[发明专利]一种基于知识图谱路径语义关系的搜索准确性评价方法

说明书

本发明涉及一种基于知识图谱路径语义关系的搜索准确性评价方法，包括以下步骤：步骤S1：获取用户输入的搜索词，根据所述搜索词，通过引擎进行搜索，获得有序搜索结果；步骤S2：分析所述有序搜索结果的文本内容，构建知识图谱局部图；步骤S3：检索所述知识图谱局部图的路径，形成路径集合，所述路径集合根据知识图谱全局图计算相应路径的语义关系支持度；步骤S4：根据相应路径的语义关系支持度计算结果，对所述有序搜索结果进行二次排序，得到二次排序后的搜索结果，比较有序搜索结果与二次排序后的搜索结果，显示所述搜索词对应的搜索准确性的评价结果。与现有技术相比，本发明具有提升评价结果可靠性、提高搜索准确性评价可信度等优点。

技术领域

本发明涉及一种搜索准确性评价方法，尤其是涉及一种基于知识图谱路径语义关系的搜索准确性评价方法。

背景技术

搜索准确性评价是指对引擎返回的搜索结果的准确性进行评测度量。目前，国内外相关的评价工作很多，主要包括比较法和实验法。比较法采用对比多个搜索引擎返回的结果，来说明搜索的准确性，例如自然观察法、评论法等。实验法则通过实验步骤、分析实验数据来进行评价，包括Cranfield方法、基于用户兴趣和行为反馈的评价、基于结果集相关度的评价、基于深度学习方法的评价等。这些方法大多依托关键字匹配技术，并且主要考虑用户搜索关键词与搜索返回结果的关联匹配性，但是没有从“语义”层面考察搜索结果，因而往往不能指导和帮助搜索引擎提高搜索结果的准确性。

比较法依赖于评价者的主观认识和经验，评价过程缺乏权威，结果往往没有说服力。而在实验法中，Cranfield方法是一种测试集评价方法，需要标注大量正、负样本，实验过程费时耗力，且无法实际保证正样本内容的准确性。基于用户兴趣的评价和基于用户行为反馈的评价方法，虽然融合了多用户群体智慧，但存在实验无法重现、内容语义挖掘匮乏等不足。基于结果集相关度的评价方法，很容易受限于测试条件选择和搜索引擎的可信程度，同时无法对搜索结果准确性进行有效语义识别。深度学习评测方法一般是学习用户搜索词和搜索返回结果正样本之间的规律，来评价任意搜索结果是否准确，并不深层次关联搜索结果的内容语义。可见，在搜索准确性评价研究中，现有评价机制都存在语义层面分析缺失的局限性。

发明内容

本发明的目的就是为了克服上述现有技术存在的语义层面分析缺失的局限性的缺陷而提供一种基于知识图谱路径语义关系的搜索准确性评价方法。

本发明的目的可以通过以下技术方案来实现：

一种基于知识图谱路径语义关系的搜索准确性评价方法，包括以下步骤：

步骤S1：获取用户输入的搜索词，根据所述搜索词，通过引擎进行搜索，获得有序搜索结果；

步骤S2：分析所述有序搜索结果的文本内容，构建知识图谱局部图；

步骤S3：检索所述知识图谱局部图的路径，形成路径集合，所述路径集合根据知识图谱全局图计算相应路径的语义关系支持度；

步骤S4：根据相应路径的语义关系支持度的计算结果，对所述有序搜索结果进行二次排序，得到二次排序后的搜索结果，比较有序搜索结果与二次排序后的搜索结果，显示所述搜索词对应的搜索准确性的评价结果。

所述搜索词的数量大于或等于1个。

优选的，所述有序搜索结果为从第一个搜索词开始，依次增加搜索词的搜索结果。

所述知识图谱局部图的路径不包含回路。

优选的，所述知识图谱局部图的路径的起点为知识图谱局部图对应的搜索词。

不同所述知识图谱局部图之间不存在相同的路径。

优选的，所述路径集合中路径的节点个数大于或等于3个。

所述有序搜索结果与二次排序的搜索结果重合度越高，有序搜索结果的搜索准确性越高。