[发明专利]一种基于多源语义分析的信息检索方法

摘要

本发明公开一种多源语义分析的信息检索方法，包括：文档的采集及其预处理；利用LDA模型对文档建模，并建立倒排索引；用户初始查询的获取及其预处理；根据查询词项是否为专业医学词汇进行多维度分析并基于WordNet和UMLS Metathesaurus对其加权进行查询扩展；计算查询扩展词集与LDA降维后的文档之间的相似度并按相似度的大小递减排序，提取不低于预设阈值的文档返回给用户。本发明综合WordNet和UMLS Metathesaurus的特点，对初始查询进行多维度分析加权扩展，能够更为精准的理解用户的查询意图，并利用LDA模型对文档集进行建模，分析出词项在隐主题层面对文档的表征能力，提高了用户对文档检索的性能。

主权项

一种基于多源语义分析的信息检索方法，其特征在于，包括以下步骤：步骤S1：对采集的文档集进行预处理，得到预处理后的文档集；步骤S2：利用LDA模型对预处理后的文档集进行建模，得到LDA降维后的文档集；步骤S3：对用户输入的初始查询文本进行预处理，得到预处理后的查询词集；步骤S4：对预处理后的查询词集中每个查询词项进行多维度分析并对其加权进行查询扩展，得到查询扩展词集；步骤S5：计算查询扩展词集与LDA降维的文档集之间的相似度并按相似度的大小递减排序，提取不低于预设阈值的文档返回给用户。