[发明专利]一种面向事件的查询扩展方法

说明书

技术领域

本发明属于语言文字信息处理领域，具体地说是涉及一种面向事件的查询扩展方法。

背景技术

在信息检索领域，查询扩展指在原查询词的基础上加入相关的词，从而组成新的、更准确的查询词集，这在一定程度上能够弥补用户查询信息不足的缺陷，也有助于改善检索的查全率和查准率。查询扩展方法大致分为两类：基于语义知识辞典的查询扩展方法和基于语料库的查询扩展方法。基于语义知识辞典的查询扩展方法是：在进行查询扩展时通过已有的语义知识辞典来进行扩展词的选取。基于语料库的查询扩展方法又可细分为两种：全局分析方法和局部分析方法。最常用的局部分析技术是伪相关反馈PRF(Pseudo Relevance Feedback)：假设初始检索结果的前面若干篇文档是相关的，然后利用相关反馈过程进行查询扩展，例如，参考文献的题目为：New retrieval approaches using SMART(该文作者是：C.Buckley，A.Singhal，M.Mitra，and G.Slaton，发表于1995年出版的期刊：Proceedings of the 4th TextRetrieval Conference)，该文公开了使用词在文本集中出现的频次作为查询扩展的对象，但是，没有考虑文本中的词与查询项之间的关联信息，会导致查询扩展效果不稳定。在2000年美国出版的期刊《ACM Transactions on information systems》中，题目为：Improving theeffectiveness of informational retrieval with local context analysis(该文作者是：J.Xu，B.W.Croft)，该文提出了一种基于局部上下文分析LCA(Local Context Analysis)的查询扩展方法，此方法依据文本集中词与整个查询项的共现信息进行扩展，与伪相关反馈PRF相比取得了更好的查询效果，但没有考虑到面向事件的信息检索的特点，并不适用于事件类信息检索。然而，随着各类突发事件的频繁发生，获取网络上事件类的信息已经变得非常迫切。在很多情况下，用户借助搜索引擎获取事件类信息，但是，已有的信息查询方法没有分析查询内容中不同的查询项的作用，没能使用面向事件的查询扩展技术，因此，对一些事件类信息的检索结果的准确率不高，不能满足实际应用的需求。

事件类信息的查询和其他信息的查询有许多不同之处，主要表现在：

(1)、事件是由事件触发词标识，关联了参与者、时间和地点等要素的概念。事件的各个要素在查询内容中作用是不同的。比如，输入：“汶川地震”、“孟买 恐怖袭击”、“中国SARS”等查询内容。这些查询内容中的“地震”、“恐怖袭击”、“SARS”是事件触发词，其标识所要查询的事件类型称为事件项。“汶川”、“孟买”、“中国”是事件的其它要素，其限定查询事件的范围称为事件的限定项。由于事件项和限定项在查询内容中的作用不同，所以采取不同的处理策略。

(2)事件之间有着紧密的联系，一个话题总是关联了一些特定的事件。提及话题“地震”，人们自然的就联想到“死亡”、“救援”、“重建”等事件；看到话题“竞选”，“演讲”、“辩论”、“投票”等事件自然浮现到脑海中，而不需要关心具体的事件要素。据此，可以进行事件到事件之间的联想扩展。

发明内容

鉴于以上所述现有技术存在的问题和不足，本发明要解决的技术问题是提供一种面向事件的查询扩展方法，该方法通过分析查询内容中不同的查询项的作用，能提高事件类信息查询的准确率。

为了解决上述问题，本发明采用下述技术方案：

一种面向事件的查询扩展方法，其具体步骤如下：

(1)、输入查询内容，对查询内容进行分词、滤除停用词后得到查询项Q，计算查询项Q在待检索的文本集合M中的每篇文本中出现的频次m_i，按照m_i的大小降序排列文本集合M中的文本，选取前面的排序小于或等于n的文本组成局部文本集合N；

(2)、依据从文本中识别事件的规则，从局部文本集合N中识别得到所有的事件，由上述所有事件组成的集合称为事件集合E；

(3)、分别从查询项中区分事件项Q_e和限定项Q_e′；

(4)、根据步骤(2)和步骤(3)，计算查询项的事件项Q_e与事件集合E中每个事件的关联强度，从事件集合E中选择关联强度大的若干个事件添加到查询项的事件项Q_e中扩展，扩展后的事件项构成扩展事件项