wù)中，有一些針對(duì)不同用戶的個(gè)性化的信息搜索服務(wù)，如基于用戶行為分析的個(gè)性化搜索服務(wù)，對(duì)于不同用戶的相同查詢請(qǐng)求返回的查詢結(jié)果也有所不同，即系統(tǒng)能夠在一定程度上識(shí)別不同用戶個(gè)性信息需求上的差別。但是由于對(duì)用戶的查詢主題不能進(jìn)行比較準(zhǔn)確的確定及描述，或者搜索結(jié)果特征向量的提取算法不同，而導(dǎo)致離散的特征向量無(wú)法正確表達(dá)搜索結(jié)果文檔，從而影響了搜索的準(zhǔn)確性。因此如何在搜索的過(guò)程中更精確地表達(dá)主題，以及如何更精確地計(jì)算搜索結(jié)果與主題的相似度，成為了信息檢索領(lǐng)域中許多學(xué)者的研究熱點(diǎn)。實(shí)體關(guān)系抽取是信息抽取的一種方法，而信息抽取與信息檢索是相輔相成的，一方面信息檢索的輸出可以作為信息抽取的輸入，另一方面信息抽取能改善信息檢索的結(jié)果。無(wú)監(jiān)督的實(shí)體關(guān)系抽取作為實(shí)體關(guān)系抽取的一種方法，可以改善主題元搜索的性能，提高搜索的精確度。在很多主題元搜索方法中，對(duì)搜索結(jié)果一般采用提取特征向量的方法，然后采用夾角余弦算法，計(jì)算搜索結(jié)果與主題的相符合程度，但是特征向量是離散的，可能無(wú)法正確表達(dá)搜索結(jié)果文檔，因此以此計(jì)算與主題的相似度就會(huì)不夠準(zhǔn)確，搜索結(jié)果的準(zhǔn)確性就大大受到影響。

發(fā)明內(nèi)容
為克服上述現(xiàn)有技術(shù)的不足，本發(fā)明之目的在于提供一種基于無(wú)監(jiān)督的實(shí)體關(guān)系抽取的主題元搜索系統(tǒng)及方法，在保證查全率的前提下，根據(jù)無(wú)監(jiān)督的關(guān)系抽取的結(jié)果，判斷與主題的相符合程度，從而得到更高的查準(zhǔn)率。為達(dá)上述及其它目的，本發(fā)明提出一種基于無(wú)監(jiān)督的實(shí)體關(guān)系抽取的主題元搜索系統(tǒng)，至少包括主題模型建立模組，用于建立各種主題模型；匹配搜索引擎模組，于用戶選擇了要進(jìn)行搜索的主題時(shí)，根據(jù)不同的主題模型，匹配合適的成員搜索引擎進(jìn)行主題搜索；以及搜索結(jié)果處理模組，對(duì)于各成員搜索引擎返回的搜索結(jié)果，利用無(wú)監(jiān)督的實(shí)體關(guān)系抽取算法，對(duì)搜索結(jié)果的特征詞進(jìn)行實(shí)體關(guān)系抽取，并依據(jù)抽取的關(guān)系對(duì)計(jì)算與主題的相似度，將滿足條件的結(jié)果返回給用戶。進(jìn)一步地，該主題模型采取三元組Topic (C，P，S)來(lái)表示，形成主題樹(shù)結(jié)構(gòu)，其中C表示由主題領(lǐng)域中的名詞概念抽象出來(lái)，具有相同屬性和行為結(jié)構(gòu)的概念類的集合，P描述概念和關(guān)系的屬性，S表示主題類之間的結(jié)構(gòu)關(guān)系。進(jìn)一步地,C采用向量空間模型來(lái)表示,使用二元組Ci (Keyi7Weighti),其中Key#示關(guān)鍵詞，Weighti表示關(guān)鍵詞的權(quán)重。進(jìn)一步地，該匹配搜索引擎模組針對(duì)不同的主題，預(yù)先分配一些推薦的成員搜索引擎，對(duì)用戶進(jìn)行引導(dǎo)。進(jìn)一步地，該搜索結(jié)果處理模組包括預(yù)處理模塊，用于對(duì)各成員搜索引擎的檢索結(jié)果進(jìn)行初步的集成、去重；特征向量抽取模組，用于將搜索結(jié)果進(jìn)行分詞處理，抽取出表達(dá)網(wǎng)頁(yè)內(nèi)容的特征
向量;實(shí)體關(guān)系抽取模組，首先根據(jù)所抽取的頁(yè)面的特征向量，識(shí)別實(shí)體，并基于啟發(fā)式規(guī)則，獲取實(shí)體的上下文特征，然后構(gòu)建上下文特征詞的特征向量，采用應(yīng)用特征頻度函數(shù)對(duì)特征項(xiàng)進(jìn)行數(shù)值化，并采用k-means的聯(lián)合聚類算法，來(lái)實(shí)現(xiàn)實(shí)體對(duì)的聚類，最后對(duì)實(shí)體對(duì)的關(guān)系進(jìn)行標(biāo)注；以及主題匹配模組，用于計(jì)算搜索結(jié)果與主題的相似度，返回滿足相似度要求的搜索結(jié)果。進(jìn)一步地，該主題匹配模組根據(jù)向量空間模型，將兩特征向量夾角的余弦值表示它們的相似度，計(jì)算出網(wǎng)頁(yè)與主題的相似度，根據(jù)設(shè)定的閾值，將相似度最大的或滿足相似度要求的若干個(gè)網(wǎng)頁(yè)按照相似度大小返回給用戶。為達(dá)到上述及其他目的，本發(fā)明還提供一種基于無(wú)監(jiān)督的實(shí)體關(guān)系抽取的主題元搜索方法，包括如下步驟步驟一，建立各種主題模型；步驟二，于用戶選擇了要進(jìn)行搜索的主題時(shí)，根據(jù)不同的主題模型，匹配合適的成員搜索引擎進(jìn)行主題搜索；以及步驟三，對(duì)于各個(gè)成員搜索引擎返回的搜索結(jié)果，利用無(wú)監(jiān)督的實(shí)體關(guān)系抽取算法，對(duì)搜索結(jié)果的特征詞進(jìn)行實(shí)體關(guān)系抽取，并依據(jù)抽取的關(guān)系對(duì)計(jì)算與主題的相似度，將滿足條件的結(jié)果返回給用戶。進(jìn)一步地，步驟三還包括如下步驟將來(lái)自各成員搜索引擎的檢索結(jié)果經(jīng)過(guò)初步的集成、去重；將搜索結(jié)果進(jìn)行分詞處理，抽取出表達(dá)網(wǎng)頁(yè)內(nèi)容的特征向量；進(jìn)行無(wú)監(jiān)督實(shí)體關(guān)系的抽取，將搜索結(jié)果采用標(biāo)注過(guò)關(guān)系的實(shí)體對(duì)及關(guān)系的向量來(lái)表示；以及計(jì)算搜索結(jié)果與主題的相似度，返回滿足相似度要求的搜索結(jié)果。進(jìn)一步地，該無(wú)監(jiān)督實(shí)體關(guān)系的抽取步驟還包括如下步驟首先根據(jù)所抽取的頁(yè)面的特征向量，識(shí)別實(shí)體；基于啟發(fā)式規(guī)則，獲取實(shí)體的上下文特征；構(gòu)建上下文特征詞的特征向量，采用應(yīng)用特征頻度函數(shù)對(duì)特征項(xiàng)進(jìn)行數(shù)值化；采用k-means的聯(lián)合聚類算法，來(lái)實(shí)現(xiàn)實(shí)體對(duì)的聚類；以及對(duì)實(shí)體對(duì)的關(guān)系進(jìn)行標(biāo)注。進(jìn)一步地，于該計(jì)算搜索結(jié)果與主題的相似度的步驟中，根據(jù)向量空間模型，將兩特征向量夾角的余弦值表示它們的相似度，由此計(jì)算出網(wǎng)頁(yè)與主題的相似度，根據(jù)設(shè)定的閾值，將相似度最大的或滿足相似度要求的若干個(gè)網(wǎng)頁(yè)按照相似度大小返回給用戶。
與現(xiàn)有技術(shù)相比，本發(fā)明一種基于無(wú)監(jiān)督的實(shí)體關(guān)系抽取的主題元搜索系統(tǒng)及方法通過(guò)采用無(wú)監(jiān)督的實(shí)體關(guān)系抽取方法，能夠?qū)λ阉鹘Y(jié)果的特征向量進(jìn)行實(shí)體關(guān)系的標(biāo)注，因此能夠更準(zhǔn)確地表達(dá)搜索結(jié)果的特征，搜索結(jié)果的準(zhǔn)確性得到了提高。


圖1為本發(fā)明一種基于無(wú)監(jiān)督的實(shí)體關(guān)系抽取的主題元搜索系統(tǒng)的系統(tǒng)架構(gòu)圖；圖2為本發(fā)明一種基于無(wú)監(jiān)督的實(shí)體關(guān)系抽取的主題元搜索方法的步驟流程圖；圖3為圖2之本發(fā)明較佳實(shí)施例中步驟203的細(xì)節(jié)流程圖。
具體實(shí)施例方式以下通過(guò)特定的具體實(shí)例并結(jié)合

本發(fā)明的實(shí)施方式，本領(lǐng)域技術(shù)人員可由本說(shuō)明書(shū)所揭示的內(nèi)容輕易地了解本發(fā)明的其它優(yōu)點(diǎn)與功效。本發(fā)明亦可通過(guò)其它不同的具體實(shí)例加以施行或應(yīng)用，本說(shuō)明書(shū)中的各項(xiàng)細(xì)節(jié)亦可基于不同觀點(diǎn)與應(yīng)用，在不背離本發(fā)明的精神下進(jìn)行各種修飾與變更。圖1為本發(fā)明一種基于無(wú)監(jiān)督的實(shí)體關(guān)系抽取的主題元搜索系統(tǒng)的系統(tǒng)架構(gòu)圖。如圖1所示，本發(fā)明一種基于無(wú)監(jiān)督的實(shí)體關(guān)系抽取的主題元搜索系統(tǒng)，至少包括主題模型建立模組10、匹配搜索引擎模組11以及搜索結(jié)果處理模組12。其中主題模型建立模組10用于建立各種主題模型，在本發(fā)明較佳實(shí)施例中，基于本體的主題模型采取三元組Topic (C，P，S)來(lái)表示，形成主題樹(shù)結(jié)構(gòu)，其中C表示由主題領(lǐng)域中的名詞概念抽象出來(lái)，具有相同屬性和行為結(jié)構(gòu)的概念類的集合#描述概念和關(guān)系的屬性；S表示主題類之間的結(jié)構(gòu)關(guān)系，如父類、子類等。C采用向量空間模型(VSM)來(lái)表示，使用二元組Ci (Keyi, Weighti),其中Keyi表示關(guān)鍵詞，Weighti表示關(guān)鍵詞的權(quán)重。匹配搜索引擎模組11，于用戶選擇了要進(jìn)行搜索的主題時(shí)，根據(jù)不同的主題模型，匹配合適的成員搜索引擎進(jìn)行主題搜索。對(duì)每個(gè)不同的主題，適用的成員搜索引擎也有所不同。在本發(fā)明中，針對(duì)不同的主題，預(yù)先分配一些推薦的成員搜索引擎，對(duì)用戶進(jìn)行引導(dǎo)，用戶在選擇搜索的主題時(shí)，可以對(duì)成員搜索引擎進(jìn)行增減。搜索結(jié)果處理模組12對(duì)于各個(gè)成員搜索引擎返回的搜索結(jié)果，利用無(wú)監(jiān)督的實(shí)體關(guān)系抽取算法，對(duì)搜索結(jié)果的特征詞進(jìn)行實(shí)體關(guān)系抽取，并依據(jù)抽取的關(guān)系對(duì)計(jì)算與主題的相似度，將滿足條件的結(jié)果返回給用戶。具體來(lái)說(shuō)，搜索結(jié)果處理模組12進(jìn)一步包括預(yù)處理模組120、特征向量抽取模組121、實(shí)體關(guān)系抽取模組122以及主題匹配模組123，預(yù)處理模塊120用于對(duì)各成員搜索引擎的檢索結(jié)果進(jìn)行初步的集成、去重；特征向量抽取模組121用于將搜索結(jié)果進(jìn)行分詞處理，抽取出表達(dá)網(wǎng)頁(yè)內(nèi)容的特征向量；實(shí)體關(guān)系抽取模組122首先根據(jù)所抽取的頁(yè)面的特征向量，識(shí)別實(shí)體，并基于啟發(fā)式規(guī)則，獲取實(shí)體的上下文特征，然后構(gòu)建上下文特征詞的特征向量，采用應(yīng)用特征頻度函數(shù)對(duì)特征項(xiàng)進(jìn)行數(shù)值化，并采用k-means的聯(lián)合聚類算法，來(lái)實(shí)現(xiàn)實(shí)體對(duì)的聚類，最后對(duì)實(shí)體對(duì)的關(guān)系進(jìn)行標(biāo)注，這樣搜索結(jié)果就采用標(biāo)注過(guò)關(guān)系的實(shí)體對(duì)及關(guān)系的向量來(lái)表示了 ；主題匹配模組123用于計(jì)算搜索結(jié)果與主題的相似度，返回滿足相似度要求的搜索結(jié)果。由于搜索結(jié)果頁(yè)面采用了實(shí)體對(duì)及關(guān)系的特征向量來(lái)表示，主題的各個(gè)子類的概念也是特征向量，根據(jù)向量空間模型，兩特征向量夾角的余弦值可以表示它們的相似度，由此可以計(jì)算出一個(gè)網(wǎng)頁(yè)與主題的相似度Sitv根據(jù)設(shè)定的閾值，將相似度最大的或滿足相似度要求的若干個(gè)網(wǎng)頁(yè)按照相似度大小返回給用戶。如果一個(gè)網(wǎng)頁(yè)與主題中的所有特征詞的相似度均達(dá)不到閾值策略中設(shè)定的最低相似度，則該網(wǎng)頁(yè)可被認(rèn)定為不屬于該主題領(lǐng)域的范疇，將它從結(jié)果集中剔除。圖2為本發(fā)明一種基于無(wú)監(jiān)督的實(shí)體關(guān)系抽取的主題元搜索方法的步驟流程圖。如圖2所示，本發(fā)明一種基于無(wú)監(jiān)督的實(shí)體關(guān)系抽取的主題元搜索方法，包括如下步驟步驟201，建立各種主題模型，在本發(fā)明較佳實(shí)施例中，基于本體的主題模型采取三元組Topic (C，P，S)來(lái)表示，形成主題樹(shù)結(jié)構(gòu)，其中C表示由主題領(lǐng)域中的名詞概念抽象出來(lái)，具有相同屬性和行為結(jié)構(gòu)的概念類的集合；P描述概念和關(guān)系的屬性；S表示主題類之間的結(jié)構(gòu)關(guān)系，如父類、子類等。C采用向量空間模型(VSM)來(lái)表示，使用二元組Ci (Keyi,Weighti),其中Keyi表示關(guān)鍵詞，Weighti表示關(guān)鍵詞的權(quán)重。步驟202，于用戶選擇了要進(jìn)行搜索的主題時(shí)，根據(jù)不同的主題模型，匹配合適的成員搜索引擎進(jìn)行搜索。對(duì)每個(gè)不同的主題，適用的成員搜索引擎也有所不同。在本發(fā)明中，針對(duì)不同的主題，預(yù)先分配一些推薦的成員搜索引擎，對(duì)用戶進(jìn)行引導(dǎo)，用戶在選擇搜索的主題時(shí)，可以對(duì)成員搜索引擎進(jìn)行增減。步驟203，對(duì)于各個(gè)成員搜索引擎返回的搜索結(jié)果，利用無(wú)監(jiān)督的實(shí)體關(guān)系抽取算法，對(duì)搜索結(jié)果的特征詞進(jìn)行實(shí)體關(guān)系抽取，并依據(jù)抽取的關(guān)系對(duì)計(jì)算與主題的相似度，將滿足條件的結(jié)果返回給用戶。圖3為圖2之本發(fā)明較佳實(shí)施例中步驟203的細(xì)節(jié)流程圖。如圖3所示，步驟203還包括如下步驟步驟301，將來(lái)自各成員搜索引擎的檢索結(jié)果經(jīng)過(guò)初步的集成、去重；步驟302，將搜索結(jié)果進(jìn)行分詞處理，抽取出表達(dá)網(wǎng)頁(yè)內(nèi)容的特征向量；

步驟303，進(jìn)行無(wú)監(jiān)督實(shí)體關(guān)系的抽取，將搜索結(jié)果采用標(biāo)注過(guò)關(guān)系的實(shí)體對(duì)及關(guān)系的向量來(lái)表示；以及步驟304，計(jì)算搜索結(jié)果與主題的相似度，返回滿足相似度要求的搜索結(jié)果。由于搜索結(jié)果頁(yè)面采用了實(shí)體對(duì)及關(guān)系的特征向量來(lái)表示，主題的各個(gè)子類的概念也是特征向量，根據(jù)向量空間模型，兩特征向量夾角的余弦值可以表示它們的相似度，由此可以計(jì)算出一個(gè)網(wǎng)頁(yè)與主題的相似度Sin^根據(jù)設(shè)定的閾值，將相似度最大的或滿足相似度要求的若干個(gè)網(wǎng)頁(yè)按照相似度大小返回給用戶。如果一個(gè)網(wǎng)頁(yè)與主題中的所有特征詞的相似度均達(dá)不到閾值策略中設(shè)定的最低相似度，則該網(wǎng)頁(yè)可被認(rèn)定為不屬于該主題領(lǐng)域的范疇，將它從結(jié)果集中剔除。較佳的，步驟303進(jìn)一步包括如下步驟a.首先根據(jù)所抽取的頁(yè)面的特征向量，識(shí)別實(shí)體；b.基于啟發(fā)式規(guī)則，獲取實(shí)體的上下文特征；c.構(gòu)建上下文特征詞的特征向量，采用應(yīng)用特征頻度函數(shù)對(duì)特征項(xiàng)進(jìn)行數(shù)值化；d.采用k-means的聯(lián)合聚類算法，來(lái)實(shí)現(xiàn)實(shí)體對(duì)的聚類；以及e.對(duì)實(shí)體對(duì)的關(guān)系進(jìn)行標(biāo)注，這樣搜索結(jié)果就采用標(biāo)注過(guò)關(guān)系的實(shí)體對(duì)及關(guān)系的向量來(lái)表示?？梢?jiàn)，本發(fā)明一種基于無(wú)監(jiān)督的實(shí)體關(guān)系抽取的主題元搜索系統(tǒng)及方法在對(duì)搜索結(jié)果的處理中采用無(wú)監(jiān)督的實(shí)體關(guān)系抽取方法，用標(biāo)注過(guò)關(guān)系的實(shí)體對(duì)向量對(duì)搜索結(jié)果進(jìn)行標(biāo)識(shí)，用戶在進(jìn)行搜索時(shí)，可以選擇要進(jìn)行搜索的主題，根據(jù)各個(gè)主題模型匹配與主題相關(guān)的最佳成員搜索引擎，用戶可以刪減偏愛(ài)的成員搜索引擎，對(duì)于各個(gè)成員搜索引擎返回的搜索結(jié)果，采用空間向量模型分別計(jì)算與主題的相似度，將滿足條件的結(jié)果返回給用戶，由于本發(fā)明采用了無(wú)監(jiān)督的實(shí)體關(guān)系抽取方法，能夠?qū)λ阉鹘Y(jié)果的特征向量進(jìn)行實(shí)體關(guān)系的標(biāo)注，因此能夠更準(zhǔn)確地表達(dá)搜索結(jié)果的特征，因此搜索結(jié)果的準(zhǔn)確性得到了提高。上述實(shí)施例僅例示性說(shuō)明本發(fā)明的原理及其功效，而非用于限制本發(fā)明。任何本領(lǐng)域技術(shù)人員均可在不違背本發(fā)明的精神及范疇下，對(duì)上述實(shí)施例進(jìn)行修飾與改變。因此，本發(fā)明的權(quán)利保護(hù)范圍，應(yīng)如權(quán)利要求書(shū)所列。
權(quán)利要求
1.一種基于無(wú)監(jiān)督的實(shí)體關(guān)系抽取的主題元搜索系統(tǒng)，至少包括 主題模型建立模組，用于建立各種主題模型； 匹配搜索引擎模組，于用戶選擇了要進(jìn)行搜索的主題時(shí)，根據(jù)不同的主題模型，匹配合適的成員搜索引擎進(jìn)行主題搜索；以及 搜索結(jié)果處理模組，對(duì)于各成員搜索引擎返回的搜索結(jié)果，利用無(wú)監(jiān)督的實(shí)體關(guān)系抽取算法，對(duì)搜索結(jié)果的特征詞進(jìn)行實(shí)體關(guān)系抽取，并依據(jù)抽取的關(guān)系對(duì)計(jì)算與主題的相似度，將滿足條件的結(jié)果返回給用戶。
2.如權(quán)利要求1所述的一種基于無(wú)監(jiān)督的實(shí)體關(guān)系抽取的主題元搜索系統(tǒng)，其特征在于該主題模型采取三元組Topic (C, P, S)來(lái)表示,形成主題樹(shù)結(jié)構(gòu),其中C表示由主題領(lǐng)域中的名詞概念抽象出來(lái)，具有相同屬性和行為結(jié)構(gòu)的概念類的集合，P描述概念和關(guān)系的屬性，S表示主題類之間的結(jié)構(gòu)關(guān)系。
3.如權(quán)利要求2所述的一種基于無(wú)監(jiān)督的實(shí)體關(guān)系抽取的主題元搜索系統(tǒng)，其特征在于C采用向量空間模型來(lái)表示,使用二元組Ci (Keyi, Weighti),其中Keyi表示關(guān)鍵詞，Weighti表示關(guān)鍵詞的權(quán)重。
4.如權(quán)利要求1所述的一種基于無(wú)監(jiān)督的實(shí)體關(guān)系抽取的主題元搜索系統(tǒng)，其特征在于該匹配搜索引擎模組針對(duì)不同的主題，預(yù)先分配一些推薦的成員搜索引擎，對(duì)用戶進(jìn)行引導(dǎo)。
5.如權(quán)利要求1所述的一種基于無(wú)監(jiān)督的實(shí)體關(guān)系抽取的主題元搜索系統(tǒng)，其特征在于，該搜索結(jié)果處理模組包括 預(yù)處理模塊，用于對(duì)各成員搜索引擎的檢索結(jié)果進(jìn)行初步的集成、去重； 特征向量抽取模組，用于將搜索結(jié)果進(jìn)行分詞處理，抽取出表達(dá)網(wǎng)頁(yè)內(nèi)容的特征向量; 實(shí)體關(guān)系抽取模組，首先根據(jù)所抽取的頁(yè)面的特征向量，識(shí)別實(shí)體，并基于啟發(fā)式規(guī)貝U，獲取實(shí)體的上下文特征，然后構(gòu)建上下文特征詞的特征向量，采用應(yīng)用特征頻度函數(shù)對(duì)特征項(xiàng)進(jìn)行數(shù)值化，并采用k-means的聯(lián)合聚類算法，來(lái)實(shí)現(xiàn)實(shí)體對(duì)的聚類，最后對(duì)實(shí)體對(duì)的關(guān)系進(jìn)行標(biāo)注；以及 主題匹配模組，用于計(jì)算搜索結(jié)果與主題的相似度，返回滿足相似度要求的搜索結(jié)果。
6.如權(quán)利要求5所述的一種基于無(wú)監(jiān)督的實(shí)體關(guān)系抽取的主題元搜索系統(tǒng)，其特征在于該主題匹配模組根據(jù)向量空間模型，將兩特征向量夾角的余弦值表示它們的相似度，計(jì)算出網(wǎng)頁(yè)與主題的相似度，根據(jù)設(shè)定的閾值，將相似度最大的或滿足相似度要求的若干個(gè)網(wǎng)頁(yè)按照相似度大小返回給用戶。
7.一種基于無(wú)監(jiān)督的實(shí)體關(guān)系抽取的主題元搜索方法，包括如下步驟 步驟一，建立各種主題模型； 步驟二，于用戶選擇了要進(jìn)行搜索的主題時(shí)，根據(jù)不同的主題模型，匹配合適的成員搜索引擎進(jìn)行主題搜索；以及 步驟三，對(duì)于各個(gè)成員搜索引擎返回的搜索結(jié)果，利用無(wú)監(jiān)督的實(shí)體關(guān)系抽取算法，對(duì)搜索結(jié)果的特征詞進(jìn)行實(shí)體關(guān)系抽取，并依據(jù)抽取的關(guān)系對(duì)計(jì)算與主題的相似度，將滿足條件的結(jié)果返回給用戶。
8.如權(quán)利要求7所述的一種基于無(wú)監(jiān)督的實(shí)體關(guān)系抽取的主題元搜索方法，其特征在于，步驟三還包括如下步驟 將來(lái)自各成員搜索引擎的檢索結(jié)果經(jīng)過(guò)初步的集成、去重； 將搜索結(jié)果進(jìn)行分詞處理，抽取出表達(dá)網(wǎng)頁(yè)內(nèi)容的特征向量； 進(jìn)行無(wú)監(jiān)督實(shí)體關(guān)系的抽取，將搜索結(jié)果采用標(biāo)注過(guò)關(guān)系的實(shí)體對(duì)及關(guān)系的向量來(lái)表示；以及 計(jì)算搜索結(jié)果與主題的相似度，返回滿足相似度要求的搜索結(jié)果。
9.如權(quán)利要求8所述的一種基于無(wú)監(jiān)督的實(shí)體關(guān)系抽取的主題元搜索方法，其特征在于，該無(wú)監(jiān)督實(shí)體關(guān)系的抽取步驟還包括如下步驟 首先根據(jù)所抽取的頁(yè)面的特征向量，識(shí)別實(shí)體； 基于啟發(fā)式規(guī)則，獲取實(shí)體的上下文特征； 構(gòu)建上下文特征詞的特征向量，采用應(yīng)用特征頻度函數(shù)對(duì)特征項(xiàng)進(jìn)行數(shù)值化； 采用k-means的聯(lián)合聚類算法，來(lái)實(shí)現(xiàn)實(shí)體對(duì)的聚類；以及 對(duì)實(shí)體對(duì)的關(guān)系進(jìn)行標(biāo)注。
10.如權(quán)利要求8所述的一種基于無(wú)監(jiān)督的實(shí)體關(guān)系抽取的主題元搜索方法，其特征在于，于該計(jì)算搜索結(jié)果與主題的相似度的步驟中，根據(jù)向量空間模型，將兩特征向量夾角的余弦值表示它們的相似度，由此計(jì)算出網(wǎng)頁(yè)與主題的相似度，根據(jù)設(shè)定的閾值，將相似度最大的或滿足相似度要求的若干個(gè)網(wǎng)頁(yè)按照相似度大小返回給用戶。
全文摘要
本發(fā)明公開(kāi)了一種基于無(wú)監(jiān)督的實(shí)體關(guān)系抽取的主題元搜索系統(tǒng)及方法，該系統(tǒng)包括主題模型建立模組，用于建立各種主題模型；匹配搜索引擎模組，于用戶選擇了要進(jìn)行搜索的主題時(shí)，根據(jù)不同的主題模型，匹配合適的成員搜索引擎進(jìn)行主題搜索；以及搜索結(jié)果處理模組，對(duì)于各成員搜索引擎返回的搜索結(jié)果，利用無(wú)監(jiān)督的實(shí)體關(guān)系抽取算法，對(duì)搜索結(jié)果的特征詞進(jìn)行實(shí)體關(guān)系抽取，并依據(jù)抽取的關(guān)系對(duì)計(jì)算與主題的相似度，將滿足條件的結(jié)果返回給用戶，本發(fā)明在保證查全率的前提下，根據(jù)無(wú)監(jiān)督的關(guān)系抽取的結(jié)果，判斷與主題的相符合程度，從而得到更高的查準(zhǔn)率。
文檔編號(hào)G06F17/30GK103064907SQ201210553560
公開(kāi)日2013年4月24日 申請(qǐng)日期2012年12月18日 優(yōu)先權(quán)日2012年12月18日
發(fā)明者閆俊英 申請(qǐng)人:上海電機(jī)學(xué)院