專利名稱：基于網(wǎng)頁相關(guān)性的搜索引擎搜索方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計(jì)算機(jī)網(wǎng)絡(luò)中搜索引擎搜索技術(shù)領(lǐng)域，特別是涉及一種基于網(wǎng)頁相關(guān)性的搜索引擎搜索方法。
背景技術(shù)：
搜索引擎技術(shù)是一種利用關(guān)鍵字組合在網(wǎng)絡(luò)上查找相關(guān)信息，并按照這些信息與關(guān)鍵字的匹配程度進(jìn)行排序，然后返回給用戶查看的技術(shù)。隨著互聯(lián)網(wǎng)的迅速發(fā)展，使用搜索引擎已成為網(wǎng)絡(luò)用戶獲取網(wǎng)絡(luò)資源的最主要途徑。近幾年來，全球出現(xiàn)了各種各樣的搜索引擎，并且這些搜索引擎在人們對(duì)信息的獲取過程中起到了很重要的作用。目前主要的搜索引擎可分為目錄式搜索引擎和基于關(guān)鍵字的搜索引擎。其中目錄式搜索引擎的思路是對(duì)網(wǎng)頁庫(kù)預(yù)分類，然后由用戶自己選擇需要哪一類的網(wǎng)頁，并到相應(yīng)的目錄下去查找，目前最具代表性的分類目錄式搜索引擎是yahoo[http://www.yahoo.com]。但是，為了提交給用戶一組最好的搜索結(jié)果往往需要很細(xì)的類別劃分力度，而對(duì)于現(xiàn)有的手工和自動(dòng)分類技術(shù)應(yīng)用于海量的網(wǎng)絡(luò)信息是不現(xiàn)實(shí)的，另外即使搜索引擎提供了很細(xì)的類別，用戶的選擇過程也將變得非常復(fù)雜，而且不能保證用戶的判斷與搜索引擎已有的分類是完全吻合的。
目前互聯(lián)網(wǎng)上的搜索引擎大多數(shù)采用基于關(guān)鍵字的查詢技術(shù)，其典型代表為Google[http://www.google.com]和百度[http://www.baidu.com]。
這類搜索引擎通過程序收集并索引的信息資源量極其龐大，而用戶的提問語句卻大多由幾個(gè)詞組成，由于詞語本身存在多義性，從而導(dǎo)致搜索引擎很難確定用戶的需求，這種情況將會(huì)導(dǎo)致數(shù)量龐大的搜索結(jié)果且不能保證相關(guān)度，因此用戶需要花費(fèi)巨大的精力在搜索引擎的結(jié)果中進(jìn)行瀏覽篩選?？傊壳暗乃阉饕娼o出的信息質(zhì)量都不是很高。
另外，搜索引擎采用的排序算法通常包括以下幾種(1)基于詞頻統(tǒng)計(jì)的排序算法。早期很多搜索引擎采用的排序算法是基于詞頻統(tǒng)計(jì)的，詞權(quán)的計(jì)算一般把該詞在網(wǎng)頁中出現(xiàn)的位置考慮進(jìn)來，例如在標(biāo)題中出現(xiàn)的詞比在正文中的詞權(quán)值高。但是由于網(wǎng)絡(luò)資源的數(shù)量巨大，詞頻相同的兩個(gè)網(wǎng)頁質(zhì)量卻可能相差很遠(yuǎn)，而且依據(jù)詞頻計(jì)算網(wǎng)頁與關(guān)鍵字的相關(guān)度并不可靠，因此這種算法的局限性很明顯。(2)基于超鏈分析的排序算法。傳統(tǒng)情報(bào)檢索理論中的引文分析方法是確定學(xué)術(shù)文獻(xiàn)權(quán)威性的重要方法之一，即根據(jù)引文的數(shù)量和質(zhì)量來確定文獻(xiàn)的權(quán)威性?；诔湻治龅呐判蛩惴ń梃b了這一思想，通過把引文分析思想借鑒到網(wǎng)絡(luò)文檔重要性的計(jì)算中來，利用網(wǎng)絡(luò)自身的超鏈接結(jié)構(gòu)根據(jù)網(wǎng)頁被引用的次數(shù)及引用網(wǎng)頁自身的重要性給所有的網(wǎng)頁確定一個(gè)重要性的等級(jí)數(shù)，以此來幫助實(shí)現(xiàn)排序算法的優(yōu)化。但這種算法得到的是網(wǎng)頁自身的重要性等級(jí)，而不是網(wǎng)頁與用戶查詢的關(guān)鍵字的相關(guān)度，所以常會(huì)出現(xiàn)查詢結(jié)果中網(wǎng)頁自身的質(zhì)最很高但是與用戶的查詢需求不一定很相關(guān)的問題。

發(fā)明內(nèi)容
為了解決上述問題，本發(fā)明的目的在于提供一種能夠在不增加操作復(fù)雜性的前提下準(zhǔn)確地辨別出用戶的需求，從而可以提高搜索引擎的搜索結(jié)果與用戶需求之間相關(guān)性的基于網(wǎng)頁相關(guān)性的搜索引擎搜索方法。
為了達(dá)到上述目的，本發(fā)明提供的基于網(wǎng)頁相關(guān)性的搜索引擎搜索方法包括按順序進(jìn)行的下列步驟(1)在搜索引擎運(yùn)行過程中記錄一段時(shí)間內(nèi)網(wǎng)絡(luò)用戶在搜索引擎搜索結(jié)果列表上的點(diǎn)擊行為數(shù)據(jù)；(2)用基于向量空間模型的方法計(jì)算出所有網(wǎng)頁間的差異度并保存；
(3)用步驟1中記錄的點(diǎn)擊數(shù)據(jù)更新步驟2中得到的所有網(wǎng)頁間差異度；(4)將步驟3中得到的網(wǎng)頁間差異度視為網(wǎng)頁間的距離，并用維數(shù)約減的算法對(duì)這些距離數(shù)據(jù)降維，從而得到網(wǎng)頁間差異度數(shù)據(jù)的低維幾何表示；(5)當(dāng)搜索引擎接受到一個(gè)用戶的一次查詢請(qǐng)求時(shí)進(jìn)行下列步驟(a)搜索引擎接受用戶輸入的查詢關(guān)鍵字，用某種相關(guān)度計(jì)算方法得出一個(gè)對(duì)應(yīng)于此查詢關(guān)鍵字的初始查詢結(jié)果列表并將其提交給用戶查看；(b)用戶查看初始查詢列表后將點(diǎn)擊一個(gè)其感興趣的鏈接；(c)搜索引擎記錄用戶點(diǎn)擊的第一個(gè)鏈接，并將該鏈接對(duì)應(yīng)的網(wǎng)頁記為目標(biāo)網(wǎng)頁，然后根據(jù)步驟4得到的網(wǎng)頁間差異度數(shù)據(jù)的低維幾何表示計(jì)算出目標(biāo)網(wǎng)頁與初始查詢結(jié)果列表中所有鏈接對(duì)應(yīng)的網(wǎng)頁間的差異度，并將差異度按照從低到高的順序排列構(gòu)成新的查詢結(jié)果；(d)將新的查詢結(jié)果提交給用戶，此查詢結(jié)果即是與用戶點(diǎn)擊的第一個(gè)網(wǎng)頁相關(guān)且與用戶輸入的查詢關(guān)鍵字高度相關(guān)的最終查詢結(jié)果。
所述的步驟1中的記錄時(shí)間以每個(gè)月作為周期，長(zhǎng)期動(dòng)態(tài)跟蹤。
本發(fā)明提供的基于網(wǎng)頁相關(guān)性的搜索引擎搜索方法具有如下有益效果1.本發(fā)明能夠在一次查詢過程中提供兩次結(jié)果給用戶，利用用戶第一次點(diǎn)擊提供的信息有效地解決了一意多詞和一詞多意的問題，解決了基于關(guān)鍵字的搜索引擎無法準(zhǔn)確確定用戶查詢意圖的問題，這種根據(jù)用戶的第一次點(diǎn)擊提供第二次搜索結(jié)果的方法不僅可以提供給用戶與關(guān)鍵字相關(guān)且與用戶感興趣的網(wǎng)頁相關(guān)的網(wǎng)頁，而且沒有增加用戶操作的復(fù)雜性。
2.從經(jīng)驗(yàn)和直覺上講，只有同類的、相關(guān)性高的網(wǎng)頁才更容易被用戶同時(shí)訪問，所以點(diǎn)擊數(shù)據(jù)中包含了用戶對(duì)網(wǎng)頁差異性的判斷。使用點(diǎn)擊數(shù)據(jù)更新差異性矩陣，是從一個(gè)新的角度判斷網(wǎng)頁間的差異性，這種差異性是大量數(shù)據(jù)中體現(xiàn)出來的統(tǒng)計(jì)意義上的差異性，是大量搜索引擎用戶使用搜索引擎過程中作出的判斷。所以，本發(fā)明利用具有統(tǒng)計(jì)平穩(wěn)性的網(wǎng)頁級(jí)的相關(guān)性(差異性)分析，不需長(zhǎng)期跟蹤特定用戶的行為，即可為該用戶提供統(tǒng)計(jì)意義上的優(yōu)化服務(wù)。
具體實(shí)施例方式
本發(fā)明提供的基于網(wǎng)頁相關(guān)性的搜索引擎搜索方法是通過收集用戶的點(diǎn)擊行為數(shù)據(jù)來確定用戶真正需要的信息內(nèi)容類型，同時(shí)將點(diǎn)擊數(shù)據(jù)作為判斷網(wǎng)頁間相關(guān)性的依據(jù)之一，由此提高查詢結(jié)果與用戶需求的相關(guān)性。
通常使用搜索引擎的用戶不會(huì)隨機(jī)地點(diǎn)擊搜索結(jié)果列表上的鏈接，而是作出某種選擇，這樣點(diǎn)擊數(shù)據(jù)就成為一種包含豐富信息的隱性反饋。由于用戶更加趨向于去點(diǎn)擊那些與他們的需求相吻合的鏈接，所以搜索引擎可以通過跟蹤用戶點(diǎn)擊的鏈接分析出用戶的即時(shí)需求，解決查詢?cè)~多義性問題。如搜索引擎可以提供一個(gè)動(dòng)態(tài)查詢結(jié)果，使查詢結(jié)果既與查詢?cè)~相關(guān)又與用戶剛點(diǎn)擊的鏈接內(nèi)容相關(guān)，這樣就可以確定出用戶想要用此查詢?cè)~表達(dá)的意思，使搜索結(jié)果適應(yīng)用戶的需求。
在進(jìn)行一次查詢過程中，用戶的需求往往是比較單一的，而且其總體上不會(huì)無故地進(jìn)行點(diǎn)擊，所以在用戶的一次查詢過程中司時(shí)被點(diǎn)擊的多個(gè)鏈接相互之間是相關(guān)性較強(qiáng)的。本發(fā)明通過一個(gè)n×n的矩陣保存這種被同時(shí)點(diǎn)擊的信息，作為更新網(wǎng)頁間相關(guān)度的依據(jù)。即本發(fā)明是通過維護(hù)由大量用戶點(diǎn)擊數(shù)據(jù)獲得的網(wǎng)頁內(nèi)容差異性，針對(duì)每個(gè)查詢請(qǐng)求，經(jīng)由跟蹤用戶點(diǎn)擊和網(wǎng)頁內(nèi)容差異性信息來辨識(shí)查詢主題和查詢意圖，最終提供給用戶一個(gè)與用戶點(diǎn)擊的第一個(gè)網(wǎng)頁相關(guān)且與用戶輸入的查詢關(guān)鍵字高度相關(guān)的最終查詢結(jié)果。
下面對(duì)本發(fā)明提供的基于網(wǎng)頁相關(guān)性的搜索引擎搜索方法進(jìn)行詳細(xì)說明本發(fā)明提供的基于網(wǎng)頁相關(guān)性的搜索引擎搜索方法包括按順序進(jìn)行的下列步驟(1)在搜索引擎運(yùn)行過程中記錄一段時(shí)間內(nèi)網(wǎng)絡(luò)用戶在搜索引擎搜索結(jié)果列表上的點(diǎn)擊行為數(shù)據(jù)；由于點(diǎn)擊行為數(shù)據(jù)需要積累，所以本步驟需要隨搜索引擎運(yùn)行持續(xù)一段時(shí)間。
(2)用基于向量空間模型的方法計(jì)算出所有網(wǎng)頁間的差異度并保存；網(wǎng)頁差異度是與網(wǎng)頁相關(guān)度相反的屬性，是對(duì)網(wǎng)頁間差異程度的定量化的定義，兩個(gè)網(wǎng)頁的相關(guān)度越高則差異度越小。
在此過程中，首先建立差異性矩陣D并實(shí)現(xiàn)更新，以維護(hù)以下數(shù)據(jù)結(jié)構(gòu)共同訪問計(jì)數(shù)矩陣An*n對(duì)稱矩陣，保存了所有網(wǎng)頁間被同時(shí)訪問的計(jì)數(shù)。
點(diǎn)擊計(jì)數(shù)向量Bn*1向量，bi為非負(fù)整數(shù)，
，每個(gè)元素保存了對(duì)應(yīng)網(wǎng)頁收到的總點(diǎn)擊數(shù)。
初始差異性矩陣D0n*n對(duì)稱矩陣，由向量空間模型計(jì)算得到。令Doc＝{doci|1≤i≤n}表示一個(gè)網(wǎng)頁集。根據(jù)向量空間模型，每個(gè)網(wǎng)頁doci都可以被表示為向量doci，則D0的第i行j列元素dij0可以定義為dij0≡||doci||doci||2-doci||docj||2||2argmaxi,j{||doci||doci||2-docj||docj||2||2}---(1)]]>‖·‖2為2范數(shù)。根據(jù)定義可知dij0是一個(gè)規(guī)范化的分布在
值，D0的元素滿足測(cè)度公理(滿足測(cè)度公理是D可求出幾何嵌入的必要屬性)。
點(diǎn)擊差異矩陣Cn*n矩陣，直接定義C的元素為cij≡1-(aij/max{bi,bj}),i≠j0,i=j---(2)]]>差異性矩陣Dn*n的對(duì)稱矩陣。第i行j列元素dij保存了第i個(gè)網(wǎng)頁和第j個(gè)網(wǎng)頁之間的差異性，定義dij為dij≡w·cij+(1-w)·dij0,i≠j0,i=j---(3)]]>其中w為用戶參數(shù)，0＜w＜1。在初始狀態(tài)w置為0，隨著系統(tǒng)運(yùn)行時(shí)間的增加逐漸調(diào)高w的值。經(jīng)過足夠長(zhǎng)的時(shí)間后，w可取1。w也可以應(yīng)特殊需求進(jìn)行調(diào)整，如有些網(wǎng)頁只收到了很少的點(diǎn)擊，則點(diǎn)擊數(shù)據(jù)的可靠性就比較低，這時(shí)可以將w取一個(gè)較小的值，則此時(shí)差異性主要取決于由VSM方法計(jì)算所得到的值。
D的壓縮表示Yn*d矩陣，D的壓縮表示，用維數(shù)約減算法處理D可以得到Y(jié)。D中的元素dij被表示為Y中第i行與第j行向量的距離。因此，所有網(wǎng)頁間的差異性都可以用Y中向量的歐式距離表示。
(3)用步驟1中記錄的點(diǎn)擊數(shù)據(jù)更新步驟2中得到的所有網(wǎng)頁間差異度；任意兩個(gè)網(wǎng)頁間的差異度更新方法如下(a)分析步驟1中記錄的點(diǎn)擊數(shù)據(jù)，如果點(diǎn)擊數(shù)據(jù)顯示這兩個(gè)網(wǎng)頁同時(shí)出現(xiàn)在某次查詢結(jié)果中且它們都被當(dāng)時(shí)的用戶打開，則這兩個(gè)網(wǎng)頁間的同時(shí)點(diǎn)擊計(jì)數(shù)加1，處理完步驟1中的所有點(diǎn)擊數(shù)據(jù)后可以得到這兩個(gè)網(wǎng)頁間在步驟1所持續(xù)的時(shí)間段內(nèi)總的同時(shí)點(diǎn)擊計(jì)數(shù)。
(4)將步驟3中得到的網(wǎng)頁間差異度視為網(wǎng)頁間的距離，并用維數(shù)約減的算法對(duì)這些距離數(shù)據(jù)降維，從而得到網(wǎng)頁間差異度數(shù)據(jù)的低維幾何表示；至此得到搜索引擎產(chǎn)生查詢結(jié)果所需的計(jì)算網(wǎng)頁間差異度的數(shù)據(jù)。
在上述的步驟3和4中，定期對(duì)差異性矩陣進(jìn)行更新，更新過程如下
1.依據(jù)向量空間模型生成初始差異性矩陣D0。
2.對(duì)每個(gè)查詢事件，依據(jù)某種方法(不需要約束使用的具體算法)生成查詢結(jié)果集。結(jié)果集中的鏈接被有序提交給用戶，每個(gè)鏈接都附有對(duì)應(yīng)網(wǎng)頁的摘要。
3.用戶查看列表后依據(jù)當(dāng)時(shí)的需要點(diǎn)擊了若干個(gè)鏈接，搜索引擎記錄下被點(diǎn)擊的鏈接并將被點(diǎn)擊的網(wǎng)頁間的同時(shí)訪問計(jì)數(shù)加1，如下對(duì)被點(diǎn)擊的網(wǎng)頁i、j，執(zhí)行aij＝aij+1(4)bi＝bi+1 (5)bJ＝bj+1 (6)如果只有一個(gè)網(wǎng)頁i被打開，則執(zhí)行bi＝bi+1 (7)4.搜索引擎規(guī)律性的根據(jù)A、B和D0重新計(jì)算生成D，并D對(duì)進(jìn)行降維，獲得D壓縮幾何表示Y。這樣網(wǎng)頁間的差異性被表示為d維嵌入空間下的歐式距離，d＜＜n。
5.當(dāng)有新的網(wǎng)頁加入時(shí)，系統(tǒng)用基于向量空間模型的方法計(jì)算出新網(wǎng)頁與其它網(wǎng)頁的差異性，并將該網(wǎng)頁的w參數(shù)調(diào)整為0。當(dāng)該網(wǎng)頁收到的點(diǎn)擊達(dá)到一定量再將w調(diào)整到一個(gè)合理的非0值。
(5)當(dāng)搜索引擎接受到一個(gè)用戶的一次查詢請(qǐng)求時(shí)進(jìn)行下列步驟(a)搜索引擎接受用戶輸入的查詢關(guān)鍵字，用某種相關(guān)度計(jì)算方法得出一個(gè)對(duì)應(yīng)于此查詢關(guān)鍵字的初始查詢結(jié)果列表并將具提交給用戶查看；(b)用戶查看初始查詢列表后將點(diǎn)擊一個(gè)其感興趣的鏈接；(c)搜索引擎記錄用戶點(diǎn)擊的第一個(gè)鏈接，并將該鏈接對(duì)應(yīng)的網(wǎng)頁記為目標(biāo)網(wǎng)頁，然后根據(jù)步驟4得到的網(wǎng)頁間差異度數(shù)據(jù)的低維幾何表示計(jì)算出目標(biāo)網(wǎng)頁與初始查詢結(jié)果列表中所有鏈接對(duì)應(yīng)的網(wǎng)頁間的差異度，并將差異度按照從低到高的順序排列構(gòu)成新的查詢結(jié)果；(d)將新的查詢結(jié)果提交給用戶，此查詢結(jié)果即是與用戶點(diǎn)擊的第一個(gè)網(wǎng)頁相關(guān)且與用戶輸入的查詢關(guān)鍵字高度相關(guān)的最終查詢結(jié)果。
在此步驟中，當(dāng)有用戶使用搜索引擎時(shí)，對(duì)于一次查詢請(qǐng)求進(jìn)行下列過程1.用基于向量空間模型的方法生成初始查詢結(jié)果集r。設(shè)此時(shí)r中行m個(gè)網(wǎng)頁。
2.在用戶觀察初始查詢結(jié)果并點(diǎn)擊一個(gè)鏈接后，搜索引擎記錄該鏈接(稱為目標(biāo)網(wǎng)頁，設(shè)其在網(wǎng)頁庫(kù)中的ID為i)。計(jì)算目標(biāo)網(wǎng)頁i和r中其它網(wǎng)頁的差異度(即計(jì)算Y中對(duì)應(yīng)行向量間的距離)，獲得差異向量di≡[dij1,dij2,...,dijm]T]]>(也可以計(jì)算目標(biāo)網(wǎng)頁和所有其它網(wǎng)頁間的差異度并取差異度最小的一部分網(wǎng)頁作為查詢結(jié)果集的擴(kuò)展)。
3.將r中的網(wǎng)頁按照di中對(duì)應(yīng)的差異度升序排列，提交給用戶，此為搜索引擎提交給用戶的最終結(jié)果。
權(quán)利要求
1.一種基于網(wǎng)頁相關(guān)性的搜索引擎搜索方法，其特征在于所述的基于網(wǎng)頁相關(guān)性的搜索引擎搜索方法包括按順序進(jìn)行的下列步驟(1)在搜索引擎運(yùn)行過程中記錄一段時(shí)間內(nèi)網(wǎng)絡(luò)用戶在搜索引擎搜索結(jié)果列表上的點(diǎn)擊行為數(shù)據(jù)；(2)用基于向量空間模型的方法計(jì)算出所有網(wǎng)頁間的差異度并保存；(3)用步驟1中記錄的點(diǎn)擊數(shù)據(jù)更新步驟2中得到的所有網(wǎng)頁間差異度；(4)將步驟3中得到的網(wǎng)頁間差異度視為網(wǎng)頁間的距離，并用維數(shù)約減的算法對(duì)這些距離數(shù)據(jù)降維，從而得到網(wǎng)頁間差異度數(shù)據(jù)的低維幾何表示；(5)當(dāng)搜索引擎接受到一個(gè)用戶的一次查詢請(qǐng)求時(shí)進(jìn)行下列步驟(a)搜索引擎接受用戶輸入的查詢關(guān)鍵字，用某種相關(guān)度計(jì)算方法得出一個(gè)對(duì)應(yīng)于此查詢關(guān)鍵字的初始查詢結(jié)果列表并將其提交給用戶查看；(b)用戶查看初始查詢列表后將點(diǎn)擊一個(gè)其感興趣的鏈接；(c)搜索引擎記錄用戶點(diǎn)擊的第一個(gè)鏈接，并將該鏈接對(duì)應(yīng)的網(wǎng)頁記為目標(biāo)網(wǎng)頁，然后根據(jù)步驟4得到的網(wǎng)頁間差異度數(shù)據(jù)的低維幾何表示計(jì)算出目標(biāo)網(wǎng)頁與初始查詢結(jié)果列表中所有鏈接對(duì)應(yīng)的網(wǎng)頁間的差異度，并將差異度按照從低到高的順序排列構(gòu)成新的查詢結(jié)果；(d)將新的查詢結(jié)果提交給用戶，此查詢結(jié)果即是與用戶點(diǎn)擊的第一個(gè)網(wǎng)頁相關(guān)且與用戶輸入的查詢關(guān)鍵字高度相關(guān)的最終查詢結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于網(wǎng)頁相關(guān)性的搜索引擎搜索方法，其特征在于所述的步驟1中的記錄時(shí)間以每個(gè)月作為周期，長(zhǎng)期動(dòng)態(tài)跟蹤。
全文摘要
一種基于網(wǎng)頁相關(guān)性的搜索引擎搜索方法。該方法能夠在一次查詢過程中提供兩次結(jié)果給用戶，利用用戶第一次點(diǎn)擊提供的信息有效地解決了一意多詞和一詞多意的問題，解決了基于關(guān)鍵字的搜索引擎無法準(zhǔn)確確定用戶查詢意圖的問題，這種不僅可以提供給用戶與關(guān)鍵字相關(guān)且與用戶感興趣的網(wǎng)頁相關(guān)的網(wǎng)頁，而且沒有增加用戶操作的復(fù)雜性。另外，使用點(diǎn)擊數(shù)據(jù)更新差異性矩陣，是從一個(gè)新的角度判斷網(wǎng)頁間差異性，這種差異性是大量數(shù)據(jù)中體現(xiàn)出來的統(tǒng)計(jì)意義上的差異性，是大量搜索引擎用戶使用搜索引擎過程中作出的判斷。所以，本發(fā)明利用具有統(tǒng)計(jì)平穩(wěn)性的網(wǎng)頁級(jí)的相關(guān)性(差異性)分析，不需長(zhǎng)期跟蹤特定用戶的行為，即可為該用戶提供統(tǒng)計(jì)意義上的優(yōu)化服務(wù)。
文檔編號(hào)G06F17/30GK1996316SQ20071005642
公開日2007年7月11日 申請(qǐng)日期2007年1月9日 優(yōu)先權(quán)日2007年1月9日
發(fā)明者侯越先 申請(qǐng)人:天津大學(xué)