[发明专利]一种基于本体的主题搜索算法

说明书

技术领域

本发明涉及个性化信息检索算法领域，且特别涉及一种基于本体的主题搜索算法。

背景技术

目前的很多搜索服务中，有一些针对不同用户的个性化的信息搜索服务，如基于用户行为分析的个性化搜索服务，对于不同用户的相同查询请求返回的查询结果也有所相同，即系统能够在一定程度上识别不同用户个性信息需求上的差别。

但是由于对用户的查询主题不能进行比较准确的确定及描述，因此如何在搜索的过程中基于用户的不同搜索主题进行基于主题的元搜索，成为了信息检索领域中许多学者的研究热点。

在一些个性化信息服务中，根据跟踪用户的行为，建立用户的兴趣模型，以此来确定用户感兴趣的领域及主题。但是用户的兴趣行为存在很大的可变性，一旦用户新的搜索行为与之前的兴趣模型不相符合的时候，搜索的结果的准确性会大大受影响。

本体是共享的概念模型的明确的形式化的规范说明，其目标是通过对相关领域的知识的分析，提供对该领域知识的共同理解，确定该领域内共同认可的概念(术语)，从不同层次给出这些概念之间的相互关系的明确定义，并用规范的形式化语言描述这些术语及其相互关系。因此，引用本体可以更准确地表达各个不同的主题概念。

发明内容

本发明提出一种基于本体的主题搜索算法，得到一种基于本体的性能良好的主题搜索算法，在保证查全率的前提下，更有效地满足不同用户针对不同主题的搜索需求，得到更高的查准率。

为了达到上述目的，本发明提出一种基于本体的主题搜索算法，包括下列步骤：

建立基于本体的主题模型；

根据不同的主题模型，匹配合适的成员搜索引擎；

对搜索结果进行处理。

进一步的，所述基于本体的主题模型采取三元组Topic(C，P，S)来表示，形成主题树结构，其中：C表示由主题领域中的名词概念，具有相同属性和行为结构的概念类的集合；P描述概念和关系的属性；S表示主题类之间的结构关系。

进一步的，所述C采用向量空间模型来表示，使用二元组Ci(Keyi，Weighti)，其中Keyi表示关键词，Weighti表示关键词的权重。

进一步的，所述匹配合适的成员搜索引擎步骤预设有推荐的成员搜索引擎，并可对所述成员搜索引擎进行增减操作。

进一步的，所述对搜索结果进行处理包括对搜索结果的预处理、抽取特征词集和主题匹配。

进一步的，所述对搜索结果的预处理为将来自各成员搜索引擎的检索结果经过集成、去重后进行分词处理。

进一步的，所述抽取特征词集为抽取出表达网页内容的特征词，并根据特征词不同的位置赋予相应的权重，相同的特征词权重值相加，形成网页特征词集。

进一步的，所述搜索结果页面采用特征向量表示，主题的各个子类的概念也是特征向量，根据向量空间模型，两特征向量夹角的余弦值表示它们的相关度。

进一步的，计算出一个网页与主题的相关度，根据设定的阈值，将相关度最大的若干个网页按照相关度大小返回给用户。

进一步的，如果一个网页与本体中该概念的所有属性的相关度均达不到阈值策略中设定的最低相关度，则该网页被认定为不属于用户确定的领域范围，将它从结果集中剔除。

本发明提出的基于本体的主题搜索算法，基于本体，对领域概念及概念间明确的定义来建立主题模型，能够较为准确地确定主题模型。用户在进行搜索时，可以选择要进行搜索的主题，根据各个主题模型匹配与主题相关的最佳成员搜索引擎，用户可以删减偏爱的成员搜索引擎。对于各个成员搜索引擎返回的搜索结果，采用空间向量模型分别计算与主题的相似度，将满足条件的结果返回给用户。由于采用本体，对用户的主题的表达更为精确，解决了由于用户感兴趣的主题不明确而造成搜索结果不够准确的问题，因此搜索结果的准确性得到了提高。在搜索的过程中，依据已经建立的较为精确的主题模型对搜索结果页面进行相关度计算排序，以获得相关度较高的网页。这种方法既体现了用户的个性化，又提高了主题搜索的准确性。

附图说明

图1所示为本发明较佳实施例的基于本体的主题搜索算法流程图。

具体实施方式

为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。

请参考图1，图1所示为本发明较佳实施例的基于本体的主题搜索算法流程图。本发明提出一种基于本体的主题搜索算法，包括下列步骤：

步骤S100：建立基于本体的主题模型；

步骤S200：根据不同的主题模型，匹配合适的成员搜索引擎；