本發(fā)明屬于信息技術(shù)領(lǐng)域，具體涉及一種面向領(lǐng)域的本體知識(shí)庫(kù)文本檢索方法。

背景技術(shù)：

知識(shí)庫(kù)是針對(duì)特定領(lǐng)域的問(wèn)題，將知識(shí)片段相互聯(lián)系并求解問(wèn)題的相對(duì)獨(dú)立的程序?qū)嶓w。在此之上，本體知識(shí)庫(kù)利用本體的特點(diǎn)來(lái)描述知識(shí)之間的內(nèi)在聯(lián)系，解決了信息共享時(shí)的語(yǔ)義問(wèn)題，使得計(jì)算機(jī)可以理解和利用知識(shí)，來(lái)提供語(yǔ)義級(jí)別的知識(shí)服務(wù)。

雖然本體知識(shí)庫(kù)能很好的表示知識(shí)，但如何理解用戶的需求并提供相應(yīng)的知識(shí)服務(wù)卻是一個(gè)問(wèn)題?，F(xiàn)有的技術(shù)通常根據(jù)用戶輸入的關(guān)鍵字，在知識(shí)庫(kù)中匹配相關(guān)內(nèi)容并返回，這種情況往往要求用戶對(duì)自身需求進(jìn)行明確分析并抽象出相應(yīng)的關(guān)鍵字，而無(wú)法直接針對(duì)描述用戶需求的文本進(jìn)行直接檢索，因此檢索質(zhì)量較差。

技術(shù)實(shí)現(xiàn)要素：

鑒于上述，本發(fā)明提供了一種面向領(lǐng)域的本體知識(shí)庫(kù)文本檢索方法，用以解決現(xiàn)有技術(shù)中直接對(duì)文本檢索質(zhì)量較差的問(wèn)題。

一種面向領(lǐng)域的本體知識(shí)庫(kù)文本檢索方法，包括如下步驟：

(1)對(duì)于任一領(lǐng)域，根據(jù)該領(lǐng)域的本體知識(shí)庫(kù)以及該領(lǐng)域所涉及的專業(yè)術(shù)語(yǔ)建立領(lǐng)域詞庫(kù)；

(2)采用中文字典樹(shù)對(duì)所述領(lǐng)域詞庫(kù)進(jìn)行索引；

(3)獲取用戶輸入的查詢文本，根據(jù)領(lǐng)域詞庫(kù)對(duì)查詢文本進(jìn)行分詞和過(guò)濾，得到查詢核心；

(4)對(duì)查詢核心中的模糊詞進(jìn)行替換，進(jìn)而在所述本體知識(shí)庫(kù)中檢索出與知識(shí)需求中各詞語(yǔ)對(duì)應(yīng)的知識(shí)信息，并展現(xiàn)提供給用戶。

所述步驟(1)中建立領(lǐng)域詞庫(kù)的過(guò)程如下：

1.1對(duì)該領(lǐng)域本體知識(shí)庫(kù)中包含的所有知識(shí)信息進(jìn)行詞匯抽取，得到該領(lǐng)域的知識(shí)詞庫(kù)；

1.2采集該領(lǐng)域所涉及的專業(yè)術(shù)語(yǔ)，得到該領(lǐng)域的術(shù)語(yǔ)詞庫(kù)；

1.3獲取已開(kāi)源的至少一個(gè)公共詞庫(kù)；

1.4集成所述的知識(shí)詞庫(kù)、術(shù)語(yǔ)詞庫(kù)和公共詞庫(kù)并去除重復(fù)部分，得到所述的領(lǐng)域詞庫(kù)。

所述步驟(2)中對(duì)領(lǐng)域詞庫(kù)進(jìn)行索引，即先要建立中文字典樹(shù)，進(jìn)而通過(guò)中文字典樹(shù)的索引結(jié)構(gòu)映射至領(lǐng)域詞庫(kù)的物理存儲(chǔ)地址。

建立中文字典樹(shù)即采用傳統(tǒng)字典樹(shù)的構(gòu)建方式，區(qū)別在于：需預(yù)先設(shè)定一個(gè)存儲(chǔ)閾值，在創(chuàng)建節(jié)點(diǎn)時(shí)對(duì)應(yīng)建立容量為所述存儲(chǔ)閾值的索引數(shù)組；當(dāng)節(jié)點(diǎn)的鏈接數(shù)大于存儲(chǔ)閾值時(shí)，則將所述索引數(shù)組替換為關(guān)聯(lián)數(shù)組，并復(fù)制索引數(shù)組中的內(nèi)容至所述關(guān)聯(lián)數(shù)組中。

所述索引數(shù)組中內(nèi)容的查找采用折半查找法，所述關(guān)聯(lián)數(shù)組中內(nèi)容的查找采用映射法。

所述步驟(3)中對(duì)查詢文本進(jìn)行分詞和過(guò)濾，具體過(guò)程如下：

3.1初始查找起始位置和查找終止位置均為查詢文本的第一個(gè)字；

3.2執(zhí)行一次擴(kuò)展查找：移動(dòng)所述查找終止位置至當(dāng)前位置的下一個(gè)字，將查找起始位置至查找終止位置之間的詞語(yǔ)與中文字典樹(shù)進(jìn)行配對(duì)，若配對(duì)成功則將該詞語(yǔ)加入至分詞備選集，并再次執(zhí)行擴(kuò)展查找；若配對(duì)失敗則執(zhí)行步驟3.3；

3.3移動(dòng)所述查找起始位置至當(dāng)前位置的下一個(gè)字，重置所述查找終止位置為當(dāng)前的查找起始位置，并返回執(zhí)行步驟3.2，直至查找起始位置移動(dòng)到查詢文本的最后一個(gè)字；

3.4根據(jù)在知識(shí)詞庫(kù)中的出現(xiàn)頻次、詞長(zhǎng)以及詞長(zhǎng)與分詞備選集平均詞長(zhǎng)的差值大小，對(duì)分詞備選集中的所有詞語(yǔ)進(jìn)行三級(jí)過(guò)濾，得到所述查詢核心。

所述步驟3.4的具體實(shí)現(xiàn)方法為：根據(jù)以下公式計(jì)算分詞備選集中每個(gè)詞語(yǔ)的綜合指標(biāo)Q，取綜合指標(biāo)Q最高的若干詞語(yǔ)組成所述查詢核心；

Q＝α₁F+α₂D-α₃ΔD

其中，對(duì)于分詞備選集中的任一詞語(yǔ)，F(xiàn)為該詞語(yǔ)在知識(shí)詞庫(kù)中的出現(xiàn)頻次，D為該詞語(yǔ)的詞長(zhǎng)，ΔD為該詞語(yǔ)詞長(zhǎng)與分詞備選集平均詞長(zhǎng)的差值大小，α₁～α₃均為預(yù)設(shè)的權(quán)重系數(shù)。

所述步驟(4)中對(duì)查詢核心中的模糊詞進(jìn)行替換的具體方法為：對(duì)于查詢核心中的任一模糊詞，計(jì)算該模糊詞與知識(shí)詞庫(kù)中每個(gè)詞的匹配度，使知識(shí)詞庫(kù)中與該模糊詞匹配度最高的詞替換掉該模糊詞；所述的模糊詞為屬于查詢核心中的詞語(yǔ)但不屬于知識(shí)詞庫(kù)中的詞。

所述匹配度的計(jì)算公式如下：

其中：c表示知識(shí)詞庫(kù)中的任一個(gè)詞，k表示查詢核心中的任一模糊詞，Match(c，k)為c與k的匹配度，ComLen(c，k)為c與k的最長(zhǎng)公共連續(xù)子串所包含的字符個(gè)數(shù)，Len(c)為c包含的字符個(gè)數(shù)，Len(k)為k包含的字符個(gè)數(shù)。

本發(fā)明文本檢索方法通過(guò)為對(duì)應(yīng)領(lǐng)域知識(shí)信息建立一個(gè)領(lǐng)域詞庫(kù)，根據(jù)這個(gè)領(lǐng)域詞庫(kù)和一系列算法對(duì)用戶所描述的文本進(jìn)行解析，從而得到的用戶的知識(shí)需求，并在本體知識(shí)庫(kù)中獲取相應(yīng)知識(shí)信息，提高了檢索質(zhì)量。

附圖說(shuō)明

圖1為本發(fā)明文本檢索方法的步驟流程示意圖。

圖2為本發(fā)明文本檢索方法中的領(lǐng)域詞庫(kù)的構(gòu)建流程示意圖。

圖3為本發(fā)明文本檢索方法實(shí)現(xiàn)裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

為了更為具體地描述本發(fā)明，下面結(jié)合附圖及具體實(shí)施方式對(duì)本發(fā)明的技術(shù)方案進(jìn)行詳細(xì)說(shuō)明。

本發(fā)明本體知識(shí)庫(kù)文本檢索方法的主要流程涉及用戶與系統(tǒng)之間的交互，其中系統(tǒng)部分主要提供對(duì)應(yīng)領(lǐng)域的本體知識(shí)庫(kù)和文本檢索方法，并向外部提供訪問(wèn)入口，用戶可以通過(guò)任意能訪問(wèn)系統(tǒng)的設(shè)備進(jìn)行連接并檢索。如圖1所示，該文本檢索方法的具體流程包括：

(1)輸入查詢內(nèi)容，用戶通過(guò)設(shè)備連接系統(tǒng)并輸入描述知識(shí)需求的文本后向系統(tǒng)提交檢索請(qǐng)求。

(2)文本分詞，在領(lǐng)域詞庫(kù)所映射的字典樹(shù)中，對(duì)查詢文本的所有子串逐個(gè)匹配，得到分詞備選集，其中包括完全匹配結(jié)果與部分匹配結(jié)果，完全匹配結(jié)果中的每個(gè)詞都能映射到領(lǐng)域詞庫(kù)中的某個(gè)詞，部分匹配結(jié)果中的每個(gè)詞都能映射到領(lǐng)域詞庫(kù)中某個(gè)詞的子串。

(3)分詞結(jié)果過(guò)濾，根據(jù)在本體知識(shí)庫(kù)中出現(xiàn)的頻次，詞自身路徑跨度大小和詞長(zhǎng)與平均詞長(zhǎng)的差值大小，對(duì)分詞備選集中的所有詞進(jìn)行三級(jí)過(guò)濾，得到查詢核心。

(4)關(guān)鍵詞轉(zhuǎn)換，把模糊詞與本體知識(shí)庫(kù)中的每個(gè)詞兩兩計(jì)算匹配度，選取匹配度最高的詞替換模糊詞，模糊詞為在查詢核心中出現(xiàn)但是沒(méi)有在本體知識(shí)庫(kù)中出現(xiàn)的詞，把處理后的查詢核心包含的所有詞作為知識(shí)需求，知識(shí)需求中的每個(gè)詞都能映射到對(duì)應(yīng)領(lǐng)域的本體知識(shí)庫(kù)中的一個(gè)本體、實(shí)例或?qū)傩浴?/p>

(5)信息查詢，根據(jù)知識(shí)需求，在本體知識(shí)庫(kù)中檢索對(duì)應(yīng)的知識(shí)信息。

(6)展示結(jié)果，向用戶返回檢索出的相關(guān)知識(shí)信息，并詢問(wèn)用戶是否需要繼續(xù)查詢，如果需要繼續(xù)查詢則重復(fù)上述步驟，否則完成所有檢索步驟并斷開(kāi)連接。

在用戶訪問(wèn)系統(tǒng)之前，系統(tǒng)管理員應(yīng)當(dāng)啟動(dòng)系統(tǒng)，讓系統(tǒng)載入已構(gòu)建的領(lǐng)域詞庫(kù)并建立一個(gè)中文字典樹(shù)對(duì)領(lǐng)域詞庫(kù)進(jìn)行索引。

圖2為領(lǐng)域詞庫(kù)建立流程，該流程主要涉及系統(tǒng)管理員對(duì)領(lǐng)域詞庫(kù)的建立以或更新，具體包括：

1.載入開(kāi)源詞庫(kù)，如果系統(tǒng)管理員選擇創(chuàng)建領(lǐng)域詞庫(kù)，系統(tǒng)首先會(huì)載入預(yù)收集的開(kāi)源詞庫(kù)。

2.提取知識(shí)庫(kù)關(guān)鍵字，如果當(dāng)前系統(tǒng)不存在知識(shí)詞庫(kù)，系統(tǒng)會(huì)首先訪問(wèn)本體知識(shí)庫(kù)并把其中的本體、實(shí)例和屬性的關(guān)鍵詞提取出來(lái)，并生成知識(shí)詞庫(kù)。

3.載入知識(shí)詞庫(kù)，系統(tǒng)載入已生成的知識(shí)詞庫(kù)。

4.載入術(shù)語(yǔ)詞庫(kù)，系統(tǒng)載入預(yù)收集的對(duì)應(yīng)領(lǐng)域的專業(yè)術(shù)語(yǔ)詞庫(kù)。

5.生成領(lǐng)域詞庫(kù)，系統(tǒng)集成開(kāi)源詞庫(kù)、知識(shí)詞庫(kù)和術(shù)語(yǔ)詞庫(kù)，過(guò)濾重復(fù)單詞后形成領(lǐng)域詞庫(kù)。

6.更新本體知識(shí)庫(kù)，如果系統(tǒng)管理員選擇更新詞庫(kù)，系統(tǒng)首先根據(jù)新提供的本體知識(shí)庫(kù)替換已有的本體知識(shí)庫(kù)，然后再次執(zhí)行提取知識(shí)庫(kù)關(guān)鍵字以及后續(xù)步驟。

結(jié)合圖1和圖2的詳細(xì)流程，本實(shí)施例提供了面向高血壓診斷預(yù)防領(lǐng)域本體知識(shí)庫(kù)文本檢索方法的實(shí)現(xiàn)裝置，通過(guò)為高血壓診斷預(yù)防領(lǐng)域知識(shí)信息建立一個(gè)領(lǐng)域詞庫(kù)，根據(jù)這個(gè)領(lǐng)域詞庫(kù)和一系列算法對(duì)用戶所描述的文本進(jìn)行解析，從而得到的用戶的知識(shí)需求，并在本體知識(shí)庫(kù)中獲取相應(yīng)知識(shí)信息，提高了檢索質(zhì)量。該領(lǐng)域本體知識(shí)庫(kù)包括：血壓分級(jí)概念中的本體對(duì)血壓概念中的多個(gè)本體的關(guān)聯(lián)關(guān)系、危險(xiǎn)因素概念中的本體對(duì)個(gè)人狀態(tài)概念中的多個(gè)本體的關(guān)聯(lián)關(guān)系、干預(yù)措施概念中的本體對(duì)膳食推薦概念或生活習(xí)慣概念中的多個(gè)本體的關(guān)聯(lián)關(guān)系。如圖3所示，該實(shí)現(xiàn)裝置具體包括：本體構(gòu)建模塊、概念關(guān)聯(lián)模塊、詞庫(kù)模塊、獲取模塊、分詞模塊、查詢模塊，其中：

本體構(gòu)建模塊用于創(chuàng)建對(duì)應(yīng)領(lǐng)域中的基本概念、基本屬性和實(shí)例，對(duì)應(yīng)領(lǐng)域中的基本概念包括多個(gè)本體，基本屬性包括對(duì)象屬性和數(shù)據(jù)屬性。

概念關(guān)聯(lián)模塊用于根據(jù)基本屬性，構(gòu)建本體之間和本體與實(shí)例之間的關(guān)聯(lián)關(guān)系。

詞庫(kù)模塊用于根據(jù)對(duì)應(yīng)領(lǐng)域所涉及的專業(yè)術(shù)語(yǔ)建立一個(gè)領(lǐng)域詞庫(kù)；具體的，對(duì)本體知識(shí)庫(kù)中包含的所有知識(shí)信息進(jìn)行抽取，得到對(duì)應(yīng)領(lǐng)域的知識(shí)詞庫(kù)；采集對(duì)應(yīng)領(lǐng)域所涉及的專業(yè)術(shù)語(yǔ)，得到對(duì)應(yīng)領(lǐng)域的術(shù)語(yǔ)詞庫(kù)；采集已開(kāi)源的公共詞庫(kù)，公共詞庫(kù)的數(shù)量至少為一個(gè)；集成知識(shí)詞庫(kù)、術(shù)語(yǔ)詞庫(kù)和公共詞庫(kù)并去除重復(fù)部分，得到領(lǐng)域詞庫(kù)。

索引模塊用于對(duì)領(lǐng)域詞庫(kù)采用中文字典樹(shù)的結(jié)構(gòu)進(jìn)行索引；具體的，通過(guò)中文字典樹(shù)的索引結(jié)構(gòu)映射到領(lǐng)域詞庫(kù)的物理存儲(chǔ)地址，加快檢索過(guò)程；為中文字典樹(shù)設(shè)定一個(gè)節(jié)點(diǎn)存儲(chǔ)閾值，中文字典樹(shù)在創(chuàng)建節(jié)點(diǎn)時(shí)建立一個(gè)容量為節(jié)點(diǎn)存儲(chǔ)閾值的索引數(shù)組，當(dāng)節(jié)點(diǎn)的鏈接數(shù)大于節(jié)點(diǎn)存儲(chǔ)閾值時(shí)，索引數(shù)組被替換為關(guān)聯(lián)數(shù)組，并復(fù)制索引數(shù)組的內(nèi)容到關(guān)聯(lián)數(shù)組中，剩余構(gòu)建過(guò)程采用傳統(tǒng)字典樹(shù)的構(gòu)建方式，索引數(shù)組中元素的查找采用折半查找法，關(guān)聯(lián)數(shù)組中元素的查找采用映射法。

獲取模塊用于獲取用戶輸入的查詢文本，查詢文本包括關(guān)鍵詞、語(yǔ)句和任意形式的文本。

分詞模塊用于根據(jù)領(lǐng)域詞庫(kù)，對(duì)查詢文本進(jìn)行分詞和過(guò)濾，得到查詢核心；具體的，建立查找起始位置和查找終止位置，查找起始位置和查找終止位置的初始值均為查詢文本的第一個(gè)字；執(zhí)行一次擴(kuò)展查找，每次擴(kuò)展查找為移動(dòng)查找終止位置至當(dāng)前位置的下一個(gè)字，將查找起始位置到查找終止位置之間的語(yǔ)句與中文字典樹(shù)配對(duì)，把配對(duì)成功的語(yǔ)句加入分詞備選集，重復(fù)這一過(guò)程直至配對(duì)第一次失?。灰苿?dòng)查找起始位置至當(dāng)前位置的下一個(gè)字，重置查找終止位置為當(dāng)前查找起始位置，執(zhí)行一次擴(kuò)展查找，重復(fù)這一過(guò)程直至查找起始位置移動(dòng)到查詢文本的最后一個(gè)字；分詞備選集包含完全匹配結(jié)果與部分匹配結(jié)果，完全匹配結(jié)果中的每個(gè)詞都能映射到領(lǐng)域詞庫(kù)中的某個(gè)詞，部分匹配結(jié)果中的每個(gè)詞都能映射到領(lǐng)域詞庫(kù)中某個(gè)詞的子串；根據(jù)在知識(shí)詞庫(kù)中出現(xiàn)的頻次，詞自身路徑跨度大小和詞長(zhǎng)與平均詞長(zhǎng)的差值大小，對(duì)分詞備選集中的所有詞進(jìn)行三級(jí)過(guò)濾，得到查詢核心。

轉(zhuǎn)換模塊用于根據(jù)本體知識(shí)庫(kù)，對(duì)查詢核心進(jìn)行關(guān)鍵詞轉(zhuǎn)換，得到知識(shí)需求；具體的，關(guān)鍵詞轉(zhuǎn)換是把模糊詞與知識(shí)詞庫(kù)中的每個(gè)詞兩兩計(jì)算匹配度，選取匹配度最高的詞替換模糊詞，模糊詞為在查詢核心中出現(xiàn)但是沒(méi)有在知識(shí)詞庫(kù)中出現(xiàn)的詞；匹配度的計(jì)算公式為其中c為知識(shí)詞庫(kù)中的某個(gè)詞，k為模糊詞，ComLen(c，k)為c和k的最長(zhǎng)公共子串所包含字符的個(gè)數(shù)，Len(c)為c包含字符的個(gè)數(shù)，Len(k)為k包含字符的個(gè)數(shù)，Max函數(shù)的輸出為兩個(gè)實(shí)數(shù)的較大者；把處理后的查詢核心包含的所有詞添加到知識(shí)需求，知識(shí)需求中的每個(gè)詞都能映射到對(duì)應(yīng)領(lǐng)域的本體知識(shí)庫(kù)中的一個(gè)本體、實(shí)例或?qū)傩浴?/p>

查詢模塊用于根據(jù)知識(shí)需求，在本體知識(shí)庫(kù)中檢索對(duì)應(yīng)的知識(shí)信息。

在上述模塊中，本體構(gòu)建模塊和概念關(guān)聯(lián)模塊可以組成一個(gè)獨(dú)立的子模塊，其作用為生成一個(gè)對(duì)應(yīng)領(lǐng)域的本體知識(shí)庫(kù)，作為后續(xù)模塊的輸入；該子模塊為所提供的裝置中不可缺少的一部分，但后續(xù)模塊的輸入也可以用已有的本體知識(shí)庫(kù)替換。

上述對(duì)實(shí)施例的描述是為便于本技術(shù)領(lǐng)域的普通技術(shù)人員能理解和應(yīng)用本發(fā)明。熟悉本領(lǐng)域技術(shù)的人員顯然可以容易地對(duì)上述實(shí)施例做出各種修改，并把在此說(shuō)明的一般原理應(yīng)用到其他實(shí)施例中而不必經(jīng)過(guò)創(chuàng)造性的勞動(dòng)。因此，本發(fā)明不限于上述實(shí)施例，本領(lǐng)域技術(shù)人員根據(jù)本發(fā)明的揭示，對(duì)于本發(fā)明做出的改進(jìn)和修改都應(yīng)該在本發(fā)明的保護(hù)范圍之內(nèi)。