舒忠梅,左亚尧,张祖传

(1.中山大学教育学院，广东 广州 510275；2.广东工业大学计算机学院，广东 广州 510006)

时态信息的语义抽取与排序方法研究及系统实现*

舒忠梅1,左亚尧2,张祖传2

(1.中山大学教育学院，广东 广州 510275；2.广东工业大学计算机学院，广东 广州 510006)

针对通用搜索引擎缺乏对网页内容的时态表达式的准确抽取及语义查询支持，提出时态语义相关度算法(TSRR)。在通用搜索引擎基础上添加了时态信息抽取和时态信息排序功能，通过引入时态正则表达式规则，抽取查询关键词和网页文档中的时态点或时态区间等时态表达式，综合计算网页内容的文本相关度和时态语义相关度，从而得到网页的最终排序评分。实验表明，应用TSRR算法可以准确而有效地匹配与时态表达式相关的关键词查询。

时态语义；信息抽取；排序；搜索引擎

1 引言

在互联网技术迅猛发展的今天，网络信息成几何倍数递增，百度、Google、Bing等搜索引擎工具为人们在网上查找信息提供了便捷。时间是信息的重要属性之一，许多网页的内容与时态信息密切相关，如新闻报道、出版信息、网店商品折扣等。用户常常需要根据时态检索请求准确地找到相应的网页，因此时态信息是搜索引擎系统必须考虑的重要因素之一。

学者们逐渐开始关注时态给Web信息处理带来的问题，Alonso O等[1]从时态信息的意义出发，认为将抽取出的时态信息应用于当前的搜索引擎，将会大大提升搜索引擎产品的性能，肯定了时态信息在检索领域的研究意义。……