[发明专利]用于语义搜索的设备和方法

说明书

公开了一种用于比较文本文档的计算机实现方法。方法包括建立包含与多个第一文本文档相关联的第一文本文档数据的数据库。方法进一步包括接收查询。方法还包括将所述查询转换为第二文本文档数据。方法还包括将第二文本文档数据与第一文本文档数据进行比较及计算第二文本文档数据与第一文档数据之间的至少一个相似性度量。进一步公开的是用于处理文本文档中的相似性的计算机实现方法。方法包括协调至少一个传入查询。进一步包括归一化至少一个传入协调查询。方法还包括使用至少一个归一化的协调查询建立至少一个查询向量。方法还包括计算至少一个查询向量与至少一个另一文本文档之间的至少一个相似性度量，其中，至少一个另一文本文档进行了前述步骤。还公开了一种计算机实现的系统。系统包括至少一个内存器组件，该内存器组件适于至少保存包含与第一文本文档相关联的多个第一文本文档数据的数据库。系统还可以包括适于接收查询的至少一个输入装置。查询包括第二文本文档和/或识别第二文本文档的信息。第二文本文档与包含在已存储在内存器组件中的第一文本文档数据中的第二文本文档数据相关联。系统进一步包括适于将查询转换为第二文本文档数据和/或从至少一个内存器组件中的存储中检索与查询相关联的第二文本文档数据的至少一个处理组件。处理组件还适于将第二文本文档数据与存储在至少一个内存器组件中的第一文本文档数据进行比较。系统还包括适于返回识别与第一文本文档数据相关联的至少一个相似的第一文本文档的信息的至少一个输出装置。相似的第一文本文档是第一文本文档中与查询最相似的。

技术领域

本发明涉及数据分析和转换领域。具体地，本发明涉及语义搜索。更确切地说，本发明描述了适用于在语义上比较文本文档的搜索引擎。

背景技术

由于这种档案库的出现(尤其是在互联网中)，搜索容纳大量数据的档案库或数据库中的相似文献已成为最难解决的问题之一。这种问题的一种解决方案是在所有可获得的文献中搜索用户精确定义的关键词的强力方式。这种方式在处理能力上有效，但却存在一些限制：取决于所探讨的主题，相同的关键词可以指极其不同的事物，同义词或相似表述的使用是指已重复多次以便获得所有相关发现的搜索。

在关于现有技术搜索的更具体的实例中，通常通过IPC(国际专利分类法)类别、通过CPC(协同专利分类)类别、或通过每个专利列出的引用文献来完成相似专利的搜索。这种方式可能得到一些相关的发现，但可能错过更新近(且还没被引用过)的相似文献，或给出太多不太相关的发现(在通过IPC或CPC类别搜索的情况下)。

一种梳理文档相似性的更为周密的方式可通过语义搜索来实现。这类搜索将考虑到同义词、由一个以上的词语组成的表述、某一领域特定的技术术语并且将将它们全部组合在一起以便进行更精确的相似性比较。可使用不同的术语或文本将被定义为向量的多维向量空间完成这类搜索，并且在该向量空间中直接进行相似性比较。

美国专利8，688，720公开了对于概念相关词的群集表征文件的一种系统。在接收包含词语集合的文档时，系统选择与所述词语集合相关的概念相关词语的“候选群集”。这些候选群集是使用解释词语集合是如何从概念相关词语的群集中产生的模型选择的。然后，系统构建分量集合以表征文档，其中，文档集合包括候选群集的组件。分量集合中的每个分量指示相应候选群集涉及词语集合的程度。

美国专利8，935，230公开了一种方法、机器可读存储介质、以及用于提供自学习语义搜索引擎的系统。可以用初始配置建立语义网络。耦接到语义网络的搜索引擎可以构建索引和语义索引。可以接收商业数据的用户请求。可以经由语义调度器访问搜索引擎。基于所述访问，搜索引擎可以更新索引和语义索引。

美国专利申请2014/280088描述了用于搜索由文档集合、术语集合、以及与每个术语和每个文档相关联的向量组成的数据集合的一种系统和相关方法。方法涉及将搜索查询转换为术语和文档向量所扩月的向量空间中的向量，并且合并向量近似匹配搜索和术语搜索以产生结果集合，该结果集合可根据查询相关性的各种测量排序。

发明内容

本发明在权利要求以及以下的说明书中说明。优选实施方式具体在从属权利要求和各种实施方式的描述中说明。