[发明专利]一种基于知识库的查询分面生成方法

权利要求书

1.一种基于知识库的查询分面生成方法，其特征在于，所述方法包括如下步骤：

1）对于给定查询q，从搜索引擎中获取前T个检索结果，组成查询结果集合D；

2）基于QDMiner算法获取一系列初始查询分面f，一系列所述初始查询分面f组成集合F；

3）对每一个所述初始查询分面f进行扩展；

4）对扩展后的所述初始查询分面f利用检索文档进行过滤，以保证扩展结果的准确率；利用扩展之后的初始查询分面f生成最终的查询分面；

所述步骤2）中基于QDMiner算法获取一系列初始查询分面f的方法具体为：

a.列表抽取：使用文本、HTML标签、重复区域多个模式，从所述查询结果集合D中抽取原始列表；

b.列表赋权：基于tf-idf思想，对每个所述原始列表的重要性做出评估；

c.列表聚类：使用WQT方法将相似的列表聚在一起形成查询分面；

d.查询分面和词项排序：计算不同查询分面及分面内词项的重要性，排序并输出最终结果，即获得一系列所述初始查询分面f；

所述步骤3）中对每一个所述初始查询分面f进行扩展的方法具体为：首先将搜索引擎的查询分为两种：实体级查询和非实体级查询；对于实体级查询，获得查询对应的Freebase中的实体，并获取其属性；如果原分面和某一属性的重合度很高，则使用该属性作为原分面的扩展；如果找不到这样的属性，则转到非实体级查询；对于非实体级查询，基于tf-idf的思想找到Freebase中包含原分面的最小的类型，并利用Freebase找到原分面中不同词项共有的、与查询相关的属性，用这样的属性对类型做进一步的限制，返回被限制的类型所包含的实体作为原分面的扩展。

2.根据权利要求1所述的基于知识库的查询分面生成方法，其特征在于，所述获得查询对应的Freebase中的实体的具体方法为：使用Freebase的Search API搜索查询对应的实体，Search API使用实体的名字、同义词匹配查询字符串；然后对返回的实体进行过滤。

3.根据权利要求2所述的基于知识库的查询分面生成方法，其特征在于，所述对返回的实体进行过滤的方法为：对于Search API的查询Q，返回N个实体[E₁,E₂,…，E_N]，对于其中的实体E，对所有同义词和查询Q进行分词处理，计算E的所有的同义词和查询Q的最大公共词串占原串的比例，取所有同义词中比例的最大值作为E和Q的字符串相似度得分StrSim；如果该得分小于阈值R_StrSim，则将E过滤掉；公式为：

其中Alias(E)是实体E的所有同义词集合，len表示词串的长度；阈值R_StrSim随着查询Q的长度变化而变化,LCS(Q,a)计算查询Q和同义词a的最大公共词串长度：

其中pow(x,y)的是x的y次方。

4.根据权利要求1所述的基于知识库的查询分面生成方法，其特征在于，所述步骤3）中对每一个所述初始查询分面f进行扩展的方法具体为：首先找到包含原分面f的若干个类型，利用tf-idf的方法进行打分，选出得分最高的类型，用Search API找到分面f中所有词项对应的实体，在这些实体的所有属性中找到公共的、和原始查询相关的属性对类型加以限制，用返回限制后的类型的所有实体，作为对原分面的扩展。