本發(fā)明涉及英文文本檢索，具體涉及一種基于匹配度檢索英文文本的方法。

背景技術(shù)：

對于英文文本的檢索，目前的主要方式是根據(jù)檢索對象與預(yù)先設(shè)定的關(guān)鍵詞進行匹配，確定是否匹配，即將待檢索的英文文本分割成不同關(guān)鍵詞的形式分別進行檢索，但是計算機不能有效拆解人類的語言模式，因此不能理解查詢意圖，從而導(dǎo)致搜索出的信息不夠準確。

針對上述問題，用戶在搜索時可以加入高級語法進行操作，但高級語法輸入復(fù)雜對用戶要求高，使得用戶體驗度降低，并且待檢索語句與事先設(shè)定的關(guān)鍵詞匹配度不夠。

技術(shù)實現(xiàn)要素：

本發(fā)明設(shè)計開發(fā)了一種基于匹配度檢索英文文本的方法，本發(fā)明的發(fā)明目的之一是解決待檢索語句的檢索結(jié)果列表。

本發(fā)明的發(fā)明目的之二是提高待檢索語句與預(yù)先設(shè)定匹配度的問題。

本發(fā)明提供的技術(shù)方案為：

一種基于匹配度檢索英文文本的方法，包括如下步驟：

步驟一、在服務(wù)器預(yù)先存儲檢索信息，每篇英文文獻關(guān)聯(lián)一個檢索單位，對于任意一個檢索單位均包括id、英文文獻錄入時間和至少一個檢索條，所述檢索條為由所述檢索單位關(guān)聯(lián)的英文文獻的摘要中的至少一個名詞和實意動詞組成，并且對全部檢索條進行預(yù)設(shè)權(quán)重；

步驟二、輸入檢索英文，對所述檢索英文拆分名詞與實意動詞，并且將所述名詞與所述實意動詞擴展成為檢索語句；

步驟三、對所述檢索語句進行相似度評價得到檢索權(quán)重，并將所述檢索權(quán)重與所述預(yù)設(shè)權(quán)重分別進行匹配，按照匹配度進行排序得到檢索結(jié)果列表。

優(yōu)選的是，在所述步驟二中，所述檢索語句為所述名詞和所述實意動詞的邏輯組合；其中，所述邏輯組合包括：或、且、非邏輯關(guān)系。

優(yōu)選的是，在所述步驟三中，對所述檢索語句進行相似度評價得到檢索權(quán)重包括如下步驟：

根據(jù)所述名詞查找所述名詞所述領(lǐng)域，并且確定在所述領(lǐng)域內(nèi)關(guān)鍵詞；

將所述名詞在所述領(lǐng)域內(nèi)的領(lǐng)域密度、領(lǐng)域深度、與所述關(guān)鍵詞的關(guān)系以及與所述關(guān)鍵詞之間的聯(lián)系強度，計算與所述關(guān)鍵詞之間的詞權(quán)；

根據(jù)所述詞權(quán)，計算與所述關(guān)鍵詞之間的檢索距離；

根據(jù)所述檢索距離，計算所述檢索語句的相似度評分；

將所述檢索語句的相似度評分作為所述檢索權(quán)重。

優(yōu)選的是，在所述步驟三中，匹配時按所述預(yù)設(shè)權(quán)重大小依次進行匹配。

優(yōu)選的是，在所述步驟三中，匹配后得到的檢索結(jié)果列表對應(yīng)的信息數(shù)量是否大于預(yù)定數(shù)量，如果大于預(yù)定數(shù)量，則取預(yù)定數(shù)量的檢索結(jié)果列表。

優(yōu)選的是，所述預(yù)定數(shù)量為25條。

優(yōu)選的是，在所述步驟三中，所述檢索權(quán)重與所述預(yù)設(shè)權(quán)重分別進行匹配的匹配過程采用模糊控制方法進行匹配；

分別將檢索權(quán)重η與預(yù)設(shè)權(quán)重η′之差δη、檢索權(quán)重與預(yù)設(shè)權(quán)重之差δη與預(yù)設(shè)權(quán)重η′的比值匹配度φ轉(zhuǎn)換為模糊論域中的量化等級；

將所述檢索權(quán)重η與預(yù)設(shè)權(quán)重η′之差δη、所述檢索權(quán)重與預(yù)設(shè)權(quán)重之差δη與預(yù)設(shè)權(quán)重η′的比值輸入模糊控制模型，將所述檢索權(quán)重η與預(yù)設(shè)權(quán)重η′之差δη分為7個等級，將所述檢索權(quán)重與預(yù)設(shè)權(quán)重之差δη與預(yù)設(shè)權(quán)重η′的比值分為7個等級，匹配度φ分為5個等級；

模糊控制模型輸出為匹配度φ；根據(jù)所述匹配度φ，進行檢索輸出。

優(yōu)選的是，所述檢索權(quán)重η與預(yù)設(shè)權(quán)重η′之差δη的論域為[-10，10]，檢索權(quán)重與預(yù)設(shè)權(quán)重之差δη與預(yù)設(shè)權(quán)重η′的比值的論域為[-0.1，0.1]，設(shè)定量化因子都為1，匹配度φ的論域為[0，1]。

優(yōu)選的是，所述檢索權(quán)重η與預(yù)設(shè)權(quán)重η′之差δη分為7個等級，模糊集為{nb，nm，ns，0，ps，pm，pb}，檢索權(quán)重與預(yù)設(shè)權(quán)重之差δη與預(yù)設(shè)權(quán)重η′的比值分為7個等級，模糊集為{nb，nm，ns，0，ps，pm，pb}，將匹配度φ分為5個等級，模糊集為{0，ps，pm，pb，pvb}；隸屬函數(shù)均選用三角形隸屬函數(shù)。

優(yōu)選的是，模糊控制模型控制規(guī)則為：

如果權(quán)重差δη為nm，權(quán)重差比值為pm或者pb，則匹配度φ為s；如果權(quán)重差δη為pb，權(quán)重差比值為pm或者pb，則匹配度φ為pvb。

本發(fā)明與現(xiàn)有技術(shù)相比較所具有的有益效果：

1、本發(fā)明將關(guān)鍵詞進行匹配度計算的過程設(shè)定在限定的名詞上，消除了借此、連詞以及其他無實意的詞對檢索結(jié)果造成的干擾，減小檢索負擔(dān)，提高檢索效率；

2、本發(fā)明通過模糊控制的方式運算檢索的文本與預(yù)先設(shè)定文本的匹配度，提高了匹配效率以及增加結(jié)果的準確性；

3、本發(fā)明通過對預(yù)設(shè)多個檢索條，分別進行匹配度的計算，提高了檢索結(jié)果的全面性。

附圖說明

圖1為本發(fā)明所述的流程圖。

圖2是檢索權(quán)重η與預(yù)設(shè)權(quán)重η′之差δη的隸屬函數(shù)。

圖3是檢索權(quán)重與預(yù)設(shè)權(quán)重之差δη與預(yù)設(shè)權(quán)重η′的比值的隸屬函數(shù)。

圖4是匹配度φ的隸屬函數(shù)。

具體實施方式

下面結(jié)合附圖對本發(fā)明做進一步的詳細說明，以令本領(lǐng)域技術(shù)人員參照說明書文字能夠據(jù)以實施。

如圖1所示，本發(fā)明提供一種基于匹配度檢索英文文本的方法，包括如下步驟：

步驟一、在服務(wù)器預(yù)先存儲檢索信息，每篇英文文獻關(guān)聯(lián)一個檢索單位，對于任意一個檢索單位均包括id、英文文獻錄入時間和至少一個檢索條，所述檢索條為由所述檢索單位關(guān)聯(lián)的英文文獻的摘要中的至少一個名詞和實意動詞組成，并且對全部檢索條進行預(yù)設(shè)權(quán)重；

步驟二、輸入檢索英文，對所述檢索英文拆分名詞與實意動詞，并且將所述名詞與所述實意動詞擴展成為檢索語句；

步驟三、對所述檢索語句進行相似度評價得到檢索權(quán)重，并將所述檢索權(quán)重與所述預(yù)設(shè)權(quán)重分別進行匹配，按照匹配度進行排序得到檢索結(jié)果列表。

在另一種實施例中，在步驟二中，檢索語句為名詞和實意動詞的邏輯組合；其中，邏輯組合包括：或、且、非邏輯關(guān)系。

在另一種實施例中，在步驟三中，對檢索語句進行相似度評價得到檢索權(quán)重包括如下步驟：

根據(jù)所述名詞查找名詞所在的領(lǐng)域，并且確定在領(lǐng)域內(nèi)的關(guān)鍵詞；將所述名詞在所述領(lǐng)域內(nèi)的領(lǐng)域密度、領(lǐng)域深度、與所述關(guān)鍵詞的關(guān)系以及與所述關(guān)鍵詞之間的聯(lián)系強度，計算與所述關(guān)鍵詞之間的詞權(quán)；根據(jù)所述詞權(quán)，計算與所述關(guān)鍵詞之間的檢索距離；根據(jù)所述檢索距離，計算所述檢索語句的相似度評分；將所述檢索語句的相似度評分作為所述檢索權(quán)重。

在另一種實施例中，在步驟三中，匹配時根據(jù)預(yù)設(shè)權(quán)重的大小依次進行匹配，從預(yù)設(shè)權(quán)重大的開始匹配，依次到最后預(yù)設(shè)權(quán)重小的，得到多個不同的檢索結(jié)果列表。

在另一種實施例中，在步驟三中，匹配后得到的檢索結(jié)果列表對應(yīng)的信息數(shù)量是否大于預(yù)定數(shù)量，如果大于預(yù)定數(shù)量，則取預(yù)定數(shù)量的檢索結(jié)果列表；在本實施例中，預(yù)定數(shù)量為25條。

實施例

在名詞所在的領(lǐng)域內(nèi)確定關(guān)鍵詞c2，名詞c1與關(guān)鍵詞c2之間的語義相似性被定義為：

其中，distc1，c2為名詞c1與關(guān)鍵詞c2之間的檢索距離，利用兩者之間最短路徑的邊上權(quán)值(詞權(quán))之和計算；詞權(quán)與關(guān)鍵詞之間連系的強度直接相關(guān)，則子概念ci和其父概念c′聯(lián)系的強度，可以表示為：

優(yōu)選的是，考慮到其他因素，如在所屬領(lǐng)域內(nèi)的局部密度、概念深度和概念關(guān)系，整個概念之間的邊權(quán)wt(ci，c′)表示為：

其中，d(c′)表示c′在名詞所在的領(lǐng)域中的深度，e(c′)為名詞所在的領(lǐng)域的關(guān)系數(shù)，為名詞所在的領(lǐng)域中的平均關(guān)系數(shù)，r(ci，c′)表示概念關(guān)系因子，參數(shù)α(α≥0)和β(0≤β≤1)控制領(lǐng)域深度和密度對于整個詞權(quán)計算的貢獻，ic(c)是概念之間連系計算的變形形式，即：

ic(c)＝-logp(c)，

其中，p(c)為概念c在整個領(lǐng)域內(nèi)出現(xiàn)的概率。

綜上所述，名詞c1與關(guān)鍵詞c2之間的語義距離可以表示為：

其中，path(c1，c2)是從名詞c1到關(guān)鍵詞c2經(jīng)過路徑上的所有概念，lsuper(c1，c2)表示c1、c2之間最小父概念；

根據(jù)等同關(guān)系、繼承關(guān)系和屬性關(guān)系分別對應(yīng)的r(ci，c′)定義為1.0、0.6和0.3；在實際應(yīng)用過程中密度e(c′)和深度d(c′)并不起什么作用，α與β分別設(shè)置0和1，擴展性語義搜索中，名詞c1為關(guān)鍵詞c2的父概念，最終的語義距離可以簡化為：

通過名詞c1和關(guān)鍵詞c2之間的語義距離得到檢索語句的相似度評分，并且將該相似度評分作為檢索權(quán)重。

在另一種實施例中，采用模糊控制方法計算檢索權(quán)重與預(yù)設(shè)權(quán)重的匹配度φ，模糊控制模型的輸入是檢索權(quán)重η與預(yù)設(shè)權(quán)重η′的權(quán)重差δη和檢索權(quán)重與預(yù)設(shè)權(quán)重的之差δη與預(yù)設(shè)權(quán)重η′的權(quán)重差比值輸出是匹配度φ；所述檢索權(quán)重η與預(yù)設(shè)權(quán)重η′的權(quán)重差δη的變化范圍為[-10，10]，檢索權(quán)重與預(yù)設(shè)權(quán)重之差δη與預(yù)設(shè)權(quán)重η′的權(quán)重差比值變化范圍為[-0.1，0.1]，設(shè)定量化因子都為1，因此其論域分別為[-10，10]和[-0.1，0.1]；匹配度φ的模糊論域為[0，1]，為了保證控制的精度，使其在各種模式下都能很好地進行控制，根據(jù)反復(fù)試驗，最終將權(quán)重差δη變化范圍分為七個等級，權(quán)重差δη的模糊集為{nb，nm，ns，zo，ps，pm，pb}，nb表示負大，nm表示負中等，ns表示負小，zo表示零，ps表示正小，pm表示正中等，pb表示正大；權(quán)重差比值變化范圍分為七個等級，模糊集為{nb，nm，ns，zo，ps，pm，pb}，nb表示負大，nm表示負中等，ns表示負小，zo表示零，ps表示正小，pm表示正中等，pb表示正大；輸出的匹配度φ分為5個等級，分別為{zo，ps，pm，pb，pvb}，zo表示零，ps表示小，pm表示中等，pb表示大，pvb表示極大；隸屬函數(shù)均選用三角形隸屬函數(shù)，如圖2、3、4所示。

模糊控制模型的控制規(guī)則選取經(jīng)驗為：

如果權(quán)重差δη為負中等，權(quán)重差比值為正中等或者正大，則匹配度φ為??；如果權(quán)重差δη為正大，權(quán)重差比值為正中等或者正大，則匹配度φ為極大；具體的模糊控制規(guī)則如表1所示。

表1模糊控制規(guī)則

盡管本發(fā)明的實施方案已公開如上，但其并不僅僅限于說明書和實施方式中所列運用，它完全可以被適用于各種適合本發(fā)明的領(lǐng)域，對于熟悉本領(lǐng)域的人員而言，可容易地實現(xiàn)另外的修改，因此在不背離權(quán)利要求及等同范圍所限定的一般概念下，本發(fā)明并不限于特定的細節(jié)和這里示出與描述的圖例。