專利名稱：同名人物搜索方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明一般地涉及搜索技術(shù)領(lǐng)域，尤其是一種同名人物搜索方法及系統(tǒng)。
背景技術(shù)：
隨著網(wǎng)絡(luò)的發(fā)展，網(wǎng)絡(luò)上的重名信息越來越多，如何區(qū)分這些具有相同人名的人稱為信息搜索過程中需要關(guān)注的問題。例如，當(dāng)用戶在搜索引擎中輸入一個人名時，返回的結(jié)果中包含了很多同名的人的信息，需要用戶逐一點擊瀏覽以確定哪些信息才是真正所需要的，這顯然會比較費時費力。當(dāng)然，用戶還可以通過人工添加查詢詞等方式來縮小搜索范圍。但是，人工添加查詢詞，相當(dāng)于對查詢結(jié)果進(jìn)行了過濾，也就降低了查詢的覆蓋率。因此，理想的解決方案是將搜索引擎返回的結(jié)果進(jìn)行聚類，期望將同名的不同人物聚在不同的類別中，用戶可以到自己需要的類別中去查找自己搜索結(jié)果。這樣，既保證了信息的不丟失，又節(jié)約了瀏覽時間?，F(xiàn)有技術(shù)中，在對同名人物進(jìn)行聚類時，大多數(shù)的方案都是采用網(wǎng)頁聚類的方法，也即將包含相同人名的相似文檔聚在一起。例如，從包含同名人物的網(wǎng)頁文檔中提取能夠代表網(wǎng)頁內(nèi)容的關(guān)鍵詞，然后通過些關(guān)鍵詞的相似性，來進(jìn)行聚類。這種網(wǎng)頁聚類的方法對于闡述同一個主題的文檔集合而言，能夠得到很好的結(jié)果。也就是說，這種方法的有效性依賴于這樣一個假設(shè)的前提同一個人物涉及到的事件是相同或相似的。但是本發(fā)明人在實現(xiàn)本發(fā)明的過程中發(fā)現(xiàn)，在實際應(yīng)用中，同一個人可能涉及到不同的事件，當(dāng)不同的文檔是針對不同的事件對同一個人物進(jìn)行報道時，文檔在內(nèi)容上區(qū)別是很大的，此時，就難以用網(wǎng)頁主題之間的文檔相似度，將這樣的文檔中的人物聚為一類?？傊诂F(xiàn)有技術(shù)中，依賴于文檔主題之間的相似性對包含同名人物的網(wǎng)頁進(jìn)行聚類時，可能存在聚類不準(zhǔn)確的問題，進(jìn)而在依據(jù)聚類結(jié)果提供搜索結(jié)果時，也會使得搜索結(jié)果的質(zhì)量不高，進(jìn)而限制了搜索引擎性能的提高。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明實施例提供了一種同名人物搜索方法及裝置，能夠提高同名人物聚類的準(zhǔn)確度，進(jìn)而提高搜索結(jié)果的質(zhì)量，提升搜索引擎的性能。根據(jù)本發(fā)明實施例的一個方面，提供一種同名人物搜索方法，包括針對輸入的目標(biāo)人物名稱，檢索得到包含所述目標(biāo)人物名稱的相關(guān)文檔；分別提取各個相關(guān)文檔中的人物關(guān)系特征信息，所述人物關(guān)系特征信息為在同一相關(guān)文檔中所述目標(biāo)人物名稱與其他人物名稱的共現(xiàn)信息；統(tǒng)計各個相關(guān)文檔中的所述人物關(guān)系特征信息，建立人物關(guān)系圖，并計算所述目標(biāo)人物名稱與所述人物關(guān)系圖中其他人物名稱之間的關(guān)系強(qiáng)度；根據(jù)各個相關(guān)文檔各自包含的人物名稱，以及所述關(guān)系強(qiáng)度，為各個相關(guān)文檔建立人物關(guān)系特征向量；根據(jù)所述人物關(guān)系特征向量，對各個相關(guān)文檔進(jìn)行聚類，得到人物關(guān)系聚類結(jié)果，以便至少根據(jù)所述人物關(guān)系聚類結(jié)果給出搜索結(jié)果。
根據(jù)本發(fā)明實施例的另一個方面，提供一種同名人物搜索裝置，包括檢索單元，配置為針對輸入的目標(biāo)人物名稱，檢索得到包含所述目標(biāo)人物名稱的相關(guān)文檔；人物關(guān)系提取單元，配置為分別提取各個相關(guān)文檔中的人物關(guān)系特征信息，所述人物關(guān)系特征信息為在同一相關(guān)文檔中所述目標(biāo)人物名稱與其他人物名稱的共現(xiàn)信息；統(tǒng)計單元，配置為統(tǒng)計各個相關(guān)文檔中的所述人物關(guān)系特征信息，建立人物關(guān)系圖，并計算所述目標(biāo)人物名稱與所述人物關(guān)系圖中其他人物名稱之間的關(guān)系強(qiáng)度；向量建立單元，配置為根據(jù)各個相關(guān)文檔各自包含的人物名稱，以及所述關(guān)系強(qiáng)度，為各個相關(guān)文檔建立人物關(guān)系特征向量；人物關(guān)系聚類單元，配置為根據(jù)所述人物關(guān)系特征向量，對各個相關(guān)文檔進(jìn)行聚類，得到人物關(guān)系聚類結(jié)果，以便至少根據(jù)所述人物關(guān)系聚類結(jié)果給出搜索結(jié)果。另外，根據(jù)本發(fā)明的另一方面，還提供了一種存儲介質(zhì)。所述存儲介質(zhì)包括機(jī)器可讀的程序代碼，當(dāng)在信息處理設(shè)備上執(zhí)行所述程序代碼時，所述程序代碼使得所述信息處理設(shè)備執(zhí)行根據(jù)本發(fā)明的上述同名人物搜索方法。此外，根據(jù)本發(fā)明的再一方面，還提供了一種程序產(chǎn)品。所述程序產(chǎn)品包括機(jī)器可執(zhí)行的指令，當(dāng)在信息處理設(shè)備上執(zhí)行所述指令時，所述指令使得所述信息處理設(shè)備執(zhí)行根據(jù)本發(fā)明的上述同名人物搜索方法。根據(jù)本發(fā)明實施例的上述方法，在得到包含目標(biāo)人物名稱的相關(guān)文檔之后，會首先從相關(guān)文檔中分析出人物關(guān)系信息，也就是說，可以統(tǒng)計出各個相關(guān)文檔中，與目標(biāo)人物名稱共現(xiàn)過的其他人物名稱，通過統(tǒng)計信息，可以建立起人物關(guān)系圖，并計算出目標(biāo)人物名稱與相關(guān)文檔中出現(xiàn)的其他各人物名稱之間的關(guān)系強(qiáng)度，最終以此建立起各個相關(guān)文檔的特征向量，并通過向量間的相似度計算等，即可實現(xiàn)對相關(guān)文檔的聚類，進(jìn)而根據(jù)聚類結(jié)果向用戶提供搜索結(jié)果?？梢姡诒景l(fā)明實施例中，在對相關(guān)文檔進(jìn)行聚類時，可以通過挖掘人物之間的關(guān)系來實現(xiàn)，這樣，即使對同一人物的不同事件的報道，也可能會因為都與其他人物共現(xiàn)，而被聚為一類。可見，通過該方法，可以避免相關(guān)文檔中的“事件內(nèi)容”在聚類過程中所起的作用被放大，從而有利于提高聚類的準(zhǔn)確度，進(jìn)而提高搜索結(jié)果的質(zhì)量，提升搜索引擎的性能。在下面的說明書部分中給出本發(fā)明實施例的其他方面，其中，詳細(xì)說明用于充分地公開本發(fā)明實施例的優(yōu)選實施例，而不對其施加限定。


下面結(jié)合具體的實施例，并參照附圖，對本發(fā)明實施例的上述和其它目的和優(yōu)點做進(jìn)一步的描述。在附圖中，相同的或?qū)?yīng)的技術(shù)特征或部件將采用相同或?qū)?yīng)的附圖標(biāo)記來表示。圖I是示出作為本發(fā)明實施例提供的方法的流程圖；圖2是示出作為本發(fā)明實施例提供的人物關(guān)系圖的示意圖；圖3是示出作為本發(fā)明實施例提供的第一裝置的示意圖；圖4是示出作為本發(fā)明實施例提供的第二裝置的示意圖；圖5是示出作為本發(fā)明實施例提供的第三裝置的示意圖；圖6是示出作為本發(fā)明實施例提供的第四裝置的示意圖；和圖7是示出作為本發(fā)明的實施例中所采用的信息處理設(shè)備的個人計算機(jī)的示例性結(jié)構(gòu)的框圖。
具體實施例方式
下面參照附圖來說明本發(fā)明實施例。參見圖1，本發(fā)明實施例提供的同名人物搜索方法包括以下步驟SlOl :針對輸入的目標(biāo)人物名稱，檢索得到包含所述目標(biāo)人物名稱的相關(guān)文檔。其中，目標(biāo)人物名稱可以是用戶根據(jù)自己的需要在搜索引擎的搜索框輸入的。例如，用戶想要搜索有關(guān)“張三”的相關(guān)信息，則可以在搜索引擎的搜索框中輸入“張三”作為查詢詞，之后可以通過按下“回車”鍵，或者點擊“張三”按鈕等方式，觸發(fā)搜索引擎開始搜索。搜索引擎在接收到觸發(fā)之后，就可以針對用戶輸入的查詢詞進(jìn)行檢索，得到包含查詢詞的相關(guān)文檔。當(dāng)然在本發(fā)明實施例中，查詢詞主要是指用戶輸入的目標(biāo)人物名稱，如前文所述的“張三”，則搜索引擎就可以從數(shù)據(jù)庫中檢索出包含有“張三”的相關(guān)文檔。其中，當(dāng)搜索引擎為網(wǎng)頁搜索引擎時，這種相關(guān)文檔主要是指網(wǎng)頁文檔，例如，某網(wǎng)頁是關(guān)于一個名為“張三”的人的報道，其中出現(xiàn)了“張三”這樣的文字，則這個網(wǎng)頁就可能被作為“張三”的相關(guān)文檔而檢索出來。S102:分別提取各個相關(guān)文檔中的人物關(guān)系特征信息，所述人物關(guān)系特征信息為在同一相關(guān)文檔中所述目標(biāo)人物名稱與其他人物名稱的共現(xiàn)信息。
在檢索得到各個相關(guān)文檔之后，如果確定查詢詞是人物名稱，則在本發(fā)明實施例中，可以首先從中提取其中包含的人物關(guān)系特征，這種人物關(guān)系特征主要是根據(jù)同一相關(guān)文檔中，目標(biāo)人物名稱與其他人物名稱的共現(xiàn)情況來確定的。例如，仍以查詢詞為“李剛”為例，在某相關(guān)文檔中，不僅出現(xiàn)了“張三”這一目標(biāo)人物名稱，還出現(xiàn)了“李四”等其他人物名稱，則可以認(rèn)定“張三”與“李四”之間存在某種關(guān)系，因此可以將這兩者之間的人物關(guān)系作為該相關(guān)文檔中包含的人物關(guān)系特征信息提取出來。此外，如果在某相關(guān)文檔中，包含“張三”、“李四”、“王五”這樣三個人物名稱，則不僅可以提取“張三”與“李四”、“張三”與“王五”之間的關(guān)系，還可以提取“李四”與“王五”之間的關(guān)系。其他相關(guān)文檔也可以做類似處理。需要說明的是，在本發(fā)明實施例中，當(dāng)用戶輸入的查詢詞為某人物名稱時，才會按照后續(xù)的步驟執(zhí)行，因此，在接收到用戶的搜索請求之后，可以首先判斷用戶輸入的查詢詞是否為人物名稱，具體實現(xiàn)時，可以通過查詢預(yù)先建立的人名詞庫等方式來實現(xiàn)。也就是說，可以預(yù)先建立人名詞庫，其中包含了若干個人名詞條，當(dāng)用戶在搜索引擎的搜索框中輸入查詢詞時，就可以首先判斷該查詢詞是否出現(xiàn)在該人名詞庫中，如果是，則確定用戶需要搜索的是與某人物名稱相關(guān)的信息。其中，該人名詞庫也是是隨時更新的，例如，隨著一些新聞熱點事件的發(fā)生，可以將涉及到的新的人物名稱添加到該詞庫中，等等。當(dāng)然，除了采用預(yù)先設(shè)置人名詞庫的方式以外，還可以采用其他的方式來判斷用戶輸入的查詢詞是否為人名。例如，預(yù)先設(shè)置姓氏詞庫，此時，可以判斷用戶輸入的查詢詞中的第一個字是否出現(xiàn)在姓氏詞庫中，如果是，證明用戶輸入的查詢詞可能是人物名稱，等等。此外，在從相關(guān)文檔中提取人物關(guān)系特征信息時，會涉及到提取相關(guān)文檔中存在的其他人物名稱。此時，可以首先對相關(guān)文檔中的文本內(nèi)容進(jìn)行分詞處理，得到一個個的詞語或短語等，然后判斷各個詞語或短語是否出現(xiàn)在預(yù)置的人名詞庫中，或者是否具有人物名稱的特征等等，如果是，則可以確認(rèn)為一個人物名稱，從而將相關(guān)文檔中的人物名稱提取出來。S103:統(tǒng)計各個相關(guān)文檔中的所述人物關(guān)系特征信息，建立人物關(guān)系圖，并計算所述目標(biāo)人物名稱與所述人物關(guān)系圖中其他人物名稱之間的關(guān)系強(qiáng)度。在提取出各個相關(guān)文檔中包含的人物關(guān)系特征信息之后，就可以將提取出的特征信息綜合在一起進(jìn)行統(tǒng)計，從而建立人物關(guān)系圖。其中，人物關(guān)系圖中的節(jié)點為目標(biāo)人物名稱，以及相關(guān)文檔中與目標(biāo)人物名稱共現(xiàn)過的其他人物名稱，當(dāng)兩個人物名稱在同一相關(guān)文檔中選線時，就可以在這兩個人物名稱對應(yīng)的節(jié)點之間建立一條邊，每條邊還可以具有一定的權(quán)重，權(quán)重的大小代表其連接的兩個節(jié)點共現(xiàn)的頻率。例如，如圖2所示，其中A、B……G代表各個節(jié)點上的人物名稱，如果兩個節(jié)點之間具有連線，則代表這兩個節(jié)點之間在同一文檔中共現(xiàn)過。如果節(jié)點A與節(jié)點B在兩篇相關(guān)文檔中共現(xiàn)過，則這兩個節(jié)點之間的邊的權(quán)重可以為2，如果節(jié)點B與節(jié)點C在四篇相關(guān)文檔中共現(xiàn)過，則這兩個節(jié)點之間的邊的權(quán)重可以為4，以此類推，當(dāng)然，最后還可以將各個邊的權(quán)重做歸一化處理。
在得到人物關(guān)系圖之后，就可以在這個關(guān)系圖的基礎(chǔ)上，計算出目標(biāo)人物名稱與各個其他人物名稱之間的關(guān)系強(qiáng)度，這個關(guān)系強(qiáng)度可以是一個量化的值，具體的計算方法可以有多種。例如，在其中一種方式下，可以根據(jù)目標(biāo)人物名稱與其他人物名稱之間的直接關(guān)系強(qiáng)度及間接關(guān)系強(qiáng)度，計算得到目標(biāo)人物名稱與人物關(guān)系圖中其他人物名稱之間的關(guān)系強(qiáng)度。此時，具體可以通過以下公式計算出該關(guān)系強(qiáng)度
Relation(x, y) = aN(x, y) / max(7V(x), 7V(j；)) + βΥ+丨( I )
N(Z)其中，X是目標(biāo)人物名稱，y是與X在相關(guān)文檔中共現(xiàn)過的其他人物名稱，z是與x在相關(guān)文檔中共現(xiàn)過、并且與I在其他相關(guān)文檔中共現(xiàn)過的其他人物名稱，U是z的集合，UU)是集合U中包含的元素的數(shù)目。N(x，y)是X與y共現(xiàn)的相關(guān)文檔數(shù)目，N(x)是包含X的相關(guān)文檔數(shù)目，N(y)是包含y的相關(guān)文檔數(shù)目，N(x，z)是X與z共現(xiàn)的相關(guān)文檔數(shù)目，N(y，z)是y與z共現(xiàn)的相關(guān)文檔數(shù)目，N(Z)是包含z的相關(guān)文檔數(shù)目。這樣，N(x，y)/
max (N(x)，N(y))就可以代表x與y的直接關(guān)系強(qiáng)度，Σ ^ ^ ^^丨Ι#)則可以代表
^ N{z)
X與y的間接關(guān)系強(qiáng)度。其中，α、β為權(quán)重因子，可以根據(jù)直接關(guān)系強(qiáng)度與間接關(guān)系強(qiáng)度的參考價值或者實際的需要，來靈活確定各自的取值。通過上述方式計算關(guān)系強(qiáng)度時，相當(dāng)于利用了人物關(guān)系之間具有傳遞性這一特點，這樣可以使得計算出的關(guān)系強(qiáng)度能夠更好地反映實際的情況。例如，某相關(guān)文檔中提到了人物B和Ε，但是同時提到人物B和E的相關(guān)文檔數(shù)目可能比較少，則通過直接關(guān)系計算得到這兩者之間的關(guān)系可能比較弱；然而實際情況是，人物B與E之間的關(guān)系應(yīng)該是比較密切的，可見，通過上述直接關(guān)系的計算，得到的關(guān)系強(qiáng)度就沒有很好地體現(xiàn)出實際的情況。但是，當(dāng)引入間接關(guān)系強(qiáng)度之后，就可以使得上述情況得到改善。例如，當(dāng)計算得到人物B與F、E與F之間都有很強(qiáng)的直接關(guān)系時，就可以通過第三方F來加強(qiáng)人物B和E之間的關(guān)系，使得B與E之間的關(guān)系增強(qiáng)，從而更好地反映出實際的情況。當(dāng)然，除了上述公式⑴的方式以外，還可以通過其他方式來計算出人物之間的關(guān)系強(qiáng)度，例如，還可以將直接關(guān)系強(qiáng)度與間接關(guān)系強(qiáng)度相乘，將所得的積作為人物之間的關(guān)系強(qiáng)度，等等。此外，在計算人物之間的關(guān)系強(qiáng)度時，也可以不必綜合考慮人物之間的直接關(guān)系強(qiáng)度以及間接關(guān)系強(qiáng)度，單獨考慮人物之間的直接關(guān)系強(qiáng)度或者間接關(guān)系強(qiáng)度也是可以實現(xiàn)的，具體的實現(xiàn)過程這里不再贅述。 S104 :根據(jù)各個相關(guān)文檔各自包含的人物名稱，以及所述關(guān)系強(qiáng)度，為各個相關(guān)文檔建立人物關(guān)系特征向量。在得到目標(biāo)人物名稱與其他各人物名稱之間的關(guān)系強(qiáng)度之后，就可以為各個相關(guān)文檔建立人物關(guān)系特征向量。例如，某相關(guān)文檔中除了包含目標(biāo)人物名稱A之外，還包括人物名稱B、C、D，則針對該相關(guān)文檔，可以建立一個三維向量，其中，人物名稱B、C、D分別與人物名稱A之間的關(guān)系強(qiáng)度就作為向量各個維度上的數(shù)值。例如，A與B之間的關(guān)系強(qiáng)度為O. 5，A與C之間的關(guān)系強(qiáng)度為O. 3，A與D之間的關(guān)系強(qiáng)度為O. 7，則針對該相關(guān)文檔建立的向量可以為(O. 5,0. 3,0. 7)。以此類推，其他的相關(guān)文檔也可以分別建立起各自的人物關(guān)系特征向量。S105:根據(jù)所述人物關(guān)系特征向量，對各個相關(guān)文檔進(jìn)行聚類，得到人物關(guān)系聚類結(jié)果，以便至少根據(jù)所述人物關(guān)系聚類結(jié)果給出搜索結(jié)果。在得到各個相關(guān)文檔的人物關(guān)系特征向量之后，就可以實現(xiàn)對各個相關(guān)文檔的聚類。其中，具體在進(jìn)行相關(guān)文檔的聚類時，可以通過向量之間的運(yùn)算來計算文檔之間的相似度，進(jìn)而實現(xiàn)聚類。向量之間的運(yùn)算可以是計算向量之間的夾角，夾角越小，則證明對應(yīng)的兩個相關(guān)文檔之間的相似度越大。關(guān)于向量之間的夾角，可以采用計算余弦值的方式實現(xiàn)。例如，相關(guān)文檔I中包含的人物名稱除了目標(biāo)人物名稱A以外，還有人物名稱B、C、D，對應(yīng)的人物關(guān)系特征向量為(B :0. 5，C :0. 3，D :0. 7);相關(guān)文檔2中包含的人物名稱除了目標(biāo)人物名稱A以外，還有人物名稱B、C、E、F，對應(yīng)的人物關(guān)系特征向量為(B :0. 4，C :0. 5，E O. 3，F(xiàn) :0. 2)，在計算這兩個向量之間的相似度時，可以首先將兩個向量擴(kuò)展為相同維度，例如，將相關(guān)文檔I的向量擴(kuò)展為(B :0. 5，C :0. 3，D :0. 7，E :0，F(xiàn) :0)，將相關(guān)文檔2的向量擴(kuò)展為(B :0. 4，C :0. 5，D :0，E :0. 3，F(xiàn) :0. 2)，這樣，可以通過以下公式計算出這兩個向量之間的夾角的余弦值 7(0.5 - 0.4)2 + (0.3 - 0.5)2 + (0.7 - O)2 + (O - 0.3)2 + (O - 0.2)2( 2 )其他相關(guān)文檔之間的相似度也可以通過以上方式計算出來。最后，再根據(jù)相似度進(jìn)行聚類，相當(dāng)于將各個相關(guān)文檔劃分為多個類別，同一類別中的文檔中涉及到的目標(biāo)人物名稱可能指代的是同一人，而不同類別的文檔中涉及到的目標(biāo)人物名稱則可能指代的不是同一人，只是這些人物同名而已。然后就可以根據(jù)聚類的結(jié)果向用戶提供搜索結(jié)果。例如，聚類結(jié)果為相關(guān)文檔1、2、4、7是一類，相關(guān)文檔3、5、6、8是另一類，則證明在相關(guān)文檔1、2、4、7中涉及到的目標(biāo)人物名稱可能指代的可以是同一個人物，而相關(guān)文檔3、5、6、8中涉及到的目標(biāo)人物名稱可能是指代的可能是另一個人物。在向用戶提供搜索結(jié)果時，就可以將相關(guān)文檔1、2、4、7作為一類一起展現(xiàn)給用戶，相關(guān)文檔3、5、6、8作為另一類一起展現(xiàn)給用戶，這樣，如果用戶實際需要搜索的是第一個人物，則可以直接查看第一類搜索結(jié)果中的信息，如果實際要搜索的是第二個人物，則可以直接查看第二類搜索結(jié)果中的信息，而不必再手動地篩選，或者增加查詢詞?？傊?，在本發(fā)明實施例中，在得到包含目標(biāo)人物名稱的相關(guān)文檔之后，會首先從相關(guān)文檔中分析出人物關(guān)系信息，也就是說，可以統(tǒng)計出各個相關(guān)文檔中，與目標(biāo)人物名稱共現(xiàn)過的其他人物名稱，通過統(tǒng)計信息，可以建立起人物關(guān)系圖，并計算出目標(biāo)人物名稱與相關(guān)文檔中出現(xiàn)的其他各人物名稱之間的關(guān)系強(qiáng)度，最終以此建立起各個相關(guān)文檔的特征向量，并通過向量間的相似度計算等，即可實現(xiàn)對相關(guān)文檔的聚類，進(jìn)而根據(jù)聚類結(jié)果向用戶提供搜索結(jié)果?？梢?，在本發(fā)明實施例中，在對相關(guān)文檔進(jìn)行聚類時，可以通過挖掘人物之間的關(guān)系來實現(xiàn)，這樣，即使對同一人物的不同事件的報道，也可能會因為都與其他人物共現(xiàn)，而被聚為一類。可見，通過該方法，可以避免相關(guān)文檔中的“事件內(nèi)容”在聚類過程中所起的作用被放大，從而有利于提高聚類的準(zhǔn)確度，進(jìn)而提高搜索結(jié)果的質(zhì)量，提升搜索引擎的性能。在實際應(yīng)用中，還可以綜合考慮多方面的因素實現(xiàn)對相關(guān)文檔的聚類，其中，上述人物關(guān)系特征可以作為這些因素之一，其他因素還可以是文檔中的主題特征信息、人物屬性信息等等。其中，主題特征信息是指相關(guān)文檔中的文本內(nèi)容特征，通過對文檔中的文本內(nèi)容進(jìn)行分詞，得到多個詞語，然后分別統(tǒng)計各個詞語在文檔中的詞頻，可以建立主題特征模型，這樣，通過不同文檔的主題特征模型之間的相似度計算，可以得到主題聚類結(jié)果。人物屬性信息是指文檔中包含的與人物的職稱、單位、住址、特長、愛好等屬性信息，通過這些信 息的提取可以建立相關(guān)文檔的人物屬性模型，進(jìn)而通過不同文檔的人物屬性模型之間的相似度計算，可以得到人物屬性聚類結(jié)果。在本發(fā)明實施例中，就可以針對各個相關(guān)文檔，從多個層面分別得到聚類結(jié)果，例如，可以將利用文檔中存在的人物關(guān)系特征信息得到的人物關(guān)系聚類結(jié)果，利用文檔中存在的主題特征信息得到主題聚類結(jié)果，利用文檔中存在的人物屬性特征得到人物屬性聚類結(jié)果，然后再將各個層面上得到的聚類結(jié)果進(jìn)行融合，得到最終的聚類結(jié)果。具體在對各個層面上的聚類結(jié)果進(jìn)行融合時，可能存在各個層面上的聚類結(jié)果矛盾的情況，此時，可以根據(jù)預(yù)先制定的策略進(jìn)行融合。例如，該策略可以是人物屬性聚類結(jié)果>人物關(guān)系聚類結(jié)果>主題特征聚類結(jié)果，也就是說，當(dāng)出現(xiàn)矛盾時，可以優(yōu)先考慮人物屬性聚類結(jié)果。例如，在人物關(guān)系聚類結(jié)果中，文檔I與2是一類，3與4是另一類，而在人物屬性聚類結(jié)果中，文檔I與3是一類，2與4是另一類，此時，融合之后的結(jié)果就可以是文檔I與3是一類，2與4是另一類，相當(dāng)于選擇了人物屬性聚類結(jié)果作為最終的聚類結(jié)果。當(dāng)然，在其他的融合策略中，也可以按照一定的比例將各種聚類結(jié)果進(jìn)行量化，經(jīng)加權(quán)計算得到最終的結(jié)果。或者，還可以采用投票的方式對各種聚類結(jié)果進(jìn)行融合，等等。例如，對于兩篇相關(guān)文檔，通過前述三個層面上的聚類，存在兩種結(jié)果被聚為一類，或者沒有被聚為一類，則采用投票的策略對結(jié)果進(jìn)行融合時，可以有如下結(jié)果首先對于三個層面結(jié)果一致的，將其作為最后結(jié)果；其次，對于某一層面具有強(qiáng)相似度的(例如大于某設(shè)定的閾值等等)，確定為最后結(jié)果；最后，在兩個層面結(jié)果一致的，將其作為最后結(jié)果?？傊?，可以分別從多個層面來考察文檔之間的相似關(guān)系，如果某一層面具有很強(qiáng)的相似關(guān)系，則可以被挖掘出來。需要說明的是，在進(jìn)行多個層面上的聚類時，也可以僅從人物關(guān)系特征層面及主題特征層面進(jìn)行聚類，或者，僅從人物關(guān)系特征及人物屬性特征層面進(jìn)行聚類，等等。另外需要說明的是，關(guān)于利用文檔中存在的主題特征信息得到主題聚類結(jié)果，以及利用文檔中存在的人物屬性特征得到人物屬性聚類結(jié)果的具體實現(xiàn)，可以采用已有技術(shù)中的方法來實現(xiàn)。其中，在利用主題特征信息計算得到主題聚類結(jié)果時，已有技術(shù)中的方法通常是直接對文檔進(jìn)行分詞，然后統(tǒng)計各個詞語在文檔中的詞頻，從而建立起針對各個相關(guān)文檔的主題模型，再根據(jù)主題模型之間的相似度比較，進(jìn)行相關(guān)文檔的聚類。例如，某相關(guān)文檔中的文本內(nèi)容為“李想是80后的典型代表，北京泡泡信息技術(shù)有限公司首席執(zhí)行官……一家從事電腦硬件個人和辦公數(shù)碼產(chǎn)品服務(wù)網(wǎng)站……”，利用已有技術(shù)的方法為其建立主題模型時，可能為<李想/50是/0. I 80后/10的/0. 01典型/I代表/2泡泡網(wǎng)/40北京/20泡泡/30信息/15技術(shù)/7有限/5公司/4首席/20執(zhí)行官/30他/0. 6 — /I家/2從事/4電腦/8硬件/8個人/4和/0. 7辦公/7數(shù)碼/8產(chǎn)品/4服務(wù)/12網(wǎng)站/30首都/10 IT/10CE0/15高管/I. 5計算機(jī)/4私人/2電子/1〉，其中，“/”后顯示的數(shù)字代表對應(yīng)的詞語在該文檔中出現(xiàn)的詞頻。利用上述已有技術(shù)在進(jìn)行相關(guān)文檔的聚類時，由于主題模型中可能包含了一些區(qū)·分度比較低的詞條，以至于最終的聚類結(jié)果可能不夠準(zhǔn)確。為此，在本發(fā)明實施例中，為了提高基于主題模型進(jìn)行聚類時的準(zhǔn)確度，可以首先通過權(quán)重計算、關(guān)鍵詞識別等方式，從相關(guān)文檔中提取能夠表征該文檔主要內(nèi)容的詞語，來刻畫相關(guān)文檔描述的主要內(nèi)容，然后在這些詞語的基礎(chǔ)上建立其主題模型，并進(jìn)一步進(jìn)行聚類。為此，可以對各個相關(guān)文檔進(jìn)行分詞處理，然后在全部相關(guān)文檔中對分詞得到的詞語進(jìn)行綜合統(tǒng)計，選取用于表述各個相關(guān)文檔的主題詞語，最后根據(jù)各個相關(guān)文檔的主題詞語，對各個相關(guān)文檔進(jìn)行聚類。也就是說，在選取某相關(guān)文檔的主題詞語時，不是僅考慮該相關(guān)文檔本身包含的詞語以及詞頻，而是要從整個相關(guān)文檔集合進(jìn)行考慮。具體實現(xiàn)時，可以首先計算相關(guān)文檔中各詞語的權(quán)重，例如，針對某相關(guān)文檔D，可以通過以下方式計算該相關(guān)文檔D中各個詞語\的權(quán)重_21ogX = 2[log Lb1, on, on+o12)+log L(p2, o21, o21+o22) (3)-log L(p, on, on+o12)-log L(p, O21, o21+o22)]在公式(3)中，λ表示詞語\在相關(guān)文檔D中的權(quán)重，O11表示詞語\在相關(guān)文檔D中出現(xiàn)的詞頻，O12表示詞語\在相關(guān)文檔D以外的其他文檔中出現(xiàn)的詞頻，O21表示\以外的其他詞語在相關(guān)文檔D中出現(xiàn)的詞頻，O22表示\以外的其他詞語在相關(guān)文檔D以外的其他相關(guān)文檔中出現(xiàn)的詞頻。L(·)是一個函數(shù)，其函數(shù)表達(dá)式為L(p，k，n) =Pk(I-P)(n k)，P1 = O11/ (0n+012)，P2 = O21/ (021+022)，P = (on+o21)/ (on+o12+o21+o22)。經(jīng)過計算各個詞語的權(quán)重，可以通過設(shè)定閾值等方式來選取詞語作為文檔的主題詞，用來表示該相關(guān)文檔的主題信息。其中，閾值可以通過統(tǒng)計表設(shè)定為與權(quán)重相關(guān)的某個分值，大于某分值的詞語為主題詞語，也可以設(shè)定為按權(quán)重降序排列，選取前N個為主題詞
冉坐坐
P 口，寸寸O例如，對于前述例子中的相關(guān)文檔，使用本發(fā)明實施例的方法進(jìn)行主題詞語的選取之后，建立的主題模型可以為<泡泡，北京，信息，技術(shù)，公司，首席，執(zhí)行官，電腦，硬件，辦公，數(shù)碼，產(chǎn)品，服務(wù)，網(wǎng)站，CEO,高管，計算機(jī)，電子>?？梢?，相當(dāng)于對文檔中出現(xiàn)的詞語進(jìn)行了篩選，僅保留了能夠表征文檔主要內(nèi)容的詞語。需要說明的是，在根據(jù)該模型建立相關(guān)文檔的向量時，可以將各個詞語的權(quán)重值作為向量各個維度上的數(shù)值，進(jìn)而通過向量運(yùn)算的方式來計算相關(guān)文檔之間的相似度即可。另外需要說明的是，前述公式(3)僅僅是一種具體的實現(xiàn)方式，在實際應(yīng)用中，還可以采用其他的公式來計算相關(guān)文檔中詞語的權(quán)重，只要通過在全部相關(guān)文檔中對分詞得到的詞語進(jìn)行綜合統(tǒng)計的方式，來選取用于表述各個相關(guān)文檔的主題詞語，就都在本發(fā)明的保護(hù)范圍之內(nèi)。另外，在通過提取相關(guān)文檔中的人物屬性特征建立人物屬性模型，并得到人物屬性聚類結(jié)果的過程中，由于人 物屬性特征相對于主題詞語等特征而言，比較稀疏，因此，在本發(fā)明實施例中，人物屬性的定義可以比較寬泛，只要與人物相關(guān)即可，如不僅僅可以是職稱、工作單位，還可以是特長、專業(yè)、愛好等等，而不是嚴(yán)格限定為獲取哪幾種屬性，這樣有利于發(fā)現(xiàn)可能存在的具有強(qiáng)指示性的特征來挖掘指向同一人的相關(guān)文檔。以上對本發(fā)明實施例提供的同名人物搜索方法進(jìn)行了詳細(xì)地介紹，在該方法中，首先可以在相關(guān)文檔中提取人物關(guān)系特征信息，根據(jù)人物關(guān)系特征信息對各個相關(guān)文檔進(jìn)行聚類，這樣可以解決事件對聚類結(jié)果的影響被放大、以至于內(nèi)容相似度較小的相關(guān)文檔很難聚在一起的問題。在此基礎(chǔ)上，為了進(jìn)一步優(yōu)化聚類結(jié)果，還可以綜合考慮其他方面的因素。在考慮這些因素時，本發(fā)明實施例并不是將這些因素放在一起、為相關(guān)文檔建立一個大的模型(模型中包含人物關(guān)系特征、人物屬性特征、主題詞語等等)，而是從各個層面分別對相關(guān)文檔建立不同的模型(例如，分別建立人物關(guān)系屬性模型、主題模型并建立人物關(guān)系網(wǎng)等等)，并且分別進(jìn)行聚類，最后再將各個層面上的聚類結(jié)果進(jìn)行融合，得到最終的聚類結(jié)果。這樣做的好處在于，能夠抓住各個層面上所表述的重要信息，避免相互影響，如果某一層面具有很強(qiáng)的相似關(guān)系，則可以被挖掘出來，此外，也便于相似度計算方法的選擇以及閾值的設(shè)定。與該方法相對應(yīng)，本發(fā)明實施例還提供可一種同名人物搜索裝置，參見圖3，該裝置包括檢索單元301，配置為針對輸入的目標(biāo)人物名稱，檢索得到包含所述目標(biāo)人物名稱的相關(guān)文檔；人物關(guān)系提取單元302，配置為分別提取各個相關(guān)文檔中的人物關(guān)系特征信息，所述人物關(guān)系特征信息為在同一相關(guān)文檔中所述目標(biāo)人物名稱與其他人物名稱的共現(xiàn)信息；統(tǒng)計單元303，配置為統(tǒng)計各個相關(guān)文檔中的所述人物關(guān)系特征信息，建立人物關(guān)系圖，并計算所述目標(biāo)人物名稱與所述人物關(guān)系圖中其他人物名稱之間的關(guān)系強(qiáng)度；向量建立單元304，配置為根據(jù)各個相關(guān)文檔各自包含的人物名稱，以及所述關(guān)系強(qiáng)度，為各個相關(guān)文檔建立人物關(guān)系特征向量；人物關(guān)系聚類單元305，配置為根據(jù)所述人物關(guān)系特征向量，對各個相關(guān)文檔進(jìn)行聚類，得到人物關(guān)系聚類結(jié)果，以便至少根據(jù)所述人物關(guān)系聚類結(jié)果給出搜索結(jié)果。其中，統(tǒng)計單元303具體可以配置為根據(jù)所述目標(biāo)人物名稱與其他人物名稱之間的直接關(guān)系強(qiáng)度及間接關(guān)系強(qiáng)度，計算得到所述目標(biāo)人物名稱與所述人物關(guān)系圖中其他人物名稱之間的關(guān)系強(qiáng)度。具體實現(xiàn)時，統(tǒng)計單元可以采用公式(I)來計算上述關(guān)系強(qiáng)度，當(dāng)然也可以采用其他的公式或其他方式來實現(xiàn)。向量建立單元304具體可以配置為將相關(guān)文檔中包含的目標(biāo)人物名稱以外的其他人物名稱作為向量各個維度上的參數(shù)，將目標(biāo)人物名稱與各其他人物名稱之間的關(guān)系強(qiáng)度作為各個維度上的數(shù)值，建立所述人物關(guān)系特征向量。參見圖4，人物關(guān)系聚類單元305具體可以包括第一相似度計算子單元3051，配置為根據(jù)各個相關(guān)文檔的人物關(guān)系特征向量，將各個相關(guān)文檔進(jìn)行相似度計算；第一聚類子單元3052，配置為根據(jù)相關(guān)文檔之間的相似度以及預(yù)設(shè)的第一閾值，對各個相關(guān)文檔進(jìn)行聚類。在實際應(yīng)用中，為了實現(xiàn)更有效的聚類，還可以從多個層面上對相關(guān)文檔進(jìn)行挖掘，例如，參見圖5，該裝置還可以包括主題聚類單元306，配置為根據(jù)所述相關(guān)文檔中包含的主題特征信息，對各個相關(guān)文檔進(jìn)行聚類，得到主題聚類結(jié)果；和/或，人物屬性聚類單元307，配置為根據(jù)所述相關(guān)文檔中包含的與所述目標(biāo)人物名稱相關(guān)的人物屬性信息，對各個相關(guān)文檔進(jìn)行聚類，得到人物屬性聚類結(jié)果；融合單元308，配置為將所述主題聚類結(jié)果和/或人物屬性聚類結(jié)果與所述人物關(guān)系聚類結(jié)果相融合，得到最終的聚類結(jié)果，以便根據(jù)所述最終的聚類結(jié)果給出搜索結(jié)果。當(dāng)然，如果僅將主題聚類結(jié)果與人物關(guān)系聚類結(jié)果相融合，或者僅將人物屬性聚類結(jié)果與人物關(guān)系聚類結(jié)果相融合，也是可以的。具體實現(xiàn)時，參見圖6，主題聚類單元306可以包括主題特征提取子單元3061，配置為提取各相關(guān)文檔中包含的主題特征信息；主題特征向量建立子單元3062，配置為根據(jù)各個相關(guān)文檔的主題特征信息建立各相關(guān)文檔的主題特征向量；第二相似度計算子單元3063，配置為根據(jù)所述主題特征向量對各個相關(guān)文檔進(jìn)行相似度計算；第二聚類子單元3064，配置為根據(jù)相關(guān)文檔之間的相似度以及預(yù)置的第二閾值，對各個相關(guān)文檔進(jìn)行聚類。為了提高主題聚類結(jié)果的有效性，在進(jìn)行主題特征提取時，可以對文檔中的詞語進(jìn)行篩選，得到能夠表達(dá)相關(guān)文檔主要內(nèi)容的詞語作為相關(guān)文檔的主題詞，然后再建立向量，并進(jìn)行相似度的計算。此時，主題特征提取子單元3061可以包括分詞子單元30611，配置為對各個相關(guān)文檔進(jìn)行分詞處理；統(tǒng)計子單元30612，配置為在全部相關(guān)文檔中對分詞得到的詞語進(jìn)行綜合統(tǒng)計得到各個詞語的權(quán)重；選取子單元30613，配置為根據(jù)所述權(quán)重選取用于表述各個相關(guān)文檔主要內(nèi)容的主題詞語。具體實現(xiàn)時，統(tǒng)計子單元30612可以利用公式(3)或其他方式實現(xiàn)上述統(tǒng)計。此外，人物屬性信息聚類單元307可以包括人物屬性特征提取子單元3071，配置為提取各相關(guān)文檔中包含的人物屬性信息；人物屬性向量建立子單元3072，配置為根據(jù)各個相關(guān)文檔的人物屬性信息建立各相關(guān)文檔的人物屬性向量；第三相似度計算子單元3073，配置為根據(jù)所述人物屬性向量對各個相關(guān)文檔進(jìn)行相似度計算；第三聚類子單元3074，配置為根據(jù)相關(guān)文檔之間的相似度以及預(yù)置的第三閾值，對各個相關(guān)文檔進(jìn)行聚類?？傊?，在本發(fā)明實施例提供的上述裝置中，首先可以在相關(guān)文檔中提取人物關(guān)系特征信息，根據(jù)人物關(guān)系特征信息對各個相關(guān)文檔進(jìn)行聚類，這樣可以解決事件對聚類結(jié)果的影響被放大、以至于內(nèi)容相似度較小的相關(guān)文檔很難聚在一起的問題。在此基礎(chǔ)上，為了進(jìn)一步優(yōu)化聚類結(jié)果，還可以綜合考慮其他方面的因素。在考慮這些因素時，本發(fā)明實施例并不是將這些因素放在一起、為相關(guān)文檔建立一個大的模型(模型中包含人物關(guān)系特征、人物屬性特征、主題詞語等等)，而是從各個層面分別對相關(guān)文檔建立不同的模型(例如，分別建立人物關(guān)系屬性模型、主題模型并建立人物關(guān)系網(wǎng)等 等)，并且分別進(jìn)行聚類，最后再將各個層面上的聚類結(jié)果進(jìn)行融合，得到最終的聚類結(jié)果。這樣做的好處在于，能夠抓住各個層面上所表述的重要信息，避免相互影響，如果某一層面具有很強(qiáng)的相似關(guān)系，則可以被挖掘出來，此外，也便于相似度計算方法的選擇以及閾值的設(shè)定。需要說明的是，上述裝置實施例是與前述方法實施例相對應(yīng)的，因此，裝置實施例中未詳述部分可以參見方法實施例部分的介紹，這里不再贅述。另外，還應(yīng)該指出的是，上述系列處理和裝置也可以通過軟件和/或固件實現(xiàn)。在通過軟件和/或固件實現(xiàn)的情況下，從存儲介質(zhì)或網(wǎng)絡(luò)向具有專用硬件結(jié)構(gòu)的計算機(jī)，例如圖7所示的通用個人計算機(jī)700安裝構(gòu)成該軟件的程序，該計算機(jī)在安裝有各種程序時，能夠執(zhí)行各種功能等等。在圖7中，中央處理單元(CPU) 701根據(jù)只讀存儲器(ROM) 702中存儲的程序或從存儲部分708加載到隨機(jī)存取存儲器(RAM) 703的程序執(zhí)行各種處理。在RAM 703中，也根據(jù)需要存儲當(dāng)CPU701執(zhí)行各種處理等等時所需的數(shù)據(jù)。CPU 701、ROM 702和RAM 703經(jīng)由總線704彼此連接。輸入/輸出接口 705也連接到總線704。下述部件連接到輸入/輸出接口 705 :輸入部分706，包括鍵盤、鼠標(biāo)等等；輸出部分707，包括顯示器，比如陰極射線管(CRT)、液晶顯示器(IXD)等等，和揚(yáng)聲器等等；存儲部分708，包括硬盤等等；和通信部分709，包括網(wǎng)絡(luò)接口卡比如LAN卡、調(diào)制解調(diào)器等等。通信部分709經(jīng)由網(wǎng)絡(luò)比如因特網(wǎng)執(zhí)行通信處理。根據(jù)需要，驅(qū)動器710也連接到輸入/輸出接口 705。可拆卸介質(zhì)711比如磁盤、光盤、磁光盤、半導(dǎo)體存儲器等等根據(jù)需要被安裝在驅(qū)動器710上，使得從中讀出的計算機(jī)程序根據(jù)需要被安裝到存儲部分708中。在通過軟件實現(xiàn)上述系列處理的情況下，從網(wǎng)絡(luò)比如因特網(wǎng)或存儲介質(zhì)比如可拆卸介質(zhì)711安裝構(gòu)成軟件的程序。本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，這種存儲介質(zhì)不局限于圖7所示的其中存儲有程序、與設(shè)備相分離地分發(fā)以向用戶提供程序的可拆卸介質(zhì)711?？刹鹦督橘|(zhì)711的例子包含磁盤(包含軟盤(注冊商標(biāo)))、光盤(包含光盤只讀存儲器(⑶-ROM)和數(shù)字通用盤(DVD))、磁光盤(包含迷你盤(MD)(注冊商標(biāo)))和半導(dǎo)體存儲器?；蛘?，存儲介質(zhì)可以是ROM 702、存儲部分708中包含的硬盤等等，其中存有程序，并且與包含它們的設(shè)備一起被分發(fā)給用戶。還需要指出的是，執(zhí)行上述系列處理的步驟可以自然地按照說明的順序按時間順序執(zhí)行，但是并不需要一定按照時間順序執(zhí)行。某些步驟可以并行或彼此獨立地執(zhí)行。雖然已經(jīng)詳細(xì)說明了本發(fā)明及其優(yōu)點，但是應(yīng)當(dāng)理解在不脫離由所附的權(quán)利要求所限定的本發(fā)明的精神和范圍的情況下可以進(jìn)行各種改變、替代和變換。而且，本發(fā)明實施例的術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或 者設(shè)備中還存在另外的相同要素。關(guān)于包括以上實施例的實施方式，還公開下述附記附記I、一種同名人物搜索方法，包括針對輸入的目標(biāo)人物名稱，檢索得到包含所述目標(biāo)人物名稱的相關(guān)文檔；分別提取各個相關(guān)文檔中的人物關(guān)系特征信息，所述人物關(guān)系特征信息為在同一相關(guān)文檔中所述目標(biāo)人物名稱與其他人物名稱的共現(xiàn)信息；統(tǒng)計各個相關(guān)文檔中的所述人物關(guān)系特征信息，建立人物關(guān)系圖，并計算所述目標(biāo)人物名稱與所述人物關(guān)系圖中其他人物名稱之間的關(guān)系強(qiáng)度；根據(jù)各個相關(guān)文檔各自包含的人物名稱，以及所述關(guān)系強(qiáng)度，為各個相關(guān)文檔建立人物關(guān)系特征向量；根據(jù)所述人物關(guān)系特征向量，對各個相關(guān)文檔進(jìn)行聚類，得到人物關(guān)系聚類結(jié)果，以便至少根據(jù)所述人物關(guān)系聚類結(jié)果給出搜索結(jié)果。附記2、根據(jù)附記I所述的方法，所述計算所述目標(biāo)人物名稱與所述人物關(guān)系圖中其他人物名稱之間的關(guān)系強(qiáng)度，包括根據(jù)所述目標(biāo)人物名稱與其他人物名稱之間的直接關(guān)系強(qiáng)度及間接關(guān)系強(qiáng)度，計算得到所述目標(biāo)人物名稱與所述人物關(guān)系圖中其他人物名稱之間的關(guān)系強(qiáng)度。附記3、根據(jù)附記I所述的方法，所述根據(jù)所述目標(biāo)人物名稱與其他人物名稱之間的直接關(guān)系強(qiáng)度及間接關(guān)系強(qiáng)度，計算得到所述目標(biāo)人物名稱與所述人物關(guān)系圖中其他人物名稱之間的關(guān)系強(qiáng)度，包括通過如下公式計算所述關(guān)系強(qiáng)度Relation(x, y) = aN (x, y) / max(7V(x), N(y)) +j L(U)
zeUN{Z)其中，x:目標(biāo)人物名稱；y :與X在相關(guān)文檔中共現(xiàn)過的其他人物名稱；z :與X在相關(guān)文檔中共現(xiàn)過、并且與y在其他相關(guān)文檔中共現(xiàn)過的其他人物名稱；U:z 的集合；L(U):集合U中包含的元素的數(shù)目；N(x, y) :x與y共現(xiàn)的相關(guān)文檔數(shù)目；
N(x):包含X的相關(guān)文檔數(shù)目；N(y):包含y的相關(guān)文檔數(shù)目；N(x, z) :x與z共現(xiàn)的相關(guān)文檔數(shù)目；N(y，z) :y與z共現(xiàn)的相關(guān)文檔數(shù)目；N(Z):包含z的相關(guān)文檔數(shù)目；N(x, y) /max (N(x), N(y)) :x 與 y 的直接關(guān)系強(qiáng)度；yNW) + N{y,z) : x與y的間接關(guān)系強(qiáng)度；
N(z)α、β :權(quán)重因子。附記4、根據(jù)附記I所述的方法，對于某相關(guān)文檔，通過以下方式為其建立人物關(guān)系特征向量將該相關(guān)文檔中包含的目標(biāo)人物名稱以外的其他人物名稱作為向量各個維度上的參數(shù)，將目標(biāo)人物名稱與各其他人物名稱之間的關(guān)系強(qiáng)度作為各個維度上的數(shù)值，建立所述人物關(guān)系特征向量。附記5、根據(jù)附記I所述的方法，所述根據(jù)所述人物關(guān)系特征向量，對各個相關(guān)文檔進(jìn)行聚類包括根據(jù)各個相關(guān)文檔的人物關(guān)系特征向量，將各個相關(guān)文檔進(jìn)行相似度計算；根據(jù)相關(guān)文檔之間的相似度以及預(yù)設(shè)的第一閾值，對各個相關(guān)文檔進(jìn)行聚類。附記6、根據(jù)附記I至5任一項所述的方法，還包括根據(jù)所述相關(guān)文檔中包含的主題特征信息，對各個相關(guān)文檔進(jìn)行聚類，得到主題聚類結(jié)果；和/或，根據(jù)所述相關(guān)文檔中包含的與所述目標(biāo)人物名稱相關(guān)的人物屬性信息，對各個相關(guān)文檔進(jìn)行聚類，得到人物屬性聚類結(jié)果；將所述主題聚類結(jié)果和/或人物屬性聚類結(jié)果與所述人物關(guān)系聚類結(jié)果相融合，得到最終的聚類結(jié)果，以便根據(jù)所述最終的聚類結(jié)果給出搜索結(jié)果。附記7、根據(jù)附記6所述的方法，所述根據(jù)所述相關(guān)文檔中包含的主題特征信息，對各個相關(guān)文檔進(jìn)行聚類包括提取各相關(guān)文檔中包含的主題特征信息；根據(jù)各個相關(guān)文檔的主題特征信息建立各相關(guān)文檔的主題特征向量；根據(jù)所述主題特征向量對各個相關(guān)文檔進(jìn)行相似度計算；根據(jù)相關(guān)文檔之間的相似度以及預(yù)置的第二閾值，對各個相關(guān)文檔進(jìn)行聚類。附記8、根據(jù)附記7所述的方法，所述獲取各相關(guān)文檔中包含的主題特征信息包括對各個相關(guān)文檔進(jìn)行分詞處理；在全部相關(guān)文檔中對分詞得到的詞語進(jìn)行綜合統(tǒng)計得到各個詞語的權(quán)重；根據(jù)所述權(quán)重選取用于表述各個相關(guān)文檔主要內(nèi)容的主題詞語。附記9、根據(jù)附記8所述的方法，針對某相關(guān)文檔D，通過以下方式計算該相關(guān)文檔D中各個詞語\的權(quán)重-21og λ = 2[log L(P1, on, on+o12)+log L(p2, O21, o21+o22)-log L(p, on, on+o12)-log L(p, O21, o21+o22)]
其中，λ :詞語\在相關(guān)文檔D中的權(quán)重；O11 :詞語\在相關(guān)文檔D中出現(xiàn)的詞頻；O12 :詞語\在相關(guān)文檔D以外的其他文檔中出現(xiàn)的詞頻；O21 t,以外的其他詞語在相關(guān)文檔D中出現(xiàn)的詞頻；O22 ti以外的其他詞語在相關(guān)文檔D以外的其他相關(guān)文檔中出現(xiàn)的詞頻；L(p，k，n) =Pk(I-P) (n-k);·
P1 = O11/ (0n+012)；P2 = O21/ (021+022)；P = (0n+021) / (0n+012+021+022) o附記10、根據(jù)附記6所述的方法，所述根據(jù)所述相關(guān)文檔中包含的與所述目標(biāo)人物名稱相關(guān)的人物屬性信息，對各個相關(guān)文檔進(jìn)行聚類包括提取各相關(guān)文檔中包含的人物屬性信息；根據(jù)各個相關(guān)文檔的人物屬性信息建立各相關(guān)文檔的人物屬性向量；根據(jù)所述人物屬性向量對各個相關(guān)文檔進(jìn)行相似度計算；根據(jù)相關(guān)文檔之間的相似度以及預(yù)置的第三閾值，對各個相關(guān)文檔進(jìn)行聚類。附記11、一種同名人物搜索裝置，包括檢索單元，配置為針對輸入的目標(biāo)人物名稱，檢索得到包含所述目標(biāo)人物名稱的相關(guān)文檔；人物關(guān)系提取單元，配置為分別提取各個相關(guān)文檔中的人物關(guān)系特征信息，所述人物關(guān)系特征信息為在同一相關(guān)文檔中所述目標(biāo)人物名稱與其他人物名稱的共現(xiàn)信息；統(tǒng)計單元，配置為統(tǒng)計各個相關(guān)文檔中的所述人物關(guān)系特征信息，建立人物關(guān)系圖，并計算所述目標(biāo)人物名稱與所述人物關(guān)系圖中其他人物名稱之間的關(guān)系強(qiáng)度；向量建立單元，配置為根據(jù)各個相關(guān)文檔各自包含的人物名稱，以及所述關(guān)系強(qiáng)度，為各個相關(guān)文檔建立人物關(guān)系特征向量；人物關(guān)系聚類單元，配置為根據(jù)所述人物關(guān)系特征向量，對各個相關(guān)文檔進(jìn)行聚類，得到人物關(guān)系聚類結(jié)果，以便至少根據(jù)所述人物關(guān)系聚類結(jié)果給出搜索結(jié)果。附記12、根據(jù)附記11所述的裝置，所述統(tǒng)計單元具體配置為根據(jù)所述目標(biāo)人物名稱與其他人物名稱之間的直接關(guān)系強(qiáng)度及間接關(guān)系強(qiáng)度，計算得到所述目標(biāo)人物名稱與所述人物關(guān)系圖中其他人物名稱之間的關(guān)系強(qiáng)度。附記13、根據(jù)附記11所述的裝置，所述統(tǒng)計單元具體配置為通過如下公式計算所述關(guān)系強(qiáng)度Relation(x, y) = aN(x, y) / max(^V(x), 7V(_y)) + #(x，z) + z) / L(U)
N(z)其中，x:目標(biāo)人物名稱；y :與X在相關(guān)文檔中共現(xiàn)過的其他人物名稱；z :與X在相關(guān)文檔中共現(xiàn)過、并且與y在其他相關(guān)文檔中共現(xiàn)過的其他人物名稱；U:z 的集合；
L(U):集合U中包含的元素的數(shù)目；N(x, y) :x與y共現(xiàn)的相關(guān)文檔數(shù)目；N(X):包含X的相關(guān)文檔數(shù)目；N(y):包含y的相關(guān)文檔數(shù)目；N(x, z) :x與z共現(xiàn)的相關(guān)文檔數(shù)目；N(y，z) :y與z共現(xiàn)的相關(guān)文檔數(shù)目；N(Z):包含z的相關(guān)文檔數(shù)目；N(x, y) /max (N(x), N(y)) :x 與 y 的直接關(guān)系強(qiáng)度； TN^z) + N{y'z) I L(U)x ^ y 的間接關(guān)系強(qiáng)度；
會 N(z)α、β :權(quán)重因子。附記14、根據(jù)附記11所述的裝置，所述向量建立單元具體配置為將相關(guān)文檔中包含的目標(biāo)人物名稱以外的其他人物名稱作為向量各個維度上的參數(shù)，將目標(biāo)人物名稱與各其他人物名稱之間的關(guān)系強(qiáng)度作為各個維度上的數(shù)值，建立所述人物關(guān)系特征向量。附記15、根據(jù)附記11所述的裝置，所述人物關(guān)系聚類單元包括第一相似度計算子單元，配置為根據(jù)各個相關(guān)文檔的人物關(guān)系特征向量，將各個相關(guān)文檔進(jìn)行相似度計算；第一聚類子單元，配置為根據(jù)相關(guān)文檔之間的相似度以及預(yù)設(shè)的第一閾值，對各個相關(guān)文檔進(jìn)行聚類。附記16、根據(jù)附記11至15任一項所述的裝置，還包括主題聚類單元，配置為根據(jù)所述相關(guān)文檔中包含的主題特征信息，對各個相關(guān)文檔進(jìn)行聚類，得到主題聚類結(jié)果；和/或，人物屬性聚類單元，配置為根據(jù)所述相關(guān)文檔中包含的與所述目標(biāo)人物名稱相關(guān)的人物屬性信息，對各個相關(guān)文檔進(jìn)行聚類，得到人物屬性聚類結(jié)果；融合單元，配置為將所述主題聚類結(jié)果和/或人物屬性聚類結(jié)果與所述人物關(guān)系聚類結(jié)果相融合，得到最終的聚類結(jié)果，以便根據(jù)所述最終的聚類結(jié)果給出搜索結(jié)果。附記17、根據(jù)附記16所述的裝置，所述主題聚類單元包括主題特征提取子單元，配置為提取各相關(guān)文檔中包含的主題特征信息；主題特征向量建立子單元，配置為根據(jù)各個相關(guān)文檔的主題特征信息建立各相關(guān)文檔的主題特征向量；第二相似度計算子單元，配置為根據(jù)所述主題特征向量對各個相關(guān)文檔進(jìn)行相似度計算；第二聚類子單元，配置為根據(jù)相關(guān)文檔之間的相似度以及預(yù)置的第二閾值，對各個相關(guān)文檔進(jìn)行聚類。附記18、根據(jù)附記17所述的裝置，所述主題特征提取子單元包括分詞子單元，配置為對各個相關(guān)文檔進(jìn)行分詞處理；統(tǒng)計子單元，配置為在全部相關(guān)文檔中對分詞得到的詞語進(jìn)行綜合統(tǒng)計得到各個詞語的權(quán)重；選取子單元，配置為根據(jù)所述權(quán)重選取用于表述各個相關(guān)文檔主要內(nèi)容的主題詞語。附記19、根據(jù)附記18所述的裝置，所述統(tǒng)計子單元具體配置為針對某相關(guān)文檔D，通過以下方式計算該相關(guān)文檔D中各個詞語\的權(quán)重-21og λ = 2[log L(P1, on, on+o12)+log L(p2, O21, o21+o22)-log L(p, on, on+o12)-log L(p, o21, o21+o22)]其中，λ :詞語\在相關(guān)文檔D中的權(quán)重；O11 :詞語\在相關(guān)文檔D中出現(xiàn)的詞頻；
O12 :詞語\在相關(guān)文檔D以外的其他文檔中出現(xiàn)的詞頻；O21 t,以外的其他詞語在相關(guān)文檔D中出現(xiàn)的詞頻；O22 ti以外的其他詞語在相關(guān)文檔D以外的其他相關(guān)文檔中出現(xiàn)的詞頻；L(p，k，n) =Pk(I-P) (n-k);P1 = O11/ (0n+012)；P2 = 021/(021+022)；P = (0n+021) / (0n+012+021+022)。附記20、根據(jù)附記16所述的裝置，所述人物屬性信息聚類單元包括人物屬性特征提取子單元，配置為提取各相關(guān)文檔中包含的人物屬性信息；人物屬性向量建立子單元，配置為根據(jù)各個相關(guān)文檔的人物屬性信息建立各相關(guān)文檔的人物屬性向量；第三相似度計算子單元，配置為根據(jù)所述人物屬性向量對各個相關(guān)文檔進(jìn)行相似度計算；第三聚類子單元，配置為根據(jù)相關(guān)文檔之間的相似度以及預(yù)置的第三閾值，對各個相關(guān)文檔進(jìn)行聚類。
權(quán)利要求
1.一種同名人物搜索方法，包括 針對輸入的目標(biāo)人物名稱，檢索得到包含所述目標(biāo)人物名稱的相關(guān)文檔； 分別提取各個相關(guān)文檔中的人物關(guān)系特征信息，所述人物關(guān)系特征信息為在同一相關(guān)文檔中所述目標(biāo)人物名稱與其他人物名稱的共現(xiàn)信息； 統(tǒng)計各個相關(guān)文檔中的所述人物關(guān)系特征信息，建立人物關(guān)系圖，并計算所述目標(biāo)人物名稱與所述人物關(guān)系圖中其他人物名稱之間的關(guān)系強(qiáng)度； 根據(jù)各個相關(guān)文檔各自包含的人物名稱，以及所述關(guān)系強(qiáng)度，為各個相關(guān)文檔建立人物關(guān)系特征向量； 根據(jù)所述人物關(guān)系特征向量，對各個相關(guān)文檔進(jìn)行聚類，得到人物關(guān)系聚類結(jié)果，以便至少根據(jù)所述人物關(guān)系聚類結(jié)果給出搜索結(jié)果。
2.根據(jù)權(quán)利要求I所述的方法，所述計算所述目標(biāo)人物名稱與所述人物關(guān)系圖中其他人物名稱之間的關(guān)系強(qiáng)度，包括 根據(jù)所述目標(biāo)人物名稱與其他人物名稱之間的直接關(guān)系強(qiáng)度及間接關(guān)系強(qiáng)度，計算得到所述目標(biāo)人物名稱與所述人物關(guān)系圖中其他人物名稱之間的關(guān)系強(qiáng)度。
3.根據(jù)權(quán)利要求2所述的方法，所述根據(jù)所述目標(biāo)人物名稱與其他人物名稱之間的直接關(guān)系強(qiáng)度及間接關(guān)系強(qiáng)度，計算得到所述目標(biāo)人物名稱與所述人物關(guān)系圖中其他人物名稱之間的關(guān)系強(qiáng)度，包括通過如下公式計算所述關(guān)系強(qiáng)度Relation(x, y) = aN(x, y) / max(iV(x), N(y)) +z) + ^~(兄 z) / L(U) zet/N(Z) 其中，X :目標(biāo)人物名稱； y :與X在相關(guān)文檔中共現(xiàn)過的其他人物名稱； Z :與X在相關(guān)文檔中共現(xiàn)過、并且與y在其他相關(guān)文檔中共現(xiàn)過的其他人物名稱； U z的集合； L(U):集合U中包含的元素的數(shù)目； N(x,y) :x與y共現(xiàn)的相關(guān)文檔數(shù)目； N(X):包含X的相關(guān)文檔數(shù)目； N(y):包含y的相關(guān)文檔數(shù)目； N(x, z) :x與z共現(xiàn)的相關(guān)文檔數(shù)目； N(y, z) :y與z共現(xiàn)的相關(guān)文檔數(shù)目； N(Z):包含z的相關(guān)文檔數(shù)目； N(X, y) /max (N(x), N(y)) :x 與 y 的直接關(guān)系強(qiáng)度； Σ釋轉(zhuǎn)):X與y的間接關(guān)系強(qiáng)度； N(Z) α、β :權(quán)重因子。
4.根據(jù)權(quán)利要求I至3任一項所述的方法，還包括 根據(jù)所述相關(guān)文檔中包含的主題特征信息，對各個相關(guān)文檔進(jìn)行聚類，得到主題聚類結(jié)果；和/或，根據(jù)所述相關(guān)文檔中包含的與所述目標(biāo)人物名稱相關(guān)的人物屬性信息，對各個相關(guān)文檔進(jìn)行聚類，得到人物屬性聚類結(jié)果；將所述主題聚類結(jié)果和/或人物屬性聚類結(jié)果與所述人物關(guān)系聚類結(jié)果相融合，得到最終的聚類結(jié)果，以便根據(jù)所述最終的聚類結(jié)果給出搜索結(jié)果。
5.根據(jù)權(quán)利要求4所述的方法，所述根據(jù)所述相關(guān)文檔中包含的主題特征信息，對各個相關(guān)文檔進(jìn)行聚類包括 提取各相關(guān)文檔中包含的主題特征信息； 根據(jù)各個相關(guān)文檔的主題特征信息建立各相關(guān)文檔的主題特征向量； 根據(jù)所述主題特征向量對各個相關(guān)文檔進(jìn)行相似度計算； 根據(jù)相關(guān)文檔之間的相似度以及預(yù)置的第二閾值，對各個相關(guān)文檔進(jìn)行聚類。
6.根據(jù)權(quán)利要求5所述的方法，所述獲取各相關(guān)文檔中包含的主題特征信息包括 對各個相關(guān)文檔進(jìn)行分詞處理； 在全部相關(guān)文檔中對分詞得到的詞語進(jìn)行綜合統(tǒng)計得到各個詞語的權(quán)重； 根據(jù)所述權(quán)重選取用于表述各個相關(guān)文檔主要內(nèi)容的主題詞語。
7.一種同名人物搜索裝置，包括 檢索單元，配置為針對輸入的目標(biāo)人物名稱，檢索得到包含所述目標(biāo)人物名稱的相關(guān)文檔； 人物關(guān)系提取單元，配置為分別提取各個相關(guān)文檔中的人物關(guān)系特征信息，所述人物關(guān)系特征信息為在同一相關(guān)文檔中所述目標(biāo)人物名稱與其他人物名稱的共現(xiàn)信息； 統(tǒng)計單元，配置為統(tǒng)計各個相關(guān)文檔中的所述人物關(guān)系特征信息，建立人物關(guān)系圖，并計算所述目標(biāo)人物名稱與所述人物關(guān)系圖中其他人物名稱之間的關(guān)系強(qiáng)度； 向量建立單元，配置為根據(jù)各個相關(guān)文檔各自包含的人物名稱，以及所述關(guān)系強(qiáng)度，為各個相關(guān)文檔建立人物關(guān)系特征向量； 人物關(guān)系聚類單元，配置為根據(jù)所述人物關(guān)系特征向量，對各個相關(guān)文檔進(jìn)行聚類，得到人物關(guān)系聚類結(jié)果，以便至少根據(jù)所述人物關(guān)系聚類結(jié)果給出搜索結(jié)果。
8.根據(jù)權(quán)利要求7所述的裝置，所述統(tǒng)計單元具體配置為 根據(jù)所述目標(biāo)人物名稱與其他人物名稱之間的直接關(guān)系強(qiáng)度及間接關(guān)系強(qiáng)度，計算得到所述目標(biāo)人物名稱與所述人物關(guān)系圖中其他人物名稱之間的關(guān)系強(qiáng)度。
9.根據(jù)權(quán)利要求8所述的裝置，所述統(tǒng)計單元通過如下公式計算所述關(guān)系強(qiáng)度Relation(x, y) = ccN(x, y) / max(JV(x), N(y)) + N、X，Z\^《(少，Z) / L(U) N{z) 其中，X :目標(biāo)人物名稱； y :與X在相關(guān)文檔中共現(xiàn)過的其他人物名稱； Z :與X在相關(guān)文檔中共現(xiàn)過、并且與y在其他相關(guān)文檔中共現(xiàn)過的其他人物名稱； U z的集合； L(U):集合U中包含的元素的數(shù)目； N(x,y) :x與y共現(xiàn)的相關(guān)文檔數(shù)目； N(X):包含X的相關(guān)文檔數(shù)目； N(y):包含y的相關(guān)文檔數(shù)目； N(x, z) :x與z共現(xiàn)的相關(guān)文檔數(shù)目； N(y, z) :y與z共現(xiàn)的相關(guān)文檔數(shù)目；N(z):包含z的相關(guān)文檔數(shù)目； N(X, y) /max (N(x), N(y)) :x 與 y 的直接關(guān)系強(qiáng)度； YN{X^N{^Z) IL{U) : X與y的間接關(guān)系強(qiáng)度； ^ N(z) α、β :權(quán)重因子。
10.根據(jù)權(quán)利要求7至9任一項所述的裝置，還包括 主題聚類單元，配置為根據(jù)所述相關(guān)文檔中包含的主題特征信息，對各個相關(guān)文檔進(jìn)行聚類，得到主題聚類結(jié)果；和/或，人物屬性聚類單元，配置為根據(jù)所述相關(guān)文檔中包含的與所述目標(biāo)人物名稱相關(guān)的人物屬性信息，對各個相關(guān)文檔進(jìn)行聚類，得到人物屬性聚類結(jié)果； 融合單元，配置為將所述主題聚類結(jié)果和/或人物屬性聚類結(jié)果與所述人物關(guān)系聚類結(jié)果相融合，得到最終的聚類結(jié)果，以便根據(jù)所述最終的聚類結(jié)果給出搜索結(jié)果。
全文摘要
本發(fā)明實施例公開了一種同名人物搜索方法及裝置，其中，所述方法包括針對輸入的目標(biāo)人物名稱，檢索得到包含所述目標(biāo)人物名稱的相關(guān)文檔；分別提取各個相關(guān)文檔中的人物關(guān)系特征信息，統(tǒng)計各個相關(guān)文檔中的所述人物關(guān)系特征信息，建立人物關(guān)系圖，并計算所述目標(biāo)人物名稱與所述人物關(guān)系圖中其他人物名稱之間的關(guān)系強(qiáng)度；根據(jù)各個相關(guān)文檔各自包含的人物名稱，以及所述關(guān)系強(qiáng)度，為各個相關(guān)文檔建立人物關(guān)系特征向量；根據(jù)所述人物關(guān)系特征向量，對各個相關(guān)文檔進(jìn)行聚類，得到人物關(guān)系聚類結(jié)果，以便至少根據(jù)所述人物關(guān)系聚類結(jié)果給出搜索結(jié)果。通過本發(fā)明，能夠提高同名人物聚類的準(zhǔn)確度，進(jìn)而提高搜索結(jié)果的質(zhì)量，提升搜索引擎的性能。
文檔編號G06F17/30GK102880623SQ20111020956
公開日2013年1月16日 申請日期2011年7月13日 優(yōu)先權(quán)日2011年7月13日
發(fā)明者張姝, 賈文杰, 王新文, 夏迎炬, 孟遙, 于浩 申請人:富士通株式會社