[发明专利]基于矩阵加权关联模式的印尼汉跨语言检索方法及系统

摘要

本发明公开了一种基于矩阵加权关联模式的印尼汉跨语言检索方法及系统，利用机器翻译模块将印尼语用户查询翻译为汉语查询提交给文本检索模块检索中文文档，使用提取前列初检文档及其预处理模块预处理后构建初检前列文档数据库，调用面向印尼中跨语言检索的矩阵加权关联规则挖掘模块构建矩阵加权关联规则库，利用跨语言查询扩展词生成模块建立扩展词库，利用跨语言查询扩展实现模块将组合后的新查询再次提交文本检索模块检索得到最终检索结果中文文档，利用最终结果显示模块将最后检索结果提交机器翻译模块翻译为印尼语文档后返回给用户。本发明运用于东盟国家跨语言文本检索系统，有效提高和改善跨语言检索性能，应用价值和推广前景较好。

主权项

1.一种基于矩阵加权关联模式的印尼汉跨语言检索方法，其特征在于，包括如下步骤：(1)将印尼语用户查询通过机器翻译模块翻译为中文查询式，然后检索中文文档得到跨语言初检结果中文文档集；(2)提取跨语言初步检索结果前n篇中文文档作为初检中文相关文档集；(3)预处理初检中文相关文档集，即进行中文分词、去除停用词、计算特征词权值和提取特征词的预处理操作，构建初检前列文档数据库；(4)扫描初检前列文档数据库，挖掘矩阵加权特征词1_候选项集C₁，计算C₁权值W(C₁)，统计C₁以外的项目的最大权值maxCw_i(！C₁)和C₁的支持计数n_c1，ms为最小支持度阈值，定义：包含q_项集的特征词k_项集权值阈值(q<k)是指对包含q_项集的后续项集的权值预测，记为KIWT(q，k)，计算KIWT(1,2)的值，KIWT(1,2)的计算公式是：KIWT(1,2)＝n×1×ms‑n_c1×maxCw_i(！C₁)；(5)计算特征词1_候选项集C₁的支持度FTISup(C₁)，如果FTISup(C₁)≧ms则从1_候选项集C₁挖掘1_频繁项集L₁，并加到矩阵加权特征词频繁项集集合L，FTISup(C₁)的计算公式是：(6)挖掘k_项集，其中所述的k≧2，包括步骤(6.1)至(6.7)：(6.1)比较候选(k‑1)_项集C_k‑1权值和KIWT(k‑1,k)值，剪除其W(C_k‑1)<KIWT(k‑1,k)的候选项集C_k‑1；(6.2)将余下的进行候选(k‑1)项集C_k‑1进行Aproiri连接，得到C_k；(6.3)当k＝2时，剪除不含查询项的候选2_项集；(6.4)扫描初检前列文档数据库，统计C_k以外的项目的最大权值maxCw_i(！C_k)和C_k的支持计数n_ck，计算C_k权值W(C_k)和KIWT(k‑1,k)的值，KIWT(k‑1,k)的计算公式是：KIWT(k‑1,k)＝n×k×ms‑n_ck×maxCw_i(！C_k)；(6.5)剪除n_ck为0的候选项集C_k；(6.6)对余下的候选k_项集C_k，计算C_k支持度FTISup(C_k)，如果FTISup(C_k)≧ms，则从候选k_项集C_k中挖掘k_频繁项集L_k，并加到矩阵加权特征词频繁项集集合L，FTISup(C_k)的计算公式是：(6.7)若k大于候选项集长度阈值或者候选k_项集为空集，则挖掘结束，否则，继续循环步骤(6.1)至(6.6)；(7)从矩阵加权特征词频繁项集集合L中挖掘含有查询词项的特征词矩阵加权关联规则，构建矩阵加权关联规则库；(8)从矩阵加权关联规则库中提取与原查询相关的跨语言扩展词，构建扩展词库；(9)将原查询和扩展词组合为新查询再次检索得到最终检索结果中文文档；(10)将最终结果中文文档通过机器翻译模块翻译为印尼语文档，最后将最终检索结果中文文档和将最终检索结果印尼语文档返回给用户。