[发明专利]一种基于语义关联网络的启发式查询扩展方法

权利要求书

1.一种基于语义关联网络的启发式查询扩展方法，其特征在于，包括以下步骤：

步骤1、根据本体中抽取的概念，建立关联图，其中，所述关联图用RG＝(V,E)表示，V是节点的集合，v是一个概念，用语义标签A表示；E是边的集合，e＝(v_i,v_j,rw)表示v_i和v_j之间有关联，且其关联权重为rw；所述查询用Q＝(A₁,A₂,…,A_m)表示，A_i表示第i个查询条件对应的概念；

步骤2、根据查询Q和关联图RG，构造最小查询生成树MQST，同时根据所述最小查询生成树MQST对查询中的节点进一步进行有效路径扩展；

步骤1构建关联图的方法包括如下：

步骤1-1、从本体中抽取领域内的概念集AS，将概念集中的概念作为关联图的节点，并初始化各概念对之间的关联权重为0；

步骤1-2、抽取统计窗口Wd内的关联矩阵集合RMS’，并累加计算节点间的关联度的时间权重的加权和；

步骤1-3、计算节点间的关联权重，若存在关联，则添加关联图的边；

步骤1-2所述关联矩阵的计算方法包括如下：

步骤1-2-1、从本体中抽取领域内的概念集AS，然后扫描文本集ST，查看每个概念是否在ST中出现，初始化统计矩阵OM，其中，所述文本集用ST＝(st₁,st₂,…,st_n)表示，统计矩阵OM记录概念是否在文本中出现，其中，行表示文本，列表示概念，OM[i,j]表示第j个概念是否在第i个文本中出现；

步骤1-2-2、逐个计算共现率和关联度，如果满足强关联条件，即共现率大于等于最小共现率且关联度大于等于最小关联度，将其保存在关联矩阵RM中，其中，在所述文本集ST＝(st₁,st₂,…,st_n)中，概念的A₁和A₂的共现率为其中表示A₁和A₂在st_i中的共现情况；概念的A₁和A₂的关联度为其中CP(A₁,A₂)是A₁和A₂在ST中的共现率，OP(A_i)是A_i在ST中出现的概率；统计矩阵RM记录概念之间的共现率和关联度，其中行、列表示概念，RM[i,j].cp表示第i个概念与第j个概念的共现率，RM[i,j].rp表示第i个概念与第j个概念的关联度；

步骤1-2中所述统计窗口用Wd＝{t_k-n,t_k-n+1,…,t_k}表示；时间权重W_T(t_l,t_k)＝1/2^(tk-tl)，其中t_k为当前的时间段，t_l(l≤k)为任一时间段；

步骤1-3中所述概念对(A_i,A_j)的关联权重为其中Wd为统计窗口，W_T(t_l,t_k)为时间权重，是A_i、A_j在时间段t_l的关联度。