專利名稱：一種分類目錄自動構(gòu)建方法及相關(guān)系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計算機(jī)搜索領(lǐng)域，特別涉及在計算機(jī)搜索過程中為搜索結(jié) 果創(chuàng)建分類目錄的方法以及相應(yīng)的系統(tǒng)。
背景技術(shù)：
'計算機(jī)和互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，方便了人們對信息的獲取。尤其是 近幾年來，隨著搜索引擎技術(shù)的飛速發(fā)展，因特網(wǎng)用戶通過搜索引擎獲取
信息已經(jīng)成為非常普遍的現(xiàn)象。CNNIC信息服務(wù)部在2005年1月公布的 《全球互聯(lián)網(wǎng)統(tǒng)計信息報告》就已經(jīng)顯示搜索引擎擁有84%的網(wǎng)民用戶。 現(xiàn)在的搜索引擎用戶恐怕會更多。但是現(xiàn)在的搜索引擎很多時候并不能返 回正確的答案，尼爾森-諾曼集團(tuán)的調(diào)查顯示搜索引擎的評價成功率只有 42%。
如何幫助用戶快速準(zhǔn)確地發(fā)現(xiàn)其所尋找的信息是搜索引擎的重要目 標(biāo)。到目前為止，搜索引擎已經(jīng)經(jīng)歷了兩代第一代搜索引擎指主要依靠 人工分揀的分類目錄搜索，這一類當(dāng)時以Yahoo這樣的門戶網(wǎng)站為代表。 隨著互聯(lián)網(wǎng)規(guī)模的不斷擴(kuò)大，靠人工編輯生成的分類目錄難以跟上互聯(lián)網(wǎng) 信息增長速度；另外內(nèi)容增多導(dǎo)致目錄深度和每一層節(jié)點(diǎn)數(shù)的不斷增加， 這些無疑加重了用戶瀏覽信息和檢索的負(fù)擔(dān)。第二代搜索引擎以超鏈接分 析為基礎(chǔ)的機(jī)器抓取技術(shù)為基礎(chǔ)，在一定程度上解決了上述問題；這一類 以Google公司為代表。從交互上看，可以直接獲取相關(guān)文檔的第二代搜
索引擎自然要比層層瀏覽跳轉(zhuǎn)才能找到信息的第一代搜索引擎好。但是當(dāng) 前的第二代搜索引擎相對于第一代搜索引擎也引入了兩個弊端 一是搜索
引擎返回的結(jié)杲缺乏人工目錄的有效組織，不利于瀏覽。另一點(diǎn)在于，當(dāng) 用戶初始查詢失敗時，用戶不能利用目錄索引找到當(dāng)前查詢的相關(guān)內(nèi)容。 而在人工編輯的分類目錄中，用戶查找失敗后可以通過當(dāng)前目錄的上層目 錄或相關(guān)目錄去再次組織尋找。
鑒于上述兩種搜索引擎模式各自所存在的缺陷，若能夠提供一種將兩 種搜索引擎模式的優(yōu)點(diǎn)集于一身的新的搜索方法，則有助于向用戶提供更
快、更有效的搜索服務(wù)。

發(fā)明內(nèi)容
本發(fā)明的目的是克服現(xiàn)有的搜索引擎模式在搜索過程中各自所存在 的缺陷，從而提供一種在搜索過程中創(chuàng)建分類目錄并根據(jù)所創(chuàng)建的分類目 錄實(shí)現(xiàn)搜索的搜索方法。
為了實(shí)現(xiàn)上述目的，本發(fā)明提供了一種分類目錄自動構(gòu)建方法，包括 步驟l)、查找與用戶提交的查詢詞有關(guān)的概念術(shù)語，得到與所述查詢
詞相關(guān)的概念術(shù)語集合；
步驟2)、計算所述概念術(shù)語集合中各個概念術(shù)語間的相關(guān)度； 步驟3)、根據(jù)所述概念術(shù)語間的相關(guān)度，對所述概念術(shù)語集合中的概
念術(shù)語做分類或聚類操作，得到至少一個概念術(shù)語類；
步驟4 )、將所述概念術(shù)語集合中的概念術(shù)語按照所述概念術(shù)語類組織
成分類目錄。
上述技術(shù)方案中，所述的步驟3)還包括對所得到的概念術(shù)語類中的 概念術(shù)語做進(jìn)一步的分類或聚類操作，得到范圍更小的新的概念術(shù)語類。
上述技術(shù)方案中，在所述的步驟3)中，采用圖分割算法實(shí)現(xiàn)對概念 術(shù)語的分類操作，釆用聚類算法實(shí)現(xiàn)對概念術(shù)語的聚類操作。
上述技術(shù)方案中，所述的圖分割算法包括
步驟3-l)、根據(jù)所述概念術(shù)語間的相關(guān)度，為所述的概念術(shù)語構(gòu)建概 念關(guān)系步驟3-2 )、對所述概念關(guān)系圖中代表概念術(shù)語的各個頂點(diǎn)進(jìn)行劃分， 按照所述頂點(diǎn)間相互聯(lián)系的密切程度將所述概念關(guān)系圖分為多個子圖，每 個子圖代表一個概念術(shù)語類。
上述技術(shù)方案中，在所述的步驟3-1)中，在構(gòu)建所述的概念關(guān)系圖 時，包括
步驟3-1-1)、用一個節(jié)點(diǎn)表示一個概念術(shù)語；
步驟3-l-2)、當(dāng)兩個概念術(shù)語間的相關(guān)度高于用戶指定的閾值時，為 表示這兩個概念術(shù)語的兩個節(jié)點(diǎn)間添加一條有權(quán)邊，用所述概念術(shù)語間的 相關(guān)度數(shù)值表示所述有權(quán)邊的權(quán)重；
步驟3-1-3 )、對概念術(shù)語集合中的所有概念術(shù)語完成上述的兩兩相關(guān) 度判斷后即可得到所述的概念關(guān)系圖。
上述技術(shù)方案中，在所述的步驟3-2)中，對所述子圖劃分的方法包
括Kernighan-Li圖劃分方法、求解拉普拉斯矩陣特征向量的譜方法、基 于edge-betweenness的劃分方法、K完全子圖方法、互耳關(guān)網(wǎng)H接分析中的 HITS、 MCL方法，基于最大流最小割的web社區(qū)發(fā)現(xiàn)算法和密度二部圖 劃分方法，基于Modularity的社區(qū)發(fā)現(xiàn)算法，基于5 - Closure的社區(qū)發(fā)現(xiàn) 算法。
上述技術(shù)方案中，所述的聚類算法包括single-linkage方法、ROCK 方法、Chameleon方法、或conceptual clustering方法。
上述技術(shù)方案中，在所述的步驟1)中，從現(xiàn)有數(shù)據(jù)中查找與用戶提 交的查詢詞有關(guān)的概念術(shù)語，所述的現(xiàn)有數(shù)據(jù)包括用于記錄以前用戶查詢 的搜索引擎日志、搜索引擎返回的與當(dāng)前查詢相關(guān)的文檔、詞典、網(wǎng)上人 工編輯目錄信息、Wiki信息、用戶標(biāo)注信息在內(nèi)的信息。
上述技術(shù)方案中，在所述的步驟1)中，所述的現(xiàn)有數(shù)據(jù)還包括用戶 查詢歷史信息、用戶查詢傾向信息和/或用戶注冊帳號信息在內(nèi)的用戶個人
JS息。
上述技術(shù)方案中，所述的步驟2)還包括在計算所述概念術(shù)語集合 中各個概念術(shù)語間的相關(guān)度前，對所述概念術(shù)語集合中各個概念術(shù)語與所 述查詢詞的相關(guān)度進(jìn)行計算，將與所述查詢詞的相關(guān)度小于用戶指定閾值 的概念術(shù)語從所述概念術(shù)語集合中刪除。
上述技術(shù)方案中，在所述的步驟2)中，采用一種相關(guān)度計算方法對 所述概念術(shù)語間或概念術(shù)語與查詢詞間的相關(guān)度進(jìn)行計算，所述的相關(guān)度 計算方法包括計算兩個術(shù)語在同一文本內(nèi)容中的共同出現(xiàn)次數(shù)的方法、 數(shù)據(jù)挖掘方法、計算兩個術(shù)語間的互信息的方法、計算兩個術(shù)語在詞典或 人工目錄中的距離的方法、傳統(tǒng)信息檢索中計算文本間距離的計算方法。
上述技術(shù)方案中，在所述的步驟2)中，還包括采用至少兩種計算相 關(guān)度的方法對概念術(shù)語間的相關(guān)度進(jìn)行計算，將所得到的多種計算結(jié)果做 歸一化加權(quán)操作，得到最終的相關(guān)度值。
上述技術(shù)方案中，所述的步驟3)還包括采用類標(biāo)簽對所得到的概念 術(shù)語類進(jìn)行標(biāo)識。
上述技術(shù)方案中，所述的類標(biāo)簽采用所代表的概念術(shù)語類中最具代表 性的概念術(shù)語，或能夠?qū)λ淼母拍钚g(shù)語類中所有概念術(shù)語進(jìn)行概括的 標(biāo)簽。
上述技術(shù)方案中，所述的概念術(shù)語類中最具代表性的概念術(shù)語為所述 概念術(shù)語類中與類中心相似度值最大的概念術(shù)語。
上述技術(shù)方案中，所述的能夠?qū)λ淼母拍钚g(shù)語類中所有概念術(shù)語
進(jìn)行概括的標(biāo)簽的產(chǎn)生包括
步驟a)、事先定義一組類別標(biāo)簽，依據(jù)類別標(biāo)簽對各概念術(shù)語類進(jìn)行 分類，概念術(shù)語類的類標(biāo)簽就是其所屬類別的類別標(biāo)簽；
點(diǎn)，以這些節(jié)點(diǎn)共有的;深祖先節(jié)點(diǎn)作為該類的類標(biāo)簽?？? '；、
上述技術(shù)方案中，在所述的步驟4)中，還包括將所述的分類目錄返 回給用戶，在返回給用戶時，結(jié)合用戶設(shè)定的模式信息顯示所述的分類目 錄，所述的模式信息包括圖標(biāo)、顏色、字體大小、對概念術(shù)語的注釋說明。 本發(fā)明還提供了一種計算機(jī)搜索方法，包括 步驟1 )、用戶輸入查詢詞；
步驟2)、采用所述的分類目錄自動構(gòu)建方法為所述的查詢詞構(gòu)建分類 目錄；
步驟3 )、用戶將步驟2 )所得到的分類目錄中的概念術(shù)語作為推薦的 查詢詞發(fā)起下一次搜索，以得到更為精確的搜索結(jié)果。本發(fā)明還提供了一 種分類目錄自動構(gòu)建系統(tǒng)，包括概念術(shù)語抽取模塊、相關(guān)度計算模塊、 概念術(shù)語分類模塊、分類目錄顯示模塊以及用于包括現(xiàn)有數(shù)據(jù)的數(shù)據(jù)庫； 其中，
所述的概念術(shù)語抽取模塊從所述數(shù)據(jù)庫所存儲的現(xiàn)有數(shù)據(jù)中找到與 用戶提交的查詢詞有關(guān)的概念術(shù)語，得到與所述查詢詞相關(guān)的概念術(shù)語集 合；
所述的相關(guān)度計算模塊計算所述概念術(shù)語集合中各個概念術(shù)語間的 相關(guān)度；
所述的概念術(shù)語分類模塊根據(jù)所述概念術(shù)語間的相關(guān)度，對所述概念 術(shù)語集合中的概念術(shù)語做分類或聚類操作，得到至少 一個概念術(shù)語類；
所述的分類目錄顯示模塊將所述概念術(shù)語集合中的概念術(shù)語按照所 述概念術(shù)語類組織成分類目錄。
上述技術(shù)方案中，所述的相關(guān)度計算模塊中還包括概念術(shù)語篩選單 元，所述的概念術(shù)語篩選單元對由概念術(shù)語抽取才莫塊所得到的概念術(shù)語集 合中各個概念術(shù)語與所述查詢詞的相關(guān)度進(jìn)行計算，將與所述查詢詞的相關(guān)度小于用戶指定閾值的概念術(shù)語從所述概念術(shù)語集合中刪除，然后再由 相關(guān)度計算模塊對所述概念術(shù)語集合中的各個概念術(shù)語計算相關(guān)度。
上述技術(shù)方案中，所述的概念術(shù)語分類模塊還包括標(biāo)簽選擇單元，所 述的標(biāo)簽選擇單元為所得到的概念術(shù)語類選擇類標(biāo)簽。
本發(fā)明又提供了一種計算機(jī)搜索系統(tǒng)，包括查詢詞輸入模塊、分類目
錄自動構(gòu)建系統(tǒng)、以及再搜索模塊；其中，
所述的查詢詞輸入模塊用于由用戶輸入查詢詞；
所述的分類目錄自動構(gòu)建系統(tǒng)用于為所述的查詢詞構(gòu)建分類目錄；
所述的再搜索模塊將所述的分類目錄自動構(gòu)建系統(tǒng)所創(chuàng)建的分類目 錄中的概念術(shù)語作為推薦的查詢詞發(fā)起下一次搜索，以得到更為精確的搜 索結(jié)果。
本發(fā)明的優(yōu)點(diǎn)在于
1、 本發(fā)明在現(xiàn)有的搜索引擎的基礎(chǔ)上，為用戶提供的查詢詞生成了 相應(yīng)的分類目錄，所得到的分類目錄能夠反映用戶查詢的不同含義，從而 有助于用戶更容易、更快捷地找到所需的信息。
2、 本發(fā)明所生成的分類目錄只需要顯示與用戶查詢相關(guān)的目錄，相 對于門戶網(wǎng)站或其他人工編輯的全局目錄結(jié)構(gòu)，用戶不需要從全局根目錄 層層瀏覽查找，這將大大降低用戶的負(fù)擔(dān)。
3、 本發(fā)明可以應(yīng)用在搜索引擎相關(guān)搜索推薦領(lǐng)域，當(dāng)用戶查詢失敗 時，本發(fā)明提供含義分類明確的相關(guān)搜索查詢，利用這些相關(guān)搜索查詢用 戶可以逐步明確其搜索意圖并找到答案。
4、 本發(fā)明可以在大規(guī)模數(shù)據(jù)集上自動構(gòu)建層次化的目錄，相對于人 工分類編輯目錄，大大提高了效率和覆蓋率。


圖1為本發(fā)明的分類目錄自動構(gòu)建方法在一個實(shí)施例中的實(shí)現(xiàn)流程
圖2為在一個實(shí)施例中，根據(jù)相關(guān)度值對"Java"所涉及的概念術(shù)語 所構(gòu)建的概念關(guān)系圖3為在一個實(shí)施例中，為"Java"所生成的分類目錄以及搜索結(jié)果 的示意圖4為本發(fā)明的分類目錄自動構(gòu)建系統(tǒng)的示意圖。
具體實(shí)施例方式
下面結(jié)合附圖和具體實(shí)施方式
對本發(fā)明加以i兌明。
在對本發(fā)明進(jìn)行詳細(xì)說明前，對本發(fā)明中所涉及到的幾個概念進(jìn)行解 釋，以更好地理解本發(fā)明。
搜索引擎本發(fā)明中所述的搜索引擎是一個泛指概念，它不是指具體 某個網(wǎng)站搜索服務(wù)或某個公司的搜索引擎產(chǎn)品，也不是專門搜索某類"對 象，'的搜索引擎，這里所說的"對象"包括但不限于網(wǎng)頁、圖像、音頻、 視頻。所述的搜索引擎是指任何以輸入關(guān)鍵字，提交后獲取搜索結(jié)果的方 式進(jìn)行信息查找的計算機(jī)系統(tǒng)。
查詢本發(fā)明中所述的查詢是一個泛指概念，它是指能體現(xiàn)瀏覽或搜 索意圖的詞和/或短語集合。詞和/或短語的集合可由用戶直接提交，也可 以從其他其他系統(tǒng)或組件獲得。
概念術(shù)語本發(fā)明所述的概念術(shù)語由詞、短語或它們的組合表示，也 可賦予一段注釋說明。
分類目錄本發(fā)明所述的分類目錄是由與某一查詢Q相關(guān)的概念術(shù)語 組成的層次化結(jié)構(gòu)，通過其中任一概念術(shù)語C用戶可以找到與C相關(guān)的"對 象"集合Ds。集合Ds中的"對象"有可能并不存在于搜索引擎對查詢Q 的返回結(jié)果中。
在對概念進(jìn)行解釋說明后，下面對本發(fā)明的具體實(shí)現(xiàn)過程進(jìn)行詳細(xì)說明。
當(dāng)前，用戶采用搜索引擎所提供的搜索服務(wù)時，通常會根據(jù)自己的搜 索意圖輸入一個或一個以上的關(guān)鍵詞，通過搜索引擎所返回的與關(guān)4建詞相 關(guān)的搜索結(jié)果來查找自己所需要的信息。但在這一搜索過程中，可能會存 在以下問題
1、 用戶并不清楚如何用有限的幾個詞語來描述他的搜索意圖，特別 是當(dāng)所涉及的搜索意圖較為生僻、不易描述時，由此所得到的搜索結(jié)果往 往不符合用戶的要求。
2、 用戶所輸入的關(guān)鍵詞由于語言中常見的多義性，使得所采用的關(guān) 鍵詞并不能準(zhǔn)確地表達(dá)用戶的搜索意圖。例如，關(guān)鍵詞"筆記本，，既可能 是指便攜式電腦，也可能是指紙質(zhì)的記事本。對于這類關(guān)鍵詞，需要用戶 對所返回的搜索結(jié)果做進(jìn) 一步的篩選，或者需要用戶在現(xiàn)有關(guān)鍵詞的基礎(chǔ) 上添加和/或替換一些關(guān)鍵詞做進(jìn)一 步搜索。
上述問題的存在都不利于搜索結(jié)果的正確獲得，特別是那些非熱門的 搜索對象。在本發(fā)明中，為了有效地避免上述情況的發(fā)生，本發(fā)明的4叟索 引擎在為用戶的查詢生成相應(yīng)的搜索結(jié)果的同時，還提供了與用戶的查詢 詞相關(guān)的相關(guān)概念術(shù)語分類目錄，通過這一分類目錄做更為精確的二次查詢。
為了便于理解，我們用 一個具體的例子對本發(fā)明中所涉及的相關(guān)概念 術(shù)語分類目錄的生成過程進(jìn)行說明。
假設(shè)有 一 個不了解計算機(jī)技術(shù)的用戶想查詢關(guān)于咖啡的信息，他輸入
了 "Java"作為查詢詞，由于當(dāng)前互聯(lián)網(wǎng)上關(guān)于"Java編程"的信息占據(jù) 絕對優(yōu)勢地位。所以無論搜索引擎返回的文檔結(jié)果還是相關(guān)搜索信息都是 關(guān)于計算機(jī)技術(shù)的，用戶難以找到其所要的信息。但單獨(dú)對"Java"這個 詞進(jìn)行考察的話，可以知道這個詞所包含的含義可以分為三類， 一是在計 算機(jī)技術(shù)方面的，如Java語言，二是與咖啡相關(guān)的，如爪哇咖啡，三是與 區(qū)域(region)相關(guān)的，如爪哇島。顯然，前面所提到的用戶想要查詢的 是與爪哇咖啡有關(guān)的內(nèi)容。通過現(xiàn)有的搜索引擎無法做到，因此，需要生 成與Java有關(guān)的相關(guān)概念術(shù)語分類目錄。參考圖1，生成相關(guān)概念術(shù)語分 類目錄的具體過程如下。
首先，對當(dāng)前的查詢詞進(jìn)行分析，并從現(xiàn)有數(shù)據(jù)中找到與查詢詞有關(guān) 的概念術(shù)語。此處所涉及的現(xiàn)有數(shù)據(jù)可以是用于記錄以前用戶查詢的搜索 引擎日志、搜索引擎返回的與當(dāng)前查詢相關(guān)的文檔、詞典、網(wǎng)上人工編輯 目錄信息、Wiki信息、用戶標(biāo)注信息等。在這些現(xiàn)有數(shù)據(jù)中，識別出與查 詢詞有一定關(guān)聯(lián)(如在同一篇文檔中)的高頻詞和/或短語，這些高頻詞和
/或短語就可纟皮認(rèn)作概念術(shù)語。前述例子中的查詢詞只有"Java" —個詞， 在現(xiàn)有數(shù)據(jù)中可以找到與之相關(guān)的內(nèi)容，如"computer"、 "coffee"、 "region" 等，這些都可以作為"Java"的概念術(shù)語。除了上述的概念術(shù)語外，還可 以包括如"Java island" 、 "Java language" 、 "Java servlet" 、 "javascript" 、 " cafe au lait"、 " cappuccino coffee" 、 "south" 、 "code"等概念術(shù)語。以上是對 查詢詞進(jìn)行分析從而得到概念術(shù)語的基本操作，在本發(fā)明的一個優(yōu)選實(shí)施
即最終所生成的分類目錄對于不同的用戶有不同的內(nèi)容，如對于計算機(jī)編 程人員顯示關(guān)于"Java編程，，的內(nèi)容，而對于咖啡店老才反顯示關(guān)于爪哇咖 啡的內(nèi)容。要使得所述的分類目錄具有個性化功能，就需要在對查詢詞進(jìn)
行分析，生成相關(guān)概念術(shù)語時，所用到的數(shù)據(jù)除了前面所提到的用于記錄 以前用戶查詢的搜索引擎日志、搜索引擎返回的與當(dāng)前查詢相關(guān)的文檔、
詞典、網(wǎng)上人工編輯目錄信息、Wiki信息、用戶標(biāo)注信息外，還包括用戶 個人信息，如用戶查詢歷史信息、用戶查詢傾向和/或用戶注冊帳號信息等。
相關(guān)的分類目錄。
在得到關(guān)于查詢詞的諸多概念術(shù)語后，就要對這些概念術(shù)語進(jìn)行分 類。對概念術(shù)語的分類操作是在計算概念術(shù)語間相關(guān)度的基礎(chǔ)上實(shí)現(xiàn)的。 在前面所提到的"Java"例子中，才既念術(shù)語"computer"與"Java language"、 "Java servlet"、 "javascript"等的相關(guān)性較大，而沖既念術(shù)語"coffee"則與 "cafe au lait"、 " cappuccino coffee"等的相關(guān)性4交大。對這種才既念術(shù)語 間相關(guān)性大小的衡量就用所述的相關(guān)度表示。由于在前面的操作中，與某 一特定查詢詞的相關(guān)概念術(shù)語的數(shù)量可能較多，因此，在計算概念術(shù)語間 相關(guān)度之前，還可以先對概念術(shù)語進(jìn)行篩選，即計算各個概念術(shù)語與當(dāng)前 查詢的查詢詞之間的相關(guān)度，從中選取相關(guān)度高的概念術(shù)語。概念術(shù)語篩 選后，就可以對篩選得到的概念術(shù)語間的相關(guān)度進(jìn)行計算。計算概念術(shù)語 與查詢詞的相關(guān)度，以及計算概念術(shù)語間的相關(guān)度的實(shí)現(xiàn)方法相類似，可 以采用現(xiàn)有技術(shù)中的各種實(shí)現(xiàn)方法，包括但不限于計算兩個術(shù)語在同一 文本內(nèi)容中的共同出現(xiàn)次數(shù)、數(shù)據(jù)挖掘中相關(guān)方法(如關(guān)聯(lián)規(guī)則)、計算 兩個術(shù)語間的互信息、計算兩個術(shù)語在詞典或人工目錄中的距離、傳統(tǒng)信 息檢索中計算文本間距離的計算方法。下面給出利用同一文本中共同出現(xiàn)
次數(shù)的方法來計算查詢詞與扭克念術(shù)語間以及概念術(shù)語間相關(guān)度的公式，以 方便理解。其中
查詢詞與概念術(shù)語間的相關(guān)度計算公式如下 c) = CF x log(iV /司
其中的Q表示當(dāng)前查詢，c表示一個概念術(shù)語，CF是查詢Q返回結(jié) 果中概念c出現(xiàn)的總次數(shù)，DF是出現(xiàn)概念c的文檔個^:， N是查詢Q總 的返回結(jié)果數(shù)。
概念術(shù)語間的計算公式如下 D(c,)oD(。)
其中，D(c)表示含有概念c的文檔集合:
從上述的計算公式中可以看出，如果兩個概念術(shù)語經(jīng)常在同一篇文檔 中出現(xiàn)，那么它們之間的相關(guān)度就高。
前述公式給出了相關(guān)度值計算的一種方法，但在實(shí)際應(yīng)用中，為了使 得相關(guān)度值更為精確，最好采用現(xiàn)有技術(shù)中的多種相關(guān)度值計算方法中的 若干種對相關(guān)概念術(shù)語間的相關(guān)度值進(jìn)行計算，從而得到多種計算結(jié)果， 然后對不同的計算結(jié)果做歸一化加權(quán)計算，得到一個新的相關(guān)度值，這一 相關(guān)度值也就是概念術(shù)語間的最終相關(guān)度值。
在得到概念術(shù)語間的相關(guān)度值(或最終相關(guān)度值)后，就可以根據(jù)相 關(guān)度值對各個概念術(shù)語做分類。對概念術(shù)語做分類的方法可以有多種，單 純從分類目的上講，所有基于對象間相似度或距離值進(jìn)行計算的分類或聚 類算法都是可行的。但是考慮到在分類前類別數(shù)目和類別標(biāo)簽都是未知
的，傳統(tǒng)的分類方法(classification)難以解決此分類問題。這里可以采用 不需要事先指定類別個數(shù)的聚類(cluster analysis )算法、圖分割算法。這 里所述的聚類算法包括但不限于如single-linkage, ROCK、 Chameleon 之類的層次4匕(Hierarchical)方法，如conceptual clustering之類的基于才莫 型的方法。這里所述的圖分割算法包括各種基于圖結(jié)構(gòu)的分類
(graph-based classification)算法、一土?xí)P(guān)系網(wǎng)纟各分才斤(social networks analysis )中的社區(qū)(community )發(fā)現(xiàn)算法，如Kernighan-Li圖劃分方法、 求解拉普拉斯矩陣特征向量的譜方法、基于edge-betweenness的劃分方法、 K完全子圖(k-clique )方法、互聯(lián)網(wǎng)鏈接分析中的中的HITS 、 MCL方法， 基于最大流最小割的web社區(qū)發(fā)現(xiàn)算法和Kumar等人提出的密度二部圖 劃分方法，基于Modularity的社區(qū)發(fā)現(xiàn)算法，基于5 - Closure的社區(qū)發(fā)現(xiàn) 算法等多種現(xiàn)有技術(shù)中已經(jīng)存在的方法。
相對于傳統(tǒng)的文本分類、聚類方法，基于圖分割的方法更能給出體現(xiàn) 一個查詢不同意圖的分類結(jié)果。物以類聚，人以群分。當(dāng)一個查詢能體現(xiàn) 多種不同含義時，屬于同一個含義的概念術(shù)語相互間往往聯(lián)系緊密，而不 同含義的概念術(shù)語則聯(lián)系松散。正是基于這種思想，采用圖中的社區(qū)
(community)發(fā)現(xiàn)算法會耳又得更好的效果。在本實(shí)施例中，以圖分割算 法中的基于Modularity的社區(qū)發(fā)現(xiàn)算法為例，對如何實(shí)現(xiàn)概念術(shù)語的分類 進(jìn)行說明。
在圖分割算法中，首先需要構(gòu)建概念關(guān)系圖G,在概念關(guān)系圖G中， 節(jié)點(diǎn)]^表示概念術(shù)語c,,如果兩個概念術(shù)語(c,，。)間的相關(guān)度高于用戶指定
的閾值，則將用于表示這兩個概念術(shù)語的節(jié)點(diǎn)間用一條有權(quán)邊^(qū)相連，邊 的權(quán)重就是兩個概念術(shù)語間的相關(guān)度數(shù)值。圖2就是根據(jù)相關(guān)度值對前述
的"Java"例子中所涉及的概念術(shù)語所構(gòu)建的概念關(guān)系圖，從該圖中可以 看出，這一概念關(guān)系圖大致分為三個區(qū)域，其中一個區(qū)域與地理相關(guān)，其 中一個區(qū)域與計算^/L相關(guān)，而另一個區(qū)域與咖啡相關(guān)，與"Java"在現(xiàn)實(shí) 中所包含的多種含義基本一致。
在得到概念術(shù)語的概念關(guān)系圖后，就可以對概念關(guān)系圖進(jìn)行劃分。以 圖2中所示的概念關(guān)系圖G為例，對如何采用基于Modularity的社區(qū)發(fā)現(xiàn) 算法對該圖進(jìn)行劃分做示例性說明。
假設(shè)圖G中包括n個頂點(diǎn)(^^,…義)，分別表示n個相關(guān)概念術(shù)語 (CpC2,c3,…,c")，連接頂點(diǎn)(K,K)的邊4又重e,y = Ww(c,，c,)。首先只于所有邊的4又重 進(jìn)行歸一化
A可以看作是頂點(diǎn)&^之間有相互關(guān)系的概率f f;/ey. = 1 然后對概念關(guān)系圖按照以下步驟做具體的劃分
第一步，將概念關(guān)系圖中的每個頂點(diǎn)形成一個子圖，從而建立子圖 G,。,《,…《.此時N=n。每一個子圖代表一個類。
第二步，計算各類間的邊的權(quán)重之和^ = 22/^。
第三步，計算當(dāng)前這種子圖劃分方式的Modularity值，Modularity值 的計算方法如下
;=1 y=i /=1
M值可以看作是每個子圖內(nèi)頂點(diǎn)間有相互聯(lián)系的概率是否遠(yuǎn)大于他 們與其他子圖間頂點(diǎn)相關(guān)聯(lián)的概率。M值越大說明劃分效果越好，反之則 越差。
第四步，如果現(xiàn)在還有多個子圖尋找兩個子圖G:,《進(jìn)行 合并，使得合并后新分類下M值增加的數(shù)值最大。這樣形成了新的子圖劃 分結(jié)果G",GCGf1,.…。
第五步，轉(zhuǎn)到第二步，重復(fù)計算及合并，直到所有子圖都合并成一個 圖為止。尋找整個合并過程中M值最大時的分類結(jié)果，這個結(jié)果就是最終 的分類結(jié)果。根據(jù)子圖中頂點(diǎn)與相關(guān)概念術(shù)語的對應(yīng)關(guān)系就可以做出對相 關(guān)概念術(shù)語的分類結(jié)果。
圖2所示的概念關(guān)系圖經(jīng)過上述步驟后，可以得到三個子圖，即與地 理相關(guān)的子圖、與計算機(jī)相關(guān)的子圖以及與咖啡相關(guān)的子圖。這些子圖所 包括的范圍較大，根據(jù)分類目錄的需要，還可以對子圖做進(jìn)一步的劃分以 得到范圍更小的子圖。例如，可以設(shè)定一個閾值，然后采用前述的方法對 現(xiàn)有的某 一子圖做子圖劃分，直到劃分所得到的子圖個數(shù)超過所設(shè)定的閾 值后才停止相關(guān)操作。以圖2為例，與計算機(jī)相關(guān)的子圖還可以進(jìn)一步分
為"Java language" 、 "Java servlet"等范圍更小的子圖。
完成對概念關(guān)系圖中的子圖的劃分后，就可以從各個子圖中抽取對應(yīng) 的相關(guān)概念術(shù)語從而構(gòu)成相關(guān)概念術(shù)語類，并為所得到的相關(guān)概念術(shù)語類 尋找用于標(biāo)識類的類標(biāo)簽。在尋找類標(biāo)簽時，可能有多種實(shí)現(xiàn)方式。如在 一個實(shí)例中，可以從類中選擇一個最具代表性的概念術(shù)語作為類別標(biāo)簽。 具體地，可以選取與類中心相似度值最大的概念術(shù)語作為類別標(biāo)簽。在另 一個實(shí)例中，也可以用一個能概括相關(guān)概念術(shù)語的類中所有概念術(shù)語的標(biāo) 簽作為類別標(biāo)簽，所述標(biāo)簽可以從現(xiàn)有數(shù)據(jù)中獲取，如一個人工編輯的目 錄。例如，先找出類中每個相關(guān)概念術(shù)語在人工編輯目錄(像ODP)中對 應(yīng)的節(jié)點(diǎn)，然后找出這些節(jié)點(diǎn)共有的最深祖先節(jié)點(diǎn)，這個祖先節(jié)點(diǎn)的內(nèi)容 就可以作為該類的標(biāo)簽。此處還可以采用如下方式事先定義一組類別標(biāo) 簽，依據(jù)類別標(biāo)簽對各概念術(shù)語類進(jìn)行分類，概念術(shù)語類的類標(biāo)簽就是其 所屬類別的類別標(biāo)簽。在本實(shí)施例中，可以釆用如下方式
假設(shè)要為子圖g所代表的類尋找類標(biāo)簽，首先選擇與子圖g內(nèi)其他概 念術(shù)語連邊數(shù)Wl最大的概念術(shù)語；如果有多個概念術(shù)語的Wl值相同且 均超過其他概念術(shù)語的Wl值，那么從中選擇與所有子圖中概念術(shù)語間連 邊權(quán)重之和最大的概念術(shù)語；如果這時選出的概念術(shù)語仍不止一個，那么 選擇其中CF最大的；按照上述方法最終選出的概念術(shù)語作為子圖g中概 念術(shù)語類的標(biāo)簽。
通過上述方法，可以為前述的"Java"例子中的各個類設(shè)定用于標(biāo)識 類的類標(biāo)簽。例如，對于與地理相關(guān)的類可以用"location"作為標(biāo)簽，對 于與計算;^幾相關(guān)的類可以用"computers"作為標(biāo)簽，而對于與咖啡相關(guān)的
類則可以用"coffee"作為標(biāo)簽。在上述類的子類中，也可以設(shè)定相應(yīng)的 標(biāo)簽，例如,"computers"類的子類中還包括有 "Java language" 、 "Java servlet"、 "javaapi"、 "Java enterprise platform" 等類標(biāo)簽。
一個相關(guān)概念術(shù)語類在設(shè)定類標(biāo)簽后，將這個類標(biāo)簽作為根目錄，將 類中的其他概念術(shù)語作為根目錄下的子目錄。所有的相關(guān)概念術(shù)語類通過 上述方式組合后，就可以得到本發(fā)明所涉及的相關(guān)概念術(shù)語的分類目錄。
以上所得到的具有類標(biāo)簽的相關(guān)概念術(shù)語的分類目錄是一種較佳的 實(shí)現(xiàn)方式，在具體實(shí)現(xiàn)時，也可以將所得到的與某一查詢詞有關(guān)的相關(guān)概 念術(shù)語直接按照所在的類進(jìn)行顯示，而無需為類設(shè)定類標(biāo)簽。
在本發(fā)明中，為了更好地服務(wù)于用戶，對于所得到的分類目錄還可以 根據(jù)用戶設(shè)定和/或分類目錄的具體應(yīng)用場景對目錄所顯示的概念術(shù)語做 一定的調(diào)整。例如，如果概念術(shù)語將作為"相關(guān)搜索"的超鏈接，那么概 念術(shù)語將根據(jù)當(dāng)前查詢和查詢?nèi)罩局械男畔⒄{(diào)整概念術(shù)語的組合方式，使 其達(dá)到更好的查詢效果；如果用戶設(shè)定每個類別的相關(guān)概念術(shù)語顯示數(shù)目 不大于5,那么需要對類內(nèi)的相關(guān)術(shù)語再次排序，刪除掉排名靠后的概念 術(shù)語。
在得到概念術(shù)語的分類目錄后，可以將分類目錄與搜索結(jié)果一起返回 給用戶，以方便用戶作進(jìn)一步查詢。這一返回用戶的過程實(shí)際上就是對相 關(guān)概念術(shù)語的分類目錄的顯示。在顯示過程中，需要用到用戶所設(shè)定的模 式信息，如圖標(biāo)、顏色、字體大小、對概念術(shù)語的注釋說明等。例如，可 以通過字體的大小來體現(xiàn)一個概念術(shù)語相關(guān)的文檔數(shù)量，字體大的概念術(shù) 語擁有更多的相關(guān)文檔；也可以用不同顏色來表示概念術(shù)語的熱門程度。 在圖3中給出了前述"Java"例子的分類目錄以及對應(yīng)的搜索結(jié)果的顯示 結(jié)果。在該圖中包括有查詢框602,其中用戶已輸入查詢"java"。 返回 結(jié)果的頁面中包括兩部分查詢相關(guān)網(wǎng)頁604和相關(guān)概念術(shù)語分類目錄612
(黑色方框內(nèi)內(nèi)容)。從相關(guān)概念術(shù)語分類目錄612中可以看出，"Java" 的相關(guān)沖既念術(shù)語分屬于三個大類"computer"、 "coffee"、 "location",每一 類通過類標(biāo)簽608標(biāo)識。每一類可以展開顯示該類中的相關(guān)概念術(shù)語606， 例如 "location" 類展開后顯示 "location" 、 "Java island" 、 "Indonesia" 三 個相關(guān)概念術(shù)語。有的類內(nèi)概念術(shù)語還可以再次組織成分類目錄，每個概 念術(shù)語前的圖標(biāo)610指示了該概念術(shù)語是否還包含更多概念術(shù)語。例如
"Java language"可以展開,里面包含"javascript" 、 "open source Java"等
概念術(shù)語。在圖3中只是給出了 "Java"例子的分類目錄的一部分，在實(shí) 際應(yīng)用中可能并不限于上述內(nèi)容。
在得到相關(guān)概念術(shù)語的分類目錄后，就可以利用該分類目錄進(jìn)行計算 機(jī)搜索。在一種計算機(jī)搜索方法中，在得到由用戶的查詢詞所生成的分類 目錄后，可根據(jù)分類目錄由用戶做進(jìn)一步的搜索。例如，可將分類目錄中 所包含的概念術(shù)語作為搜索引擎所推薦的"相關(guān)搜索"，它包括多種情況。 在一個實(shí)例中，將分類目錄中的概念術(shù)語作為查詢詞，當(dāng)用戶點(diǎn)擊分類目 錄中的某一概念術(shù)語時，搜索引擎返回以該概念術(shù)語作為查詢詞的搜索結(jié) 果。在另 一個實(shí)例中，將分類目錄中的概念術(shù)語作為當(dāng)前查詢的補(bǔ)充信息， 在下一次查詢中，將概念術(shù)語補(bǔ)充到當(dāng)前查詢的查詢詞中，以構(gòu)造更加精 確的查詢。在又一個實(shí)例中，若所給出的概念術(shù)語的分類目錄來自事先人 工編輯好的目錄信息，當(dāng)用戶點(diǎn)擊某一相關(guān)概念術(shù)語后，將轉(zhuǎn)到事先人工 編輯的關(guān)于此概念術(shù)語的網(wǎng)頁目錄，此時，沖既念術(shù)語相當(dāng)于事先人工編輯 好的標(biāo)簽或目錄。此外，還可以采用在用戶搜索查詢與先前查詢之間的距 離度量來確定向用戶顯示哪些相關(guān)概念術(shù)語，進(jìn)而根據(jù)用戶個性化展示其 感興趣的分類目錄信息。具體的，系統(tǒng)記錄每個用戶的查詢歷史信息，對 相關(guān)概念術(shù)語分類后，計算各類相關(guān)概念術(shù)語與當(dāng)前用戶歷史查詢的相關(guān) 度，去除相關(guān)度低于某一閾值的概念術(shù)語類，將相關(guān)度高的概念術(shù)語類組 織成分類目錄展示。
以上是對本發(fā)明如何生成相關(guān)概念術(shù)語分類目錄的方法所作的詳細(xì) 說明，在上述方法的基礎(chǔ)上，本發(fā)明還提供了能夠?qū)崿F(xiàn)上述方法的系統(tǒng)。 如圖4所示，該系統(tǒng)主要包括概念術(shù)語抽取模塊、相關(guān)度計算模塊、概念 術(shù)語分類模塊、分類目錄顯示模塊以及用于包括現(xiàn)有數(shù)據(jù)的數(shù)據(jù)庫；
其中，所述的概念術(shù)語抽取模塊從所述數(shù)據(jù)庫所存儲的現(xiàn)有數(shù)據(jù)中找 到與用戶提交的查詢詞有關(guān)的概念術(shù)語，得到與所述查詢詞相關(guān)的概念術(shù) 語集合；所述的相關(guān)度計算模塊計算所述概念術(shù)語集合中各個概念術(shù)語間 的相關(guān)度；所述的概念術(shù)語分類模塊根據(jù)所述概念術(shù)語間的相關(guān)度，對所 述概念術(shù)語集合中的概念術(shù)語做分類或聚類操作，得到至少一個概念術(shù)語 類；所述的分類目錄顯示模塊將所述概念術(shù)語集合中的概念術(shù)語按照所述 概念術(shù)語類組織成分類目錄后返回給用戶。
在前述的系統(tǒng)中，所述的相關(guān)度計算模塊中還包括概念術(shù)語篩選單 元，所述的概念術(shù)語篩選單元對由概念術(shù)語抽取才莫塊所得到的概念術(shù)語集 合中各個概念術(shù)語與所述查詢詞的相關(guān)度進(jìn)行計算，將與所述查詢詞的相 關(guān)度小于用戶指定閾值的概念術(shù)語從所述概念術(shù)語集合中刪除，然后再由 相關(guān)度計算模塊對所述概念術(shù)語集合中的各個概念術(shù)語計算相關(guān)度。
所述的概念術(shù)語分類模塊還包括標(biāo)簽選擇單元，所述的標(biāo)簽選擇單元 為所得到的概念術(shù)語類選擇類標(biāo)簽。
最后所應(yīng)說明的是，以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案而非限制。 盡管參照實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理 解，對本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，都不脫離本發(fā)明技術(shù)方案 的精神和范圍，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍當(dāng)中。
權(quán)利要求
1、一種分類目錄自動構(gòu)建方法，包括步驟1)、查找與用戶提交的查詢詞有關(guān)的概念術(shù)語，得到與所述查詢詞相關(guān)的概念術(shù)語集合；步驟2)、計算所述概念術(shù)語集合中各個概念術(shù)語間的相關(guān)度；步驟3)、根據(jù)所述概念術(shù)語間的相關(guān)度，對所述概念術(shù)語集合中的概念術(shù)語做分類或聚類操作，得到至少一個概念術(shù)語類；步驟4)、將所述概念術(shù)語集合中的概念術(shù)語按照所述概念術(shù)語類組織成分類目錄。
2、 根據(jù)權(quán)利要求1所述的分類目錄自動構(gòu)建方法，其特征在于，所 述的步驟3)還包括對所得到的概念術(shù)語類中的概念術(shù)語做進(jìn)一步的分類 或聚類操作，得到范圍更小的新的概念術(shù)語類。
3、 根據(jù)權(quán)利要求l或2所述的分類目錄自動構(gòu)建方法，其特征在于， 在所述的步驟3)中，釆用圖分割算法實(shí)現(xiàn)對概念術(shù)語的分類操作，采用 聚類算法實(shí)現(xiàn)對概念術(shù)語的聚類操作。
4、 根據(jù)權(quán)利要求3所述的分類目錄自動構(gòu)建方法，其特征在于，所 述的圖分割算法包括步驟3-l)、根據(jù)所述概念術(shù)語間的相關(guān)度，為所述的概念術(shù)語構(gòu)建概 念關(guān)系圖；步驟3-2 )、對所述概念關(guān)系圖中代表概念術(shù)語的各個頂點(diǎn)進(jìn)行劃分， 按照所述頂點(diǎn)間相互聯(lián)系的密切程度將所述概念關(guān)系圖分為多個子圖，每 個子圖代表一個概念術(shù)語類。
5、 根據(jù)權(quán)利要求4所述的分類目錄自動構(gòu)建方法，其特征在于，在 所述的步驟3-l)中，在構(gòu)建所述的概念關(guān)系圖時，包括步驟3-1-1)、用一個節(jié)點(diǎn)表示一個概念術(shù)語；步驟3-l-2)、當(dāng)兩個概念術(shù)語間的相關(guān)度高于用戶指定的閾值時，為 表示這兩個概念術(shù)語的兩個節(jié)點(diǎn)間添加一條有權(quán)邊，用所述概念術(shù)語間的 相關(guān)度數(shù)值表示所述有權(quán)邊的權(quán)重；步驟3-1-3 )、對概念術(shù)語集合中的所有概念術(shù)語完成上述的兩兩相關(guān) 度判斷后即可得到所述的概念關(guān)系圖。
6、 根據(jù)權(quán)利要求4所述的分類目錄自動構(gòu)建方法，其特征在于，在所述的步驟3-2)中，對所述子圖劃分的方法包括Kernighan-Li圖劃分方 法、求解拉普拉斯矩陣特征向量的譜方法、基于edge-betweenness的劃分 方法、K完全子圖方法、互聯(lián)網(wǎng)鏈接分析中的HITS、 MCL方法，基于最 大流最小割的web社區(qū)發(fā)現(xiàn)算法和密度二部圖劃分方法，基于Modularity 的社區(qū)發(fā)現(xiàn)算法，基于5 -Closure的社區(qū)發(fā)現(xiàn)算法。
7、 根據(jù)權(quán)利要求3所述的分類目錄自動構(gòu)建方法，其特征在于，所 述的聚類算法包括single-linkage方法、ROCK方法、Chameleon方法、 或conceptual clustering方法。
8、 根據(jù)權(quán)利要求1所述的分類目錄自動構(gòu)建方法，其特征在于，在 所述的步驟1)中，從現(xiàn)有數(shù)據(jù)中查找與用戶提交的查詢詞有關(guān)的概念術(shù) 語，所述的現(xiàn)有數(shù)據(jù)包括用于記錄以前用戶查詢的搜索引擎日志、搜索引 擎返回的與當(dāng)前查詢相關(guān)的文檔、詞典、網(wǎng)上人工編輯目錄信息、Wiki 信息、用戶標(biāo)注信息在內(nèi)的信息。
9、 根據(jù)權(quán)利要求8所述的分類目錄自動構(gòu)建方法，其特征在于，在 所述的步驟1)中，所述的現(xiàn)有數(shù)據(jù)還包括用戶查詢歷史信息、用戶查詢 傾向信息和/或用戶注冊帳號信息在內(nèi)的用戶個人信息。
10、 根據(jù)權(quán)利要求1所述的分類目錄自動構(gòu)建方法，其特征在于，所 述的步驟2)還包括在計算所述概念術(shù)語集合中各個概念術(shù)語間的相關(guān) 度前，對所述概念術(shù)語集合中各個概念術(shù)語與所述查詢詞的相關(guān)度進(jìn)行計 算，將與所述查詢詞的相關(guān)度小于用戶指定閾值的概念術(shù)語從所述概念術(shù) 語集合中刪除。
11、 根據(jù)權(quán)利要求1或10所述的分類目錄自動構(gòu)建方法，其特征在 于，在所述的步驟2)中，采用一種相關(guān)度計算方法對所述概念術(shù)語間或 概念術(shù)語與查詢詞間的相關(guān)度進(jìn)行計算，所述的相關(guān)度計算方法包括計 算兩個術(shù)語在同一文本內(nèi)容中的共同出現(xiàn)次數(shù)的方法、數(shù)據(jù)挖掘方法、計 算兩個術(shù)語間的互信息的方法、計算兩個術(shù)語在詞典或人工目錄中的距離 的方法、傳統(tǒng)信息檢索中計算文本間距離的計算方法。
12、 根據(jù)權(quán)利要求11所述的分類目錄自動構(gòu)建方法，其特征在于， 在所述的步驟2)中，還包括采用至少兩種計算相關(guān)度的方法對概念術(shù)語 間的相關(guān)度進(jìn)行計算，將所得到的多種計算結(jié)果做歸一化加權(quán)操作，得到 最終的相關(guān)度值。
13、 根據(jù)權(quán)利要求1或2所述的分類目錄自動構(gòu)建方法，其特征在于， 所述的步驟3 )還包括采用類標(biāo)簽對所得到的概念術(shù)語類進(jìn)行標(biāo)識。
14、 根據(jù)權(quán)利要求13所述的分類目錄自動構(gòu)建方法，其特征在于，所述的類標(biāo)簽采用所代表的概念術(shù)語類中最具代表性的概念術(shù)語，或能夠 對所代表的概念術(shù)語類中所有概念術(shù)語進(jìn)行概括的標(biāo)簽。
15、 根據(jù)權(quán)利要求14所述的分類目錄自動構(gòu)建方法，其特征在于， 所述的概念術(shù)語類中最具代表性的概念術(shù)語為所述概念術(shù)語類中與類中 心相似度值最大的概念術(shù)語。
16、 根據(jù)權(quán)利要求14所述的分類目錄自動構(gòu)建方法，其特征在于， 所述的能夠?qū)λ淼母拍钚g(shù)語類中所有概念術(shù)語進(jìn)行概括的標(biāo)簽的產(chǎn) 生包括步驟a)、事先定義一組類別標(biāo)簽，依據(jù)類別標(biāo)簽對各概念術(shù)語類進(jìn)行 分類，概念術(shù)語類的類標(biāo)簽就是其所屬類別的類別標(biāo)簽；步驟b )、找出類中每個相關(guān)概念術(shù)語在樹形人工編輯目錄中對應(yīng)的節(jié) 點(diǎn)，以這些節(jié)點(diǎn)共有的最深祖先節(jié)點(diǎn)作為該類的類標(biāo)簽。
17、 根據(jù)權(quán)利要求1所述的分類目錄自動構(gòu)建方法，其特征在于，在 所述的步驟4)中，還包括將所述的分類目錄返回給用戶，在返回給用戶 時，結(jié)合用戶設(shè)定的模式信息顯示所述的分類目錄，所述的模式信息包括 圖標(biāo)、顏色、字體大小、對概念術(shù)語的注釋說明。
18、 一種計算才幾4叟索方法，包括 步驟1 )、用戶輸入查詢詞；步驟2)、采用權(quán)利要求1-17之一的分類目錄自動構(gòu)建方法為所述的 查詢詞構(gòu)建分類目錄；步驟3)、用戶將步驟2)所得到的分類目錄中的概念術(shù)語作為推薦的 查詢詞發(fā)起下一次搜索，以得到更為精確的搜索結(jié)果。
19、 一種分類目錄自動構(gòu)建系統(tǒng)，包括概念術(shù)語抽取模塊、相關(guān)度 計算模塊、概念術(shù)語分類模塊、分類目錄顯示模塊以及用于包括現(xiàn)有數(shù)據(jù) 的數(shù)據(jù)庫；其中，所述的概念術(shù)語抽取模塊從所述數(shù)據(jù)庫所存儲的現(xiàn)有數(shù)據(jù)中找到與 用戶提交的查詢詞有關(guān)的概念術(shù)語，得到與所述查詢詞相關(guān)的概念術(shù)語集 合；所述的相關(guān)度計算模塊計算所述概念術(shù)語集合中各個概念術(shù)語間的 相關(guān)度； 所述的概念術(shù)語分類模塊根據(jù)所述概念術(shù)語間的相關(guān)度，對所述概念術(shù)語集合中的概念術(shù)語做分類或聚類操作，得到至少 一個概念術(shù)語類；所述的分類目錄顯示模塊將所述概念術(shù)語集合中的概念術(shù)語按照所 述概念術(shù)語類組織成分類目錄。
20、 根據(jù)權(quán)利要求19所述的分類目錄自動構(gòu)建系統(tǒng)，其特征在于， 所述的相關(guān)度計算模塊中還包括概念術(shù)語篩選單元，所述的概念術(shù)語篩選 單元對由概念術(shù)語抽取模塊所得到的概念術(shù)語集合中各個概念術(shù)語與所 述查詢詞的相關(guān)度進(jìn)行計算，將與所述查詢詞的相關(guān)度小于用戶指定闊值 的概念術(shù)語從所述概念術(shù)語集合中刪除，然后再由相關(guān)度計算模塊對所述 概念術(shù)語集合中的各個概念術(shù)語計算相關(guān)度。
21、 根據(jù)權(quán)利要求19所述的分類目錄自動構(gòu)建系統(tǒng)，其特征在于， 所述的概念術(shù)語分類模塊還包括標(biāo)簽選擇單元，所述的標(biāo)簽選擇單元為所 得到的概念術(shù)語類選擇類標(biāo)簽。
22、 一種計算機(jī)搜索系統(tǒng)，包括查詢詞輸入模塊、權(quán)利要求19-21之 一所述的分類目錄自動構(gòu)建系統(tǒng)、以及再搜索模塊；其中，所述的查詢詞輸入模塊用于由用戶輸入查詢詞；所述的分類目錄自動構(gòu)建系統(tǒng)用于為所述的查詢詞構(gòu)建分類目錄；所述的再搜索模塊將所述的分類目錄自動構(gòu)建系統(tǒng)所創(chuàng)建的分類目錄中的概念術(shù)語作為推薦的查詢詞發(fā)起下一次搜索，以得到更為精確的搜索結(jié)果。
全文摘要
本發(fā)明提供一種分類目錄自動構(gòu)建方法，包括從現(xiàn)有數(shù)據(jù)中查找與用戶提交的查詢詞有關(guān)的概念術(shù)語，得到與所述查詢詞相關(guān)的概念術(shù)語集合；計算所述概念術(shù)語集合中各個概念術(shù)語間的相關(guān)度；根據(jù)所述概念術(shù)語間的相關(guān)度，對所述概念術(shù)語集合中的概念術(shù)語做分類或聚類操作，得到至少一個概念術(shù)語類；將所述概念術(shù)語集合中的概念術(shù)語按照所述概念術(shù)語類組織成分類目錄后，返回給用戶。本發(fā)明在現(xiàn)有的搜索引擎的基礎(chǔ)上，為用戶提供的查詢詞生成了相應(yīng)的分類目錄，所得到的分類目錄能夠反映用戶查詢的不同含義，從而有助于用戶更容易、更快捷地找到所需的信息。
文檔編號G06F17/30GK101364239SQ20081022379
公開日2009年2月11日 申請日期2008年10月13日 優(yōu)先權(quán)日2008年10月13日
發(fā)明者鵬 李, 李亞楠, 李錦濤, 斌 王 申請人:中國科學(xué)院計算技術(shù)研究所