[发明专利]一种基于搜索结果语义分析的词汇相关度计算方法

摘要

本发明属于计算语言学技术领域，具体为一种基于搜索结果语义分析的词汇相关度计算方法。本发明方法，按照一定的检索策略，自动向互联网搜索引擎提交检索命令，获得检索结果，并运用Web页面信息提取技术、文本语义分析技术进行词汇共现程度的计算，从而获得词汇的相关度。本发明避免在本地构建和维护知识库系统，相关度计算结果能够反映时间维度上的影响，对于含有数字的混合型词汇相关度计算也能很好地进行。本方法适合于各种需要词汇语义相关度的应用场合。

主权项

一种基于搜索结果语义分析的词汇相关度计算方法，其特征在于具体步骤如下：（1）设定需要进行相关度计算的两个词汇w1, w2，及记录数阈值ξ； （2）根据词汇是中文或英文，生成符合www.bing.com的检索命令，并指定为限定网站范围的检索，范围设定为en.wikipedia.org或baike.baidu.com；（3）自动建立超文本传送协议网络连接，通过该连接发送检索命令到bing搜索系统；（4）接收并处理所返回的检索结果，即超文本标记语言文本信息，当一个页面上的记录处理完毕后，自动执行下一页的检索记录处理，直到所有检索记录处理完毕或达到一定的记录数为止；采用Web信息提取技术自动获取页面上的检索记录，基于每个检索记录中的摘要文本统计词汇频次信息；（5）基于统计得到的词汇频次信息，计算得到两个词汇的相关度，并提示相关信息。