[发明专利]一种基于多词汇摘要的精确文档检索方法

权利要求书

1.一种基于多词汇摘要的精确文档检索方法，其特征在于：步骤如下，

第一，准备文章摘要，

a)给出任意一篇文章Para，核心词汇为Word_p，设定摘要为一个二维向量{S,W}，其中S为词汇，W为摘要权重，所述的权重W为浮点数，范围设定在0～100，向量W的全部总和不超过100；

b)文章题目分词去除介词、副词之后，形成词列表向量Title{T}，文章分词之后，形成文章词组Para{P}；

c)统计全文高频词汇，依次排开，形成高频词汇向量F{f}；

d)以核心词汇Word_p为基准，在文章的出现的全部Word_p词汇，向前步长Lw，记录上下文相 关性词汇Wr，获得Wr的集合{Wr}；

e)通过步骤a)-d)，得到集合Title{T}Para{P}F{f}{Wr}，去除集合中的介词、连词、副词，以下通过向量，计算{S,W}，作为之后的检索；

第二，生成文档摘要，

a)给出集合Title{T}中的所有元素，对于任意一项元素记为Title，在Para{P}中，如果Title不属于Para{P}集合，则将Title元素从Title{T}集合中删除；

b)给出集合Title{T}中的所有元素，其中任意一项元素记为Title，在F{f}中寻找该词组，如果F{f}中有词组Title，则当前Title元素设置初始权重W(Title)＝Wt*frequency(F(f))，所述的frequency表示当前词汇的频率，为一个浮点数，其中Wt为全局词频权重系数；如果F{f}中没有词组Title，则W(Title)＝Wt*wt，所述的wt为标准词频系数，添加元素S＝Title，W＝W(Title)到集合{S,W}中；

c)给出集合Title{T}中的所有元素，将任意一项元素记为Title，对应Title元素，在集合{Wr}中寻找该元素，如果Title在{Wr}中，则建立一个向量之间的相关性估计，以Title做为主要元素，以Title{T}做为基准向量，以{Wr}r＝{Wr|word＝title}做为核准向量，进而得到W_rela＝relationship(title,Title{T},{Wr}r)，在集合{S,W}中取出S＝title元素，获得对应W空间，记为Wo，定义Wn＝Wo+W_rela*Wr，将{S,W}中对应W元素值被Wn替代；

d)将{S,W}矩阵变形，修改W的权重，形成{S,W}关键词摘要集合；

第三，精确检索信息，包括递进的检索、并联检索、串联检索或/和差量检索。

2.如权利要求1所述的基于多词汇摘要的精确文档检索方法，其特征在于：所述的步骤第一中的c)统计全文高频词汇，认定为出现次数/全文词量rateA，依次排开，形成高频词汇向量F{f}。

3.如权利要求1所述的基于多词汇摘要的精确文档检索方法，其特征在于：所述的步骤第三，精确检索信息，将具有唯一的输入集合{Word1,Word2,Word3,…,Word4}设置为Input，检索步骤包括有优先级的并集检索，

a)设定优先集合Input中任意两个元素Word_x，Word_y，如果序号xy，认为Word_x比Word_y的优先级低，进而缩进全部的序列，保证最大化的序列中牵引信息；

b)从Word1开始，在摘要集合{S,W}中寻找使得Word1的W最大的前N个元素，作为集合{S,W}c1，以Word1、Word2为向量，在集合{S,W}c中寻找使得W最大的前N/2个元素，作为集合{S,W}c2。重复从Word1开始，在摘要集合{S,W}中寻找使得W最大的前N个元素，作为集合{S,W}c1，以Word1Word2为向量，在集合{S,W}c中寻找使得W最大的前N/2个元素，作为集合{S,W}c2。对于第三个词汇Word_3亦是如此，得到{S,W}c3。这样{S,W}集合会不断缩小，元素不断减少，直至整个Input中的词汇被使用；

c)如果到其中的一个步骤，{S,W}c集合中的元素个数小于预期最小元素数量Cmin，则停止；最终返回的{S,W}c集合所对应的Para集合，作为结果。