[发明专利]一种基于多词汇摘要的精确文档检索方法

摘要

本发明公开了一种基于多词汇摘要的精确文档检索方法，步骤如下。第一，准备文章摘要；第二，生成文档摘要；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。本发明给出任意一篇文章Para，核心词汇为Word_p，设定摘要为一个二维向量{S,W}，进而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}，统计全文的高频词汇，依次排开，形成高频词汇向量F{f}。本发明通过重新定义设计摘要，同时利用摘要进行递进、并集、交集、差集、的信息深度检索，并且形成可靠的排序，在复杂限定条件下，迅速找出与检索规则对应的信息文档。

主权项

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，记录上下文想关性词汇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。