专利名称：一种检索排序方法及系统的制作方法
技术领域：
本发明涉及信息检索技术领域，特别是指一种检索排序方法及系统。
背景技术：
近年来，随着互联网的普及以及信息产生媒体的多样化，信息资源总量以指数级速度不断增长，一项针对2000年至2007年的互联网页总数的研究统计表明，参考附图1，网页数目增速也在不断提高。同时普遍以非结构化形式存储于节点上。对用户而言，如何有效获取信息，急需相应的理论和方法来解决。因此，学术界和工业界对信息检索也掀起了一个新的研究高潮，成为当前信息处理领域的一个研究热点。目前信息检索领域已经形成了一些检索模型，其中影响较大的有布尔模型、向量空间模型、语言模型、BM25模型等，不断提高信息检索性能，推动信息检索研究的发展。这·些方法在其特定应用中都体现出一定的优越性，但是它们仍有可改进之处。其主要问题是，算法无法自适应选取参数，运行过程中需手动调整模型参数，为此产生了基于机器学习的检索算法，称为排序学习，即系统根据用户提交的查询短语自动判断存储库中文档与查询的相关度大小，并给出排序列表，位置越靠前表示返回结果与查询越相关。同时，检索系统面临如下问题当用户构造一个好的查询有困难时，检索结果往往不尽如人意，而让用户判断文档与其查询的相关性却是比较容易的，于是考虑通过用户交互直接给出文档相关性判断引入检索系统，来提高检索结果的准确性，这就是基于用户相关反馈的信息检索方法。利用用户相关反馈进行检索的反复迭代是非常有意义的，并且相关反馈对于跟踪用户信息需求的变化也是有效的。图像检索就是一个使用相关反馈很好的例子，因为在图像检索中返回结果直观，而且用户不容易用词语来表达其需求，但很容易标记相关和不相关的图像结果。从基于机器学习的信息检索方法和基于用户相关反馈的信息检索方法研究成果来看，目前两类算法并没有很好的交叉融合，往往各自具有一定的应用范围，如何结合机器学习方法和用户相关反馈机制对信息进行更有效的检索与排序是本领域技术人员极为关注的技术问题。
发明内容
有鉴于此，本发明的目的在于提出一种检索排序方法及系统，其能提供高效准确的检索结果。基于上述目的本发明提供的一种检索排序方法，包括接收查询短语并检索；返回检索结果；提取文档库中所有文档的低维特征；获取检索结果中多个文档的相关度反馈信息；生成相关度判断模型；
计算检索结果中所有文档的相关度得分；返回按相关度得分高低排序的再次检索结果。在一个实施例中,所述方法还包括初始化步骤提取文档库中所有文档的多维特征。在另一个实施例中，所述检索结果是按照相似度得分高低排序的。在另一个实施例中，所述相似度得分表达式为相似度得分=Id1 X TFJb2X TF2+- +bnX TFn，其中，TFn为文档的多维特征，bn为该特征对应的权重。
在另一个实施例中，所述低维特征的提取方法为主成分分析方法。 在另一个实施例中，所述相关度判断模型的生成方法为利用检索结果中多个文档的相关度反馈信息及其低维特征进行逻辑回归。在另一个实施例中，所述相关度判断模型表达式为相关度得分=ai XFi+a2XF2+··· +anXFn，其中，Fn为文档的低维特征，an为该特征对应的系数。在另一个实施例中，所述文档库具有可扩展性。本发明还提供了一种检索排序系统，包括检索模块，用于接收查询短语并检索，以及返回检索结果和再次检索结果；特征提取模块，用于提取文档库中所有文档的低维特征；相关度反馈模块，用于获取检索结果中多个文档的相关度反馈信息；排序模块，用于生成相关度判断模型，计算检索结果中所有文档的相关度得分，并对所有文档按相关度得分高低排序； 存储模块，用于保存文档库和用于存储低维特征的特征库。在一个实施例中，所述特征提取模块还用于提取文档库中所有文档的多维特征，所述存储模块中的特征库还用于存储所述多维特征。在另一个实施例中，所述排序模块还用于生成相似度判断模型，计算检索结果中所有文档的相似度得分，并对检索结果按照相似度得分高低排序。从上面所述可以看出，本发明提供的一种检索排序方法及系统，便于信息资源的及时注册更新，统一管理，同时将相关度反馈信息引入检索系统来提高检索性能。该方法从实现角度来看，运行过程中无需手动调节算法参数，同时计算复杂度低，降低了检索时间，实现了快速自主的信息检索与排序。结合低维特征和相关度反馈信息建立相关度判断模型，对检索结果进行多次排序，最后得到并返回最佳排序的检索结果。
图I为互联网网页数量统计示意图；图2为本发明提供的检索排序方法实施例流程图；图3为文档库中文档特征表示模型实施例示意图；图4为本发明检索排序系统工作界面实施例示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。参考附图2，为本发明提供的检索排序方法实施例流程图。本实施例中所提供的一种检索排序方法，包括接收查询短语并检索；返回检索结果；提取文档库中所有文档的低维特征；获取检索结果中多个文档的相关度反馈信息；生成相关度判断模型；计算检索结果中所有文档的相关度得分；返回按相关度得分高低排序的再次检索结果。具体的，本实施例中所提供的一种检索排序方法，可包括步骤I :在离线状态下提取文档库中各个文档的多维特征，便于检索系统在进行初次检索时使用，同时可减少用户的实时查询时间。所述文档库中保存的文档是待检索的文件，优选为各应用域(如标题、摘要、正文等)明确的HTML文件，便于后续特征的提取。根据信息检索领域研究成果，结合文档库中以HTML文件形式保存的文档，对基于应用域的文档信息提取重要特征，并建立了如表I所示的文档多维特征表，并将此多维特征表信息在特征库中以图3所示格式存储。表I
权利要求
1.一种检索排序方法，其特征在于，包括 接收查询短语并检索； 返回检索结果； 提取文档库中所有文档的低维特征； 获取检索结果中多个文档的相关度反馈信息； 生成相关度判断模型； 计算检索结果中所有文档的相关度得分； 返回按相关度得分高低排序的再次检索结果。
2.根据权利要求I所述的一种检索排序方法，其特征在于，所述方法还包括初始化步骤 提取文档库中所有文档的多维特征。
3.根据权利要求2所述的一种检索排序方法，其特征在于，所述检索结果是按照相似度得分高低排序的。
4.根据权利要求3所述的一种检索排序方法，其特征在于，所述相似度得分表达式为 相似度得分=bi X TFJb2 X TF2+... +bnX TFn，其中，TFn为文档的多维特征，bn为该特征对应的权重。
5.根据权利要求2所述的一种检索排序方法，其特征在于，所述低维特征的提取方法为主成分分析方法。
6.根据权利要求I所述的一种检索排序方法，其特征在于，所述相关度判断模型的生成方法为 利用检索结果中多个文档的相关度反馈信息及其低维特征进行逻辑回归。
7.根据权利要求6所述的一种检索排序方法，其特征在于，所述相关度判断模型表达式为 相关度得分=S1 XF^a2 XF2+- +anXFn，其中，Fn为文档的低维特征，an为该特征对应的系数。
8.根据权利要求1-7任意一项所述的一种检索排序方法，其特征在于，所述文档库和/或特征库具有可扩展性。
9.一种米用权利要求1-8任意一项所述检索排序方法的检索排序系统,其特征在于，包括 检索模块，用于接收查询短语并检索，以及返回检索结果和再次检索结果； 特征提取模块，用于提取文档库中所有文档的低维特征； 相关度反馈模块，用于获取检索结果中多个文档的相关度反馈信息； 排序模块，用于生成相关度判断模型，计算检索结果中所有文档的相关度得分，并对所有文档按相关度得分高低排序； 存储模块，用于保存文档库和用于存储低维特征的特征库。
10.根据权利要求9所述的一种检索排序系统，其特征在于，所述特征提取模块还用于提取文档库中所有文档的多维特征，所述存储模块中的特征库还用于存储所述多维特征。
11.根据权利要求10所述的一种检索排序系统，其特征在于，所述排序模块还用于生成相似度判断模型，计算检索结果中所有文档的相似度得分，并对检索结果按照相似度得分高低排 序。
全文摘要
本发明公开了一种检索排序方法，包括接收查询短语并检索；返回检索结果；提取文档库中所有文档的低维特征；获取检索结果中多个文档的相关度反馈信息；生成相关度判断模型；计算检索结果中所有文档的相关度得分；返回按相关度得分高低排序的再次检索结果；本发明还公开了一种检索排序系统，包括检索模块、特征提取模块、相关度反馈模块、排序模块、存储模块；本发明所提出的一种检索排序方法及系统，其能提供高效准确的检索结果。
文档编号G06F17/30GK102890711SQ20121033790
公开日2013年1月23日 申请日期2012年9月13日 优先权日2012年9月13日
发明者陈洪辉, 蔡飞, 舒振, 马建威 申请人:中国人民解放军国防科学技术大学