[发明专利]一种针对中小型网站的模块化用户检索意图建模方法

权利要求书

1.一种针对中小型网站的模块化用户检索意图建模方法，其特征在于，包括以下步骤：

1)将从用户与中小型网站服务器交互中提取的文本信息记为T，从文本T中提取初始关键词集K₁＝{(k_i,w₁(k_i))|1≤i≤R}，其中，k_i代表第i个关键词，R表示集合K₁的元素个数，w₁(k_i)表示关键词k_i的权重值，w₁(k_i)的值等于词语k_i的交叉信息熵值TFIDF(k_i)，并计算关键词的词性因子权重p(k_i)、词语k_i在文本T中的频率freq(k_i)和TFIDF(k_i)；

2)计算K₁＝{(k_i,w₁(k_i))|1≤i≤R}中各关键词的综合权重值w(k_i)，得到关键词集K₂＝{(k_i,w(k_i))|1≤i≤R}；k_i的综合权重值计算公式如下：

w(k_i)＝a*F(k_i)+b*P(k_i)+c*S(k_i)+d*L(k_i)+e*TFIDF(k_i)；

其中，a、b、c、d、e分别为各特征权重的比例系数；F(k_i)为词语k_i的词频权重；S(k_i)为词语k_i的词跨度权重；L(k_i)为词语k_i的词位置权重；

3)对所述关键词集K₂＝{(k_i,w(k_i))|1≤i≤R}进行遍历，从第i个关键词k_i开始判断，将第i个之后的关键词k_j依次与k_i进行比较，其中i+1≤j≤R；若k_i包含k_j，且w(k_i)>w(k_j)，则将k_i加入到过滤后的关键词集中；否则，若k_j包含k_i，且w(k_j)>w(k_i)，则将k_j加入到过滤后的关键词集中；若上述两种情况都不满足，则将k_i和k_j都加入到过滤后的关键词集中，直到第i个之后的关键词全部和第i个比较完毕；当关键词集K₂中的元素全部遍历一遍之后，结束，最后返回过滤后的关键词集K＝{(k_r,w(k_r))|1≤r≤M}，其中M表示集合K中的元素个数；将K中的Q个元素作为重新检索的条件在搜索引擎中重新检索，得到Ts＝{t_i|1≤i≤H},t_i表示Ts中第i个文本信息，H表示Ts中文本个数；1≤Q≤M；

4)按降序对集合K中关键词的综合权重值w(k_r)排序，得到向量U＝[w₁,w₂,…,w_M]，即为用户意图模型，其中w₁,w₂,…,w_M分别对应排好序的K中关键词的综合权重值w(k_r)；

5)遍历文本的特征向量T_i＝[w_t1,w_t2,…,w_tM]，依次判断w_ti是否为0，若不为0，则将用户意图模型U＝[w₁,w₂,…,w_M]中对应的w_i除以1+w_i，直到T_i中所有的元素遍历完成，将所求的w_i/1+w_i求和，得到一个值w_sum；再将用户意图模型U＝[w₁,w₂,…,w_M]中所有的w_i除以1+w_i，并求和，即最后将w_sum除以即得到用户意图模型与文本的特征向量T_i的加权海明距离dis(U,T_i)；

6)利用以下公式计算U与T_i的最终相似度值Sim(U,T_i)：

Sim(U,T_i)＝p₁*W(T_i,U)+p₂*dis(U,T_i)；

其中，p₁、p₂为比例系数；

7)将集合Ts中的所有文本按Sim(U,T_i)降序排列并返回给用户，从而实现基于用户意图检索的建模过程。