[发明专利]一种基于知识图谱的搜寻系统

说明书

本发明公开了一种基于知识图谱的搜寻系统，包括：知识图谱部分，包含树状结构和分子结构两种，树状结构设置为上层单位‑下层单位；分子结构设置为大分子关键字‑N个小分子关键字，小分子关键字表示大分子关键字的某个方面特征；关键字操作部分，包括常规操作和额外操作，常规操作包括新增或删除，额外操作包括一般化、分解和合成等操作，一般化操作指当删除关键字时，根据树状结构同时会出现删除关键字的上层单位的提示，分解操作指根据分子结构，将一个大分子关键字分解成多个小分子关键字，合成操作指将多个小分子关键字，参考分子结构，随机生成合适的新的大分子关键字。

技术领域

本发明涉及通信技术领域，特别涉及一种基于知识图谱的搜寻系统。

背景技术

在资讯量呈现爆炸性增长的现代，内容搜寻系统在任何资讯/资料库系统/网路系统都扮演一个核心的角色。最常见的内容搜寻系统，是基于关键字的搜寻系统，基于搜寻者输入的关键字，系统反馈：最相关、或最重要、或最新的等等一连串搜寻结果。

常见的搜寻辅助有：搜寻前，根据机器统计结果，机器在搜寻栏自动生成补充性标签，推荐给搜寻者，通常在8个以内；搜寻后，根据机器统计结果，机器自动生成补充性搜寻链接，推荐给搜寻者，通常在8个以内。搜寻辅助可以看成是一个特殊的内容推荐系统，对于搜寻系统来说，一般是假设使用者都清楚自己的目的，可以输入明确的关键字，可是使用者不见得有特别明确的意向，因应这种需求，于是有了内容推荐系统。

无论是关键字搜寻系统还是内容推荐系统，系统内部的逻辑结构，跟用户自身的认知结构是不相通的。以内容推荐系统为例，用户喜欢或不喜欢一个内容背后可能有多种原因，目前的系统，因为缺乏用户直接对系统内部的逻辑结构互动，系统只能看到喜欢或不喜欢的结果，看不到用户的认知结构，这导致系统很难适应，不同情境下人类不固定长度周期性快速转变的兴趣。在这种情况下，即使内容推荐系统本身有数个不同栏目，推荐出来的东西大部分是根据统计结果，有固定的调性，长期下来，用户依然容易感到厌倦。

相对而言，关键字搜寻系统可以满足用户兴趣快速转变的需求，但关键字搜寻系统最大的问题，在于用户有时说不出他感兴趣内容的关键字，有时候必须要先展示结果，用户才会发现自己的兴趣。目前搜寻系统是用搜寻辅助，也就是一次展示八个以下的词条，来协助用户发现自己的兴趣。这里面的问题是，当用户进去一个关键字搜寻系统，大概率他已经想好了“关键字”，在这种情况下，所谓的搜寻辅助，跟用户想好的“关键字”，大概率没任何关系，搜寻辅助生成的“关键字”并不是以用户为主体生成，因此对大部分用户而言，有可能是嘈杂无用甚至负面的用户体验，因此用户不会与推荐辅助进行互动，在没有互动下，搜寻辅助难以“冷启动”。

发明内容

针对现有技术存在的不足，本发明的目的在于提供一种基于知识图谱的搜寻系统，提出了一套改良方法，既可以分别改良关键字搜寻系统和内容推荐系统，也可以用一个统一的框架，将这两者结合起来，供给使用者一个统一、流畅的使用体验。

上述的解决方案是，一个融合关键字搜寻系统、内容推荐系统的，基于知识图谱的搜寻系统。

如果以关键字搜寻系统来理解我们提出的新系统，我们可以说用知识图谱内的关键字取代关键字；如果以推荐系统来理解我们提出的新系统，我们可以说系统不再直接生成内容，而会生成一组作为电脑与人之间的中介物，即知识图谱关键字。

本发明的上述技术目的是通过以下技术方案得以实现的：

一种基于知识图谱的搜寻系统，包括：

知识图谱部分，包含树状结构和分子结构两种，树状结构设置为上层单位-下层单位；分子结构设置为大分子关键字-N个小分子关键字，小分子关键字表示大分子关键字的某个方面特征；

关键字操作部分，包括常规操作和额外操作，常规操作包括新增或删除，额外操作包括一般化、分解和合成等操作，一般化操作指根据树状结构进行提示，分解操作与合成操作指根据分子结构进行提示。