[发明专利]计算机执行的对数据库中的文献进行索引和检索的方法以及信息检索系统

权利要求书

1.一种计算机执行的、对数据库中的文献进行索引和检索的方法，该方法包括如下步骤：

将文献集合中的各文献转换为文献粒子图表，所述文献粒子图表包括从粒子集合中选择的粒子；

从相应的粒子图表中为各文献提取文献关键词集合；

将各文献的所述文献关键词存储至对存储所述文献集合的数据库的索引中；

将查询转换为包括查询粒子集合的查询粒子图表，所述查询粒子图表包括从所述粒子集合中选择的粒子；

从所述查询粒子图表中提取查询关键词集合；

根据所述查询关键词和存储在所述索引中的文献关键词从数据库中检索相关文献；以及

向用户输出所述相关文献。

2.根据权利要求1所述的方法，其中所述粒子集合实质性地大于所述文献的语言中音位的数目，并且实质性地小于所述语言中字词的数目。

3.根据权利要求1所述的方法，其中个别粒子跨越字词边界。

4.根据权利要求1所述的方法，其中所述文献和所述查询为文本字词的形式。

5.根据权利要求1所述的方法，其中所述文献为文本字词的形式，所述查询为讲话式字词的形式。

6.根据权利要求1所述的方法，其中所述文献和所述查询都为讲话式字词的形式。

7.根据权利要求1所述的方法，其中所述文献为讲话式字词的形式，所述查询为文本字词的形式。

8.根据权利要求1所述的方法，其中所述查询是被讲出的，所述查询粒子图表为表示讲出的查询中的声音序列的替代的连续分组的网格。

9.根据权利要求1所述的方法，其中所述粒子集合表示能在任一查询中出现的所有可能的声音序列。

10.根据权利要求1所述的方法，其中所述粒子集合从来自所述文献的字词的任何序列的发音得到。

11.根据权利要求1所述的方法，其中所述粒子集合识别任意文献中的将该文献与其它文献区别开的关键词。

12.根据权利要求1所述的方法，其中通过拼写-发音机制将所述文献粒子图表和所述查询粒子图表正规化。

13.根据权利要求1所述的方法，其中所述粒子集合中的粒子是在声学上独特的并是独立完整的。

14.根据权利要求1所述的方法，其中粒子出现的可预见性必须高。

15.根据权利要求1所述的方法，其中各粒子具有将本粒子和其它粒子相区分的区别性声学结构，并且相同的粒子的不同实例之间具有相对低的声学可变性。

16.根据权利要求1所述的方法，其中个别粒子出现的可预见性相对较高。

17.根据权利要求1所述的方法，其中所述粒子集合是人工确定的。

18.根据权利要求1所述的方法，其中所述粒子集合是试探性地确定的。

19.根据权利要求1所述的方法，所述方法还包括如下步骤：

使用训练文献构建粒子集合和同时优化的基于粒子的语言模型，其中所述基于粒子的语言模型的复杂度实质性地低于根据相同的训练文献构建的基于字词的语言模型的复杂度。

20.根据权利要求19所述的方法，其中所述粒子集合对目标函数应用期望值最大，其中所述目标函数考虑下面的任意组合：

粒子集合的大小；

在展现文献训练集合和查询训练集合中的所有文献时的错误；

使用粒子集合的检索的准确度；

表示粒子集合的统计模型的熵；以及

从训练集合中的文献和查询得到的粒子级别的语言模型。

21.根据权利要求1所述的方法，其中首先将各文献中的各字词转换为表示该字词的所有可能的发音的语音图表，并接着将所述语音图表转换为所述文献粒子集合。

22.根据权利要求1所述的方法，所述方法还包括：

对所述相关文献进行排位。

23.根据权利要求20所述的方法，其中所述基于粒子的语言模型的复杂度至少比基于字词的语言模型的复杂度低十倍。