一種基于體裁的多維信息檢索系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于計(jì)算機(jī)信息檢索領(lǐng)域，具體涉及一種信息檢索系統(tǒng)，特別是涉及一種基于體裁的多維信息檢索系統(tǒng)。
【背景技術(shù)】
[0002]20世紀(jì)以來，人類創(chuàng)造的信息量高速增長(zhǎng)。據(jù)估計(jì)，70年代以來全世界每年出版圖書50萬種以上、期刊10萬種以上、專利約50萬件、科技報(bào)告約90萬件、會(huì)議文獻(xiàn)10多萬篇、產(chǎn)品樣本50多萬種、每年發(fā)表的科技論文總數(shù)近500萬篇，并呈指數(shù)式增長(zhǎng)，可謂浩如煙海。如何從這浩如煙海的信息中找到所需信息，就成為信息檢索的重任。隨著上下文感知計(jì)算(Context-Aware Computing)得到越來越廣泛的關(guān)注，上下文感知的信息檢索(Context-Aware Informat1n Retrieval)也日漸成為信息檢索研宄的熱點(diǎn)。雖然物理世界傳感網(wǎng)絡(luò)、RFID等感知技術(shù)的興起大大提高了計(jì)算設(shè)備間的感知和交互能力，但是面向信息世界的上下文信息檢索(Contextual Informat1n Retrieval，CIR)仍有許多亟待解決的熱點(diǎn)難點(diǎn)問題，而任務(wù)上下文驅(qū)動(dòng)的信息檢索(Task-context Driven Informat1nRetrieval, TDIR)更是成為其中重要的研宄方向和發(fā)展趨勢(shì)。信息檢索經(jīng)歷了以系統(tǒng)為中心(System-Centered)，到以用戶為中心(User-Centered)，到基于上下文(ContextualApproach)的發(fā)展過程。
[0003]上下文在信息檢索中的主要應(yīng)用是推測(cè)查詢目標(biāo)和文檔目標(biāo)。當(dāng)前研宄表明，推測(cè)查詢目標(biāo)的各類上下文中使用最多的是任務(wù)上下文。2007年TGSE研討會(huì)(TowardsGenre-Enabled Search Engines)專門討論利用體裁改進(jìn)搜索引擎質(zhì)量。許多研宄者使用體裁來過濾搜索引擎返回結(jié)果。這表明用體裁表示文檔目標(biāo)已成為主流。依據(jù)上下文推測(cè)出的查詢目標(biāo)和文檔目標(biāo)，主要應(yīng)用在查詢擴(kuò)展、檢索結(jié)果過濾、目標(biāo)獨(dú)立匹配等方面。近年來，以查詢目標(biāo)與文檔目標(biāo)直接進(jìn)行匹配逐漸成為趨勢(shì)。
[0004]綜上所述，文檔體裁和任務(wù)上下文是當(dāng)前上下文信息檢索的研宄熱點(diǎn)，已取得了大量成果，但仍然存在嚴(yán)峻的挑戰(zhàn):①由于體裁依賴于文檔內(nèi)部特征，如詞句、文檔長(zhǎng)度、說話方式、短語或句子類型、圖形元素或網(wǎng)頁標(biāo)簽等，體裁識(shí)別主要依靠人工方式，只能應(yīng)用在特定的小范圍內(nèi)，難以大范圍推廣。②用戶的查詢目標(biāo)或者是隱含在查詢主題中，或者是隱含在任務(wù)中，未能顯式地以體裁表示出來，這使得查詢目標(biāo)與文檔目標(biāo)的表示形式不一致，給匹配算法帶來了很大的困難。由此可見，開發(fā)一個(gè)提高用戶查詢精準(zhǔn)度，解決傳統(tǒng)方法中查詢目標(biāo)用體裁顯式表達(dá)困難的多維信息檢索系統(tǒng)是具有積極意義的。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于克服現(xiàn)有技術(shù)的上述不足，提供一種基于體裁的多維信息檢索系統(tǒng)，解決了現(xiàn)有信息檢索系統(tǒng)依靠人工識(shí)別體裁，難以顯示的表示體裁和度量體裁，查詢目標(biāo)與文檔目標(biāo)表示形式的不一致等問題，顯著提高了信息檢索精度和檢索質(zhì)量，節(jié)省用戶信息檢索時(shí)間，提高效率，改善用戶查詢體驗(yàn)。
[0006]本發(fā)明的上述目的主要是通過如下技術(shù)方案予以實(shí)現(xiàn)的:
[0007]一種基于體裁的多維信息檢索系統(tǒng)，包括客戶端和搜索引擎，其中搜索引擎包括任務(wù)分析引擎和索引匹配引擎，其中客戶端包括任務(wù)監(jiān)視器、用戶任務(wù)分析模塊和用戶接口模塊，任務(wù)分析引擎包括體裁數(shù)據(jù)庫、用戶任務(wù)體裁分析器和用戶任務(wù)日志數(shù)據(jù)庫，其中:
[0008]任務(wù)監(jiān)視器:實(shí)時(shí)采集用戶在桌面完成的各種任務(wù)過程中的事件信息，并將所述事件信息傳送給用戶任務(wù)分析模塊；
[0009]用戶接口模塊:將用戶查詢歷史信息實(shí)時(shí)發(fā)送給用戶任務(wù)分析模塊；當(dāng)接收到用戶輸入的查詢請(qǐng)求時(shí)，將所述查詢請(qǐng)求同時(shí)發(fā)送給索引匹配引擎和用戶任務(wù)分析模塊；并從索引匹配引擎接收最終查詢結(jié)果返回給用戶；
[0010]用戶任務(wù)分析模塊:實(shí)時(shí)接收任務(wù)監(jiān)視器輸出的所述事件信息和用戶接口模塊輸出的所述用戶查詢歷史信息，以及接收用戶接口模塊輸出的查詢請(qǐng)求，并發(fā)送給用戶任務(wù)體裁分析器；
[0011]體裁數(shù)據(jù)庫:存儲(chǔ)各種體裁分類的集合；
[0012]用戶任務(wù)體裁分析器:實(shí)時(shí)接收用戶任務(wù)分析模塊輸出的所述事件信息和用戶接口模塊輸出的所述用戶查詢歷史信息，同時(shí)查詢體裁數(shù)據(jù)庫，將所述事件信息和所述用戶查詢歷史信息按照體裁分類進(jìn)行體裁標(biāo)注并存儲(chǔ)到用戶任務(wù)日志數(shù)據(jù)庫；當(dāng)從用戶任務(wù)分析模塊接收到查詢請(qǐng)求時(shí)，根據(jù)用戶任務(wù)日志數(shù)據(jù)庫得到所述查詢請(qǐng)求的體裁形式表示并發(fā)送給索引匹配引擎；
[0013]用戶任務(wù)日志數(shù)據(jù)庫:用于存儲(chǔ)體裁標(biāo)注后的事件信息和用戶查詢歷史信息；
[0014]索引匹配引擎:實(shí)時(shí)從互聯(lián)網(wǎng)抓取原始數(shù)據(jù)并保存，對(duì)所述原始數(shù)據(jù)建立內(nèi)容-體裁索引，即對(duì)原始數(shù)據(jù)同時(shí)建立內(nèi)容索引和體裁索引；從用戶接口模塊接收用戶查詢請(qǐng)求，將所述用戶查詢請(qǐng)求與建立的內(nèi)容索引作匹配，得到初始查詢結(jié)果；之后從用戶任務(wù)體裁分析器接收以體裁形式表示的查詢請(qǐng)求，將初始查詢結(jié)果根據(jù)所述以體裁形式表示的查詢請(qǐng)求、以及建立的體裁索引作二次匹配，得到最終的用戶查詢結(jié)果，返回給用戶接口模塊。
[0015]在上述基于體裁的多維信息檢索系統(tǒng)中，用戶任務(wù)體裁分析器包括用戶任務(wù)消息接口，用戶任務(wù)體裁分析引擎，用戶任務(wù)體裁生成器和任務(wù)體裁標(biāo)注模塊，其中:
[0016]用戶任務(wù)消息接口:實(shí)時(shí)接收任務(wù)監(jiān)視器輸出的用戶在桌面完成的各種任務(wù)過程中的事件信息和用戶接口模塊輸出的用戶查詢歷史信息，以及從用戶任務(wù)分析模塊接收查詢請(qǐng)求，發(fā)送給用戶任務(wù)體裁分析引擎；
[0017]用戶任務(wù)體裁分析引擎:對(duì)接收到的信息進(jìn)行判斷，若為實(shí)時(shí)接收的任務(wù)監(jiān)視器輸出的用戶在桌面完成的各種任務(wù)過程中的事件信息和用戶接口模塊輸出的用戶查詢歷史信息，則發(fā)送給任務(wù)體裁標(biāo)注模塊；若為從用戶任務(wù)分析模塊接收到的查詢請(qǐng)求，則發(fā)送給用戶任務(wù)體裁生成器；并從用戶任務(wù)體裁生成器接收以體裁形式表示的用戶查詢請(qǐng)求，發(fā)送給索引匹配引擎；
[0018]任務(wù)體裁標(biāo)注模塊:從用戶任務(wù)體裁分析引擎接收所述事件信息和所述用戶查詢歷史信息，查詢體裁數(shù)據(jù)庫，將所述事件信息和所述用戶查詢歷史信息按照體裁分類進(jìn)行體裁標(biāo)注并存儲(chǔ)到用戶任務(wù)日志數(shù)據(jù)庫；
[0019]用戶任務(wù)體裁生成器:從用戶任務(wù)體裁分析引擎接收所述查詢請(qǐng)求，從用戶任務(wù)日志數(shù)據(jù)庫中獲取所述查詢請(qǐng)求的用戶的任務(wù)日志信息，生成以體裁形式表示的所述用戶的查詢請(qǐng)求，并返回給用戶任務(wù)分析引擎。
[0020]在上述基于體裁的多維信息檢索系統(tǒng)中，任務(wù)監(jiān)視器包括事件攔截器、窗口切換歷史分析器與標(biāo)題語義分析器；其中:事件攔截器為任務(wù)監(jiān)視器的中樞，對(duì)窗口事件進(jìn)行攔截，得到編碼信息，對(duì)編碼信息進(jìn)行分類處理，并傳送給用戶任務(wù)分析模塊，具體分類處理方法為:如果窗口事件數(shù)量超過設(shè)定閾值，則交由標(biāo)題語義分析器進(jìn)行語義分析，并把所述窗口事件分配到對(duì)應(yīng)的任務(wù)類中；若窗口事件數(shù)量小于設(shè)定閾值，則交由窗口切換歷史分析器處理，處理方法為在不同窗口之間切換次數(shù)超過設(shè)定閾值的不同窗口事件屬于同一類事件，分到相應(yīng)的任務(wù)類中。
[0021]在上述基于體裁的多維信息檢索系統(tǒng)中，索引匹配引擎包括爬蟲模塊、原始數(shù)據(jù)庫、索引模塊、內(nèi)容-體裁索引庫、匹配模塊和查詢接口，其中:
[0022]爬蟲模塊:實(shí)時(shí)從互聯(lián)網(wǎng)抓取原始數(shù)據(jù)并保存到原始數(shù)據(jù)庫；
[0023]原始數(shù)據(jù)庫:保存爬蟲模塊從互聯(lián)網(wǎng)抓取的原始數(shù)據(jù)；
[0024]索引模塊:對(duì)所述原始數(shù)據(jù)建立內(nèi)容-體裁索引，即原始數(shù)據(jù)的內(nèi)容索引和體裁索引，將所述內(nèi)容-體裁索引保存到內(nèi)容體裁索引庫；
[0025]內(nèi)容體裁索引庫:用于存儲(chǔ)原始數(shù)據(jù)的內(nèi)容-體裁索引；
[0026]匹配模塊:從查詢接口接收用戶查詢請(qǐng)求，將所述用戶查詢請(qǐng)求與建立的內(nèi)容索引作匹配，得到初始查詢結(jié)果；之后從用戶任務(wù)體裁分析器接收以體裁形式表示的查詢請(qǐng)求，將初始查詢結(jié)果根據(jù)所述以體裁形式表示的查詢請(qǐng)求、以及建立的體裁索引作二次匹配，得到最終的用戶查詢結(jié)果，返回給查詢接口 ；
[0027]查詢接口:將從用戶接口模塊接收的查詢請(qǐng)求發(fā)送給匹配模塊，并將匹配模塊接收的用戶查詢結(jié)果返回給用戶接口模塊。
[0028]在上述基于體裁的多維信息檢索系統(tǒng)中，用戶任務(wù)日志數(shù)據(jù)庫中存儲(chǔ)的體裁標(biāo)注后的事件信息和用戶查詢歷史信息的形式為:〈