[发明专利]主题挖掘方法和设备、以及查询扩展方法和设备

权利要求书

1.一种主题挖掘方法，包括：

获取步骤，从至少一个知识库中获取多个句子；

识别步骤，对于所获取的多个句子中的每个句子，识别与其关联的实体，其中所述实体指示物理物体或物理物体属性；

生成步骤，从与每个句子关联的实体中各提取一个实体生成一个或更多个实体组；

选择步骤，从所述一个或更多个实体组中选择具有最大区别度的一个实体组；以及

用户可见区别性物体主题输出步骤，输出与所获取的多个句子对应的用户可见区别性物体主题，其中每个用户可见区别性物体主题通过利用所获取的多个句子中的一个句子及其在所选的实体组中的对应实体来表示。

2.根据权利要求1所述的主题挖掘方法，其中所述识别步骤包括：

提取步骤，提取与所获取的多个句子关联的语言形式的候选实体；

规范化步骤，使所述语言形式的候选实体规范化；以及

唯一映射的实体获得步骤，通过删除与所获取的多个句子中的多于一个的句子关联的规范化的候选实体，来获得唯一映射的实体。

3.根据权利要求2所述的主题挖掘方法，其中所提取的候选实体属于多个物体类别，所述物体类别包括：设备组件类别、用户日常使用品类别、设备产品类别和功能消费品类别。

4.根据权利要求2所述的主题挖掘方法，其中所述唯一映射的实体获得步骤包括：

创建一组与所获取的多个句子关联的语言形式的用户个性化实体；

使该组语言形式的用户个性化实体规范化；

识别所述规范化的候选实体和该组规范化的用户个性化实体中的相同的实体；以及

删除与所获取的多个句子中的多于一个的句子关联的相同的实体。

5.根据权利要求1所述的主题挖掘方法，其中所述选择步骤包括：

计算每个实体组的区别度；以及

选择具有最大区别度的一个实体组。

6.根据权利要求5所述的主题挖掘方法，其中所述计算每个实体组的区别度的步骤包括：

计算每个实体组中的每个实体和所获取的多个句子中与其对应的句子之间的相关度。

7.根据权利要求6所述的主题挖掘方法，其中所述计算相关度的步骤包括：

提取每个实体与其对应的句子之间的相关性的证据。

8.根据权利要求5所述的主题挖掘方法，其中所述计算每个实体组的区别度的步骤包括：

使用一组代表实体的可观察程度的可观察特征来计算区别度。

9.根据权利要求5所述的主题挖掘方法，其中所述计算每个实体组的区别度的步骤包括：

使用一组代表用户对实体的熟悉程度的熟悉度特征来计算区别度。

10.根据权利要求5所述的主题挖掘方法，其中所述计算每个实体组的区别度的步骤包括：

使用一组距离特征来计算区别度，所述距离特征至少包括各对实体之间的语义距离，所述语义距离指示该对实体在某一语义源中的距离。

11.根据权利要求1所述的主题挖掘方法，其中所述用户可见区别性物体主题输出步骤包括：

针对所选的实体组中的每个实体，从所述至少一个知识库中的无结构的文本片段中提取语言表达模板；

通过使用所述语言表达模板来描述所选的实体组中的每个实体和所获取的多个句子中与其对应的句子，从而产生候选句子；以及

基于所述至少一个知识库，利用领域知识的语义约束和语法约束来对所述候选句子排序。

12.根据权利要求1所述的主题挖掘方法，其中所述获取步骤包括：

接收自然语言形式的查询作为输入；以及

在所述至少一个知识库中检索与所述查询匹配的句子。

13.根据权利要求1所述的主题挖掘方法，其中所述获取步骤包括：

接收所述至少一个知识库作为输入；

遍历所述至少一个知识库，并且获取所述至少一个知识库中的至少一个文本片段；以及

在所述至少一个知识库中检索与所述至少一个文本片段匹配的句子。