[发明专利]基于完全加权规则后件的中英跨语言查询译后扩展方法

权利要求书

1.基于完全加权规则后件的中英跨语言查询译后扩展方法，其特征在于：首先利用机器翻译工具进行中英跨语言初次检索，提取初检前列英文文档经用户相关性判断构建初检相关文档集，对初检相关文档集进行预处理，构建初检英文文档库和特征词库；采用融合项集权值和频度的完全加权项集支持度计算方法对初检英文文档库挖掘含有译后原查询词项的完全加权频繁项集得到完全加权频繁项集集合；然后，采用基于完全加权置信度-兴趣度评价框架对所述完全加权频繁项集挖掘前件是译后原查询词项的英文特征词间完全加权关联规则，构建英文特征词关联规则库，从所述英文特征词关联规则库中提取规则后件作为中英跨语言译后扩展词，所述译后扩展词与译后原查询词组合为新查询再次检索英文文档；

所述采用融合项集权值和频度的完全加权项集支持度计算方法对初检英文文档库挖掘含有译后原查询词项的完全加权频繁项集方法如下：

(1)挖掘英文特征词完全加权频繁1_项集L₁：

从所述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的完全加权支持度awSup(C₁)，如果awSup(C₁)≥支持度阈值ms，则C₁为完全加权频繁1_项集L₁，将L₁添加到完全加权频繁项集集合awPIS；

awSup(C₁)计算公式如式(2)所示：

式(2)中，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，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，n为初检英文文档库中英文文档总篇数，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)挖掘英文特征词完全加权频繁k_项集L_k，所述的k≥2，具体步骤：

(2.1)采用Apriori连接方法将英文特征词完全加权频繁(k-1)_项集L_k-1进行自连接得到英文特征词完全加权候选k_项集C_k，所述的k≥2；

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

(2.3)计算C_k的完全加权支持度awSup(C_k)如式(3)所示：

式(3)中，为英文特征词候选k_项集C_k在初检英文文档库中项集权值的累加总和值，为C_k在初检英文文档库中的项集频度，n为初检英文文档库中的英文文档总篇数，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，为英文特征词完全加权候选k_项集C_k的项集长度，项集长度是指项集中的项目总个数；

(2.4)如果awSup(C_k)≥ms，则C_k就是英文特征词完全加权频繁k_项集L_k，添加到完全加权频繁项集集合awPIS；

(2.5)若英文特征词完全加权频繁k_项集L_k为空集，则含有译后原查询词项的完全加权频繁项集挖掘结束，否则，k加1后转入步骤(2.1)继续循环；

所述采用基于完全加权置信度-兴趣度评价框架对所述完全加权频繁项集挖掘前件是译后原查询词项的英文特征词间完全加权关联规则，构建英文特征词关联规则库的具体步骤如下：

对于所述完全加权频繁项集集合awPIS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中挖掘前件是译后原查询词项的英文特征词完全加权关联规则，步骤如下：

(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；

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

(3)计算英文特征词完全加权兴趣度awInt(qt,Et)，如果awInt(qt,Et)≥最小兴趣度阈值mi，则计算英文特征词完全加权置信度awConf(qt→Et)，若awConf(qt→Et)≥最小置信度阈值mc，则关联规则qt→Et是强英文特征词完全加权关联规则，并加入到英文特征词完全加权关联规则集合awAR；awInt(qt,Et)和awConf(qt→Et)的计算公式如式(4)和式(5)所示：

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

(4)返回步骤(2)循环执行，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，然后从完全加权频繁项集集合awPIS中重新取出新的频繁k_项集L_k，转入步骤(1)进行新一轮完全加权关联规则挖掘，直到完全加权频繁项集集合awPIS中每一个频繁k_项集L_k都已经被取出，则英文特征词间完全加权关联规则挖掘结束；

所述从英文特征词关联规则库中提取规则后件作为中英跨语言译后扩展词的方法为：

从所述英文特征词关联规则库中提取每个关联规则qt→Et的后件Et作为跨语言查询译后后件扩展词，按下式(6)计算该后件扩展词的权值W_exp：

W_exp＝0.5×[max(awConf(qt→Et))+max(awInt(qt,Et)))] (6)

式(6)表明，当扩展词重复出现在多个关联规则qt→Et时，则存在多个置信度和多个兴趣度，这时分别取置信度的最大值max(awConf(qt→Et))和兴趣度的最大值max(awInt(qt,Et))参与扩展词权值计算。