[发明专利]一种基于扁平化算法的文本搜索方法

权利要求书

1.一种基于扁平化算法的文本搜索方法，其特征在于：该方法包括以下步骤：

1)获取文本摘要，形成文档集D；

2)对文档集D中的文档进行断句，d_i(d_i∈D)，获得句子集合

3)对句子集合进行分词，获取词集合

4)计算词集合中任意两个词之间的共现次数f_c；

5)以词W_k为节点，共现次数f_c为边，构建无向加权图；

6)根据用户提交的关键词集合K＝{k_i|i＝1,2,3...n}，确定任意一组关键词在无向加权图中的关联关系；

7)以扁平化算法计算并还原词与词之间的路径，以图片的形式呈现关联关系；其中：以扁平化算法计算并还原词与词之间的路径，具体操作为：

701)关键词K_i的第一层还原：l_mix&l_ki,1，得出路径“M_Ki,1”；

702)关键词K_i的第二层还原：l_mix&l_ki,2，得出路径“M_Ki,2”；

……

703)关键词K_i的第n层还原：l_mix&l_ki,n，得出路径“M_Ki,n”；

704)重复步骤1)至3)的方法，还原关键词K_j的路径：“M_Kj,1”、“M_Kj,2”……“M_Kj,n”；

705)重复步骤1)至3)的方法，还原关键词集合中的所有其它关键词的路径；

706)得出关键词集合的还原路径为：“M_Ki,1”+“M_Ki,2”+……+“M_Ki,n”+“M_Kj,₁”+“M_Kj,2”+……+“M_Kj,n”。

2.根据权利要求1所述的方法，其特征在于：步骤2)中所述对文档集D中的文档进行断句的具体操作为：以句号、分号、感叹号、问号和换行符作为分隔符，将文本分隔成多个子串，即句子。

3.根据权利要求1或2所述的方法，其特征在于：步骤3)中所述分词的具体规则为：

采用最短路分词算法，设需要分词的字符串为a₁，a₂，a₃...，a_s；

1)以字为顶点建立字图；

2)从字符串中匹配出词典中存在的词，在字图中搭建新的边；

3)计算首个字符至结尾字符之间的最短路径，该路径上的顶点即为分词的结果。

4.根据权利要求1或2所述的方法，其特征在于：步骤4)中所述计算词集合中任意两个词之间的共现次数具体为：将词集合中任意两个词分组，计算任意一组词在句子集合中的所有句子中共同出现的次数。

5.根据权利要求1或2中任一项所述的方法，其特征在于：步骤5)中所述构建无向加权图的具体操作为：

以词为图的顶点，若词w_i和w_j出现同一个句子中则表示词w_i和词w_j所对应的顶点之间存在边，且边的权值为两个词出现在同一句子中的频率f_ij。

6.根据权利要求1或2所述的方法，其特征在于：步骤6)中所述根据用户提交的关键词集合，确定任意一组关键词在无向加权图中的关联关系具体为：关键词集合即指关键词的个数可以是一个或多个，若关键词为1个，则该关键词所在的邻接节点即为该关键词在无向加权图中的关联关系；若关键词≥2个，则需要从无向加权图中搜索该关键词集合中任意两个关键词之间的关联关系。