[发明专利]数据检索的方法和系统

权利要求书

1.一种数据检索的方法，其特征在于，包括以下步骤：

通过网络获取电子文档，从所述电子文档中提取领域术语；

计算提取的领域术语之间的相似度；

将相似的领域术语以限定分支的方式逐层聚类，建立索引列表，所述限定 分支的方式为：预先确定每个节点的子节点数量；

存储所述索引列表；

信息检索模块利用所述索引列表进行信息检索；

其中，所述从电子文档中提取领域术语包括：

从电子文档中提取标题、摘要和关键词；

对所述提取的标题、摘要和关键词进行解析，得到名词短语；

将所述得到的名词短语中属于预定停用词表中的名词短语滤除；

将滤除后剩下的名词短语归纳到已有的领域本体或分类体系之下；

设定词频阈值和长度阈值；

如果所述名词短语与已有的领域本体或分类体系中的术语共现的频率高于 所述词频阈值，将该名词短语选定为领域术语，加入领域术语集合；

如果所述名词短语与已有的领域本体或分类体系中的术语共现的频率不高 于所述词频阈值，判断所述名词短语的长度是否长于长度阈值，如果所述名词 短语的长度长于长度阈值，将所述名词短语拆分，将拆分得到的新名词短语同 已有的领域本体或分类体系中的术语共现的频率，与词频阈值比较；如果所述 名词短语的长度等于或短于长度阈值，删除所述名词短语。

2.根据权利要求1所述的数据检索的方法，其特征在于，所述存储的索引 列表使用本体编辑工具进行编辑。

3.根据权利要求2所述的数据检索的方法，其特征在于，信息检索模块利 用索引列表进行信息检索的步骤包括：

接收用户查询请求；

提取用户查询请求的关键词；

扩充关键词列表；

根据关键词对索引列表进行检索；

对检索到的文档进行排序；

向用户返回检索结果。

4.根据权利要求3所述的数据检索的方法，其特征在于，所述计算提取的 领域术语之间的相似度的步骤包括：

计算提取的领域术语之间的关联关系值；

计算提取的领域术语之间的非分类关系值；

计算提取的领域术语之间的兄弟关系值；

通过关联关系值、非分类关系值和兄弟关系值，计算提取的领域术语之间 的相似度值。

5.根据权利要求4所述的数据检索的方法，其特征在于，还包括将意义相 同的领域术语合并，其步骤包括：

以句法模式对提取的领域术语进行合并条件判断；

设定相似度阈值，对于经句法模式判断，符合合并条件的领域术语，如果 这些领域术语之间的相似度值高于相似度阈值，用其中一个领域术语代替与其 相似度高于相似度阈值的所有提取的领域术语。