[发明专利]基于矩阵加权关联规则的中英跨语言查询前件扩展方法

权利要求书

1.基于矩阵加权关联规则的中英跨语言查询前件扩展方法，其特征在于，首先借助机器翻译将中文查询翻译为英文查询并检索英文文档，用户对初检前列英文文档进行相关性判断得到初检相关英文文档集，对初检相关英文文档集进行预处理，构建初检英文文档库和特征词库；采用基于项频度和权值的矩阵加权关联模式支持度计算方法以及基于支持度-置信度-兴趣度的矩阵加权关联模式挖掘方法对初检相关英文文档集挖掘后件是译后原查询词项的矩阵加权关联规则，从所述关联规则中提取其前件作为中英跨语言译后扩展词；

所述采用基于项频度和权值的矩阵加权关联模式支持度计算方法以及基于支持度-置信度-兴趣度的矩阵加权关联模式挖掘方法对初检相关英文文档集挖掘后件是译后原查询词项的矩阵加权关联规则的具体步骤如下：

(1)挖掘英文特征词矩阵加权频繁1_项集L₁：

从特征词库中提取英文特征词作为英文特征词候选1_项集C₁，计算C₁的矩阵加权支持度mwSup(C₁)，如果mwSup(C₁)≥支持度阈值ms，则C₁为矩阵加权频繁1_项集L₁，并将L₁添加到矩阵加权频繁项集集合mwPIS；

mwSup(C₁)计算公式如式(2)所示：

式(2)中，n为初检英文文档库中英文文档总篇数，W为初检英文文档库中所有英文特征词权值的累加总和值，为英文特征词候选1_项集C₁在初检英文文档库中的项集权值累加所得的总和值，为英文特征词候选1_项集C₁在初检英文文档库中出现的频度；

(2)挖掘英文特征词矩阵加权频繁k_项集L_k，所述的k≥2，具体步骤：

(2.1)英文特征词矩阵加权频繁(k-1)_项集L_k-1进行Apriori连接生成英文特征词矩阵加权候选k_项集C_k，所述的k≥2；

(2.2)当k＝2时，删除不含译后原查询词项的英文特征词候选2_项集C₂，保留含有译后原查询词项的候选2_项集C₂；

(2.3)累加英文特征词候选k_项集C_k在初检英文文档库中的项集权值统计C_k在初检英文文档库中的项集频度计算C_k的矩阵加权支持度mwSup(C_k)；

式(3)中，n为初检英文文档库中英文文档总篇数，W为初检英文文档库中所有英文特征词权值的累加总和值，为英文特征词矩阵加权候选k_项集C_k的项集长度；

(2.4)如果mwSup(C_k)≥ms，则C_k就是英文特征词矩阵加权频繁k_项集L_k，添加到矩阵加权频繁项集集合mwPIS；

(2.5)若英文特征词矩阵加权频繁k_项集L_k不为空集，则k加1后转入步骤(2.1)继续循环，否则，矩阵加权频繁项集挖掘结束，转入以下步骤(3)；

(3)挖掘后件是译后原查询词项的英文特征词矩阵加权关联规则：

对于矩阵加权频繁项集集合mwPIS中每一个频繁k_项集L_k，所述的k≥2，采用置信度-兴趣度评价框架从频繁k_项集L_k中挖掘后件是译后原查询词项的英文特征词矩阵加权关联规则，步骤如下：

(3.1)取出频繁k_项集L_k的所有真子集项集，构建L_k真子集项集集合；

(3.2)取出L_k真子集项集集合中任意两个真子集项集Et和Eqt，且Et∪Eqt＝L_k，Q_En为译后原查询词项集合；

(3.3)计算英文特征词矩阵加权兴趣度EMInt(Et,Eqt)，如果EMInt(Et,Eqt)≥最小兴趣度阈值mi，则计算英文特征词矩阵加权置信度EMConf(Et→Eqt)，若EMConf(Et→Eqt)≥最小置信度阈值mc，则关联规则Et→Eqt是强英文特征词矩阵加权关联规则，并加入到英文特征词矩阵加权关联规则集合EMAR；

EMInt(Et,Eqt)和EMConf(Et→Eqt)的计算公式分别如式(4)和式(5)所示：

式(4)和(5)中，k₁、k₂项k₁₂分别为英文特征词矩阵加权项集Et、Eqt以及项集(Et,Eqt)的项集长度，n₁、n₂和n₁₂分别为英文特征词矩阵加权项集Et、Eqt以及项集(Et,Eqt)在初检英文文档库中出现的频度，w₁、w₂和w₁₂分别为英文特征词矩阵加权项集Et、Eqt以及项集(Et,Eqt)在初检英文文档库中的项集权值累加所得的总和值；

(3.4)返回步骤(3.2)，直到L_k的真子集项集集合中每个真子集项集当且仅当被取出一次，然后从矩阵加权频繁项集集合mwPIS中重新取出新的频繁k_项集L_k，转入步骤(3.1)进行新一轮矩阵加权关联规则挖掘，直到mwPIS中每一个频繁k_项集L_k都已经被取出，则英文特征词间矩阵加权关联规则挖掘结束；

所述从所述关联规则中提取其前件作为中英跨语言译后扩展词的具体方法为：

从英文特征词矩阵加权关联规则集合中提取每个关联规则Et→Eqt的前件Et作为跨语言查询译后扩展词，计算所述扩展词的权值W_exp，将扩展词与译后原查询词组合为新查询再次检索，实现中英跨语言查询译后前件扩展；

权值W_exp计算公式如式(6)所示：

式(6)中，max(EMConf(Et→Eqt))和max(EMInt(Et,Eqt))表示：当扩展词重复出现在多个关联规则Et→Eqt时，就会存在多个置信度和兴趣度，这时取置信度的最大值max(EMConf(Et→Eqt))和兴趣度的最大值max(EMInt(Et,Eqt))参与扩展词权值计算。