[发明专利]基于文档和实体关系搜索目标实体的方法和装置

说明书

技术领域

本发明涉及在已知数字化文档与目标实体之间关系的情况下在文档集中搜索目标实体，更具体地说，涉及在已知文档与目标实体之间关系的情况下在文档集中搜索目标实体的方法和装置。

背景技术

随着信息技术及互联网的发展，网络信息呈几何级数发展。作为获取信息的主要手段的信息检索技术也在不断发展。人们对信息检索的要求也不局限于根据用户查询在数字化文档中检索相关文档。在企业及信息领域，经常会提出搜索数字化文档集中隐含的信息的需求。如在文档集合中搜索研究指定领域的专家或者是搜索经营指定项目的公司。然而现在的信息检索系统或者不能解决这类问题或者解决的不理想。

发明内容

有鉴于上述情况，本发明的目的是提供能有效利用数字文档信息，根据候选实体和文档之间的关系，生成候选实体文档集，通过在搜索候选实体文档时使用根据动态选取的相关文档而得到的候选实体相关文档集信息从而提高查询目标实体的准确度的方法和装置。

为了实现上述目的，根据本发明的一个方面提供了一种用于每一个文档已经分成N个域的数字化文档集中对其中的M个域搜索目标实体的方法，其中N≥1，N≥M≥1，域数字文档是一个数字化文档其中的一个域，并且已知每一个文档和所有候选实体之间的关系，包括步骤：(a)对每一个域数字文档集，对每一个候选实体，根据已知的每一个文档和所有候选实体之间的关系，选择所有和此候选实体有关系的域数字化文档，这些域数字化文档组成此候选实体域文档；每一个域的所有候选实体域文档形成对应此域的候选实体域文档集；(b)根据用户所输入的查询，提取包括至少一个关键词的关键词序列作为当前关键词序列；(c)根据关键词序列搜索当前域数字化文档集，得到域相关文档集；(d)对每一个候选实体，动态选取和此候选实体有关系的域相关文档，这些被选出的域相关文档的集合组成候选实体的域相关文档；所有候选实体的域相关文档形成候选实体域相关文档集；(e)根据关键词序列和候选实体域相关文档集，计算候选实体域文档集中每一个候选实体域文档值；(f)如果在已知的M个域中存在没有被计算的域，则取其中一个没有被计算的域作为当前域并执行步骤(c)、(d)(e)和(f)，否则对每一个候选实体，累计其对应的所有的域的候选实体域文档值，得到候选实体文档值；以及(g)根据候选实体文档值，选择目标实体。

根据本发明的另一个方面提供了一种用于每一个文档已经分成N个域的数字化文档集中对其中的M个域搜索目标实体的装置，其中N≥1，N≥M≥1，域数字文档是一个数字化文档其中的一个域，并且已知每一个文档和所有候选实体之间的关系，包括部件：候选实体域文档集生成器，从当前域数字文档集中选择出所有和当前候选实体有关系的文档并且将这些被选择出的文档组成候选实体域文档，然后集合候选实体域文档形成候选实体域文档集；关键词抽取器，根据用户所输入的查询，提取包括至少一个关键词的关键词序列作为当前关键词序列；相关文档搜索器：根据关键词序列搜索相关文档；候选实体域相关文档集生成器，从域相关文档集中选取和当前候选实体有关系的文档，并且将这些被选出的域相关文档组成当前候选实体的域相关文档；然后集合所有候选实体的域相关文档形成候选实体域相关文档集；候选实体文档值计算器，根据关键词序列和候选实体域相关文档集，计算候选实体域文档集中每一个候选实体域文档值；候选实体文档值累加器，累计所有对应当前候选实体的候选实体域文档值；和候选实体选择器：根据候选实体文档值选择目标实体。

采用根据本发明的搜索目标实体的方法和装置，有效地提高了信息检索的精度。该方法和装置能有效地利用文档信息和文档与候选实体之间的关系，所以能计算出相对准确的和用户查询相关的候选实体，即目标实体。同时，实验表明本发明能有效提高查询的准确度。

附图说明

图1示出根据本发明优选实施例的目标实体搜索装置的方框图；

图2示出根据本发明优选实施例的目标实体搜索方法的流程图；

图3示出根据本发明进行目标实体搜索的流程示意图。

具体实施方式

下面将结合附图详细描述本发明的优选实施例。在下面的描述中，现有数字信息搜索方法/系统中公知的步骤/单元将不再详细描述(例如，下文中将要提到的BM25公式以及DFR_BM25公式)，以免不必要的细节混淆本发明。