[发明专利]一种基于语义语气加权的倒排索引优化算法

摘要

本发明公开一种基于语义语气加权的倒排索引优化算法，本发明涉及文档情报处理技术领域，解决现有技术由于仅使用特定词词频索引而存在倒排索引精确度低和索引难度大的技术问题，以及解决现有技术由于关键词序列和语义加权词库存在重复而造成的语义加权无效或无法对倒排索引实现实质改变等技术问题。本发明主要结合文档语义语气特征，构建了全新的加权词频定义式，实现了倒排文档按照加权词频排序，不仅仅表现了关键词在文档中的词频密度，还反映了关键词的表意强烈程度，更能帮助搜索用户优先找到期望的文档。

主权项

一种基于语义语气加权的倒排索引优化算法，其特征在于，包括以下步骤：步骤1、预设语义停用词组S(stop)，再设置具有不同语义加权值的增强语义词组S(pos)和弱化语义词组S(neg)，并均作为语义停用词组S(stop)的子集；步骤2、对每个输入文档进行切词处理，获得有序词语序列L(org)；步骤3、将有序词语序列L(org)与语义停用词组S(stop)进行匹配，匹配过程中滤除出现在语义停用词组S(stop)中的词组，获得输入文档的关键词序列L(key)；步骤4、遍历关键词序列L(key)，获得当前关键词的语气加权值后，在当前关键词位置至其上次出现位置范围内查询文档词组中与增强语义词组S(pos)和弱化语义词组S(neg)匹配的词组，由所匹配词组的语义加权值结合语气加权值计算当前关键词的加权词频，在遍历完成后获得文档的加权词频；步骤5、根据文档加权词频进行倒排，获得索引优化的文档序列。