[发明专利]基于偏好的智能检索方法及系统

权利要求书

1.一种基于偏好的智能检索方法，其特征在于，所述方法包括步骤：

S1，基于数据主题分类、用户特征及操作日志，建立用户主题偏好模型；

S2，利用用户主题偏好模型及用户检索输入，进行查询扩展获得初次检索结果；

S3，利用用户主题偏好模型和数据在各个主题上的分布情况，进行数据的主题偏好打分，对初次检索结果进行基于主题偏好的个性化检索排序；

S4，利用相关反馈和伪相关反馈综合模型对排序后的初次检索结果进行二次反馈检索获得最终检索结果。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1中，所述建立用户主题偏好模型包括步骤：

根据所述主题分类建立主题向量空间；

根据所述用户特征确定用户的预定义主题偏好向量；

根据所述操作日志确定用户的历史主题偏好向量；

将所述预定义主题偏好向量和所述历史主题偏好向量进行加权，得到所述用户主题偏好模型。

3.根据权利要求1所述的方法，其特征在于，所述步骤S2中，所述进行扩展查询包括步骤：

计算所述用户检索输入中的检索词对应数据集合中各词项的概率分布；

计算所述用户主题偏好模型的向量空间中各主题词对应数据集合中各词项的概率分布；

衡量上述两种概率分布的相互差异，选择概率分布差异较小的主题词，将其以一定权重加入检索向量中。

4.根据权利要求1所述的方法，其特征在于，所述步骤S3中，所述个性化检索排序包括步骤：

通过计算所述初次检索结果中各结果与所述用户主题偏好模型的向量相似度，评判所述各结果在用户偏好的主题上的得分；

计算所述各结果的质量评分；

根据所述向量相似度、所述在用户偏好的主题上的得分及所述质量评分的加权得到所述各结果的终排序得分，按照所述终排序得分对所述初次检索结果中的各结果进行排序。

5.根据权利要求1所述的方法，其特征在于，所述步骤S4中，所述二次反馈检索包括步骤：

利用所述相关反馈确定所述初次检索结果中的相关结果的向量集合；

利用所述伪相关反馈确定所述初次检索结果中的不相关结果的向量集合；

将所述用户主题偏好模型、所述相关结果的向量集合、所述不相关结果的向量集合与原始查询向量结合进行反馈查询。

6.一种基于偏好的智能检索系统，其特征在于，所述系统包括：

用户主题偏好识别模块，用于基于数据主题分类、用户特征及操作日志，建立用户主题偏好模型；

查询扩展模块，利用用户主题偏好模型及用户检索输入，进行查询扩展获得初次检索结果；

检索排序模块，利用用户主题偏好模型和数据在各个主题上的分布情况，进行数据的主题偏好打分，对初次检索结果进行基于主题偏好的个性化检索排序；

反馈检索模块，利用相关反馈和伪相关反馈综合模型对排序后的初次检索结果进行二次反馈检索获得最终检索结果。

7.根据权利要求6所述的系统，其特征在于，所述用户主题偏好识别模块中进一步包括：

主题向量空间模块，用于根据所述主题分类建立主题向量空间；

预定义偏好模块，用于根据所述用户特征确定用户的预定义主题偏好向量；

历史偏好模块，用于根据所述操作日志确定用户的历史主题偏好向量；

偏好模型获取模块，用于将所述预定义主题偏好向量和所述历史主题偏好向量进行加权，得到所述用户主题偏好模型。

8.根据权利要求6所述的系统，其特征在于，所述查询扩展模块进一步包括：

检索词分布模块，用于计算所述用户检索输入中的检索词对应数据集合中各词项的概率分布；

主题词分布模块，用于计算所述用户主题偏好模型的向量空间中各主题词对应数据集合中各词项的概率分布；

扩展模块，用于衡量上述两种概率分布的相互差异，选择概率分布差异较小的主题词，将其以一定权重加入检索向量中。