[发明专利]对自然语言内容中的信息含量进行定量估算的系统和方法

权利要求书

1.语句相关的自然语言文本文件的搜索方法，包括：

通过计算机处理系统获取客体名称；

通过计算机处理系统获取含有自然语言文本的文件；

通过计算机处理系统识别文件中的句子；

通过计算机处理系统确定句子中的主语和谓语；

从计算机存储系统提取和客体相关联的特定客体数据集，其中所述特定客体数据集包括 多个属性名称和关联强度值，每一属性名称和关联强度值相关联；

识别所述多个属性名称中和所述主语匹配的第一属性名称；

将和第一属性名称相关联的第一关联强度值赋予所述主语；

识别所述多个属性名称中和所述谓语匹配的第二属性名称；

将和第二属性名称相关联的第二关联强度值赋予所述谓语；以及

通过计算机处理系统将所述第一关联强度值和第二关联强度值相乘以产生句子信息量指 数，使用所述句子信息量指数计算文件信息量指数；

通过计算机处理系统获取和客体名称有关的搜索语句；

计算多个文件的文件信息量指数，其中每一个文件信息量指数是文件中含有的关于客体 名称的信息量的定量度量；和

对所述多个文件按各个文件的信息量指数进行排序以产生和搜索语句相应的搜索结果。

2.如权利要求1所述的方法，其特征在于，所述计算文件信息量指数的步骤包括：

计算文件中多个句子的句子信息量指数，其中所述句子信息量指数对客体名称是特定的； 和，

以句子信息量指数之函数的方式计算文件信息量指数。

3.如权利要求2所述的方法，其特征在于，所述计算文件信息量指数的步骤包括：

将句子信息量指数相加以产生文件信息量指数。

4.如权利要求1所述的方法，其特征在于，还包括：

通过计算机处理系统获取客体名称以分类文件；

计算多个文件的文件信息量指数，其中每一个文件信息量指数是文件中含有的关于客体 名称的信息量的定量度量；

确定和所述客体名称有关的文件类别的阈值；

通过将各个文件信息量指数和所述阈值比较从所述多个文件中选择一个或多个文件；并

将所述一个或多个文件赋予所述文件类别。

5.如权利要求4所述的方法，其特征在于，还包括：

确定和所述客体名称有关的文件类别的阈值；

若一个或多个文件的文件信息量指数超过或等于所述阈值，从所述多个文件中选择所述 一个或多个文件；

将所述一个或多个文件赋予所述文件类别。

6.如权利要求1所述的方法，其特征在于，还包括：

若和主语或谓语匹配的属性名称未在所述特定客体数据集中的多个属性名称中被识别， 将零值赋予句子信息量指数。

7.如权利要求1所述的方法，其特征在于，所述句子中的主语或谓语含有单字，字串， 词组，或嵌入从句。

8.如权利要求1所述的方法，其特征在于，句子中的主语和谓语通过计算机处理系统使 用句法分析器确定。

9.如权利要求1所述的方法，其特征在于，所述客体名称包括字，字序列，词组，字符 串，搜索语句，搜索语句的子组份，主题，或文件类别的名称。

10.如权利要求1所述的方法，其特征在于，所述识别文件中的句子的步骤包括：

通过计算机处理系统识别文件中的复杂句；

将复杂句分解成一个或多个简单句，其中每一简单句中的主语和谓语通过计算机处理系 统识别；

计算所述一个或多个简单句的句子信息量指数；以及

使用所述一个或多个简单句的句子信息量指数计算复杂句的句子信息量指数。