[发明专利]一种基于内容结构的图书语义检索方法

摘要

本发明提供一种基于图书内容结构的语义关联检索方法。本发明考虑到图书的题名、目录、摘要对图书主要内容贡献程度不同以及目录中的章标题、节标题对体现图书的内容重要程度不同，将图书内容结构，包括图书标题、目录结构、摘要结构用领域词典进行中文分词、去停用词处理和用领域本体进行同义词扩展而得到一组关键词，并对处于图书不同结构的关键词赋予不同权重，用向量空间模型存储带结构权重的图书内容。采用领域本体对用户输入的查询词进行语义关联扩展，通过计算用户检索意图向量和图书内容结构向量相似度来更准确地获得与用户查询内容最相关的图书。本发明提高了查全率、查全率，改善了现在图书检索中关键词机械匹配。

主权项

1.一种基于内容结构的图书语义检索方法，其特征在于包括以下步骤：步骤（1）用户输入检索语句经过领域词典预处理得到若干关键词，对上述关键词进行同义词词典扩展，得到初始检索词集；步骤（2）检索词集经过领域本体进行语义关联度计算扩展得到语义关联检索词集；步骤（3）选取步骤（1）检索词集的各个检索词，对图书数据库进行检索，得到用户意图的图书集；步骤（4）对用户意图图书集中各图书书名、目录用树状结构进行描述，本文定义为内容结构，其中根节点是书名节点；计算映射到的节点与其他节点的结构关联度，并对叶子节点信息进行基于领域本体的语义扩展，生成结构关联向量；步骤（5）对经过领域本体关联和经过内容结构关联的向量进行向量融合，最后选取融合后的向量阈值在设定范围内的关键词作为用户意图检索关键词；步骤（6）经过语义关联处理后的向量关键词对图书数据库进行检索，结合向量空间模型，通过计算内容语义关联向量和图书向量空间模型表示的向量的余弦相似度，将检索到的图书排序输出；所述步骤（5）进一步包括：对经过领域本体语义关联和内容结构关联的向量进行一定策略的向量融合，融合策略为V3＝θV1+μV2，其中θ、μ是调节因子，θ+μ＝1，V1为对经过领域本体关联的向量，V2为经过内容结构关联的向量，V3为融合后的向量，仅通过语义关联导致关联过范、仅经过内容结构关联导致的关联过窄，因为目录虽然是图书主要内容的代表，但是仅仅是浓缩的表达，有许多相关的重要概念都出现在图书内容中而非目录中，所以仅经过内容结构关联会带来概念遗漏问题；融合策略可以使同时在领域本体和内容结构中关联度都大的词语权重更大，仅在其中一个中出现的词语关联度弱化，最后选取融合后的向量阈值在一定范围内的关键词作为用户意图检索关键词。