[发明专利]基于无监督的实体关系抽取的主题元搜索系统及方法

权利要求书

1.一种基于无监督的实体关系抽取的主题元搜索系统，至少包括：

主题模型建立模组，用于建立各种主题模型；

匹配搜索引擎模组，于用户选择了要进行搜索的主题时，根据不同的主题模型，匹配合适的成员搜索引擎进行主题搜索；以及

搜索结果处理模组，对于各成员搜索引擎返回的搜索结果，利用无监督的实体关系抽取算法，对搜索结果的特征词进行实体关系抽取，并依据抽取的关系对计算与主题的相似度，将满足条件的结果返回给用户。

2.如权利要求1所述的一种基于无监督的实体关系抽取的主题元搜索系统，其特征在于：该主题模型采取三元组Topic(C，P，S)来表示，形成主题树结构，其中C表示由主题领域中的名词概念抽象出来，具有相同属性和行为结构的概念类的集合，P描述概念和关系的属性，S表示主题类之间的结构关系。

3.如权利要求2所述的一种基于无监督的实体关系抽取的主题元搜索系统，其特征在于：C采用向量空间模型来表示，使用二元组C_i(Key_i，Weight_i)，其中Key_i表示关键词，Weight_i表示关键词的权重。

4.如权利要求1所述的一种基于无监督的实体关系抽取的主题元搜索系统，其特征在于：该匹配搜索引擎模组针对不同的主题，预先分配一些推荐的成员搜索引擎，对用户进行引导。

5.如权利要求1所述的一种基于无监督的实体关系抽取的主题元搜索系统，其特征在于，该搜索结果处理模组包括：

预处理模块，用于对各成员搜索引擎的检索结果进行初步的集成、去重；

特征向量抽取模组，用于将搜索结果进行分词处理，抽取出表达网页内容的特征向量；

实体关系抽取模组，首先根据所抽取的页面的特征向量，识别实体，并基于启发式规则，获取实体的上下文特征，然后构建上下文特征词的特征向量，采用应用特征频度函数对特征项进行数值化，并采用k-means的联合聚类算法，来实现实体对的聚类，最后对实体对的关系进行标注；以及

主题匹配模组，用于计算搜索结果与主题的相似度，返回满足相似度要求的搜索结果。

6.如权利要求5所述的一种基于无监督的实体关系抽取的主题元搜索系统，其特征在于：该主题匹配模组根据向量空间模型，将两特征向量夹角的余弦值表示它们的相似度，计算出网页与主题的相似度，根据设定的阈值，将相似度最大的或满足相似度要求的若干个网页按照相似度大小返回给用户。

7.一种基于无监督的实体关系抽取的主题元搜索方法，包括如下步骤：

步骤一，建立各种主题模型；

步骤二，于用户选择了要进行搜索的主题时，根据不同的主题模型，匹配合适的成员搜索引擎进行主题搜索；以及

步骤三，对于各个成员搜索引擎返回的搜索结果，利用无监督的实体关系抽取算法，对搜索结果的特征词进行实体关系抽取，并依据抽取的关系对计算与主题的相似度，将满足条件的结果返回给用户。

8.如权利要求7所述的一种基于无监督的实体关系抽取的主题元搜索方法，其特征在于，步骤三还包括如下步骤：

将来自各成员搜索引擎的检索结果经过初步的集成、去重；

将搜索结果进行分词处理，抽取出表达网页内容的特征向量；

进行无监督实体关系的抽取，将搜索结果采用标注过关系的实体对及关系的向量来表示；以及

计算搜索结果与主题的相似度，返回满足相似度要求的搜索结果。

9.如权利要求8所述的一种基于无监督的实体关系抽取的主题元搜索方法，其特征在于，该无监督实体关系的抽取步骤还包括如下步骤：

首先根据所抽取的页面的特征向量，识别实体；

基于启发式规则，获取实体的上下文特征；

构建上下文特征词的特征向量，采用应用特征频度函数对特征项进行数值化；

采用k-means的联合聚类算法，来实现实体对的聚类；以及

对实体对的关系进行标注。

10.如权利要求8所述的一种基于无监督的实体关系抽取的主题元搜索方法，其特征在于，于该计算搜索结果与主题的相似度的步骤中，根据向量空间模型，将两特征向量夹角的余弦值表示它们的相似度，由此计算出网页与主题的相似度，根据设定的阈值，将相似度最大的或满足相似度要求的若干个网页按照相似度大小返回给用户。