適合話音服務(wù)平臺(tái)的結(jié)構(gòu)化小文本搜索引擎的研究

楊 震，夏 艷，陳曉勤

（中國(guó)電信股份有限公司上海研究院 上海200122）

1 引言

電信運(yùn)營(yíng)商在轉(zhuǎn)型過程中一直謀求在增值服務(wù)領(lǐng)域進(jìn)行突破。信息服務(wù)從接入平臺(tái)看有傳統(tǒng)互聯(lián)網(wǎng) （寬帶internet）、移動(dòng)互聯(lián)網(wǎng)（含客戶端）、話音、短信4大渠道，其中傳統(tǒng)互聯(lián)網(wǎng)的信息服務(wù)模式最為成熟，而移動(dòng)互聯(lián)網(wǎng)的信息服務(wù)模式還在探索和發(fā)展階段，話音信息服務(wù)渠道歷史最為悠久，也是目前可見的、運(yùn)營(yíng)商可以發(fā)力的渠道。如何在新形式和技術(shù)背景下，把先進(jìn)的信息技術(shù)引入到話音信息服務(wù)平臺(tái)，從技術(shù)實(shí)現(xiàn)和業(yè)務(wù)研發(fā)角度為話音信息服務(wù)注入新活力是值得探索的問題。

中國(guó)電信集團(tuán)公司以號(hào)碼百事通為主導(dǎo)，在話音信息服務(wù)平臺(tái)進(jìn)行了轉(zhuǎn)型業(yè)務(wù)的探索，幾年以來取得了不俗的成績(jī)，其中不但有業(yè)務(wù)模式的創(chuàng)新，更重要的是在傳統(tǒng)話音“114”信息服務(wù)平臺(tái)上引入搜索引擎的思想，使用先進(jìn)的搜索引擎技術(shù)手段整合信息資源，開發(fā)并升級(jí)適合于增值話音信息服務(wù)平臺(tái)的信息查詢系統(tǒng)，為用戶提供更精準(zhǔn)的信息服務(wù)，無疑是一個(gè)亮點(diǎn)。

2 話音信息服務(wù)平臺(tái)對(duì)于信息搜索的需求分析

隨著互聯(lián)網(wǎng)的發(fā)展，搜索引擎技術(shù)和應(yīng)用逐步占據(jù)互聯(lián)網(wǎng)應(yīng)用的核心，以Google為代表的搜索引擎引領(lǐng)了互聯(lián)網(wǎng)信息服務(wù)的發(fā)展方向。其主要特點(diǎn)是采集互聯(lián)網(wǎng)上不同網(wǎng)頁的信息，經(jīng)過信息加工、分析，提取網(wǎng)頁中的關(guān)鍵詞，之后建立關(guān)鍵詞和出現(xiàn)網(wǎng)頁的索引，供用戶進(jìn)行互聯(lián)網(wǎng)信息的搜索和使用。

但是面向互聯(lián)網(wǎng)非結(jié)構(gòu)化信息的搜索引擎設(shè)計(jì)方法如果不加改造，是不適用于話音信息服務(wù)平臺(tái)的，相比較而言，兩者有兩個(gè)顯著的差異點(diǎn)。第一，信息資源的差異：話音平臺(tái)的信息服務(wù)資源是可以通過人工整理并進(jìn)行設(shè)計(jì)的，是有限的、結(jié)構(gòu)化的，并且信息相對(duì)精煉。而互聯(lián)網(wǎng)信息是海量的、非結(jié)構(gòu)化的，數(shù)據(jù)量大且信息質(zhì)量難以控制；搜索引擎是利用網(wǎng)頁之間的鏈接及Pagerank技術(shù)進(jìn)行信息的評(píng)價(jià)和排序。因此，如何利用好話音平臺(tái)信息資源定義及整理的優(yōu)勢(shì)，是話音平臺(tái)搜索引擎設(shè)計(jì)所必須考慮的問題。第二個(gè)差異是話音信息服務(wù)的用戶界面小，通過話音信息交互每次播報(bào)給用戶的查詢結(jié)果只有有限的幾條，要求結(jié)果十分準(zhǔn)確。而互聯(lián)網(wǎng)的搜索引擎是通過瀏覽器與用戶進(jìn)行信息交互，一頁有10條結(jié)果，用戶可以通過翻頁、調(diào)整關(guān)鍵詞自由地與引擎進(jìn)行交互，學(xué)習(xí)并適應(yīng)互聯(lián)網(wǎng)搜索引擎的特性，使搜索更加有針對(duì)性。因而話音平臺(tái)的信息服務(wù)的準(zhǔn)確率較互聯(lián)網(wǎng)信息服務(wù)要求更高，對(duì)搜索算法的設(shè)計(jì)更加苛刻。

3 號(hào)碼百事通搜索引擎的設(shè)計(jì)思想

在號(hào)碼百事通搜索引擎設(shè)計(jì)和開發(fā)之前，以“114”為代表的話音信息服務(wù)平臺(tái)是基于傳統(tǒng)數(shù)據(jù)思想進(jìn)行設(shè)計(jì)和開發(fā)的，是數(shù)據(jù)庫全文檢索。而傳統(tǒng)數(shù)據(jù)庫的發(fā)展是面向報(bào)表類信息，即物料的進(jìn)銷存而設(shè)計(jì)和發(fā)展的，把數(shù)據(jù)庫能力用于信息服務(wù)領(lǐng)域是其應(yīng)用的延伸，但是從本質(zhì)上講，其自身的局限性很難適應(yīng)號(hào)碼百事通這類苛刻的信息服務(wù)的需求。主要有以下局限性。

·不能很好地滿足模糊查詢需求：傳統(tǒng)的“114”信息查詢是一種編碼查詢，信息的排序也只是簡(jiǎn)單地依據(jù)拼音或是筆畫排序，這無法滿足越來越多的模糊的語義或同義詞查詢需求。另外編碼查詢座席的培訓(xùn)成本較高，且服務(wù)的種類、靈活性支持有限，信息服務(wù)擴(kuò)展能力不強(qiáng)。

·多字段組合查詢：數(shù)據(jù)庫全文檢索只是簡(jiǎn)單地把若干個(gè)字段信息進(jìn)行合并后的檢索，沒有考慮各個(gè)字段的信息定義及相互關(guān)系。而話音平臺(tái)的搜索引擎需要能夠利用話音平臺(tái)的結(jié)構(gòu)化信息定義，設(shè)計(jì)出符合信息表達(dá)本質(zhì)的聯(lián)合查詢算法，即考慮到關(guān)鍵詞在某個(gè)字段出現(xiàn)的情況，又考慮到這個(gè)字段的定義對(duì)于一條完整信息表達(dá)的貢獻(xiàn)度。

·信息搜索的精確性：信息搜索精準(zhǔn)的直觀表達(dá)即是信息的排序。由于話音信息服務(wù)平臺(tái)的特殊性，因此要求話音信息服務(wù)平臺(tái)的搜索引擎具備極高的查準(zhǔn)率，這樣不但適合每次只能播報(bào)幾條信息的苛刻要求，還能節(jié)省用戶獲取信息的時(shí)間。而傳統(tǒng)的“114”信息查詢只能實(shí)現(xiàn)基于拼音或是筆畫的排序，無法按照服務(wù)內(nèi)容的相關(guān)程度進(jìn)行排序。

·不能很好地實(shí)現(xiàn)各種業(yè)務(wù)模式：后向經(jīng)營(yíng)的業(yè)務(wù)模式，對(duì)報(bào)號(hào)（排序和播報(bào)）提出很靈活的要求，如按次、天、概率進(jìn)行符合搜索需求的信息輪循排序，這點(diǎn)傳統(tǒng)數(shù)據(jù)庫支持能力也有限。

·不能很好地支持后向企業(yè)信息發(fā)布服務(wù)：由于話音服務(wù)平臺(tái)的界面限制，要求信息發(fā)布更加具有針對(duì)性，使企業(yè)發(fā)布的信息有效地傳達(dá)到目標(biāo)用戶群。因此用戶信息需求特征的識(shí)別和發(fā)布信息的匹配顯得越發(fā)重要。

·不能很好地支撐經(jīng)營(yíng)分析：查詢用戶需求取向、被查詢客戶的客戶分析，各類排行榜和分布圖等原有系統(tǒng)都不支持。

·平臺(tái)并發(fā)能力弱：基于數(shù)據(jù)庫的信息查詢服務(wù)，在大并發(fā)量和復(fù)雜業(yè)務(wù)模式下支持能力有限，查詢時(shí)間長(zhǎng)。

本文應(yīng)用搜索引擎基本原理和技術(shù)，并考慮“114”信息服務(wù)的特點(diǎn)，創(chuàng)新地提出了結(jié)構(gòu)化小文本搜索引擎的信息搜索系統(tǒng)和方法，對(duì)傳統(tǒng)“114”查號(hào)服務(wù)進(jìn)行改造提升，同時(shí)考慮了平臺(tái)后向商家信息發(fā)布的需求，從而打造出以話音為基礎(chǔ)的雙向綜合信息服務(wù)平臺(tái)。

4 基于結(jié)構(gòu)化小文本搜索引擎的設(shè)計(jì)

為了克服傳統(tǒng)數(shù)據(jù)庫信息搜索方面的缺陷，本文引入基于內(nèi)容的信息檢索到話音服務(wù)系統(tǒng)中?；趦?nèi)容的信息檢索不只是簡(jiǎn)單地考慮是否包含某一個(gè)詞條，還要考慮這個(gè)詞條在文檔中的含義，可以有效去除那些對(duì)文檔內(nèi)容沒有貢獻(xiàn)但是與需要檢索詞條相同的文檔噪音（詞條）；同時(shí)，把話音信息服務(wù)平臺(tái)中信息的定義也考慮到檢索模型的設(shè)計(jì)中，因?yàn)槟Ｐ偷臉?gòu)造對(duì)基于內(nèi)容搜索的效率有重要的影響[1]。目前比較成熟的檢索模型主要有布爾邏輯模型、向量空間模型、概率推理模型等[2，3]。其中Salton等提出的向量空間模型相對(duì)較適用于話音服務(wù)信息平臺(tái)的需求。該模型將查詢條件和文檔分別抽象成多維向量空間中的向量，通過比較兩個(gè)向量之間的關(guān)系來判斷查詢與文檔的相似程度，再根據(jù)相似度的大小返回滿足條件的結(jié)果集合[4～9]。

通過發(fā)展向量空間模型，在模型的建立過程中考慮話音信息服務(wù)平臺(tái)結(jié)構(gòu)化信息的表達(dá)方式，考慮話音平臺(tái)信息的定義明確、信息資源文本量少、可計(jì)算參數(shù)少，但是服務(wù)針對(duì)性強(qiáng)，服務(wù)種類相對(duì)可規(guī)范的特點(diǎn)，最大限度地發(fā)揮話音平臺(tái)結(jié)構(gòu)化信息的優(yōu)勢(shì)。同時(shí)應(yīng)用服務(wù)的積累能力，完善模型的構(gòu)建及相關(guān)權(quán)值的計(jì)算。

本文中的結(jié)構(gòu)化是指話音信息服務(wù)平臺(tái)的信息是經(jīng)過整理和定義的，信息描述的各個(gè)維度是結(jié)構(gòu)化的，有定義的；而小文本是指信息包含的文本量少、精煉，按照傳統(tǒng)文本搜索計(jì)算模型的可計(jì)算參數(shù)相對(duì)較少?？傮w設(shè)計(jì)思路是建設(shè)基于結(jié)構(gòu)化小文本搜索系統(tǒng)，包括：

·結(jié)構(gòu)化小文本搜索算法設(shè)計(jì)；

·結(jié)構(gòu)化小文本搜索引擎設(shè)計(jì)。

4.1 結(jié)構(gòu)化小文本搜索引擎算法設(shè)計(jì)

基于結(jié)構(gòu)化小文本的相關(guān)度計(jì)算模型如下。

假設(shè)：一個(gè)關(guān)鍵詞d1經(jīng)過同義詞、近義詞擴(kuò)展后，獲得查詢的目標(biāo)向量為D′={d1,d2,…，dn}，其中D′既是查詢向量，也是獲得的查詢結(jié)果需要匹配的查詢目標(biāo)向量，而dn是D′中第n個(gè)關(guān)鍵詞；x代表系統(tǒng)對(duì)一個(gè)關(guān)鍵詞的評(píng)價(jià)值，即權(quán)重，xn為對(duì)查詢目標(biāo)向量D′中第n個(gè)關(guān)鍵詞的評(píng)價(jià)，則查詢目標(biāo)向量D′擴(kuò)展后為 D，表示為D={(d1,x1),(d2,x2),…,(dn,xn)}。在實(shí)際開發(fā)中，同義詞、近義詞擴(kuò)展，權(quán)重的評(píng)價(jià)值可以在服務(wù)過程中，根據(jù)話音信息服務(wù)平臺(tái)的特點(diǎn)逐步積累獲得。

檢索服務(wù)器基于查詢目標(biāo)向量D={(d1,x1),(d2,x2),…,(dn,xn)}在數(shù)據(jù)庫中查詢，獲得M條記錄，這些記錄的各個(gè)字段中或多或少地包含查詢擴(kuò)展之后的查詢目標(biāo)向量中的關(guān)鍵詞，其矩陣表示形式如下。

其中xnm代表第n個(gè)關(guān)鍵詞在第m條記錄中出現(xiàn)，并且其對(duì)應(yīng)的權(quán)重為xnm。

設(shè)一條記錄有j個(gè)字段，按字段對(duì)查詢的貢獻(xiàn)程度，目前定義服務(wù)特征級(jí)、戶名級(jí)、地址級(jí)和其他級(jí)4個(gè)級(jí)別，并綜合計(jì)算。各個(gè)字段的貢獻(xiàn)程度以貢獻(xiàn)系數(shù)表示，分別為 α、β、ε、η，則：

其中 α+β+ε+η=1；1≥α>β>ε>η≥0；參數(shù)可以動(dòng)態(tài)調(diào)整。j1代表關(guān)鍵詞在服務(wù)特征字段出現(xiàn)；j2代表關(guān)鍵詞在戶名字段出現(xiàn)；j3代表關(guān)鍵詞在地址字段出現(xiàn)；j4代表關(guān)鍵詞在其他字段出現(xiàn)。雖然在此給出的例子中僅使用了4個(gè)級(jí)別及其對(duì)應(yīng)的貢獻(xiàn)系數(shù)α、β、ε、η，但是根據(jù)實(shí)際需要，可以使用任意數(shù)量的級(jí)別及其對(duì)應(yīng)的貢獻(xiàn)系數(shù)。

在確定了xnm之后，查詢目標(biāo)向量D與第m個(gè)記錄Mm之間的相似度Y就可以計(jì)算了，例如取向量之間的夾角，相似度越大，兩個(gè)向量間的夾角越小，cos→1，計(jì)算式如下：

在實(shí)際使用過程中，可以根據(jù)實(shí)際情況，調(diào)整用于計(jì)算兩個(gè)向量之間的相似程度的數(shù)學(xué)公式，對(duì)于語義相對(duì)簡(jiǎn)單的情況可以采用歐式語義距離等簡(jiǎn)單公式。歐式語義距離是在進(jìn)行結(jié)構(gòu)化小文本相關(guān)度計(jì)算中采用的另一種計(jì)算公式，其來源于矩陣分析、模糊數(shù)學(xué)，目的是計(jì)算多維空間中兩個(gè)向量的相似程度。本文中選取的具體應(yīng)用式子和其中關(guān)鍵參數(shù)的選擇都是根據(jù)號(hào)碼百事通搜索的具體需求而設(shè)計(jì)開發(fā)的。歐式語義距離計(jì)算公式如下：

其中A，B為被比較的兩向量，即查詢向量和查詢結(jié)果向量：A=(a1,a2,…，an)和B=(b1,b2,…，bn)。相似度由計(jì)算結(jié)果倒排序，由式（3）可見，與一個(gè)向量最相似的向量為其自身，相似度的計(jì)算結(jié)果為0。

4.2 計(jì)算實(shí)例說明

應(yīng)用本搜索算法，可以根據(jù)座席的輸入，綜合考慮歷史服務(wù)經(jīng)驗(yàn)積累、被服務(wù)信息資源特征、系統(tǒng)語義理解能力及后臺(tái)各類相關(guān)業(yè)務(wù)的特征，計(jì)算出最符合用戶信息需求的目標(biāo)信息集合，以下是算例說明。

假設(shè)關(guān)鍵詞W，經(jīng)過搜索引擎擴(kuò)展后形成一組查詢關(guān)鍵詞，表示為W=(W1,W2,W3,W4)，經(jīng)過后臺(tái)算法處理后，查詢目標(biāo)可表示為向量X，應(yīng)用搜索引擎技術(shù)在數(shù)據(jù)庫中搜索，一條查詢到的信息可以表示為向量Y，應(yīng)用歐式語義公式，計(jì)算兩個(gè)向量的相似度，相似程度的計(jì)算結(jié)果用來給查詢結(jié)果進(jìn)行排序。

首先，說明如何獲得量化的查詢向量和被查詢向量。

用戶查詢：請(qǐng)給我找一家廣東口味的菜館，有包房、停車位，可以用信用卡付款。

基本查詢關(guān)鍵詞的形成：座席人員可以根據(jù)用戶要求，提煉出查詢關(guān)鍵詞：廣東菜、停車位、信用卡，作為輸入關(guān)鍵詞進(jìn)行查詢。

經(jīng)過系統(tǒng)處理，查詢關(guān)鍵詞向量為如下：廣東菜、粵菜（粵菜為廣東菜同義詞，系統(tǒng)可自動(dòng)生成）、廣州菜（近義詞）、停車位、車位（同義詞）、免費(fèi)泊車（同義詞）、泊車（同義詞）、信用卡。

這樣系統(tǒng)就可以表示查詢向量W，查詢向量再經(jīng)數(shù)值化就可以形成計(jì)算向量X，數(shù)值化的過程系統(tǒng)根據(jù)一定的規(guī)則自動(dòng)完成。W={(廣東菜)，（粵菜），（廣州菜），（包房），（停車位），（車位），（免費(fèi)泊車），（泊車），（信用卡）}，X′={1.0,1.0,0.8,1.0,1.0,1.0,1.0,1.0,1.0}。

同時(shí)，存在企業(yè)A，簡(jiǎn)要介紹如下：可容納300人同時(shí)就餐，高級(jí)包房，免費(fèi)停車，可用信用卡消費(fèi)。推薦菜譜：板栗煲老雞、百合鯽魚湯、里水金絲蝦、魚餃、炒糕。企業(yè)A的用戶信息經(jīng)過處理可以形成一列被比較的關(guān)鍵詞信息，即為被查詢信息，W′={（粵菜），（高級(jí)），（包房），…，（魚餃）}。

將被查詢信息與查詢向量進(jìn)行比較，取被查詢信息中與查詢向量相對(duì)應(yīng)的單元形成查詢結(jié)果向量。同時(shí)，根據(jù)簽約情況和其他情況，為客戶的被查詢信息加權(quán)、數(shù)值化（系統(tǒng)可以根據(jù)設(shè)定自動(dòng)完成）。本算例中W′與查詢向量W進(jìn)行比較，取{（粵菜），（包房），（停車位），（信用卡）}4 個(gè)單元進(jìn)行信息比對(duì)，再進(jìn)行數(shù)值化，形成被查詢向量的數(shù)學(xué)表達(dá)。

在實(shí)際的系統(tǒng)運(yùn)行中，首先是形成被查詢信息的索引信息，并且形成了相應(yīng)的權(quán)重系數(shù)，完成整個(gè)搜索空間的構(gòu)建，然后查詢向量映射到這個(gè)搜索空間，進(jìn)行向量之間的比對(duì)計(jì)算。

最后，基于式（3）進(jìn)行被查詢信息與查詢向量之間的相似度計(jì)算。例如，省略其他計(jì)算步驟，經(jīng)過搜索引擎處理后一個(gè)查詢向量為X=（0.7,0.8,0.2,0.9），被查詢的數(shù)據(jù)庫記錄為兩條，處理后的被查詢向量為Y1=(0.6,0,0,0.5),Y2=(0.2,0.3,0.1,0.3)，則應(yīng)用歐式語義距離公式計(jì)算的過程如下：

由計(jì)算結(jié)果可知，Y2與X相關(guān)程度要優(yōu)于Y1與X的相關(guān)程度。

系統(tǒng)將Y2首先返回給電信業(yè)務(wù)排序模塊以便根據(jù)電信相關(guān)的業(yè)務(wù)需求以靈活排序方式對(duì)查詢結(jié)果進(jìn)行排序，并根據(jù)排序后的結(jié)果將其提供給用戶。當(dāng)然，也可以直接將Y2返回關(guān)鍵詞查詢界面以便座席人員根據(jù)搜索結(jié)果與用戶進(jìn)行交流，使用戶獲得滿意的信息，之后進(jìn)行自動(dòng)話音報(bào)號(hào)。

4.3 結(jié)構(gòu)化小文本搜索引擎結(jié)構(gòu)、功能設(shè)計(jì)

結(jié)構(gòu)化小文本搜索引擎的核心是應(yīng)用歷史服務(wù)知識(shí)及搜索引擎面向服務(wù)對(duì)象的分析，進(jìn)行搜索知識(shí)的積累及應(yīng)用，包括搜索請(qǐng)求分析、搜索擴(kuò)展、相關(guān)度計(jì)算模塊等，如圖1所示，主要介紹如下。

結(jié)構(gòu)化小文本搜索引擎系統(tǒng)包括：

·業(yè)務(wù)層，負(fù)責(zé)對(duì)外與業(yè)務(wù)系統(tǒng)的接口定義，業(yè)務(wù)邏輯所需的關(guān)鍵參數(shù)的輸出；

·業(yè)務(wù)生成層，負(fù)責(zé)對(duì)搜索請(qǐng)求進(jìn)行分析，調(diào)用下層搜索引擎進(jìn)行搜索及實(shí)現(xiàn)相應(yīng)的搜索邏輯；

·基礎(chǔ)能力層，本層打包系統(tǒng)所需的各種基礎(chǔ)能力，如內(nèi)外部不同基礎(chǔ)搜索引擎或先進(jìn)系統(tǒng)的能力調(diào)用，并且可以提供搜索算法定制所需的各種基礎(chǔ)搜索元數(shù)據(jù)的存儲(chǔ)及調(diào)用；

·搜索服務(wù)數(shù)據(jù)及日志模塊，存儲(chǔ)搜索所需的各類數(shù)據(jù)，根據(jù)搜索請(qǐng)求對(duì)外提供服務(wù)，同時(shí)記錄服務(wù)過程中的各類日志；

·數(shù)據(jù)挖掘及分析模塊，主要提供各類對(duì)外服務(wù)報(bào)表，同時(shí)需要對(duì)服務(wù)日志進(jìn)行挖掘，挖掘結(jié)果反饋給搜索引擎優(yōu)化調(diào)整模塊進(jìn)行搜索引擎的優(yōu)化調(diào)整，如自動(dòng)擴(kuò)展模塊所需的同義詞等；

·支撐層，主要定義了搜索引擎業(yè)務(wù)邏輯的應(yīng)用開發(fā)接口，方便根據(jù)業(yè)務(wù)系統(tǒng)要求進(jìn)行搜索引擎的二次開發(fā)及算法的調(diào)整定制，此外還有標(biāo)準(zhǔn)數(shù)據(jù)接口及專用數(shù)據(jù)接口供搜索引擎服務(wù)引入外部數(shù)據(jù)進(jìn)行搜索服務(wù)。

對(duì)比傳統(tǒng)搜索引擎，本系統(tǒng)更加強(qiáng)調(diào)在服務(wù)數(shù)據(jù)的搜集、整理、提煉過程中的結(jié)構(gòu)化處理，以對(duì)搜索引擎進(jìn)行相應(yīng)的優(yōu)化。其中結(jié)構(gòu)化小文本的計(jì)算方法，即對(duì)文本類信息描述的實(shí)際應(yīng)用，使用結(jié)構(gòu)化方法確定一條信息的不同部分的小文本的描述集合對(duì)于這條信息表達(dá)和理解的作用的強(qiáng)弱關(guān)系。在信息搜索過程中，轉(zhuǎn)化關(guān)鍵詞查詢?yōu)橐唤M關(guān)鍵詞或是搜索特征組成的查詢向量。同時(shí)，數(shù)據(jù)庫中被搜索信息根據(jù)數(shù)據(jù)模型的定義，也被表示成一組關(guān)鍵詞或信息特征組成的向量。這樣傳統(tǒng)數(shù)據(jù)庫關(guān)鍵詞的全文檢索，被轉(zhuǎn)化成兩組特征向量的相關(guān)度計(jì)算。根據(jù)結(jié)構(gòu)化小文本的計(jì)算，可以綜合算出許多數(shù)據(jù)庫全文檢索無法分辨的信息的排序關(guān)系，此方法有效地解決了話音服務(wù)平臺(tái)對(duì)于信息的排序問題，使撥打“114”的用戶信息需求和后臺(tái)信息收集的方法有效地對(duì)應(yīng)起來，方便信息的組織整理和應(yīng)用。應(yīng)用特征向量或其變體進(jìn)行信息查詢，還可以把服務(wù)信息的特征疊加到搜索引擎的設(shè)計(jì)及搜索服務(wù)過程中，方便地根據(jù)服務(wù)信息的種類和特性開發(fā)精準(zhǔn)的搜索服務(wù)。

5 結(jié)束語

傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)庫檢索，沒有把信息的結(jié)構(gòu)化定義的因素應(yīng)用到信息搜索服務(wù)中，本文在搜索算法及模型的構(gòu)建過程中考慮了服務(wù)信息的定義因素，在分析以“114”（號(hào)碼百事通）呼叫中心為代表的話音信息服務(wù)平臺(tái)服務(wù)、平臺(tái)信息組織、原有基于數(shù)據(jù)庫查詢系統(tǒng)特點(diǎn)的基礎(chǔ)上，結(jié)合語義搜索的最新進(jìn)展，提出基于可設(shè)定信息模型條件下的結(jié)構(gòu)化小文本搜索算法，在話音信息服務(wù)平臺(tái)上引入了搜索引擎的設(shè)計(jì)開發(fā)思想。

在此基礎(chǔ)上設(shè)計(jì)了以話音信息服務(wù)平臺(tái)為應(yīng)用領(lǐng)域的基于結(jié)構(gòu)化小文本搜索引擎的信息搜索系統(tǒng)，為廣大電話用戶提供便捷的生活信息服務(wù)。更重要的是這種方式將搜索引擎的技術(shù)引入海量數(shù)據(jù)庫檢索中，可以積累搜索引擎應(yīng)用過程中產(chǎn)生的各種知識(shí)，并應(yīng)用這些知識(shí)在未來的搜索過程中，提升了搜索能力和搜索效率。未來，結(jié)構(gòu)化小文本搜索引擎還需進(jìn)一步根據(jù)話音信息服務(wù)平臺(tái)資源類型及服務(wù)業(yè)務(wù)種類的特點(diǎn)，細(xì)化結(jié)構(gòu)化數(shù)據(jù)的定義，構(gòu)建更加精確的算法模型，完善計(jì)算調(diào)用的邏輯及相關(guān)計(jì)算權(quán)值的動(dòng)態(tài)維護(hù)標(biāo)準(zhǔn)等。

1 楊震，夏艷等.基于結(jié)構(gòu)化小文本的號(hào)碼百事通搜索系統(tǒng)和方法.中華人民共和國(guó)國(guó)家知識(shí)產(chǎn)權(quán)局授權(quán)專利，ZL200710084911.7

2 吳立德.大規(guī)模中文文本處理.上海：復(fù)旦大學(xué)出版社，1997

3 Gudivada V N，Raghavan V V，et al.Information retrieval on the world wide Web.IEEE Internet Computing，1997，1(5):58～68

4 Salton G.A vector space model for automatic indexing.CACM，1975，18(11):613～620

5 黃萱菁，夏迎炬，吳立德.基于向量空間模型的文本過濾系統(tǒng).軟件學(xué)報(bào)，2003,14(3):435～442

6 Wenlei Mao，Wesley W Chu.The phrase-based vector space model for automatic retrieval of free-text medical documents.Data&Knowledge Engineering，2007，61(1):76～92

7 龐劍鋒，卜東波，白碩.基于向量空間模型的文本自動(dòng)分類系統(tǒng)的研究與實(shí)現(xiàn).計(jì)算機(jī)應(yīng)用研究，2001，18(9):23～26

8 唐明偉，卞藝杰，陶飛飛.基于語義向量空間模型的文檔檢索系統(tǒng)研究.情報(bào)雜志，2010，29(5):167～170,177

9 邢軍，韓敏.基于兩層向量空間模型和模糊FCA本體學(xué)習(xí)方法.計(jì)算機(jī)研究與發(fā)展，2009，46(3):443～451