[发明专利]基于语义的查找、集成和提供评论信息的方法及搜索系统

权利要求书

1.基于语义的查找、集成和提供评论信息的方法，包括利用搜索引擎发现和集成文字评论信息，并按主题分类和汇总评论文本；其特征在于，该方法还包括对非文字评论信息的提取，并挖掘非文字评论信息与文字评论信息之间的语义联系，在此基础上集成这两类信息以供搜索服务需要；其实现的步骤包括：

(1)主动识别提供评论信息的数据源或被动接收包含评论信息的信息源的链接请求，建立与该数据源的链接，并将包含评论信息在内的数据保存到抓取服务器上；

(2)分析包含评论信息的数据，提取元信息以建立文字评论信息和非文字评论信息的语义注解标签；

(3)利用语义注解标签从包含评论信息的数据中提取文字评论信息和非文字评论信息；

(4)对文字评论信息与非文字评论信息进行标准化处理，通过语义分析来评估、过滤不合适的评论信息，并进行异常处理；

(5)对已评估的信息根据评价对象及其内在的语义关系进行集成；

(6)为集成好的信息和原始数据建立索引；

(7)利用索引信息处理查询要求，返回匹配的内容。

2.根据权利要求1所述的方法，其特征在于，所述步骤(1)中，抓取服务器能够主动抓取数据源，也能够自动接收数据源，并识别数据源是否包含评论信息和建立与包含评论信息的数据源的链接。

3.根据权利要求1所述的方法，其特征在于，所述步骤(2)包括判断评论信息所在的分类，具体如下：

(A)利用键-值表的键属性检索数据源和评论信息的元信息；如键属性匹配到某项元信息，则相应的值属性的值被当成信息分类返回；如键属性无法匹配元信息，则执行下一步；

(B)检索评论信息源文件中的标签；如果标签的属性包含了指定的分类词或词组，则将这些词或词组做为信息分类返回；如果所有标签属性都不包含指定的分类词或词组，则执行下一步骤；

(C)扫描评论信息正文，计算分类词或词组出现的词频；将最大词频对应的分类词或词组做为信息分类返回；如果词频总和为零，则将信息分类设置为NULL。

4.根据权利要求1所述的方法，其特征在于，所述步骤(3)中，还包括从被保存的数据中提取与文字评论信息相关的非文字评论信息。

5.根据权利要求1所述的方法，其特征在于，步骤(4)所述的过滤包括：过滤与屏蔽垃圾数据、内容重复或相似的数据、与评论对象和内容相矛盾的数据、对评论对象恶意攻击的内容；

步骤(4)所述的异常处理包括：

(A)按信息被过滤、屏蔽的原因将异常信息分类；

(B)将异常信息和异常类别存入统计数据库中，并更新相关的统计参数；更新后的统计参数将用于分析新的评论信息是否在某个方面处在异常的统计区间；

(C)更新检测标志的值来标记发生异常的原因以及指定进一步检测的方向；

(D)将异常信息存入日志数据库。

6.根据权利要求1所述的方法，其特征在于，步骤(5)所述的集成，包括对来自相同数据源和不同数据源的文字评论信息和非文字评论信息分别进行集成处理，以及对评论信息按其内在的语义关系进行集成；对后者的集成是把一开始呈离散状态的评论信息按照评价对象的语义关系联系起来，即将每一条评论信息映射到一个具有单层或多层的树状结构上，以标识该评论信息与其他评论信息的关系；基于此树状结构，对已映射好的评论信息进行集成。

7.一种用于实现权利要求1所述方法的搜索引擎系统，包括网络蜘蛛模块、解析器模块、检索器模块和展示器模块；其特征在于，该系统还包括：用于分析和提取网页信息以建立语义注解标签的分析器模块；用于创建数据模板、装载信息及排错处理的评估器模块；和应用语义分析方法对信息进行集成的集成器模块；

所述网络蜘蛛模块、分析器模块、解析器模块、评估器模块、集成器模块、检索器模块和展示器模块依次顺序布置。

8.根据权利要求7所述的搜索引擎系统，其特征在于，所述分析器模块包括一个分类识别器模块，该分类识别器模块能对分析器模块接收到的信息进行检索和扫描，并根据键-值列表对应关系或指定的词或词组出现的词频进行分类。