[发明专利]基于文档和实体关系搜索目标实体的方法和装置

权利要求书

1.一种用于每一个文档已经分成N个域的数字化文档集中对其中的M个域搜索目标实体的方法，其中N≥1，N≥M≥1，域数字文档是一个数字化文档其中的一个域，并且已知每一个文档和所有候选实体之间的关系，所述方法包括步骤：

(a)对每一个域数字文档集，对每一个候选实体，根据已知的每一个文档和所有候选实体之间的关系，选择所有与此候选实体有关系的域数字化文档，这些域数字化文档组成此候选实体域文档；每一个域的所有候选实体域文档形成对应此域的候选实体域文档集；

(b)根据用户所输入的查询，提取包括至少一个关键词的关键词序列作为当前关键词序列；

(c)选择一个域作为当前域，根据关键词序列搜索当前域数字化文档集，得到域相关文档集；

(d)对每一个候选实体，动态选取与此候选实体有关系的域相关文档，这些被选出的域相关文档的集合组成所述候选实体的域相关文档；所有候选实体的域相关文档形成候选实体域相关文档集；

(e)根据关键词序列和候选实体域相关文档集，计算候选实体域文档集中每一个候选实体域文档值；

(f)如果在已知的M个域中存在没有被计算的域，则取其中一个没有被计算的域作为当前域并执行步骤(c)、(d)(e)和(f)，否则对每一个候选实体，累计其对应的所有的域的候选实体域文档值，得到候选实体文档值；和

(g)根据候选实体文档值，选择目标实体。

2.如权利要求1所述的搜索目标实体的方法，其中域包括数字化文档的题目、标题、摘要、元数据和文档中实体位置相邻数据。

3.如权利要求1所述的搜索目标实体的方法，其中域数字文档集还兼容没有分域的数字化文档集。

4.如权利要求1所述的搜索目标实体的方法，其中所述关键词是一个词或者是一个短语。

5.如权利要求1所述的搜索目标实体的方法，其中步骤(d)中所述动态选取包括从最相关的K个域相关文档中选出所有和当前候选实体有关系的域相关文档，其中K≥1。

6.如权利要求1所述的搜索目标实体的方法，其中步骤(d)中所述动态选取包括从域相关文档集中选出和当前候选实体有关系的最相关的L个域相关文档，其中L≥1。

7.如权利要求1所述的搜索目标实体的方法，其中步骤(e)中所述计算包括使用基于查询的文档长度的方法。

8.如权利要求7所述的搜索目标实体的方法，基于查询的文档长度是候选实体域相关文档的长度。

9.如权利要求7所述的搜索目标实体的方法，其中使用基于查询的文档长度的方法包括变体BM25方法，或者变体DFR_BM25方法，或者变体短语方法，或者变体BM25方法和变体短语方法的结合方法，或者变体DFR_BM25方法和变体短语方法的结合方法。

10.如权利要求9所述的搜索目标实体的方法，其中变体BM25方法是将基于查询语句的文档长度作为BM25公式中的文档长度。

11.如权利要求9所述的搜索目标实体的方法，其中变体DFR_BM25方法是将基于查询语句的文档长度作为DFR_BM25公式中的文档长度。

12.如权利要求9所述的搜索目标实体的方法，其中变体短语方法包括变体BM25短语方法和变体DFR_BM25短语方法。

13.如权利要求12所述的搜索目标实体的方法，其中变体BM25短语方法将变体BM25公式乘以此短语的长度作为变体BM25短语公式。

14.如权利要求12所述的搜索目标实体的方法，其中变体DFR_BM25短语方法将变体DFR_BM25公式乘以此短语的长度作为变体DFR_BM25短语公式。

15.如权利要求9所述的搜索目标实体的方法，其中所述结合方法包括线性组合由各方法得到的文档值。

16.如权利要求1所述的搜索目标实体的方法，其中步骤(f)中所述累计包括线性组合。

17.如权利要求1所述的搜索目标实体的方法，其中步骤(g)中所述选择包括选取对应最大T个候选实体文档值对应的T个候选实体作为目标实体，其中T≥1。