[发明专利]语义化的智能搜索方法

说明书

技术领域

本发明涉及搜索算法的相关技术，具体是一种理解自然语义的、可以广泛应用在不同领域（如购物、音乐、图书等）的通用智能搜索方法。 

背景技术

    目前主流的基于关键词匹配的搜索技术，限制了计算机在检索中的语义分析能力。其搜索返回的结果中，包含大量的无关信息，查准率低下，不能切中用户的真正意图。比如“买黑色的手机”，其中“买”字和“的”字都会对关键字搜索的结果造成影响，而且可能只要带有“黑色”字样的产品全都成为搜索结果，比如黑色的袜子、黑色的手机等。 

显而易见，关键词搜索很难理解自然语言形式的一句话，比如“黑色的电脑”，“买安卓的手机”等。因为关键词索引是基于词库的，是词语的大杂汇，标注出的结果缺乏语义信息，缺乏知识的理解和推理能力。 

主流搜索技术的这些缺点，在移动互联网时代，就显得更为突出。在移动设备上，由于屏幕比较小，所以对搜索结果有更精准的要求。此外，“语音输入”要比“打字”方便快捷，从而对自然语言形式的搜索更为迫切。 

下面以实例来分析当前关键字搜索方法的局限性及不足之处。 

不足一：复合关键字不能语义关联 

如搜索“浦东新区的健身会所”，某知名网站网上的结果中：第一页给出的结果，没有一家是“健身会所”。可以明显地看出关键字匹配的痕迹，即商家名称中只要有“的”字的，全都算作搜索结果，地址中只要有“浦东新区”的全都算作搜索结果，没有语义化的理解和关联。

换成“找浦东新区的健身会所”，如果用这种更符合自然语义的交互方式来搜的话，现行网站的结果是：完全没有找到任何结果，搜索引擎没有自然语义的理解能力。 

再如“黑色的电脑”，某知名购物网站的结果： 

第一页的结果只有两个“学生平板电脑”，其他的20多个产品，没有一个是电脑。“找黑色的电脑”，用更符合自然语义的交互方式来搜， 某购物网的结果

效果会更差，提示没有找到相关商品，只能给出“电脑”的结果，根本不能识别“黑色”。

不足二：只有特定的“语义化”搜索，没有通用的语义化效果 

不足三：勾选太复杂，不适应移动设备的小屏幕

不足四：现在的电商不能充份发挥移动设备语音的价值点

现在的各大电商，都有手机客户端，而手机客户端都有一个功能就是接受“语音搜索”。就算是电商主页的搜索框里面，都有一个小话筒，代表着语音输入。

不管是手机也好，网站也好，他们接收来的语音，仅仅是变成了文字，然后进行了一次传统的字符串匹配。效果跟我在前面举的关键字匹配例子是一样的。 

设备的硬件条件得到迅猛发展的同时，软件方面却跟不上步伐。当前语音设备的价值点没有发挥出来，语音的作用就是代替打字，缺乏后台智能计算、自然语义的技术支持。 

发明内容

本发明主要解决当前关键词搜索算法只是将切好的关键词，基于索引匹配目标内容；当语义化的多个关键字连在一起时，匹配结果就会混乱不堪。 

所要达到的技术目的是：主动地分析、理解一句自然语义的搜索句子，将这个句子拆分成有语义的若干本体，而非关键词；利用本体和句式的匹配来代替关键词的索引匹配，最终达到一种理解自然语义的效果；进而为自然语言搜索，尤其是语音交互搜索提供一种更便捷更精确的搜索方式。 

    为完成上述发明目的，本发明是这样实现的： 

（1）以通用本体结构化领域知识；

所述的通用本体，包括事物、事物的分类、事物的特征，基于这三种基本的概念可以结构化全部的领域知识；

（2）建立领域知识库；

所述的领域知识库是在某个领域，基于上述步骤的结构化分析，通过三张固定的表格，将所有事物及关系表达清楚；这三张表分别为事物表，事物的类表和事物的特征表；同时建立三表之间的关联关系；

 （3）建立固定句式库；

根据人类语言的特点，基于事物与事物的特征进行不同的排列组合，形成特定的表达自然语言的句式结构；建立起固定格式的能够用来理解自然语言意图的句式库，以及根据该意图提取领域知识的规则库；

 （4）概念切分；

根据句式结构对自然语言的句子进行词语切分，将词语与领域知识库对比进行概念标注；进而理解和识别自然语言的意图；

 （5）根据搜索规则实现知识提取；