CN1871603A - 处理查询的系统和方法 - Google Patents

Abstract

本发明涉及一种处理数据库查询的系统和方法。所述发明包括以下步骤：获取来自用户的查询；使用知识库来获得与查询中的单词有关的可确认的词义的集合。如果集合包含多于一个的可确认的词义，则执行下面附加的步骤：从集合中选择一个词义作为一个最好的词义；利用查询的最好的词义，来确定来自数据库的有关的结果，所述数据库跟最好的词义有关；通过排除与最好的词义有关的结果，再消除集合的剩余的词义的歧义；从剩余的词义中选择下一个最好的词义；并且利用查询的这个近乎最好的词义，来确定来自数据库的相关的结果，所述数据库与所述近乎最好的词义有关。本发明还涉及为用户更新数据库，更新用户会话和与查询的最好的已被确定的结果有关的公共数据，进而通过用户来提高和个人化并发的查询的歧义消除。

Description

处理查询的系统和方法

相关申请

本申请要求2003年8月21日提交的申请号为60/496,681的美国临时专利申请的优先权。

技术领域

本发明涉及因特网搜索，尤其涉及使用语义歧义消除与扩展的因特网搜索。

背景技术

在处理庞大数据集时，例如文档数据库或因特网上的网页，可用数据的容量会造成难以找到有关信息。尝试使用了各种各样的搜索方法来在这样的信息库中找到有关信息。其中一些最好的所知的系统是网络搜索引擎，例如允许用户执行基于关键词搜索的Yahoo(商标)和Google(商标)。这些搜索通常涉及将用户输入的关键词与网页索引中的关键词进行匹配。

然而，现有的因特网搜索方法经常产生不是特别有用的结果。该搜索会返回很多结果，但仅有少量与用户的查询有关或根本没有与用户查询有关的。另一方面，所述搜索会返回少量的结果，其中没有一个是用户正在搜寻的精确结果，同时无法返回潜在的相关结果。

在执行所述搜索中会遇到一些困难的原因是在自然语言中使用的单词的产生歧义。特别是，由于一个单词会具有多种含义，所以经常遇到困难。过去通过使用被称为词义歧义消除的技术处理该所述难题，所述技术包括将单词转换成具有特定的语义的词义。例如，单词“bank”可以具有“金融机构”的含义或其他附加的定义。

第6,453,315号美国专利公开了基于词义的信息组织和检索。所述专利公开了通过概念词典与概念之间的关系来创建一个语义空间。将查询映射到表示所述查询的位置与语义空间的含义区分器。通过确定区分器之间的语义差别来确定接近度和词义来完成搜索。所述系统依赖用户，并以所述系统所确定的词义为基础来确定所述搜索或另外通过在搜索结果中所找到的节点来导航。

如现有技术中已知的，通过“精度”和“重复度”来对信息检索的有效性评价进行量化。通过用在一个搜索中找到的正确结果的数量除以结果的整体数量可以量化精度。通过用在一个搜索中找到的正确结果的数量除以可能正确的结果的整体数量可以量化重复度。可以简单地通过返回所有可能的结果来获得完全的重复度(即100％)，但是这会导致非常差的精度。大多数现有的系统力争平衡精度与重复度的标准。例如通过使用同义词来提供更多的可能结果而提高重复度，必然会降低精度。另一方面，通过缩小搜索结果，例如通过选择与查询中的单词的精确顺序相匹配的结果将降低重复度。

因此需要一种解决现有技术的缺陷的查询的处理系统和方法。

发明内容

根据本发明的一个方面，提供了一种信息搜索方法，包括以下步骤：消除查询的歧义，根据关键词义消除信息的歧义并索引信息，通过使用所述查询中的关键词义和与所述查询中的关键词义语义相关的其他词义，搜索已索引的信息来找到与所述查询相关的信息，以及返回搜索结果，所述搜索结果包括包含关键词义和其他语义上相关的词义的信息。

所述方法可以应用于任何使用关键词进行索引的数据库。优选地，把所述方法应用于因特网搜索。

语义关系可以是任何逻辑上或语法上定义的两个单词之间的关系类型。这种关系的实例为同义关系、下义关系等。

消除查询的歧义的步骤包括给关键词义分配概率。类似地，消除信息的歧义的步骤包括为关键词义添加概率。

在本方法中使用的关键词义可以是比较精细的关键词义的粗略分组。

在另一方面，提供一种面向数据库的处理查询的方法。该方法包括以下步骤：获得来自用户的查询；使用知识库消除查询的歧义来获得一个与查询中单词有关的可确认的词义(或解释)的集合。而且，如果所述集合包含多于一个的可确认的词义(或解释)，然后执行下面的附加的步骤：从集合中选择一个词义(或解释)作为一个最好的词义(或解释)；利用最好的查询词义来确定来自与最好的词义相关的数据库的相关的结果；通过执行与最好的词义相关的结果来再消除集合中的剩余的词义的歧义；从剩余的词义中选择一个近乎最好的词义；并且利用查询的近乎最好的词义来确定来自与近乎最好的词义相关的数据库的相关结果。

在所述方法中，消除查询的歧义的步骤包括使用从下面的算法中选出的一种算法：一种样本歧义消除算法，一种n单词歧义消除算法，和一种优先歧义消除算法。

所述方法还包括：获得一个来自用户的已被选择的可确认的词义，所述用户确定一个来自可确认的词义集合的已被选择的词义；并且用数据更新知识库，所述数据是关于查询和已被选择的可确认的词义的。

在所述方法中，数据包括对于用户的数据；

在所述方法中，数据还包括对于与用户和查询相关的一个会话的数据。

在另一方面，提供一种面向数据库的处理查询的方法。所述方法包括以下步骤：获得来自用户的查询；并且使用知识库消除查询的歧义来获得与查询中单词有关的可确认的词义的一个集合。如果所述集合包括多于一个的可确认的词义。则所述方法包括：从集合中选择一个词义作为最好的词义；利用查询的最好的词义来确定来自与最好的词义有关的数据库的相关的结果；扩展最好的词义获得最好的词义的相关的词义，进而产生查询的一个扩展的最好词义；把查询的扩展的最好词义与跟数据库有关的一个索引相比较。然后通过以下方式，所述方法能够选择性地处理集合的剩余的词义：通过排除与最好的词义相关的结果来再消除集合的剩余的词义的歧义；从剩余的词义中选择下一个最好的词义；利用查询的近乎最好的词义来确定来自与近乎最好的词义有关的数据库的相关的结果；并且确定与近乎最好的词义相关的术语，所述术语把近乎最好的词义与最好词义分辨开来。接下来，所述方法包括利用扩展查询的最好的词义获得来自数据库的结果的步骤；为用户生成一个查询，利用术语来测试是否次最好词义是用户表示的意思；获得来自用户的一个响应，确定来自显示结果的一个所要表达的词义；并且利用响应来进一步的再消除词义的集合的歧义。

在所述方法中，消除查询的歧义的步骤包括使用下面的一种算法：一种样本歧义消除算法，一种n单词歧义消除算法，和一种优先的歧义消除算法。

然而在另一方面，提供处理一个面向数据库的查询的方法。所述方法包括以下步骤：从用户获得查询；和使用知识库消除查询的歧义来获得一个与查询中单词有关的可确认的词义的集合。如果集合包含多于一个的可确认的词义，则所述方法还包括以下步骤：从集合中选择一个词义作为一个最好的词义；并且有选择地处理集合中剩下的词义。所述再歧义消除通过以下方式来执行：通过排除与最好的词义有关的结果，再消除集合的剩余的词义的歧义；并且从剩余的词义中选择至少一个近乎最好词义来形成已被再歧义消除的剩余的词义的集合。对于最好的词义和已被再歧义消除剩余词义集合的每个成员，所述方法还包括以下步骤：扩展相关的词义来获得相关的词义，进而生成查询的扩展集；把扩展词义与跟数据库有关的一个索引相比较；并且利用扩展词义获得来自数据库的结果。所述方法还包括以下步骤：从用户获得一个指示性注释，所述指示性注释是查询的一种倾向性词义，是由从数据库返回的结果产生的，并且利用指示来进一步地歧义消除词义的集合。

在另一方面，提供一种修改知识库的方法，所述知识库是与查询有关的面向数据库的。所述方法包括以下步骤：使用知识库消除查询的歧义来获得与查询中的单词有关的可确认的词义的一个集合；确认来自集合的一个所表达的词义；并且用与查询和已被选择的可确认的词义相关的数据来更新数据库。

在所述方法中，消除查询的歧义的步骤利包括使用一个下面的算法：一个样本歧义消除算法。一个n单词歧义消除算法，和一个优先歧义消除算法。而且，更新知识库的步骤包括更新一个与算法相关的本地知识库。

另一方面，提供上面几个方面的集合和子集的各种各样的组合。

附图说明

通过下面对本发明的具体实施例的描述和附图，本发明的上述和其它方面将会变的更加清楚，其中，附图只是示例性地示出本发明的原理。在附图中，用相同的附图标记表示相同的单元(并且其中每个单元带有唯一的字母后缀)：

图1是一个根据本发明的一个实施例提供词义歧义消除的信息检索系统的示意图；

图2是图1系统中的单词与词义的示意图；

图3A是图1系统的代表性的语义关系或单词的示意图；

图3B是用来表示图1系统的图3A的语义关系的数据结构图；

图4是由图1系统使用图2的词义以及图3A的语义关系所执行的方法的流程图；

图5是将由图1系统提供的使用词义歧义消除来处理查询的一种方法流程图；

图6是将由图1系统提供的使用词义歧义消除来处理查询的另一种方法的流程图；并且

图7是将由图1系统提供的使用个人化来处理查询的方法流程图。

具体实施方式

以下的描述，以及其中描述的实施例只是示例性地示出反映本发明原理地一个或多个具体实施例。提供这些实例的目的在于解释而非限制本发明的原理。在以下的说明中，在整个说明书与附图用相同的各个附图标记标注相同的部件。

在后续的说明中会使用以下的术语，并且所使用的术语具有以下所示的含义：

计算机可读存储介质：用于存储计算机的指令或数据的硬件。例如，磁盘、磁带、诸如CDROM那样的光学可读介质，以及诸如PCMCIA卡那样的半导体存储器。在每一种情况下，介质可以采取诸如小型磁盘、软盘、盒式磁带那样的便携物件的形式，或采取诸如硬盘驱动器、固态存储卡或RAM那样的相对较大或固定物件的形式。

信息：包含可搜索的、用户感兴趣的内容的文档、网页、电子邮件、图像描述、抄本、存储文本等，这些内容例如是，与新闻文章、新闻组消息、网络日志等有关的内容。

模块：执行特定步骤和/或处理过程的软件或硬件组件；可以在运行于通用处理器上的软件中实现。

自然语言：人而非机器或计算机所能理解的单词信息。

网络：设备的互连系统，所述设备配置成使用特定协议在通信信道上进行通信。它可以是一个局域网、广域网、因特网或类似的在通信线路上或通过无线传输工作的网络。

查询：表示一列具有期望查询结果的指示性的关键词；可以使用布尔运算符(例如“与”、“或”)；可以用自然语言表示。

查询模块：处理查询的硬件或软件组件。

搜索引擎：响应来自用户的查询，提供涉及用户感兴趣的信息的搜索结果的硬件或软件组件。可以根据关联性排列和/或分类来查询结果。

参照附图1，用数字10整体表示与一个实施例有关的信息检索系统。所述系统包括一个可以通过网络14访问的信息库12。信息库12可以包括文档、网页、数据库等。优选地，网络14是因特网，而且信息库12包含网页。当网络14是因特网时，协议包括TCP/IP(传输控制协议/网络协议)。各种客户机16在物理网络情况下通过线路或通过无线发射器和接收器的方式连接到网络14。每一个客户机16包括一个为本领域技术人员所理解的网络接口。网络14为客户机16提供对信息库12中内容的访问。为了使客户机16能够在信息库12内找到特定的信息、文档、网页等，把系统10配置成允许客户机16通过提交查询来搜索信息。该查询包括至少一列关键词，而且还具有采取诸如“与”和“或”的布尔关系的形式结构。在自然语言中查询还可以由句子或问题构成。

所述系统包括搜索引擎20，搜索引擎20连接到网络14，接收来自客户机16的查询并将查询导向信息库12内的单个文档。搜索引擎20可以通过专用硬件来实现，或通过运行在通用处理器上的软件来实现。所述搜索引擎运行来定位信息库12中的文档，所述文档与来自客户机的查询相关。

搜索引擎20通常包括一个处理器22。所述引擎还可以直接连接到或通过网络或其他诸如此类的通信方式间接地连接到显示器24、接口26和计算机可读存储介质28。处理器22与显示器24和接口26耦合，接口26可以包括诸如键盘、鼠标或其他相应的用户输入设备。如果显示器24是触感式的，则可以将显示器24本身用作接口26。计算机可读存储介质28与处理器22耦合，向处理器22提供指令，以指示和/或设置处理器22，处理器22执行与搜索引擎20的操作相关的步骤或算法，下面作进一步的解释。把计算机可读存储介质28的一部分或全部在物理上设置在搜索引擎28之外以容纳例如非常大的存储量。本领域技术人员会理解可以在本发明中使用多种形式的搜索引擎。

可选地并且为了更高的计算速度，搜索引擎20可以包括多个并行处理器或其他的多处理结构。通过使用多个处理器，搜索引擎20可以对多个处理器分配任务。此外，本领域技术人员能够理解，不必将所述的多个处理器在物理上设置在相同位置上，而是可以将它们在地理位置上分离地布局，然后通过网络互连。

优选地，搜索引擎20包括数据库30，数据库30用于存储词义的索引并存储由搜索引擎20所使用的知识库。如本领域技术人员所理解的，数据库30以结构化方式存储索引以实现在计算上有效地存储和检索。可以通过添加另外的关键词义或引用另外的文档中的现有的关键词义来更新数据库30。数据库30还提供一种能够确定哪一个文档包含特定的关键词义的检索能力。为了提高效率，可以划分数据库30，并且数据库30可以在多个位置进行存储。

根据一个实施例，搜索引擎20包括一个词义歧义消除模块32，所述模块32用于处理输入文档中的单词或者对词义的查询。词义是对一个单词的解释，需要考虑单词的上下文及相邻的单词。例如，句子“我预定到纽约的航班”中的单词“book”产生歧义，因为“book”可以是一个名词或动词，每个词性都具有多个潜在的含义。歧义消除模块32进行单词处理的结果是一个已消除歧义的文档或是一个包含词义的已消除歧义的查询，而不是模糊的的或未经解释的单词。所述输入文档可以是信息库中的任何信息单元或从客户机接收到的查询中的一个。词义歧义消除模块32为文档或查询中的每个单词辨别词义。词义歧义消除模块32通过使用广泛的互连语言技术，分析上下文中的语法(例如词性、语法关系)和语义(例如逻辑关系)，进而确定单词的哪一个特定含义是所期望的。词义歧义消除模块32在执行歧义消除时，使用词义库可以辅助模块12的歧义消除工作，词义库明确表述了词义之间的关系。词义库包含以下关系，如附图3A和3B所述。

搜索引擎20包括一个索引模块34，用于处理一个已消除歧义的文档来创建关键词义的索引，并在数据库30中存储所述索引。索引模块34是这样一个模块：把数据编入索引供搜索引擎20使用，比如来自文档的数据。在一个实施例中，索引模块通过检索网页来搜索文档，检索网页使用本领域中所熟知的技术。位于文档之上，索引模块把所述文档提供给歧义消除模块32，进而为文档内容提供一列词义。然后索引模块34把数据库中关于词义和文档的信息编入索引。索引包括每个关键词义的一个条目，关键词与它所在的文档有关。索引最好被分类并包含每个索引关键词义的位置指示。索引模块34通过处理已消除歧义的文档，并将每个关键词义添加到索引中来创建索引。某些关键词会出现太多次而无用和/或几乎不包含语义信息，诸如“a”或“the”。对这些关键词将不进行索引。

搜索引擎20还包括一个用于处理来自客户机16查询的查询模块36。查询模块36用于接收查询，并将它们传送到消除歧义模块32进行处理。查询模块36随后在索引中找到与已消除歧义的查询有关的结果。以下将进一步描述。所述结果包括与已消除歧义的查询中的词义在语义上相关的关键词义。查询模块36把结果提供给客户机。可以根据关联性对该结果进行排列和/或打分以帮助客户理解它们。

参考附图2，用附图标记100整体指示单词与词义之间的关系。从所述实例可见，某些单词具有多个含义。在多个其他可能性中，单词“bank”可以表示：(i)金融机构的名词；(ii)河岸的名词；或者(iii)一种存钱行为的动词。词义歧义消除模块32将带有歧义的单词“bank”分成几个具有较轻歧义的词义存储在索引中。类似地，单词“interest”具有多个含义，包括：(i)表示与一种未付的投资或贷款有关的应支付金钱数额的名词；(ii)表示对某事/某物特别注意的名词；或者(iii)表示在某事/某物中的合法权利的名词。

参考附图3A和图3B，显示了词义之间的实例语义关系。这些语义关系在含义的基础上精确地定义了两个单词之间的关系类型。此关系是在词义之间的，即单词的特定含义。

尤其是在图3A中，例如，单词“bank”(取河岸的含义时)是一种地形，单词“bluff”(取意味着一种陆地构造的名词时)也是一种地形。单词“bank”(取河岸的含义时)是一种斜坡(取地面坡度的含义)。单词“bank”取金融机构的含义时与“银行公司”或“银行中心”同义。单词“bank”还是一种金融机构，所述金融机构也是一种商业类型。根据通常所理解的银行支付存款利息并收取贷款利息的事实，单词“bank”(取金融机构的含义)涉及单词“interest”(取为投资支付的钱的含义)并且也涉及单词“loan”(取贷款的含义时)。

应当理解存在很多其他类型的可使用的语义关系。尽管在现有技术中是熟知的，但下面举出了一些单词之间的语义关系的实例：处于同义词中的单词就是彼此同义的词。上义词是这样一种关系，其中一个词表示整个一类的特定例子。例如“运输工具”是一类词的上义词，包括“火车”、“战车”、“狗拉的雪橇”和“汽车”，这些词提供该类别的特定例子。同时，下义词是这样一种关系，其中一个词是一类例子中的一个成员。根据前面的列表，“火车”是“运输工具”类别的下义词。局部词是这样一种关系，其中一个词是某事物的一个组成部分、一个成分或一个成员。例如，关于“腿”与“膝盖”之间的关系，“膝盖”是“腿”的局部词，因为膝盖是腿的一个组成部分。同时，整体词是这样一种关系，其中一个词是局部词的全部。根据前面的例子，“腿”是“膝盖”的整体词。归入这些分类的任何语义关系都可以使用。另外，任何已知的指出词义之间的特定语义和句法关系的语义关系都可以使用。

公所周知当提供关键词的字符串作为查询时在解释上存在歧义，而且查询中带有扩展的关键词列表增加了在搜索中找到的结果的数量。本实施例提供了一种系统和方法，可以为查询确定关联的、已消除歧义的关键词列表。提供这样一个按照词义所描绘的列表减少了检取到的无关信息的数量。该实施例扩展了查询语言而不会由于一个单词额外的、相关的词义而获得无关结果。这些相关的词义包括同义词。例如，扩展单词“bank”的“金融机构”的含义不会同时扩展诸如“河岸”或“存钱”的其他含义。这样信息管理软件会更精确地确定客户正在查找的信息。

扩展一个查询涉及使用以下一个或两个步骤：

1.向一个已消除歧义的查询关键词义添加其他单词以及该单词相关的含义，该单词相关的词义是指与已消除歧义的关键词的词义在语义上相关的词义。

2.通过解析其语法结构来解释该查询并将其转换成其他语义相等的查询。通过解析其语法结构来解释该查询并将其转换成其他语义相等的查询。索引包含确定对于单词的句法结果和词义的等同性。解释是本领域已知的术语和概念。

还应当认识到在搜索中使用词义歧义消除解决了检索关联性的问题。而且，用户经常如同表达语言一样表达查询。然而，由于可以以多种不同的方式描述相同的含义，所以当用户不用相同的特定方式表达一个查询时，会遇到困难，其中，在所述的相同的特定方式中对关联信息进行初始分类。

例如，如果用户正在查找有关岛屿“爪哇(Java)”的信息，并对在爪哇(岛屿)上的“假日(holidays)”感兴趣，那么用户就不会检索到使用关键词“爪哇(Java)”和“休假(vacation)”进行分类的有用的文档。将认识到，根据一个实施例，语义扩展特性解决了这个问题。已经认识到，在自然表达的查询中，为每一个关键术语衍生精确的同义词和子概念增加了关联性检索的容量。如果通过使用词库来执行检索且不执行词义歧义消除就会恶化该结果。例如，语义上扩展单词“Java”而没有首先确定其精确含义将产生大规模且难于处理的结果集合，所述集合带有潜在地已选定的基于不同的词义的结果，所述不同的词义例如“印度尼西亚”和“计算机程序设计”。还已知解释每一个单词的词义所描述的方法和随后在语义上扩展该词义的方法返回一个更全面同时具有更多目标的结果集合。

参考附图3B，为了帮助消除这种词义的歧义，本实施例利用如以上对于图3A所描述的获得单词关系的词义知识库400。知识库400与数据库30相关联，并且通过访问知识库400来帮助WSD模块32执行词义歧义消除。知识库400包含对于每个单词词义的单词的定义，还包含词义对之间关系的信息。这些关系包括词义的定义和相关词性(名词、动词等)的定义、精细的同义词、反义词、下义词、局部词、与名词相关的形容词、类似的形容词关系以及现有技术中已知的其他关系。当在系统中使用了现有技术的电子词典和词汇数据库时，例如WordNet(商标)，知识库400提供增强的单词与关系的目录。知识库400包括：(i)词义之间的附加关系，例如将精细的含义归合到粗略的含义，新型的变形和派生的构词关系，以及其他特殊用途的语义关系；(ii)对出版物资源数据库中的数据错误的大规模校正；以及(iii)在其他现有技术知识库中不存在的其他的单词、词义以及相关关系。

在所述实施例中，知识库400是一种概括的图形数据结构，并作为节点表402和连接两个节点的边缘关系表404来实现。下面依次描述。在其他实施例中，知识库400还可以通过其他的数据结果来实现，比如数据链表。

在表402中，每一个节点是表402的一个行元素。每一个节点的记录可以具有如下的字段：ID字段406，类型字段408和注释字段410。在表402中存在两种类型的条目：单词与词义定义。例如，通过类型字段408A中的条目“单词”确定ID字段406A中的单词“bank”为一个单词。此外，范例表402提供单词的多个定义。为了对所述定义进行分类并区分表402中的单词条目与定义条目，可以使用标签来鉴别定义条目。例如，将ID字段406B中的条目标记为“LABEL001”。类型字段408B中的相应的定义将所述标签标记为“精细词义”的单词关系。注释字段410B中的相应的条目将所述标签标记为“名词，金融机构”。这样，现在可以将单词“bank”连接到该词义定义。此外，还可以将单词“经纪业”的条目连接到所述单词的词义定义。另一个实施例可以使用带有附加后缀的常用单词，以便辅助识别该词义定义。例如，另一种标签可以为“银行/n1”，其中后缀“/n1”表明该标签为名词并且是该名词的第一含义。应当理解可以使用其他形式的标签。可以使用其他标识符来确定形容词、副词和其他词性。在类型字段408中的条目确定了与单词相关的类型。一个单词存在多种有效的类型，包括：单词，精细的含义和粗略的含义。还可以提供其他类型。在本实施例中，当一个单词实例具有一个精细的含义时，该实例还具有注释字段410中的一个条目来提供关于该单词实例的更多细节。

边缘/关系表404包含一些记录，所述记录指出了节点表402中两个条目之间关系。表404具有以下条目：源节点ID栏412、目的节点ID栏414、类型栏416和注释栏418。栏412与栏414一起用来连接表402中的条目。栏416确定连接两个条目的关系类型。记录具有源节点和目的节点的ID、关系的类型并且可能具有基于该类型的注释。关系的类型包括“词根到单词”、“单词到精细含义”、“单词到粗略含义”、“粗略含义到精细含义”、“衍生”、“下义词”、“类别”、“与名词相关的形容词”、“类似”、“具有部分”。还可以在其中记录其他关系。注释栏418中的条目提供一个(数字)键为一个给定的词性唯一的确定一个边缘类型，所述边缘类型是从一单词节点到粗略的节点或精细的节点的边缘类型。

现在提供关于实施执行步骤的详述，所述实施利用与查询有关的一个单词的消除歧义的结果来执行。参考附图4，附图标记300整体地显示了执行这样一个搜索的过程。可以将该过程划分为两个大致阶段。第一阶段包括预先处理信息(或信息的子集合)来辅助响应查询的第二阶段。在第一阶段预处理，概括信息库中的每一个文档(或信息库的子集合)，创建数据库中的索引。在步骤302中，词义歧义消除模块32对每个文档中的每个单词进行词义的区分。所述词义歧义消除模块32在前面已经定义过了。

然后在步骤304中，搜索引擎对已消除歧义的信息应用索引模块，获得关键词义的索引。索引模块34创建索引，创建索引的方式是通过处理已消除歧义的文档并将每一个关键词义添加到索引中。某些关键词会出现太多次而无用，例如“a”或“the”。优选地，对这些关键词不进行索引。应当理解，该步骤可以有效地把一个单词当作几个不同的词义进行索引。在步骤306中，词义的索引存储在数据库中。

在该处理的第二阶段，在步骤308中搜索引擎接收来自客户机中的一个客户机的查询。将所述查询解析成单词组件，然后对每个单词单独地分析所述单词的上下文，及结合所述单词相邻的单词来分析所述单词的上下文。对单词串的解析技术是本领域内熟知的，在这里就不再重复。在步骤310中，词义歧义消除模块32区分所述查询中每个单词的含义。为了帮助歧义的消除，除了查询本身中单词，模块还可以利用这样一些结果，即先前用户选择的结果或用户输入的一个先前的已被消除歧义的查询。

在优选实施例中，如步骤312所示通过使用知识库400(图3B)，搜索引擎扩展所述已消除歧义的查询以包括关键词义，所述关键词义与查询中特定的关键词义语义相关。在词义基础上进行扩展并相应地产生一个词义列表，所述词义列表与查询的意义有关。所述语义关系是参照附图3A和图3B的以上描述。

然后在步骤314中，搜索引擎将已消除歧义和已扩展的查询与数据库中的词义信息进行比较。选择知识库中词义与所述查询中的关键词义相匹配的条目作为结果。如上所述，所述知识库包括索引文档的一个数据库。然后在步骤316中，搜索引擎将结果返还给客户机。在一个实施例中，可以根据词义关系对结果进行加权，所述词义关系即结果中的单词词义和查询中的关键词词义之间的关系。因此，例如，相比于结果中包含一种下义关系的词义而言，结果中包含与所述查询中的关键词义具有同义关系的词义时，可以得到更高的权重。还可以根据概率对所述结果进行加权，所述概率即在已被消除歧义的查询中和/或已被消除歧义的文档中关键词义的正确率。所述结果还可以通过与结果有关的文档或网页的其他特征进行加权，比如相关词义的频率或彼此之间的位置，或本领域人所熟知的排列结果的其他技术。

应当认识到，在与客户机交互之前，先执行第一阶段的预先计算步骤。第二阶段可以执行多次。当多次执行第二阶段时，不需要再重复第一阶段。可以偶尔或定期执行第一阶段来保持数据库的流通。数据库还可以通过下面的方式进行增量地更新，即对信息的子集合选择执行第一阶段，比如新增加的信息或新修改的信息。

整体上，所述实施例还使用对于词义标记查询的单词词义歧义消除。特别是，所述实施例对词义标记查询执行了如下功能：

1.使用单词词义歧义消除来确定查询关键词的相似词义；

2.使用单词词义歧义消除来确定查询的其它的相似的可替换的解释；

3.按照解释是所要表达的意义的可能性来排列每个解释；

4.使用可替换的解释，进而获得词义和正确解释的确认，可替换的解释来自用户的单词词义歧义消除；

5.如果需要，为给定的用户更新查询的所表达的解释；

五个功能的详述如下：

对于第一个功能，系统10使用歧义消除模块32和知识库为查询确定一个可能的单词词义。为了确定似是而非的单词词义，所述实施例使用许多词义歧义消除组件来确定单词词义，但不是必须使用所有的词义歧义消除组件。一个组件访问与单词有关的一个规则集合来确定单词词义。所述规则确定给定单词的词义与相邻单词的词义之间的任何关系的存在性。在所述实施例中，手动编码所述规则。下面是一个规则的例子：在一句话中，对于两个单词来说，如果在它们的可能的词义列表中，这两个单词有一个共同的词义，那么就确定这个共同的词义为可能的所要表达的词义。在下面的句子中，存在所述规则的一个应用，如下：“他卖掉了在公司的股份，总计25％的股份。”此处，单词“interest”和“stake”都有一个共同的词义，“权利，产权，或对某物的合法的股票”。其他实施例中可以使用自动的编码规则。

第一个功能的第二个过程，通过确定一些相关的主题来赋予单词词义，所述主题能够抓住单词的主要词义。一个主题是加权词义的一个向量。主题之间的相关性以可能性的权重来衡量，所述可能性即主题中的词义在文中出现的可能性。当文中确定了多个主题时，每个主题与其他的主题可能是协调的或矛盾的。矛盾的主题可能会指示出查询的不同的可能的解释。一个矛盾的主题是一个不同的向量具有相同单词的可替换的词义，还会导致一个很长的向量。

对第二个功能，实施例会使用或再使用一个歧义消除过程来确定可能的可替换的词义和依据其他结果每个过程的结果。下面将描述其中一些过程和算法。可以理解过程和算法是实施例的组成部分。

第二个功能的第一个过程重复对于一个查询的歧义消除过程，但是它把单词词义限制到以前没有报告过的词义上。然后所述查询的歧义消除为单词词义选择一个可替换的词义，而且可以修改剩余单词的词义。这个过程对每个单词的每个词义都要重复执行，进而得到可替换的解释集合。

另一个过程使用算法的所有集合，对于第二个功能再消除查询的歧义，但是它把算法限制到考虑可选主题中的一个最可能的结果上(排除先前确定的最可能的主题)。因此，当其他的算法执行时，它们各自的结果会发生变化。这样可以系统地重复每个已被确定的主题，进而获得可替换的解释的集合。

第二个功能的另一个算法把来自熟知的可能的词义集合中的一个词义赋给一个单词，并且消除剩下的单词的歧义。

可以分开使用第二个功能的每个算法，或结合在一起生成查询意义的可能的可替换的解释的一个列表。一些生成的解释可以相互之间复制，而且仅仅对其中的一个作进一步的处理。

对于第三个功能，对每个结果进行排序，所述的排序可以表述每个结果的准确性。例如，排序是基于每个解释的点数的数量的。可以设定一个概率阈值，并且给每个过程的结果都赋予一个概率值。如果单词词义分布值在极限之上，那么要保留这样的每个词义。如果最上面的词义与第二个词义之间的差值超过了一定的增量值，那么就不应该接受最上面的值。并且，具有被视为低概率值的解释，因为它们的概率值低于一个不能接受的极限，因此可能会被自动地丢弃。

对于第四个功能，使用单词词义歧义消除，提供两个算法来获得用户的词义的确认。第一个算法来自一个问题，所述问题是由与查询有关的系统10造成的。第二个算法被用于选择性地分组歧义消除的结果。下面依次讨论每个算法。

参考附图5，算法500如图所示，描述了第四个功能的第一个算法。当在第一个解释的基础上显示查询结果的时候，算法500会问用户是否所表达的意义是第二个可能的解释。例如，如果最初的查询包含仅有的关键字“java”，算法会确定单词“java”的一个可能的意义，与印尼有关的一个含义或一种程序语言。对于这个例子，假设“印尼”是更确切的解释，则显示这个结果。然而，作为一个附加的筛选，第一个算法为用户生成如下问题：“你说的是一种面向对象的编程语言吗？”如果用户的回答是肯定的，则会显示对于所述结果的第二个解释。

为了确定在所述问题中使用的术语，算法500具有以下特点：

1.首先，获得查询(步骤502)；

2.当第一个解释使用歧义消除模块32时，消除所述查询的歧义来确定最可能的单词词义(步骤504)；

3.步骤504后，并行执行路径506和路径508；

A.在路径506中，执行下面的步骤：

为语义相关的词义扩展查询；这样可以利用单词词义消除来为已确定的单词词义寻找合适的语义相关的词义(步骤510)，使用描述单词词义和词义之间的语义关系的知识库；然后；

把查询词义的扩展集与文档中发现的一个索引词义相比较；所述索引是由索引模块32产生的(步骤512)；

B.在路径508中，执行下面的步骤：

确定整个查询的第二个最可能的解释，所述查询为至少一个单词提供可替换的单词词义；所述执行是这样完成的，即从结果的可能的集合中消除在步骤504中已被确定的第一个最可能的单词词义的结果，然后使用歧义消除模块32再消除他们中的剩余的词义的歧义(步骤514)；从选出的第二个最可能的解释中确定单词，这些单词在第一个解释和第二个解释之间存在着不同的含义(步骤516)；

在最可能的解释和第二可能的解释之间，确定一个术语或组合，这个术语或组合仅在语义上与第二个单词词义有关，而与第一个词义无关。这样就把第二个词义与第一个词义区别开来。而且，所述术语会形成问题词组的一部分。在上面的例子的知识库中，“java”是一个与词组“面向对象的编程语言”有关的“类别”，并且“java”具有与“印尼”有关的一个可替换的“词性”。这样“类别”词组把“java”的第一和第二个词义区别开来(步骤518)；

4.返回结果，并且产生一个问题，所述问题基于为第二个最可能的解释已确定的关键词或词组。算法500优选地使用第一个解释作为所表达的意义，除非用户选择所述问题。如果选择所述问题，则把显示搜索结果更新成第二个解释，并且也更新所表达的意义(步骤520)；

5.如果选择第二个最可能的解释，那么再消除查询的歧义，使用与第二个最可能的解释有关的词义，用新的输入来重新计算单词词义的概率分布，所述新输入使用歧义消除模块32，确定第二个最可能的解释的所表达的意义(步骤522)；并且

6.存储用户为了查询而选择的解释的结果，并有根据地更新知识库(步骤524)；并且返回到路径506和508的开始。

在算法500的步骤516中，通过分析对于查询单词的所有的词义中的其他单词词义的每个词义关系，来确定第二个词义的描述性术语。如果这个描述性术语有语义关系，所述语义关系出现在不止一个查询单词的词义中，当所述描述性术语不能区分查询单词的词义时，则丢弃所述描述性术语。然后，剩余的语义上有关的单词词义按照它们的描述性属性和差异性属性被排序。这些属性包括：它们的语义关系类型，它们的词义频率，它们的词性，其它的语义上有关的单词词义的数量，和其它属性。

已经认识到，算法500为搜索查询提供了三个级别的细则。第一个级别是第一个在歧义消除上无限制的路径，来确定步骤504中的第一个解释。第二个级别是确定第二个最可能的解释，在忽略第一个解释的前提下来实现。第二个级别的结果可能是模糊的。当第二个级别仅考虑可选择的词义、第一个解释因为第二个级别而被有效的忽略时，当来自词义集合的第一个解释的结果被消除后，再歧义消除会更好地发现下面的最好的解释。当且仅当用户选择步骤520中的问题时，第三个级别是起作用的。在这个级别中，当用户提供关于查询的所表达的意义的反馈时(或者直接通过回答问题或间接地不回答问题)，查询中的词义不再有歧义。此时获知所述单词的词义，并具有高度的确定性。然后，步骤522中的进一步的再歧义消除是仅仅基于第二个最可能的解释的，忽略步骤514中的任何附加的解释。例如，一个带有单词“java”的查询，在歧义消除的第一个级别中可能会被解释成在印尼的一个岛屿。当所述查询被再歧义消除，并且被限制到忽略那第一个解释的词义上时，歧义消除模块会确定面向对象的编程语言是“java”单词的第二个最好的解释。然而，“java”还能够指代“coffee”。因此，在最后的歧义消除中，“java”的含义被限制到一种面向对象的编程语言上，并且“java”词义的限制可以被更新成指出“java”在此处的上下文中既不是岛屿的意思也不是咖啡的意思。

在算法500的一个可选择的实施例中，在步骤504之后设置一个判断点(没有显示)。在判断点上，分析步骤504的结果，并且如果所述结果是可信的，那么采用路径506对步骤504的结果进行处理。如果所述结果不是充分可信的，那么采用路径506和路径508。

参考附图6，显示了算法600，即第四功能地第二个算法。算法600为用户提供两个或更多的查询解释，并且算法600监控用户选择了哪个结果并观察此结果，进而决定查询所表达的意义。算法600通过以下两种方法来决定查询所表达的意义：

1.在第一种方法中，生成查询单词的一个最可能的解释和至少一个查询单词的可替换的解释。然而，算法只是选择最可能的解释作为正确的解释。如果排序值在一定的极限之上，则只可以选择最可能的解释。然后，每个查询关键词的词义标记会有依据地得到确认。

2.在第二种方法中，再次生成查询单词的一个最可能的解释和至少一个查询单词的可替换的解释。当用户选择与其中一个解释有关的一个文档时，算法使用选择的文档作为上下文来再消除查询的歧义。这种方法允许在文档内容的基础上确定或纠正每个单词的词义。所述文档还能提供附加的上下文，所述上下文能够用更高的可信度，来消除在可替换解释中的其它模糊的查询单词的歧义。

简单地，算法600的主要步骤如下所示：

1.首先，获取查询(步骤602，类似于步骤502)；

2.使用歧义消除模块32来消除查询的歧义(步骤604，类似步骤504)；

3.确定结果的等级。在一个可选项中，把等级值的极限设置成一个最低的极限值(步骤606)；

4.如果达到极限值，则执行步骤608。如果没有达到极限，则执行步骤610。

A.在步骤608中，对查询的每个解释执行如下功能：

使用歧义消除模块32进行词义歧义消除来扩展查询(步骤612，类似步骤510)；然后把查询词义与索引相比较(步骤614，类似步骤512)；

B.在路径610中，在步骤612和步骤614之前执行如下的功能：

使用词义歧义消除来确定查询的可替换的解释的一个列表。第一个忽略的结果生成所述列表，所述忽略的结果是与最高的被排序的结果有关的(步骤616，类似步骤514)；

5.在步骤614后，返回到每个解释的结果并且等待输入(步骤618)；

6.获得用户对于被选择的解释或被选择的文档的反馈(步骤620)

7.使用被选择的文档作为上下文，通过忽略其它单词词义的方式，

再消除查询的歧义(步骤622，类似步骤520)；并且

8.存储解释的结果，所述解释是由用户为查询选择出来的(步骤624)。

对于算法600，使用多种方法为用户提供不同的结果组合。下面描述了三个典型的方法。第一个方法在可替换解释的单个的组合中使用结果集。每个解释的每个单词或描述都会被选择性地包括到每个组合中，使用前面所描述的方法来确定描述性单词和差异性单词，所述单词在语义上与每个解释有关。第二种方法显示了第一个解释的结果，第一个解释具有一个对于每个其它的剩余的解释的连接，可以允许用户观察相关的结果。第三种方法把来自每个解释的结果都合并到结果的一个列表中。用户没有意识到可以显示查询的多种解释，但是在用户的结果选择之上，如上所述就确定了所表达的意义。

所述实施例的另一个方面是使得对于每个用户查询的歧义消除更个人化，且可以越过每个用户会话。这些功能在算法500的步骤522中和算法600的步骤624中完成。词义歧义消除的个人化，能够使得实施例对于不同的用户把不同的词义赋给相同的或相关的查询。由于使用了自动获取和个人化信息，词义歧义消除的个人化和专用化改善了搜索结果的质量，所述搜索结果从已被改善的查询词义中获得。值得高兴地是，由于提供给每个顾客已被改善的搜索结果，个人化提高了对于特别的搜索引擎服务提供者的顾客的忠实度。

参考附图8，查询的个人化需要在数据库30中对信息跟踪。在数据库30中的查询的个人化数据库800中，跟踪信息。当实施例消除一个查询的歧义时，数据库800中的数据得自已被确定的被标记的词义。

可以理解，对于使用搜索引擎的用户，在用户和搜索引擎之间，至少有三种类型的时间关系。用户是使用一个搜索引擎的人。当用户访问一个会话中的搜索引擎时，所述会话与搜索引擎之间有一段时间的相互作用，这段时间有明确的开始和结束。这段时间就定义为一个会话。会话是一段已被定义的时间段。在会话内，会搜寻一些特殊的网站，比如，休假网站。所有用户会话的所有搜索定义了用户数据。搜索引擎的所有用户的用户数据定义了对搜索引擎的公共数据。

为了跟踪用户、会话和公共信息，把查询的个人化数据800分割成数据的三个集合：共同数据的一个集合802，所述集合是所有用户使用的与词义有关的；每个用户的数据集合804；每个用户的会话数据集合806。还可以跟踪数据的其它集合。

在充分的时间间隔中为每个数据类型，更新数据库800中的数据，每个数据的类型是带有词义查询标记或带有由相关的查询转换过来的信息的。例如，每个查询之后，都要更新每个用户会话数据806；在每个用户会话的开始或结束，可能会更新每个用户会话数据804；并且在周期性时间间隔中，会更新公共数据802。通过安装cookies文件，然后分析在用户机器上安装的cookies文件来确定用户。如果一个用户激活了几个会话，为了确定每个会话，则在用户的机器上设置几个分离的cookies文件。

公共数据802存储于查询的个人化数据库800的一个固定的公共部分中。每个用户数据804和每个用户会话数据806都存储在查询的个性化数据库800的一部分中，每个用户都有所述的这部分。词义标记查询和派生的信息都被存储在一个暂时的部分中，所述暂时的部分位于每个用户会话的系统存储器中。首先，对于每个用户和每个用户会话，都有一个公共数据的文件。当对一个查询进行歧义消除时，这些文件中的一部分数据就会被加载到系统内存中。

当在一个特定的用户会话中，为该用户消除查询的歧义时，来自查询的个人化数据库800的附加信息可能会被其它的组件同时使用。这样会导致这些组件在不同的环境下产生不同的结果。除核心的歧义消除数据库之外，来自词义已被标记查询的公共信息、每个用户信息和每个用户会话信息都被用作组件的输入。不同的数据会影响不同的查询。与一个会话有关的数据仅仅影响与此会话有关的查询。与一个用户有关的数据仅仅影响与此用户有关的查询。公共数据会影响任一个用户。

参考附图7，给出了算法700，算法700确定数据个人化的主要步骤。算法700的步骤如下所示：

1.首先，获得查询(步骤702)

2.使用个人化的数据，消除歧义查询(步骤704)

3.在步骤704之后，沿着路径706和路径704并行执行步骤；

A.在路径706中，执行下面的步骤：

为语义相关的词义扩展查询，利用知识库为确定的单词找到一个合适的语义相关的词义(步骤710)；

把查询词义的已被扩展的集合与已被歧义消除的文档中的词义的索引相比较(步骤712)；

返回查询的结果(步骤714)；

进入步骤716，获得用户输入/反馈(步骤716)

B.在路径708中，接下来执行步骤716；

4.完成路径706和路径708之后，获得对于被选择的解释或被选择的文档的用户反馈(步骤716)；并且

5.更新查询的个人化数据(步骤718)。

在算法700的步骤716和步骤718中，执行数据的个人化包括：

获取和存储与查询有关的个人化数据；和使用数据来改善词义的歧义消除查询。对每个部分依次进行讨论。

对于获取和存储数据，假定系统存在对于一个用户的词义标记初始的查询.一个有效的词义标记查询具有一个赋予给每个查询关键词的词义。系统确定单词词义，以达到单词词义代表单词所表达的意义具有很高的可信度的目的。

当用户提交给搜索引擎一个查询时，词义标记查询以及派生出的其它信息都被存储在查询的个人化数据库800中。得自词义标记查询的信息被存储在歧义消除模块32的歧义消除算法的一个文件中。歧义消除算法包括：一种优先算法；一种样本算法；一种n单词算法；一种相关算法和一种分类算法。下面将详细描述每个算法。此外还会使用其它的算法。

利用各种单词词义出现频率的历史统计数据，优先算法预知单词词义。特别地，基于单词词义在输入单词标记文本中出现的频率，算法赋予每个单词词义一个概率，首先，规范在输入词义标记文本中的词义和每个单词的词义频率分布。需要注意的是，输入词义标记文本不是正在被歧义消除的文本，而是先前已被歧义消除的文本，并且正确地确定所表达的意义的可信度是很高的。

对于最优化和执行的讨论，优先算法为来自词义标记文本的每个词义计算了一个频率数据，并且把这个频率数据作为一个文件存在数据库800中。当个人化数据库800持有词义标记查询的单词词义频率时，核心数据库包含从词义标记文本获得的频率数。并且，存在一个统一的文件，所述文件包含来自用户的词义标记查询的词义的频率数据。对于每个用户，一个单独的文件存在数据库800中，所述文件包含与此用户相关的词义标记查询的单词词义频率数据。这些文件代表了用户，用户会话和公共数据代表了查询个人化数据。文件被更新之后，执行优先算法的下一步，得自算法的最后一个执行的词义变成对知识库有用的。

最后，系统把特定的用户会话的词义标记查询的一个频率数据保存到内存或硬盘上。优选地，当消除一个具有个人化数据的查询的歧义时，这些数据是不可用的。

在此，把词义标记查询中的词义计算在内，并且首先对每个单词的词义的频率分布规格化。使用的查询集合是来自用户的所有查询、来自一个用户的所有查询或来自一个用户会话的查询。当每个查询被处理或在适当的时间间隔中时，系统更新频率数据。当消除在一个新的查询或文本中的单词的歧义时，逐字执行频率分布的规格化。

样本存储算法预知了短语的词义(或单词的顺序)。短语主要的定义是一系列连续的单词。短语的长度从两个单词到一个完整的句子不等。算法访问一个短语列表(单词序列)，所述短语列表为此短语中的每个单词提供一个被视为正确的词义。首先，列表包含来自输入词义标记文本的句子片段，输入词义标记文本发生多次，此处，对于每个片段出现的词义是相同的。首先，当一个已被分析的短语包含一个单词时，这个单词有一个跟以前的词义不同的词义，以前的词义跟单词所在的以前的那个句子有关，则会拒绝在此已被分析的短语中的词义，并且不会把该词义保留在单词顺序列表中。

当消除一个新文本或新查询的歧义的时候，样本存储算法确定是否部分文本或查询与以前已被确定的重新出现的单词顺序相匹配。如果匹配的话，模块就给在新文本或新查询中的匹配单词赋予序列的词义。最初，算法搜索最长的匹配，并且如果一个单词词义与文本或查询中的已被确定的词义相矛盾时，则不赋予此词义。当分析查询时，算法搜索来自查询的句子片段的匹配，所述查询被处理成在它的相关的列表中的片段。当定位一个匹配时，把来自列表的词义赋给正在处理的片段。算法具有几个列表，并为算法的处理过程提供帮助，包括：带有正确词义的一个单词序列表，所述正确的词义来自练习输入词义标记文本；来自所有用户的词义标记查询的一个列表；来自一个用户的所有查询的一个列表；和来自一个用户会话的查询的一个列表。

为了优化和执行主题，样本存储算法存储数据，所述数据是关于单词词义重复序列的确认和作为在一个文件中的单独的数据的此种方式的频率的。通过用实施例消除新文本的歧义代替每次处理输入词义标记文本来完成上述操作。样本存储算法还存储一个文件，所述文件包含来自词义标记查询的信息。还有一个对于公共数据的文件；一个对于每个用户的文件；和一个对于每个用户会话的文件。这些文件代表了用户，用户会话和公共数据代表了查询的个人化数据。当处理一个查询的歧义消除时，需要把文件中的一部分数据加载到系统存储中。当文件被更新时，在优先算法的下一步执行中，来自算法最后执行的词义变成对知识库有用的。

通过寻找在单个单词周围的单词或词义的重复的方式，n单词算法预示了单个单词的一个词义。然而一般地，算法会注意单个的单词之前或之后的单词，特别地，n设置成两个单词。算法利用具有正确词义的单词对列表，所述正确的词义与每个单词有关。列表来自单词对，所述单词对来自出现很多次的输入词义标记文本，在此，单词对的每次出现的词义是相同的。然而，当至少一个单词的一个词义不同时，则拒绝这些单词对的词义，并把这些单词对的词义清除出列表。当消除文本的歧义时，算法与来自查询或文本的单词对匹配，所述算法或文本与算法支持的列表中的单词对一起被处理。当发现一个单词对，并且一个或两个单词的词义显示在正在处理的查询或文本中时，确定匹配。当确定一个匹配时，把与正在被处理的单词对中的第二个单词有关的词义赋给它。N单词具有以下几个列表，包括：一个具有正确词义的单词列表，所述正确词义来自练习输入词义标记文本；一个来自所有用户的词义标记查询的列表；一个来自一个用户的所有查询的列表；和一个来自一个用户访问的查询的列表。

当在单词的一个固定范围内操作时，和当仅试图一次一个地预知单个单词的一个词义时，n单词算法与样本存储算法不同。样本存储算法试图预知一个序列中的所有单词的词义。

为了优化和执行问题，n单词算法在一个单独的文件信息中存储数据，所述文件信息是关于周围单词或单词词义的重现模式和来自输入词义标记文本的此种模式的频率的。上述通过用实施例消除新文本的歧义来代替每次处理输入词义标记文本来完成。除了核心数据库中的文件外，n单词算法也把文件存储到系统存储器中：来自词义标记查询的一个信息文件；公共数据的一个文件；对于每个用户的一个文件；和对于每个用户会话的一个文件。这些文件代表用户，用户会话和公共数据代表查询的个人化数据。当处理一个查询的歧义消除时，需要把这些文件中的一部分数据加载到系统存储中。当来自一个用户的每个新的词义标记查询变成可用时，更新用户和用户会话文件中的信息。当文件被更新时，在优先算法的下一步的执行中，来自算法的最后一步执行的词义变成对知识库可用的。

相关性算法与n单词算法有相似之处，但是相关性算法生成一个句法剖析树(例如，形容词修饰名词，在名词短语中第一个形容词修饰第二个形容词等)。相关性算法作用于剖析树中的主要成分和修饰成分之间的关系。

通过把文本部分中的单词重新分组成可能的主题词义，分类算法预示了单词的一个词义。把具有最强的叠加性的词义(例如，聚集的)视为在此部分中的单词集合的最有可能的词义。可以根据几个不同的特征来衡量叠加性(例如，粗略词义，精细词义等)。文本文件范围的变化可以是从几个单词到几个句子或段落。分类算法使用在用户会话的先前的查询中的单词和单词词义作为附加的上下文，来个人化当前查询的歧义消除。把先前查询的单词词义加到可能的主题集合中。

返回到使用个人化数据来改善查询的词义歧义消除的过程上来，当消除一个查询的歧义时，每个歧义消除模块32的组件利用核心的数据库和查询个人化数据库800中的任何可用的信息。可以把每个组件都配置成，在词义歧义消除的过程中的不同的步骤中独立地和共同地访问核心数据库和查询个人化数据库800。

尽管参照了一些特定实施例来描述本发明，但是本领域技术人员很清楚在不脱离后附的权利要求中的所概括的本发明范围的情况下，可以进行多种变化。本领域技术人员对以下一个或更多的专业都具有充分的了解：计算机编程，机械知识和计算机语言学。

Claims (14)

1.一种处理面向数据库查询的方法，所述方法包括以下步骤：

从一个用户获得所述查询；

使用知识库消除所述查询的歧义，获得所述查询的单词的解释集合；

如果所述集合包含多于一个的可确认的解释，则从所述集合中选择一个解释作为一个最好的解释；

利用所述查询的最好解释来确认所述数据库的相关结果，所述数据库与所述最好的解释有关；

通过排除与所述最好解释有关的结果，再消除所述集合中的剩余的解释的歧义；

从所述剩余的解释中，选择下一个最好解释；并且

利用所述查询的所述近乎最好的解释来确定来自所述数据库的相关结果，所述数据库与所述近乎最好的解释有关。

2.根据权利要求1所述的处理面向数据库查询的方法，其特征在于，消除所述查询的歧义的所述步骤包括使用下面一种算法：一种样本歧义消除算法，一种n单词歧义消除算法，一种优先的歧义消除算法；一种相关算法和一种分类算法。

3.根据权利要求2所述的处理面向数据库查询的方法，还包括：从所述用户获得一个被选择的可确认的词义，所述用户确认来自可确认的词义的所述集合中的一个已被选择的单词词义；并且

用与所述查询和所述已被选择的可确认的词义有关的数据模型更新所述知识库。

4.根据权利要求3所述的处理面向数据库查询的方法，其特征在于，所述数据模型包括对于所述用户的数据模型。

5.根据权利要求4所述的处理面向数据库查询的方法，其特征在于，所述数据模型还包括用于一个与所述用户和所述查询有关的会话的数据。

6.根据权利要求5所述的处理面向数据库查询的方法，其特征在于，所述数据模型还包括用于所述数据库的所有查询的数据模型。

7.一种处理面向数据库查询的方法，所述方法包括以下步骤：

从一个用户获得所述查询；

使用知识库消除所述查询的歧义来获得可确认的解释的集合，所述解释与所述查询中的单词有关；

如果所述集合包括多于一个的可确认的解释：

从所述集合中选择一个词义作为一个最好的解释；

利用所述查询的所述最好解释来确定来自所述数据库的相关的结果，所述数据库与所述的最好的解释有关；

扩展所述最好解释，为所述最好解释获得相关的词义，进而产生所述查询的一个扩展的最好解释；

把所述查询的所述扩展的最好解释跟与所述数据库相关的一个索引相比较；

通过以下方式，选择性地处理所述集合的剩余解释：

通过排除与所述最好的解释有关的结果，再消除所述集合的剩余解释的歧义；

从剩余解释中，选择下一个最好解释；

利用所述查询的所述近乎最好解释来确认来自所述数据库的相关的结果，所述数据库与近乎最好解释有关；并且

确定一个与近乎最好解释有关的术语，所述术语把近乎最好词义从最好解释中分离出来；

利用所述查询的所述被扩展的最好解释，从所述数据库获得结果；

利用所述术语，产生对于所述用户的一个问题，进而测试是否近乎最好解释是用户所表达的意思；

从所述用户获得一个对于所述问题的一个响应，进而确定来自所述的一个倾向性解释；并且利用所述响应进一步再消除解释集合的歧义。

8.根据权利要求7所述的处理面向数据库查询的方法，其特征在于，消除查询的歧义的步骤包括使用下面的一种算法：

一种样本歧义消除算法，一种n单词歧义消除算法，一种优先的歧义消除算法，一种分类算法和一种相关性算法。

9.一种处理面向数据库查询的方法，所述方法包括以下步骤：

从一个用户获得所述查询；

使用知识库消除查询的歧义，进而获得可确认的词义的一个集合，所述可确认的词义与查询中的单词有关；

如果集合包括多于一个的可确认的词义，从所述的集合中选择一个词义作为一个最好的词义；

通过以下方式，选择性地处理集合中的剩余的词义：

通过排除与最好词义有关的结果，再消除集合的剩余词义的歧义；并且从所述剩余词义中，选择至少一个近乎最好词义来形成已被再消除歧义的剩余词义的一个集合；

对于所述最好词义和已被再消除歧义的剩余词义的所述集合的每个成员：

扩展和解释相关的词义来获得语义上相关的词义，进而生成查询的一个扩展的词义；

把扩展词义与所述数据库有关的一个索引相比较；并且

利用它的扩展的词义，从所述数据库中获得结果；

从所述用户获得一个指示性的注释，这个指示性注释来自从所述数据库返回的的所有结果，是对于所述查询的一个倾向性词义；并且利用所述指示来更进一步地再消除词义的所述集合的歧义。

10.一种修改与面向数据库查询有关的知识库的方法，所述方法包括以下步骤：

利用所述知识库消除所述查询的歧义，进而获得与所述查询中的单词有关的可确认的词义的一个集合；

确认来自所述集合的一个倾向性词义；并且

用关于所述查询和所述已被选择的可确认的词义的数据更新所述知识库，进而获得较佳的可确认的词义，所述词义用于消除并发的查询的歧义。

11.根据权利要求10所述的处理面向数据库查询的方法，其特征在于，消除所述查询歧义的所述步骤包括使用下面的一种算法：

一种样本歧义消除算法，一种n单词歧义消除算法，和一种优先的歧义消除算法；并且

更新所述知识库包括更新与所述算法有关的一个本地知识库。

12.根据权利要求11所述的处理面向数据库查询的方法，其特征在于，所述数据包括对于一个用户的数据。

13.根据权利要求12所述的处理面向数据库的查询的方法，其特征在于，所述数据还包括用于与所述用户和所述查询有关的一个会话的数据。

14.根据权利要求13所述的处理面向数据库查询的方法，其特征在于，所述数据还包括对于所有用户的一个公共会话的数据，所有用户访问所述的数据库。

Images