[发明专利]基于膜计算的搜索方法

权利要求书

1.一种基于膜计算的搜索方法，其特征在于：包括以下步骤：(A)获取最优加权因子；(B)获取文档主题相似度；(C)预测排序优先值；所述步骤(B)中，在语义空间中构建网页语义向量和主题语义向量，再将两语义向量的余弦值作为网页与主题的相似度，其具体采用如下步骤：(1)设定词项空间TSpace是基本词项的集合，其定义为：

TSpace＝{term_i|term_i∈Lex,1≤i≤|Lex|}

式中TSpace为词项空间，Lex为基本词汇库集合，term_i为Lex中的词项，|Lex|为基本词汇库集合Lex中词项总数；(2)词项向量TVector的分值都对应到词项空间TSpace，其中，

TVector＝(val₁,val₂,…,val_|Lex|)

式中TVector为词项向量，val_k(1≤k≤|Lex|)是在词项term_k维度上的取值，词项term_k在词项空间TSpace中，并且|TVector|＝|TSpace|＝|Lex|，即词项向量TVector的维数等于词项空间TSpace的词项总数|Lex|，|Lex|为基本词汇库集合Lex中词项总数；(3)语义空间SSpace是双词项集合，其中SSpace定义如下：

SSpace＝{dbt_l|dbt_l＝(term_i,term_j),term_i∈Lex,term_j∈Lex,

1≤i≤|Lex|,1≤j≤|Lex|,1≤l≤|Lex|²}

式中SSpace为语义空间，Lex与上述相同,dbt_l为双词项并对应词项term_i、term_j，其中term_i、term_j都是Lex中的元素，语义空间SSpace的维度为|Lex|²，|Lex|为基本词汇库集合Lex中词项总数；(4)语义向量SVector的分值都对应到语义空间，其中，SVector定义如下：

式中SVector为语义向量，val_k(1≤k≤|Lex|²)是在双词项dbt_k维度上的取值，双词项dbt_k在语义空间SSpace中，并且|SVector|＝|SSpace|＝|Lex|²，即语义向量SVector的维数等于语义空间SSpace的维度|Lex|²，|Lex|为基本词汇库集合Lex中词项总数；(5)

构建文档和主题语义向量，具体为其中，DTS_k、TTS分别为文档d_k、主题t的词项集合，分别为文档d_k、主题t的词项向量，w_ki(1≤i≤n)为在文档d_k中词项i的TF-IDF值，w_tj(1≤j≤m)为在主题t中词项j的TF-IDF值，n、m为文档d_k的词项集合DTS_k、主题t的词项集合TTS的词项总数，词项向量中的0值对应在词项空间TSpace中但未出现在词项集合DTS_k中的词项的取值，0值的个数为词项向量的维数减去文档d_k的词项总数，即为|Lex|-n，同理词项向量中的0值对应在词项空间TSpace中但未出现在词项集合TTS中的词项的取值，0值的个数为词项向量的维数减去主题t的词项总数，即为|Lex|-m；(6)通过文档d_k的词项集合DTS_k与主题t的词项集合TTS之间的语义相似度构成语义相似度矩阵，具体如下：

其中term_i、term_j(1≤i≤n,1≤j≤m)分别为文档d_k的词项集合DTS_k中的词项i、主题t的词项集合TTS中的词项j，为文档d_k的词项集合DTS_k中的词项i与主题t的词项集合TTS中的词项j之间的语义相似度，n、m分别为文档d_k的词项集合DTS_k、主题t的词项集合TTS的词项总数；(7)通过文档和主题词项向量和文档词项集与主题词项集之间的语义相似度矩阵生成文档和主题语义向量，具体为：

其中分别为文档d_k和主题t的语义向量，此两向量都是对应到语义空间SSpace中，DTS_k、TTS分别为文档d_k、主题t的词项集合，dbTS_k为词项集合DTS_k与TTS之间的双词项集合，term_i属于词项集合DTS_k中的词项，dbTS_ki为词项term_i与主题t的词项集合TTS之间的双词项集合，双词项集合dbTS_ki明显为双词项集合dbTS_k的子集，向量中分值都对应到双词项集合dbTS_ki，零向量对应到双词项集合SSpace-dbTS_k，即这些双词项不属于双词项集合dbTS_k并且此零向量的维数为|Lex|²-m*n，n、m分别为文档d_k的词项集合DTS_k、主题t的词项集合TTS的词项总数，dval_(i-1)*m+j、tval_(i-1)*m+j都是在双词项dbt_r＝(term_i,term_j)上的取值，其中term_i属于词项集合DTS_k中的词项，而term_j属于词项集合TTS中的词项，w_ki、w_tj分别为词项i在文档d_k中的TF-IDF值、词项j在主题t中的TF-IDF值，为词项集合DTS_k中的词项i与词项集合TTS中的词项j之间的语义相似度；(8)生成文档d_k与主题t的相似度为文档d_k的语义向量与主题t的语义向量的余弦值，具体为：其中Sim(d_k,t)为文档d_k与主题t相似度。