CN104915449A - 一种基于水利对象分类标签的分面检索***及方法 - Google Patents

Abstract

本发明公开了一种基于水利对象分类标签的分面检索***及方法。***包括如下模块：标签模块，用于对水利数据资源元数据库中的元数据对象进行分类贴标签处理，同时对***中的分类标签进行管理；检索模块，用于根据用户的检索请求以及分面选择对元数据信息进行检索查询。本发明基于水利信息资源目录服务***，为其提供“标签”管理功能，同时对其简单检索进行分面检索扩展，可以降低用户对相关领域知识的要求，避免用户检索的迷航问题，提高检索效率。

Description

一种基于水利对象分类标签的分面检索***及方法

技术领域

本发明涉及一种基于水利对象分类标签的分面检索***及方法，属于智能信息检索领域。

背景技术

传统的水利领域信息搜索引擎对数据集中的关键词建立索引，当用户向搜索引擎提交关键词查询请求时，搜索引擎通过关键词匹配的方式在数据库中进行检索，并将结果反馈给用户。这种检索方式要求用户具有较高的专业领域知识背景，对于大众用户的支持度不高；而用户的检索意图往往并不明确，用户需要的是探索式的检索，***应该对用户的检索进行引导；关键字检索只是采取关键字匹配，在关键字无匹配时会出现搜索结果为空的情况，用户体验不好；检索结果是***中全部记录的关键字匹配查询结果，无法聚焦于用户所关注的领域，信息过载问题严重，容易使用户在检索过程中迷失。

分面检索技术是一种基于分面理论的在数据集上进行探索性的检索技术，它具有很强的检索结果分类能力，用户可以仅关注所感兴趣类别中的检索结果，忽略其它类别的检索结果，从而能有效缓解信息过载问题。用户可以通过与分面目录的交互不断对检索结果进行细化或泛化，无需用户关于数据集的先验知识，即可获得良好的检索结果，大大降低了用户对相关领域知识的要求。同时分面检索的导航功能也可以引导用户进行检索，有效避免检索结果为空的情况。但是，当前的分面检索技术大部分只关注分面与分面之间的关系，对分面值与分面之间的关系考虑甚少，而水利业务***用户往往对分面值关注较多，这不能满足水利业务的需求，因此，在水利领域亟需一种能够满足用户业务需求的分面检索方法。

发明内容

发明目的：针对现有***中存在的问题，本发明提出一种基于水利对象分类标签的分面检索***及方法，经分面检索技术引入到水利领域，以提高水利信息资源目录服务***的检索效率。

本发明的思路是：利用资源分类标签构建分类标签库，由***业务人员对注册录入***的元数据资源贴加标签，维护资源标签库以及索引库；获取用户查询请求后，首先基于关键字检索得到初步检索结果集，通过频率统计以及相关性计算推荐分面，逐步细化，得到精炼查询结果集，最后对检索结果进行排序返回用户，提高用户的查询效率。

技术方案：一种基于水利对象分类标签的分面检索***，包括如下模块：标签模块，用于对水利数据资源元数据库中的元数据对象进行分类贴标签处理，同时对***中的分类标签进行管理；存储模块，用于存储水利数据资源元数据、分类标签库以及索引信息；检索模块，用于根据用户的检索请求以及分面选择对元数据信息进行检索查询；

所述标签模块，用于对分类标签库中的标签和索引库中的分类标签索引进行管理，具体包括对多级分类标签的查询、添加、修改、删除等的管理操作，对元数据创建分类标签索引，查询、修改、删除分类标签索引等的管理操作；

所述存储模块，包含水利数据资源元数据库、分类标签库、索引库；其中水利数据资源元数据库用于存储水利数据资源的元数据信息，元数据是数据的数据，采用XML文件格式存储；分类标签库用于存储水利元数据对象的多级分类标签信息，该分类标签采用分级策略，且至少包含两级；索引库用于存储对元数据信息构建的索引信息和元数据对应的分类标签索引信息；

所述检索模块，包含关键字检索模块，分面检索模块和检索结果排序模块；其中关键字检索模块，用于根据用户的检索请求在***索引库中进行全文关键字匹配，匹配结果为初步结果集；分面检索模块，用于根据用户的选择对初步结果集进行精炼，结果为精炼结果集；检索结果排序模块，用于对精炼结果集中的检索结果进行排序操作。

进一步的，所述关键字检索模块，从用户的检索请求中提取用户输入的关键字，将该关键字与索引库中的元数据索引信息进行匹配，取出全部匹配的元数据信息作为初步结果集返回展示；

所述分面检索模块，包含分面推荐单元和分面排序单元，分面推荐单元基于分面推荐原则把最有价值的分面推荐给用户，分面排序单元基于水利领域的特殊性把用户最期望获取的检索结果优先排列给用户显示；在未选定分面的情况下，***首先推荐结果集中覆盖率高的分面，当用户的分面选择产生后，该模块将基于用户选择的分面进行分面相关性计算，把相关性高的分面推荐给用户，得到精炼查询结果。

一种基于水利对象分类标签的分面检索方法，包含如下步骤：

S-1：根据业务需求制定水利对象分类标签，通过标签管理模块将水利对象分类标签录入分类标签库；

S-2：对注册录入的元数据进行贴加标签操作，构建分类标签索引；

S-3：获取用户查询请求，并进行分词处理，基于关键字查询对元数据资源进行查询，得到初步检索结果集，具体包括如下步骤：

步骤S-3-1：获取用户查询请求，并进行分词处理，得到查询词集合；

步骤S-3-2：根据查询词集合，利用lucene查询方法进行关键字查询；

步骤S-3-3：将匹配的结果即初步检索结果集高亮返回用户显示；

S-4：根据覆盖率计算公式优先推荐覆盖率高的分面，用户选择分面后根据分面相关性计算公式推荐相关性高的分面，逐步精炼，得到精炼检索结果集，具体包括如下步骤：

步骤S-4-1：由步骤S-3检索得到的初步结果集，计算初步检索结果集中的分面数；

步骤S-4-2：根据关键字在分面中的匹配度推荐匹配度高的m个分面；

步骤S-4-3：根据分面相关性计算公式，计算每个分面的相关度，推荐相关度高的m个分面显示；

步骤S-4-4：在推荐的每个分面中分别计算分面值的覆盖率，推荐覆盖率高的n个分面值显示；

步骤S-4-5：获取用户选择分面检索请求，若是精炼结果请求，即选择某个特定分面值，则转向步骤S-4-6；若是扩大结果请求，即取消某个分面值的选定，则转向步骤S-4-7；

步骤S-4-6：获取用户选定的分面值，根据分面值检索结果集，得到精炼结果集；转向步骤S-4-8；

步骤S-4-7：获取用户取消的分面值，根据分面值扩大结果集；转向步骤S-4-8；

步骤S-4-8：判断用户对精炼结果集是否满意，若是，转向步骤S-4-9，否则，转向步骤S-4-3；

步骤S-4-9：结束。

S-5：根据分面检索的精炼，对检索结果进行排序，将检索结果返回用户。

所述步骤S-1中，分类标签采用分级策略，分类标签共分K级，各级标签存储于标签库中。

所述步骤S-4-2中，分面相关性计算公式如下：

$R_{AB}=\frac{C\left(B\right|A=p)}{C\left(B\right)}---\left(1\right)$

其中，C(B)表示分面B所包含的数据集数量，C(B|A＝p)表示在条件(A＝p)，即用户在A分面中选定分面值p的情况下，分面B所包含的数据集数量，R_AB表示某一分面(分面B)在用户选定特定的分面值(分面A中的分面值p)后的保持率，也即分面B与分面A之间的相关性。保持率越高说明用户所选分面值对于该分面的影响越小，则该分面与用户所选分面的相关性越大，优先推荐；反之，保持率越低说明用户所选分面值对于该分面的影响越大，则该分面与用户所选分面的相关性越小，不推荐。

所述步骤S-4-3中，分面值的覆盖率计算公式如下：

$f\left(p\right)=\frac{n_S\left(p\right)}{n_S}---\left(2\right)$

其中，n_s(p)表示包含分面值p的元数据信息总数，n_s表示元数据信息总数，f(p)代表分面值p的覆盖率。

本发明采用上述技术方案，具有以下有益效果：采用分级标签对水利对象进行分类，采用分面检索扩展基本的关键字检索，使用户聚焦于关注的领域，解决信息过载问题，同时，采用分面推荐算法，提高检索效率。

附图说明

图1为本发明实施例的基于水利对象分类标签的分面检索***及方法；

图2为本发明实施例的关键字检索的流程图；

图3为本发明实施例的分面推荐的流程图。

具体实施方式

下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

如图1所示，基于水利对象分类标签的分面检索***由标签模块、存储模块和检索模块组成。

标签模块包括标签管理模块，用于对水利对象分类标签的管理；存储模块包含水利数据资源元数据库、分类标签库、索引库，水利数据资源元数据库是对水利业务长期实践中积累的水利数据的描述，是关于水利数据的数据，采用XML文件格式存储，在索引库中建有这些元数据的索引，并对其进行维护；分类标签是根据从不同维度对水利数据资源信息的分类成果，在本发明实施例中采用如表1所示的分类标签形式。在建立了基本的分类标签后，领域工程师还可以根据实际需要对水利对象分类标签进行管理，包括对多级分类标签的查询、添加、修改、删除等的管理操作，对元数据创建分类标签索引，查询、修改、删除分类标签索引等的管理操作。

表1

检索模块，包含关键字检索模块，分面检索模块和检索结果排序模块；其中关键字检索模块，用于根据用户的检索请求在***索引库中进行全文关键字匹配，匹配结果为初步结果集；分面检索模块，用于根据用户的选择对初步结果集进行精炼，结果为精炼结果集；检索结果排序模块，用于对精炼结果集中的检索结果进行排序操作。

关键字检索模块，从用户的检索请求中提取用户输入的关键字，将该关键字与索引库中的元数据索引信息进行匹配，取出全部匹配的元数据信息作为初步结果集返回展示；

分面检索模块，包含分面推荐单元和分面排序单元，分面推荐单元基于分面推荐原则把最有价值的分面推荐给用户，分面排序单元基于水利领域的特殊性把用户最期望获取的检索结果优先排列给用户显示；在未选定分面的情况下，***首先推荐结果集中覆盖率高的分面，当用户的分面选择产生后，该模块将基于用户选择的分面进行分面相关性计算，把相关性高的分面推荐给用户，得到精炼查询结果。

基于水利对象分类标签的分面检索方法按如下步骤进行实施：

S-1：根据业务需求制定水利对象分类标签，通过标签管理模块将水利对象分类标签录入分类标签库；

即将上述表1中的水利对象分类标签录入分类标签库。

S-2：对注册录入的元数据进行贴加标签操作，构建分类标签索引；

尽管元数据中包含有对该元数据的描述信息，***可以根据元数据内容抽取相关信息，但是为了使检索结果更加准确，对元数据进行贴加标签的操作仍需由相关领域的专业人员操作，对元数据贴加准确的分类标签信息。

S-3：获取用户查询请求，并进行分词处理，基于关键字查询对元数据资源进行查询，得到初步检索结果集，具体包括如下步骤：

步骤S-3-1：获取用户查询请求，并进行分词处理；

步骤S-3-2：根据查询词集合，利用lucene查询方法进行关键字查询；

步骤S-3-3：将匹配的结果高亮返回用户显示；

为了更好的处理查询请求，我们采用字符串匹配算法(BM法)作为Lucene(版本4.7.1)中文分词的核心算法，并结合基本的现代汉语词典2012版以及水利行业标准SL 26-2012《水利水电工程技术术语》对用户的查询请求进行分词形成查询词集合。引入《水利水电工程技术术语》主要是因为本***所管理的数据为水利对象数据，该标准中规范了水利水电行业中的术语。为了加快查询处理的效率，我们对水利数据资源元数据构建倒排索引，为了保证查全率，基于Lucene中文分词采用全文检索的方式对水利数据资源元数据信息进行检索。

S-4：根据覆盖率计算公式优先推荐覆盖率高的分面，用户选择分面后根据分面相关性计算公式推荐相关性高的分面，逐步精炼，得到精炼检索结果集，具体包括如下步骤：

步骤S-4-1：由步骤S-3检索得到的初步结果集，计算结果集中的分面数；

步骤S-4-2：根据关键字在分面中的匹配度推荐匹配度高的m(m≥4)个分面；

步骤S-4-3：根据分面相关性计算公式，计算每个分面的相关度，推荐相关度高的m(m≥4)个分面显示；

步骤S-4-4：在推荐的每个分面中分别计算分面值的覆盖率，推荐覆盖率高的n(n≥3)个分面值显示；

步骤S-4-5：获取用户选择分面检索请求，若是精炼结果请求，即选择某个特定分面值，则转向步骤S-4-6；若是扩大结果请求，即取消某个分面值的选定，则转向步骤S-4-7；

步骤S-4-6：获取用户选定的分面值，根据分面值检索结果集，得到精炼结果集；转向步骤S-4-8；

步骤S-4-7：获取用户取消的分面值，根据分面值扩大结果集；转向步骤S-4-8；

步骤S-4-8：判断用户对精炼结果集是否满意，若是，转向步骤S-4-9，否则，转向步骤S-4-3；

步骤S-4-9：结束。

关键词的匹配度计算公式为：

$p\left(k\right)=\frac{n_S\left(k\right)}{n_S}---\left(3\right)$

其中，n_s(k)表示包含关键字k的元数据信息总数，n_s表示元数据信息总数。

对于相关性计算公式如果用户选定某个分面值来精炼结果集，用户所选分面对于该分面的影响越小，则该分面与用户所选分面的相关性越大，应优先推荐；反之，如果用户取消某个分面值来扩大结果集，用户所选分面值对于该分面的影响越大，则该分面与用户所选分面的相关性越小，不推荐，此时应该推荐。

为了***界面显示效果，推荐的分面个数不宜多于6个，本发明实施例中我们对m和n的取值都设为6，一方面可以获得较好的显示效果，另一方面也可以给用户足够的推荐分面选择。

S-5：根据分面检索的精炼，对检索结果进行排序，将检索结果返回用户。

为了保证检索的效率，在对检索结果进行排序时，根据水利业务的特点，用户一般都是为了获取最新的信息而进行检索的。所以，我们在对检索结果进行排序时使用联合域排序，关键字匹配程度作为第一个域，时间作为第二个域。

Claims (9)

1.一种基于水利对象分类标签的分面检索***，其特征在于，包括如下模块：标签模块，用于对水利数据资源元数据库中的元数据对象进行分类贴标签处理，同时对***中的分类标签进行管理；存储模块，用于存储水利数据资源元数据、分类标签库以及索引信息；检索模块，用于根据用户的检索请求以及分面选择对元数据信息进行检索查询。

2.如权利要求1所述的基于水利对象分类标签的分面检索***，其特征在于，所述标签模块，用于对分类标签库中的标签和索引库中的分类标签索引进行管理。

3.如权利要求1所述的基于水利对象分类标签的分面检索***，其特征在于，所述存储模块，包含水利数据资源元数据库、分类标签库、索引库；其中水利数据资源元数据库用于存储水利数据资源的元数据信息，元数据是数据的数据，采用XML文件格式存储；分类标签库用于存储水利对象的多级分类标签信息，该分类标签采用分级策略，且至少包含两级；索引库用于存储对元数据信息构建的索引信息和元数据对应的分类标签索引信息。

4.如权利要求1所述的基于水利对象分类标签的分面检索***，其特征在于，所述检索模块，包含关键字检索模块，分面检索模块和检索结果排序模块；其中关键字检索模块，用于根据用户的检索请求在***索引库中进行全文关键字匹配，匹配结果为初步结果集；分面检索模块，用于根据用户的选择对初步结果集进行精炼，结果为精炼结果集；检索结果排序模块，用于对精炼结果集中的检索结果进行排序操作。

5.如权利要求3所述的基于水利对象分类标签的分面检索***，其特征在于，进一步的，所述关键字检索模块，从用户的检索请求中提取用户输入的关键字，将该关键字与索引库中的元数据索引信息进行匹配，取出全部匹配的元数据信息作为初步结果集返回展示；

所述分面检索模块，包含分面推荐单元和分面排序单元，分面推荐单元基于分面推荐原则把最有价值的分面推荐给用户，分面排序单元基于水利领域的特殊性把用户最期望获取的检索结果优先排列给用户显示；在未选定分面的情况下，***首先推荐结果集中覆盖率高的分面，当用户的分面选择产生后，该模块将基于用户选择的分面进行分面相关性计算，把相关性高的分面推荐给用户，得到精 炼查询结果。

6.一种用于实现1-5任意一项所述基于水利对象分类标签的分面检索***的方法，其特征在于，包含如下步骤：

S-1：根据业务需求制定水利对象分类标签，通过标签管理模块将水利对象分类标签录入标签库；

S-2：对注册录入的元数据进行贴加标签操作，构建分类标签索引；

S-3：获取用户查询请求，并进行分词处理，基于关键字查询对元数据资源进行查询，得到初步检索结果集；

S-4：根据覆盖率计算公式优先推荐覆盖率高的分面，用户选择分面后根据分面相关性计算公式推荐相关性高的分面，逐步精炼，得到精炼检索结果集；

S-5：根据分面检索的精炼，对检索结果进行排序，将检索结果返回用户。

7.如权利要求书6所述的基于水利对象分类标签的分面检索方法，其特征在于：所述步骤S-1中的分类标签采用分级策略，分类标签共分K级，各级标签存储于标签库中。

8.如权利要求书6所述的基于水利对象分类标签的分面检索方法，其特征在于：所述步骤S-3具体包含如下实施步骤：

S-3-1：获取用户查询请求，并进行分词处理；

S-3-2：根据查询词集合，利用lucene查询方法进行关键字查询；

S-3-3：将匹配的结果高亮返回用户显示。

9.如权利要求书6所述的基于水利对象分类标签的分面检索方法，其特征在于：所述步骤S-4具体包含如下实施步骤：

S-4-1：由步骤S-3检索得到的初步结果集，计算结果集中的分面数；

S-4-2：根据关键字在分面中的匹配度推荐匹配度高的m个分面；

S-4-3：根据分面相关性计算公式，计算每个分面的相关度，推荐相关度高的m个分面显示；

S-4-4：在推荐的每个分面中分别计算分面值的覆盖率，推荐覆盖率高的n个分面值显示；

S-4-5：获取用户选择分面检索请求，若是精炼结果请求，即选择某个特定分面值，则转向步骤S-4-6；若是扩大结果请求，即取消某个分面值的选定，则 转向步骤S-4-7；

S-4-6：获取用户选定的分面值，根据分面值检索结果集，得到精炼结果集；转向步骤S-4-8；

S-4-7：获取用户取消的分面值，根据分面值扩大结果集；转向步骤S-4-8；

S-4-8：判断用户对精炼结果集是否满意，若是，转向步骤S-4-9，否则，转向步骤S-4-3；

S-4-9：结束。