本发明由3项子发明构成，发明1是按照用户点击次数对网页及 网站地址和文献目录进行排序的方法，发明2是与文本内容匹配的基 于检索词的知识库的建立和应用的方法，发明3是搜索引擎检出文献 目录的方法，三种方法均涉及计算机网络技术中对具有自然语言特征 的文本和文献目录的搜索方法，具体地说，涉及到搜索引擎的智能化 搜索方法。

计算机网络中的搜索引擎是搜索网页及网站的工具。现存的搜索 引擎的基本原理是：通过网页及网站的搜集软件，从互联网上自动收 集网页地址及其文本，将搜集所得的网页文本交给索引和检索系统， 由计算机程序通过扫描文本中的每一个词，建立以词为单位的倒排文 件，检索程序根据用户给出的检索词在文本中出现的频率和概率，对 包含这些检索词的文本进行排序，最后输出网页及网站的排序的结 果。这种搜索方法存在以下缺陷：第一，无用的(对于检索词不相关 的或相关度低的)搜索结果过多。这是因为单一的检索词在文本中出 现的频率和概率并不完全代表检索词与文本内容的相关性的值。即： 目前的搜索方法不能识别与检索词相关的文本内容。第二，它只能搜 索可链接于因特网的网页及网站地址，不能以文献目录为搜索单位， 即不能检出文献目录。例如，现有的搜索引擎不能找到某一检索词对 应下的专利号、国家标准号以及某一图书馆中的书号。

本发明能够弥补这两个缺陷。其中，发明1和发明2能够弥补第 一个缺陷，发明3能够弥补第二个缺陷，这就是本发明的目的和动机 所在。

发明1的要点是：

对于搜索网址的工作，在现有的搜索引擎系统中加入服务器日志 或用户点击计数器统计分析系统，该日志或系统完成以下工作：1. 记录不同用户对输入同一检索词后搜索引擎按照检索词在网页或网 站的文本中出现的频率和概率的多少进行排序的网页的点击次数和 下载次数。2.对一定时间内记录的多个用户输入的同一检索词中对 应的网页或网站的用户选择结果(不同网页或网站的点击次数)进行 排序，排序的规则是：同一检索词对应的网页或网站点击次数多，则 排前列作为以后输入该词的用户优先给出的搜索结果；某检索词对应 的网页或网站下载记录次数作为排序的权值。这两步工作的目的是记 录按照人(用户)的智力对目前的搜索引擎对网页或网站的搜索结果 与索引词的相关性的判断。亦即：在加入本发明以前，搜索引擎对网 页或网站的搜索是计算机系统依据检索词在网页或网站的文本中出 现的频率和概率排序(现有的搜索方法)；而加入本发明后，将在此 现存的搜索方法搜索的结果后增补一个步骤，该步骤由新增的计算机 软件系统记录了人(用户)的智力对现存的搜索方法条件下的搜索结 果在检索词与网页或网站的内容的相关程度上的判断和选择，以此作 为对下一个输入同一词的用户提供搜索结果的排序依据。

实现上述要点，主要通过以下步骤实现，每个步骤均由一个软件 模块按顺序执行：

1.对现存的搜索引擎系统中网页或网站的数据库进行更新，其 方法是定期抽取服务器日志或其它网页点击计数器中与用户输入检 索词对应的网址的点击次数，形成新的数据库，本过程所发挥的功能 定义为建立与检索词对应情况下网页或网站的点击次数的数据库模 块。该数据库的基本特征是三个参数(属性值)的组合，即：(1)用 户输入的检索词与(2)现存的搜索系统中通过检索词文本扫描后匹 配的对应的网址以及(3)用户在输入此检索词后对该词对应的网址 的点击次数(访问次数)的组合，从而反映出在一定时间内不同用户 输入同一检索词后用户在现存的搜索引擎给出的搜索结果(多个网页 或网站)中选择了哪(些)个。对现有的搜索引擎系统中网页或网站 的数据库进行更新后建立的数据库其结构可有多种设计，可以选择 IP地址或检索词作主元。图1是与检索词对应情况下网页或网站的 点击次数的数据库(更新后的数据库)结构示意图。

2.通过查询与检索词对应情况下网页或网站的点击次数的数据 库对与检索词对应的网页或网站按照点击次数进行排序，对于有下载 记录的网址，将每一次下载和每一次点击赋予不同权重进行排序。即 本模块定义为与检索词对应的网页或网站按照点击次数和下载次数 排序模块。在排序后与检索词对应的网页或网站的网址序列作为下一 个用户输入同一词时的网址搜索结果序列。当用户输入的查询词被外 部系统给出内容相关的一组词时，本模块可按该组词的给定的相关度 对该组词的每一个词对应的搜索到的网址序列进行加权，从而给出不 同权重的多组对应的的网址序列，再在此多组网址序列中按不同权重 重新排为一个序列提供给用户。

上述步骤与现存的搜索引擎相结合，实现了将现存的搜索引擎的 搜索结果由检索词在文本中出现频率和概率大小作为排序依据转变 为由用户(人的智力)对检索词与文本在内容的关联性的大小的判别 (对应检索词的网页或网站的访问次数，即点击率)为排序依据。

对于搜索文献目录的工作，发明1在现有的搜索引擎系统中加入 服务器日志或用户点击计数器统计分析系统，将对检索词(组)对应 的文献目录数据库的目录的点击数和点击次序进行记录。此后对目录 按点击数和点击次序进行排序，点击次序被赋予权重加入点击数排序 之中，形成一个排序序列。

搜索引擎搜索目录的方法见发明3。

搜索引擎在加入发明1之后与计算机目录检索系统(如现存的图 书馆的图书计算机检索系统、专利、国家标准计算机检索系统)的差 别在于：1.在发明1应用以前，计算机目录检索系统在输入检索词 之后由系统对目录的搜索是计算机系统依据检索词在目录中出现的 频率和概率排序；而加入本发明后，将在此传统的计算机检索的结果 后增补一个步骤，该步骤由新增的计算机系统记录了人(用户)的智 力对传统的计算机检索的结果在检索词与网页或网站的内容的一致 程度(相关性)上的判断和选择，以此作为下一个输入同一词的用户 提供搜索结果的排序依据。2.在发明1应用以前，搜索引擎的数据 库不包含文献目录检索系统而只包含文本所在的网页或网址的检索 系统，当用户需要检索文献目录时，现存的搜索引擎只能链接文献目 录的网址，再由用户使用文献目录的检索系统检索。加入发明1后， 搜索引擎的数据库将包含文献目录检索系统，用户对检索词对应的搜 索单位将含盖网址和文献目录，使用户不必访问文献目录所在网页， 而由搜索引擎一次完成网址和文献目录的搜索。

实现上述要点，主要通过以下步骤实现，每个步骤均由一个软件 模块按顺序执行：

1.对现有的被检索的目录数据库进行更新，其方法是定期抽取 服务器日志或点击计数器中与用户输入检索词对应的目录的点击次 数，形成新的数据库。此模块定义为记录与检索词对应的目录的点击 次数模块。该数据库的基本特征是三个参数(属性值)的组合，即： (1)用户输入的检索词与(2)现存的搜索系统中通过检索词匹配的 目录以及(3)用户在输入此检索词后对该词对应的目录的点击次数 (访问次数)的组合，从而反映出在一定时间内不同用户输入同一检 索词后用户在现存的搜索引擎给出的搜索结果(目录)中选择了哪 (些)个。对现有的用于计算机目录检索的目录数据库进行更新后建 立的数据库其结构可有多种设计，可以选择目录或检索词作主元。图 2是与检索词对应情况下目录的点击次数的数据库(更新后的数据库) 结构示意图。

2.通过查询与检索词对应情况下目录的点击次数的数据库，对与 检索词对应的目录按照点击次序和次数进行排序(将次序折算成权值 加入点击次数排序)。本模块定义为与检索词对应的目录按照点击次 数排序模块。在排序后与检索词对应的目录序列作为下一个用户输入 同一词时的目录搜索结果序列。当用户输入的查询词被外部系统给出 内容相关的一组词时，本模块可按该组词的给定的相关度对该组词的 每一个词对应的按照点击次数进行排序的目录序列进行加权，从而给 出不同权重的多组对应的的目录序列，再在此多组网址序列中按不同 权重重新排为一个序列提供给用户。

上述步骤与现存的搜索引擎相结合，实现了将现存的搜索引擎的 搜索结果由检索词在目录中出现频率和概率大小作为排序依据转变 为由用户(人的智力)对检索词与文本在内容的关联性的大小的判别 (对应检索词的目录的访问次数，即点击率)为排序依据。

使用本发明流程见图3。

图3的用语说明如下：

知识库：记录词汇之间的意义(内容)相关性的软件系统，其功 能在于在用户输入检索词后按该检索词的意义的相关性给出一组检 索词。

源数据库：现存的搜索引擎的数据库，用于存储网址或文献目录 的和按照检索词在文本或目录中出现频率和概率大小作为排序依据 排序的与检索词对应的网址或文献目录数据库。

更新后的数据库：对源数据库按照被搜索对象(网址或文献目录) 在对应检索词的情况下用户的点击率多少进行重新排序的数据库。

检索词：用户输入的符合自然语言的语法规则的词汇、词组，以 及非句子的连续的词汇的集合，即在用户界面中要求用户输入的搜索 的“关键词”。

从图3的左端开始，在用户提出了检索词的查询请求之后，通过 浏览器界面，网络服务器端得到用户的请求，启动查询代理进行响应。 查询代理搜索知识库，从中找出是否存在与用户查询的检索词匹配或 是相关的检索词组。判断是否相关的依据是专家事先对知识的分类的 知识点间的相关性或定量化的相关系数。如果存在，则生成一个相关 的“检索词组”。如果系统设计成与用户交互式，即由用户对他们感 兴趣的由知识库给出的与检索词相关的检索词组进行选择，则通过网 络服务器提供给用户。通过提交表单，得到用户的选择。用户选择后 由查询代理经由网络服务器交给搜索引擎检索。如果系统不设计成与 用户交互式，则知识库生成的相关的“检索词组”直接交给搜索引擎 检索。如果用户输入的索引词在知识库不存在，该检索词没有相关词 匹配，直接(单一地)交给搜索引擎检索。

这样，搜索引擎检索系统可能接受三种中的一种要求检索的检索 词的集合：检索词(用户最初输入的单一的检索词)，或由知识库按 相关性对检索词进行匹配的一组检索词，该词组不经过用户选择(检 索词组)，或由知识库按相关性对检索词进行匹配的一组检索词，该 词组经过用户选择(交互后的检索词组)。无论三种中的哪一种检索 词的集合，只要检索词的集合分别交给现存的搜索引擎，现存的搜索 引擎都会在源数据库的文本或目录中扫描该检索词并按该词在文本 或目录中出现的频率和概率的大小将文本的网址或目录排序。本发明 加入后，将记录用户输入的检索词(无论是单一的还是一组，无论该 组词是与用户交互过的还是未交互过的)和用户对按该词在文本或目 录中出现的频率和概率的大小将文本的网址或目录进行排序的搜索 结果(对现存的搜索引擎而言的搜索结果)的选择，即将记录用户输 入的检索词和对应该检索词的网页或网站的点击率或目录的点击率。 此后，发明1再根据点击率大小重新排序，当检索词为多个时，则对 检索词对应的网页或网站或目录进行加权排序。排序后的结果作为应 用了本发明的搜索引擎的对应该词的查询结果。

发明2的背景是：现存的计算机网络搜索引擎和计算机文献目录 检索系统用用户输入的检索词搜索或检索网址或目录的基本原理是 由计算机程序通过扫描文本或目录中的每一个词，检索程序根据用户 给出的检索词在文本中出现的频率和概率，对包含这些检索词的文本 或目录进行排序，最后输出网页及网站的排序的结果。这种方法的缺 陷之一是搜索或检索结果不很全面、不很准确。其进一步的原因之一 是因为检索词在文本或目录中出现的频率和概率并不代表检索词与 文本或目录内容的相关性的值。即：目前的搜索方法不能识别与检索 词相关的文本内容。

例如，当用户输入“高等数学”检索词时，现存的计算机网络搜 索引擎和计算机文献目录检索系统会把含有“高等数学”这一词汇出 现频率高的文本网页或网站的地址或目录搜索或检索到，但是，许多 以“微积分”作为主题词或标引词但没有或较少出现“高等数学”词 汇的文本网页或网站的地址或目录则被丢弃或派在后位，尽管它可能 比含有“高等数学”这一词汇出现频率高的文本网页或网站的地址或 目录在内容上更接近高等数学。

发明2的目的和动机是弥补现存的计算机网络搜索引擎和计算 机文献目录检索系统用用户输入的检索词搜索或检索网址或目录的 缺乏内容的关联性的缺陷。

它的基本要点是：

按照词汇的语义的内容关联关系，建立词汇间的关联关系，并储存 于计算机。在计算机内存中驻留一个小的进程，侦听用户的请求，用 户输入的检索词被截获后转给搜索知识库。知识库把与检索词相关的 一组词提供给用户选择，或直接提供给搜索引擎检索系统，进入现存 的搜索引擎工作程序。这样，搜索引擎就由现存的对用户的一次的一 个检索词的搜索变为一组词的搜索，该组词上是由专家确定为内容相 关的，可以增设用相关度衡量的功能，相关度为0-1之间，该相 关度作为该组词的不同相关词汇对应搜索结果(即不同词汇对应的网 址或目录序列)的权值，当需要将权值进行调整时，可以依据专家进 行人为设定，也可通过与用户的交互进行，如果通过用户的交互进行 调整，则通过设置服务器日志或用户点击计数器统计分析系统统计用 户对检索词的关联词的点击率，再将点击率作为权值调整相关度。

实现的步骤是：

1.建立知识库。按照知识分类，将词汇建立内容关联关系。关 联关系分为6级：(1)第一上属关系，(2)第二上属关系，(3)同义词关系， (4)相关关系(如因果关系、原料-产品关系、服务-被服务关系)，(5) 第一下属关系，(6)第二下属关系。

例如：

酒(检索词)

酿造工业(第二上属关系)

酿酒工业(第一上属关系)

酿酒微生物(相关关系)，粮食(相关关系)，酒精(相关关系)......

白酒(第一下属关系)

低度白酒(第二下属关系)

例如：

“脑血管意外”检索词，可以得到图4的关系结构。从图中可以 看到：“脑血管疾病”和“神经疾病”是它的上属级别，“中风”、“高 血压”和“偏瘫”是同级的(“中风”是同义词，“高血压”和“偏瘫” 是相关关系)，其余的四个词则是它的下属关系的词。

图4是知识库关系的逻辑示意图。

2.建立的知识库的结构如图5、6所示。

在图5中对于知识体系建立大的几个类，在大类的底下可以再分 成一些子类，对于每一个知识大类的关键词进行统一编号。例如，用 10位十进制的阿拉伯数字表示一个关键词。如“0101000001”。其中， 前两位“01”表示的是“大类编号”，紧跟着的两位是大类下的子类 的编号，后面6位数字表示的是“类内编号”。用这种方法就可以唯 一确定一个关键词，并且通过分级的方法可以提高检索的效率。对以 后的查询只要对关键词进行检索。在统一定义了关键词的编号后，以 后的数据库中凡是出现关键词的地方都是用编号进行记录，从而减少 了存储量，提高了效率。

在图6中，紧接在每个检索词之后的c是该检索词与该行首列检 索词之间的相关系数。在专家打分给出初始的相关系数值之后，通过 用户的使用，应用发明1中的用户对检索词输入后给出的一组相关的 检索词的选择。用户对同一检索词的关联词的对应的网址或目录的点 击次数可作为对同一检索词的关联词的选择次数，根据此次对检索词 之间的系数进行更新。这样，就得到了一张如表6所示的“检索词关 系表”。

3.知识库的关联度的调整可以依据专家进行人为设定，也可通 过与用户的交互进行，如果通过用户的交互进行调整，则通过设置服 务器日志或用户点击计数器统计分析系统统计用户对检索词的关联 词的点击率，再将点击率作为权值调整相关度。这一过程见图3中的 虚线。

因此，加入发明2之后，搜索引擎对搜索对象的排序标准就由按 照单一检索词在文本或目录中出现的概率大小次序排序变为按照内 容相关的一组词在文本或目录中出现的概率大小次序排序，从而使用 户输入的检索词在内容上更加接近文本或目录。

发明3的背景是：现存的搜索引擎的存在以下缺陷：它只能搜索 可链接于因特网的网页及网站地址，不能直接搜索链接于因特网上的 网页及网站中的文献目录，即不能按照检索词检出文献目录，而只能 检出网址(网址目录)。如果用户要求在网络环境下搜索网页内的文 献目录，如某一检索词对应下的专利号、国家标准号以及某一图书馆 中的书号，则用户只能按照搜索引擎提供的或自己知道的网址分别访 问不同具有文献检索系统的网站，分别使用该文献检索系统检索文献 目录，在此例中，用户需分别访问专利、国家标准以及某一图书馆的 专门网站，使用该网站的专业检索系统，分别获得同一检索词对应的 文献目录。这一过程的进一步的缺陷在于：用户的多次搜索和检索会 增加许多造成失败的不确定性，如用户可能不知道文献目录所在的网 址，或者增加网络搜索和文献目录检索时间网络的运行可能出现拥 塞，用户操作复杂，等等。

发明3的应用将克服只能搜索可链接于因特网的网页及网站地 址，不能直接搜索链接于因特网上的网页及网站中的文献目录的这一 缺陷及其随之而来的进一步的缺陷。这是发明3的目的和动机。

发明3的要点和实现过程是：在搜索引擎系统内建立文献目录 数据库和文献目录检索系统。通过与用户交互选择文献目录种类或文 献目录系统，即由用户决定是否需要专利、标准、图书馆文献目录， 哪一个图书馆。当用户输入检索词时，增设的知识库将给出与检索词 意义相关的一组词，即：将一个检索词变成检索词组，转变方法方法 见发明2。检索词组进入文献目录检索系统。检索系统通过扫描文献 目录的类别的名称(描述)中的词汇与检索词组的匹配程度(频率和 概率)，确定目录的类别，再根据目录类别对应文献目录的号码，检 出文献目录。文献目录检索系统分为专利、标准、图书馆的图书检索 系统以及专业数据库等多个种类。

专利检索系统中建立《国际专利分类表》，将检索词组在《国际 专利分类表》的部、大类、小类、组的目录中进行扫描和匹配，根据 检索词组部、大类、小类、组的目录中出现的频率和概率检出部、大 类、小类、组的目录；通过部、大类、小类、组的目录的类号检出文 献，再将检索词组在检出的文献文本中进行全文扫描和匹配，根据检 索词组在检出的文献文本中出现的频率和概率将文献目录排序，该序 列作为搜索引擎在专利文献检索系统中的搜索结果。

标准检索系统中建立《中国标准文献分类法》，将检索词组在《中 国标准文献分类法》的类目(两级类目)中进行扫描和匹配，根据检 索词组类目中出现的频率和概率检出类目；通过类目标识号检出文 献，再将检索词组在检出的文献文本中进行全文扫描和匹配，根据检 索词组在检出的文献文本中出现的频率和概率将文献目录排序，该序 列作为搜索引擎在标准文献检索系统中的搜索结果。

图书馆的图书检索系统中，将检索词组在《(中国图书馆图书分类 法》的类目中进行扫描和匹配，根据检索词组类目中出现的频率和概 率检出类目；通过类目分类标引号检出文献标题，再将检索词组在检 出的文献标题中进行扫描和匹配，根据检索词组在检出的文献题目中 出现的频率和概率将图书目录排序，该序列作为搜索引擎在标准文献 检索系统中的搜索结果。如果建立的图书检索系统中附于图书题目还 有关键词、主题词、标引词、内容简介等涉及图书内容等文字，则检 索词组在检出的文献标题中进行扫描和匹配时可同时扫描这些文字， 并以检索词组在这些文字中出现的频率和概率作为图书目录排序的 依据。

这种过程的应用，用户在使用计算机搜索引擎时直接搜索到专 利、标准、图书馆的图书以及专业数据库等多个种类文献目录，而不 必先搜索到该检索系统的网站，再用该网站的搜索系统检索，检索的 方法也由将索引词直接扫描文献目录变为由检索词生成意义相关的 检索词组，再确定目录类别，然后在该类别下进行扫描文献目录，提 高了文献目录检索的效率和准确性。