[发明专利]一种基于URL的中文多语义名词的在线语义挖掘系统

摘要

本发明公开了一种基于URL的中文多语义名词的在线语义挖掘系统，该系统利用基于URL的网页分类方法，能在线对中文多语义词进行语义挖掘，其过程：首先，通过在线URL分类目录，构建得到URL分类器；然后，借助于URL分类器，对搜索引擎返回的多语义词的搜索结果（包括网页URL及摘要）进行分类，得到多语义词的初始语义分类结果；最后，对初始语义分类结果按其网页摘要聚类，得到多语义词的语义挖掘结果。本发明提出的语义挖掘具有较为理想的准确率及召回率，且高度适用于网络热词语义挖掘。

主权项

一种基于URL的中文多语义名词的在线语义挖掘系统，其特征在于该系统包括基于URL的语义分类模块及语义生成模块，其中：所述基于URL的语义分类模块利用互联网网页中URL中的语义特征，对中文多语义词的搜索结果进行语义分类；其该模块的生成：中文权威网站发布并更新URL网址分类目录，此目录会对其收录的网站URL及其对应的语义类别；根据多个权威网站的网页目录，对其收录的网页URL及对应的语义分类进行归纳、去重，以构建URL分类器； URL分类器为树状结构，树中叶子结点即为其收录的网站主页URL，非叶子结点则为其子结点的语义类别； 所述基于URL的语义生成模块根据中文多语义词搜索结果中的网页摘要部分，对基于URL语义分类模块中所得结果进行聚类，并采用top‑N筛选出每类的特征词，作为多语义词的语义分类结果；其该模块的多语义词的语义生成过程：ⅰ）对于构建的URL分类器所得的初始语义分类中的网页摘要进行分词处理，并按改进的基于词频的方法选取特征词；ⅱ）根据所得特征词，对网页摘要进行聚类，聚类方法为Single‑link聚类； ⅲ）采用top‑N，对每类选取一组特征词，表示最终的语义挖掘结果。