[发明专利]索引用于文件检索的文件的方法及装置

权利要求书

1.索引用于文件检索的文件的方法，包括：

产生文件向量，所述文件向量指示多个术语中的每个是否存在于所述文件中；

使用所述文件向量和语义关系矩阵计算文件语义推断向量，所述文件语义推断向量用于所述文件中存在的所述多个术语中的一个或多个，所述语义关系矩阵辨别所述多个术语中不同术语之间的语义关系；以及

使用基于每个文件语义推断向量计算的文件语义背景推断向量，索引所述文件，

其中，所述语义关系矩阵通过以下步骤产生：

使用多个文件产生术语-文件矩阵，所述术语-文件矩阵辨别所述多个术语中的每个是否存在于所述多个文件的每个中；以及，

通过执行所述术语-文件矩阵的奇异值分解产生术语-术语矩阵，所述术语-术语矩阵为所述语义关系矩阵。

2.根据权利要求1所述的方法，其中，使用所述文件向量和语义关系矩阵计算文件语义推断向量，以用于所述文件中存在的所述多个术语中的每个。

3.根据权利要求2所述的方法，其中，通过将所述文件语义推断向量加起来，计算所述文件语义背景推断向量。

4.根据权利要求1所述的方法，其中，对所述术语-文件矩阵应用术语加权方案，以抑制噪音术语。

5.根据权利要求4所述的方法，其中，根据以下表达式应用所述术语加权方案：

$a_k^d=\frac{tf(a_k,d)+1}{n_d}\×log\left(\frac{D}{df\left(a_k\right)+1}\right)$

$n_d=\underset{k}{\Σ}tf(a_k,d)$

其中为所述术语-文件矩阵W的被加权术语；D表示所述多个文件中文件的总数；K为所述多个术语中术语的数目；tf(a_k,d)表示术语在文件d中出现的次数；df(a_k)是所述术语至少出现一次的文件的数目。

6.根据权利要求1至5中任一项所述的方法，其中，根据以下表达式执行所述术语-术语矩阵：

$\hat{W}={\mathrm{WW}}^T$

其中为所述术语-术语矩阵；W为所述术语-文件矩阵；以及T表示矩阵转置。