[发明专利]一种基于语义信息的图书检索推荐方法

权利要求书

1.一种基于语义信息的图书检索推荐方法，其特征在于，包括以下步骤：

步骤1、用户输入检索信息；

步骤2、处理用户输入的检索信息并形成初始检索词序列；

步骤3、对初始检索词序列进行语义扩展；

步骤4、对扩展后的初始检索词序列进行语义量化和模糊化；

步骤5、关键字权重计算；

步骤6、运用语义信息融合算法计算出用户输入的初始检索词与系统中的图书信息匹配程度，得到用户所需求的图书名称。

2.如权利要求1所述的一种基于语义信息的图书检索推荐方法，其特征在于，所述步骤2具体包括：若用户输入的检索信息包含一个完整的检索语句，则按照以下具体步骤进行：

步骤2.1：将用户输入的检索信息与中文分词词典中的词条进行匹配；

步骤2.2：运用中文分词词法规则对匹配后的词汇进行歧义校正；

步骤2.3：提取中文分词后句子中的关键词，组成初始检索词序列；

若用户输入的检索信息只有关键词，则按顺序进行步骤2.2和步骤2.3。

3.如权利要求2所述的一种基于语义信息的图书检索推荐方法，其特征在于，所述步骤3采用基于本体树的语义扩展方法，具体按照以下步骤实施：

步骤3.1：从左至右标记中文分词后得到的初始检索词序列S₁，判断此检索词W_i是否为本体中的概念B_i；

步骤3.2：若W_i≠B_i，则将标记移位到下一个检索词W_i+1；若W_i+1为空，则语义扩展结束；若W_i+1不为空，则执行步骤3.1；若W_i＝B_i，则执行步骤3.3；

步骤3.3：若W_i＝B_i，在本体树中确定其位置，并通过同义关系、继承关系、实例关系进行语义扩展，为该检索词W_i增添同义词、相对抽象的上位词及相对具体的下位词，最后，将检索词标记位移至下一检索词W_i+1，并执行步骤3.1。

4.如权利要求3所述的一种基于语义信息的图书检索推荐方法，其特征在于，所述步骤4采用三角模糊数法对扩展后的初始检索词序列进行语义量化和模糊化，具体按照以下步骤实施：

步骤4.1：确定隶属函数μ_A(x)，使得μ_A(x)满足连续函数、凸模糊集、存在一实数x₀，使得隶属函数μ_A(x₀)为1三个条件；

步骤4.2：将语义量尺分为非常重要、比较重要、一般、比较不重要、非常不重要五级；

步骤4.3：与五级语义量尺分别对应的三角模糊数分别为(5,6,6)、(3,5,6)、(1,3,5)、(0,1,3)、(0,0,1)，用三角模糊数表示模糊化后的μ_A(x)。

5.如权利要求4所述的一种基于语义信息的图书检索推荐方法，其特征在于，所述步骤5具体按照以下步骤实施：

步骤5.1：根据需求，对语义量化和模糊化后每个关键词语义信息需求的重视程度划分为：一般重视、比较重视、很重视、非常重视、特别重视；

步骤5.2：建立比较判断矩阵：在进行第i个元素与第j个元素相对上一层某个因素重要性比较时，使用数量化的权重值表示；

步骤5.3：计算权向量：利用特征根法求比较判断矩阵的特征根；

步骤5.4：一致性检验：根据比较判断矩阵的一致性比率大小检验其一致性，当其比率小于等于0.1，则直接计算其权向量；当其比率大于0.1，则对矩阵进行调整，直到其比率小于等于0.1；

步骤5.5：对步骤5.2中输入信息的原始权重值进行归一化处理，得对各个关键字语义信息需求的重视程度权重。

6.如权利要求5所述的一种基于语义信息的图书检索推荐方法，其特征在于，所述步骤6具体按照以下步骤实施：

步骤6.1：根据步骤5中确定的每个关键字的原始权重P和加权因子Q计算得到关键字的总融合值；

步骤6.2：将用户需要的图书作为参考序列，将关键字的总融合值作为比较序列求出各数据之间的关联系数和关联程度；

步骤6.3：根据计算求得的关联度得到每条数据的相对查准率，根据查准率判断检索结果与用户所需图书的关联程度，关联程度越大，表示越符合用户需求，则优先推荐。