一種搜索引擎動態(tài)摘要提取方法技術(shù)

本發(fā)明專利技術(shù)公開了一種搜索引擎動態(tài)摘要提取方法，所述方法包括以下步驟：獲取用戶輸入的查詢詞；根據(jù)所述查詢詞，截取摘要候選段落；獲取所述候選段落的段權(quán)值；選取段權(quán)值最高的預(yù)先設(shè)定個數(shù)的候選段落，并將選擇的候選段落合并生成摘要。本發(fā)明專利技術(shù)以用戶查詢詞為中心進行摘要候選段落的截取，并根據(jù)段權(quán)值選擇候選段落，將選擇的候選段落合并生成摘要，從而提高了摘要和用戶查詢相關(guān)性與原文檔和用戶查詢相關(guān)性之間一致性。

【技術(shù)實現(xiàn)步驟摘要】

本專利技術(shù)涉及搜索引擎
，特別是涉及一種搜索引擎動態(tài)摘要提取方法。
技術(shù)介紹
在網(wǎng)絡(luò)信息極大豐富的今天，為了快速而準(zhǔn)確的找到所需的信息，搜索引擎應(yīng)運而生，成為現(xiàn)代網(wǎng)絡(luò)的重要工具。雖然現(xiàn)代搜索引擎提供了較準(zhǔn)確的結(jié)果排序，然而時常會有一些靠前的結(jié)果并不是用戶所需要的，出現(xiàn)這樣的情況一是搜索引擎是基于全文索引技術(shù)提供服務(wù)的，只要文檔中包含查詢詞就會返回的，所以很大可能存在與用戶查詢需求不相關(guān)的文檔，二是因為查詢詞未必可以完全展現(xiàn)用戶的意圖。因此，用戶會通過閱讀摘要來判定鏈接的價值。那么摘要的好壞直接影響到用戶對鏈接價值判定的準(zhǔn)確性，摘要的質(zhì)量也成為用戶選擇搜索引擎的標(biāo)準(zhǔn)之一。綜上可知摘要對于搜索引擎有著重要的意義，其意義就在于對用戶判斷鏈接價值時所起到的指導(dǎo)性作用。好的摘要應(yīng)當(dāng)做到不對用戶產(chǎn)生誤導(dǎo)，這種誤導(dǎo)主要有兩種情況：類型一：原本與用戶查詢較相關(guān)的鏈接，用戶閱讀摘要后感覺不相關(guān)，從而忽略該鏈接。類型二：原本與用戶查詢不相關(guān)的鏈接，用戶閱讀摘要后感覺相關(guān)，從而點擊鏈接閱讀原文。目前在摘要方面已有不少研究。Tombros等人在1998年得出結(jié)論以查詢?yōu)橹行牡膭討B(tài)摘要相比較以內(nèi)容為中心的靜態(tài)摘要，更容易找到相關(guān)文檔(A.Tombros?and?M.Sanderson，Advantages?of?querybiased?summaries?in?information?retrieval，in?Proceedings?of?the?21stannual?international?ACM?SIGIR?conference?on?Research?and-->development?in?information?retrieval.Melbourne，Australia：ACM，1998.)。但是該研究對象是新聞類文檔，且沒有驗證該方法在搜索引擎摘要中的有效性。Das等人在2007年對以往的自動文檔摘要研究工作做了綜述，對于單文檔摘要，多文檔摘要的發(fā)展給出較全面的概括(D.Das?and?A.F.T.Martins，A?Survey?on?Automatic?TextSummarization，Language?Technologies?Institute，CMU?2007.)，但是沒有考慮針對網(wǎng)頁形成動態(tài)摘要的情況。Ferragina等人在2005年利用搜索引擎動態(tài)摘要來做個性化的搜索引擎(P.Ferragina?and?A.Gulli，Apersonalized?search?engine?based?on?web-snippet?hierarchical?clustering，in?Special?interest?tracks?and?posters?of?the?14th?international?conferenceon?World?Wide?Web.Chiba，Japan：ACM，2005.)，但是沒有涉及到如何構(gòu)建有效的動態(tài)摘要.李曉明等在2005年給出了一種便于理解和實現(xiàn)的簡單的動態(tài)摘要算法(李曉明，閆宏飛，and王繼民，搜索引擎-原理、技術(shù)與系統(tǒng)：科學(xué)出版社，2005.第五章第三節(jié))。蔡建山等人在2007年基于滑動窗口提取動態(tài)摘要(蔡建山遲呈英戰(zhàn)學(xué)剛and王丫，基于滑動窗口的動態(tài)摘要算法，計算機工程33卷6期2007)，但是窗口的初始位置是從每個查詢詞的開始位置開始的，忽略了查詢詞前有意義的文字，且實驗部分簡陋，實驗結(jié)果難以重現(xiàn)。
技術(shù)實現(xiàn)思路
本專利技術(shù)提供了一種搜索引擎動態(tài)摘要提取方法，目的是為解決現(xiàn)有技術(shù)中摘要和用戶查詢相關(guān)性與原文檔和用戶查詢相關(guān)性之間一致性不高的問題。為達到上述目的，本專利技術(shù)實施例的技術(shù)方案提供一種搜索引擎動態(tài)摘要提取方法，所述方法包括以下步驟：獲取用戶輸入的查詢詞；根據(jù)所述查詢詞，截取摘要候選段落；獲取所述候選段落的段權(quán)值；選取段權(quán)值最高的預(yù)先設(shè)定個數(shù)的候選段落，并將選擇的候選段落合并生成摘要。-->其中，在所述截取摘要候選段落的步驟中，具體包括：從所述查詢詞在文中的位置開始向兩邊延伸；根據(jù)向前閾值、終結(jié)標(biāo)點集或上一段的結(jié)尾，獲取所述候選段落的起始位置；根據(jù)所述起始位置和候選段落長度的設(shè)定值，獲取所述候選段落的初始結(jié)束位置；根據(jù)所述初始結(jié)束位置、向前、向后閾值和終結(jié)標(biāo)點集，獲取所述候選段落的結(jié)束位置。其中，所述獲取候選段落的起始位置的步驟，具體包括：在所述查詢詞在文中的位置向前延伸的長度大于所述向前閾值時、或找到所述終結(jié)標(biāo)點集中的終結(jié)標(biāo)點時、或達到上一段的結(jié)尾時的位置為所述候選段落的起始位置。其中，所述初始結(jié)束位置為所述起始位置和候選段落長度的設(shè)定值之和。其中，所述獲取候選段落的結(jié)束位置的步驟，具體包括：在所述查詢詞在文中的位置向后延伸的長度大于所述向后閾值時、或從所述初始結(jié)束位置向前、向后調(diào)整找到所述終結(jié)標(biāo)點集中的終結(jié)標(biāo)點時的位置為所述候選段落的結(jié)束位置。其中，在所述獲取候選段落的段權(quán)值的步驟中，具體包括：根據(jù)查詢詞在候選段落中出現(xiàn)的頻率獲取查詢詞權(quán)值。根據(jù)所述查詢詞的權(quán)值和所述查詢詞在所述候選段落中出現(xiàn)的次數(shù)，獲取落在所述候選段落中的查詢詞的權(quán)值之和。其中，在所述獲取查詢詞的權(quán)值的步驟中，具體包括：當(dāng)所述查詢詞在候選段落中第一次出現(xiàn)時，其權(quán)值為C1，當(dāng)所述查詢詞在第一次之后在所述候選段落中出現(xiàn)時，其權(quán)值為C2；為某候選段落計算權(quán)值時，所有查詢詞的權(quán)值都初始化為C1。其中，所述C1為1，所述C2為0.01。其中，在所述選取段權(quán)值最高的預(yù)先設(shè)定個數(shù)的候選段落，并將選擇的候選段落合并生成摘要的步驟中，還包括：當(dāng)選擇的候選段落-->的個數(shù)小于所述預(yù)先設(shè)定個數(shù)時，擴展所述選擇的候選段落，使所述選擇的候選段落的長度達到預(yù)先設(shè)定個數(shù)的候選段落的長度。其中，在所述選取段權(quán)值最高的預(yù)先設(shè)定個數(shù)的候選段落，并將選擇的候選段落合并生成摘要的步驟中，還包括：當(dāng)選擇的候選段落的個數(shù)為0時，以正文的首段話作摘要。與現(xiàn)有技術(shù)相比，本專利技術(shù)的技術(shù)方案具有如下優(yōu)點：本專利技術(shù)以用戶查詢詞為中心進行摘要候選段落的截取，并根據(jù)段權(quán)值選擇候選段落，將選擇的候選段落合并生成摘要，從而提高了摘要和用戶查詢相關(guān)性與原文檔和用戶查詢相關(guān)性之間一致性。附圖說明圖1是本專利技術(shù)的一種搜索引擎動態(tài)摘要提取方法的流程圖。具體實施方式下面結(jié)合附圖和實施例，對本專利技術(shù)的具體實施方式作進一步詳細(xì)描述。以下實施例用于說明本專利技術(shù)，但不用來限制本專利技術(shù)的范圍。本專利技術(shù)的一種搜索引擎動態(tài)摘要提取方法的流程如圖1所示，包括以下步驟：步驟s101，獲取用戶輸入的查詢詞。步驟s102，根據(jù)查詢詞，截取摘要候選段落。首先從所述查詢詞在文中的位置開始向兩邊延伸；然后根據(jù)向前閾值、終結(jié)標(biāo)點集或上一段的結(jié)尾，獲取所述候選段落的起始位置，在所述查詢詞在文中的位置向前延伸的長度大于所述向前閾值時、或找到所述終結(jié)標(biāo)點集中的終結(jié)標(biāo)點時、或達到上一段的結(jié)尾時的位置為所述候選段落的起始位置；再根據(jù)所述起始位置和候選段落長度的設(shè)定值，獲取所述候選段落的初始結(jié)束位置，所述初始結(jié)束位置為所述起始位置和候選段落長度的設(shè)定值之和；最后根據(jù)所述初始結(jié)束位置、向前、向后閾值和終結(jié)標(biāo)點集，獲取所述候選段落的結(jié)束位置，在所述查詢詞在文中的位置向后延伸的長度大于所述向后閾值時、或從本文檔來自技高網(wǎng)...

【技術(shù)保護點】
一種搜索引擎動態(tài)摘要提取方法，其特征在于，所述方法包括以下步驟：　獲取用戶輸入的查詢詞；　根據(jù)所述查詢詞，截取摘要候選段落；　獲取所述候選段落的段權(quán)值；　選取段權(quán)值最高的預(yù)先設(shè)定個數(shù)的候選段落，并將選擇的候選段落合并生成摘要。

【技術(shù)特征摘要】
1、一種搜索引擎動態(tài)摘要提取方法，其特征在于，所述方法包括以下步驟：獲取用戶輸入的查詢詞；根據(jù)所述查詢詞，截取摘要候選段落；獲取所述候選段落的段權(quán)值；選取段權(quán)值最高的預(yù)先設(shè)定個數(shù)的候選段落，并將選擇的候選段落合并生成摘要。2、如權(quán)利要求1所述的搜索引擎動態(tài)摘要提取方法，其特征在于，在所述截取摘要候選段落的步驟中，具體包括：從所述查詢詞在文中的位置開始向兩邊延伸；根據(jù)向前閾值、終結(jié)標(biāo)點集或上一段的結(jié)尾，獲取所述候選段落的起始位置；根據(jù)所述起始位置和候選段落長度的設(shè)定值，獲取所述候選段落的初始結(jié)束位置；根據(jù)所述初始結(jié)束位置、向前、向后閾值和終結(jié)標(biāo)點集，獲取所述候選段落的結(jié)束位置。3、如權(quán)利要求2所述的搜索引擎動態(tài)摘要提取方法，其特征在于，所述獲取候選段落的起始位置的步驟，具體包括：在所述查詢詞在文中的位置向前延伸的長度大于所述向前閾值時、或找到所述終結(jié)標(biāo)點集中的終結(jié)標(biāo)點時、或達到上一段的結(jié)尾時的位置為所述候選段落的起始位置。4、如權(quán)利要求2或3所述的搜索引擎動態(tài)摘要提取方法，其特征在于，所述初始結(jié)束位置為所述起始位置和候選段落長度的設(shè)定值之和。5、如權(quán)利要求4所述的搜索引擎動態(tài)摘要提取方法，其特征在于，所述獲取候選段落的結(jié)束位置的步驟，具體包括：在所述查詢詞在文中的位置向后延伸的長度大于所述向后閾值時、或從所述初始結(jié)束位置向前向后調(diào)整找到所述終結(jié)標(biāo)點...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：閆宏飛，樹柏涵，李曉明，
申請(專利權(quán))人：北京大學(xué)，
類型：發(fā)明
國別省市：11[中國|北京]