CN1249479A - 自动查询系统及方法 - Google Patents

Abstract

一种自动查询系统,其至少包含类型滤波装置,输入一关键词用以判别输入关键词的属性,及一数据搜寻类表,其以相似相近原则,将关键词建立于数据搜寻分类中,用以对应经类型滤波装置处理后的关键词。另个,本发明还包含一数据库,其是根据数据搜寻分类表的输出数据,以对应至相关的数据库的数据。

Description

自动查询系统及方法

本发明有关于一种查询系统及方法，特别是有关于一种自动查询系统及方法，用以自动对所输入的关键词进行自动分析，以得到其属性。

在现今的信息社会中，每一天。每一个地方都在不断的产生及接收新的信息，而且每个人也需要时时去查询各式各样的信息。此种信息不断增加的结果，一方面使得人类的知识更丰富、视野更开阔；但另一方面，也使得人们花太多的时间及精神在信息的查询上面，以致造成很大的浪费。

随着电脑的普及和电脑网络的快速扩张，各种帮助人们查询信息的电脑软件也应运而生。在这众多软件当中，大部分的软件所能提供的讯息量太少，因而无法满足用户的需求；另外一部分软件则是操作复杂，尤其是需要上网查询时，步骤甚多，且通常需要由使用者从一或多层的类别分类当中自行选择所要的信息类型，因此仍然浪费了使用者太多的时间；还有一部分软件所提供的信息量太多太杂，且其在作信息查询时，是将查询关键字的庞大的数据库逐一作比较搜寻，因此往往耗费大量的电脑及使用者时间。因此，有待一种查询软件的提供，使其具有方便、快速及达到全面性查询的功能。

鉴于上述发明背景中，传统的查询系统所产生的诸多缺点，本发明的主要目的在于提供一种自动查询系统及方法，用以自动对所输入的关键词进行自动分析，以得到其属性。另外，本发明利用数据搜寻分类表，可以大大地加快搜寻速度。再者，藉由随时间调整数据搜寻分类表的内容，使其与数据来源地的变更状态保持一致。因此，本发明的自动查询系统及方法可以让使用者花较少的时间，以获取更多的信息。

根据本发明其中一实施例，其至少包含类型滤波装置，其输入一关键词，用以判别输入关键词的属性。类型滤波装置至少包含第一处理装置，根据关键词的编码，以进行初步分类及分析；及第二处理装置，将第一处理装置处理后的关键词和一特征值逐一比较，以判定其属性。另外，本发明还包含一数据搜寻分类表，其是以相似相近原则，将关键词建立在数据搜寻分类表中，用以对应经类型滤波装置处理后的关键词。数据库根据数据搜索分类表的输出数据，以对应于相关的数据库数据。再者，本发明包含一学习更新表，用以储存自动查询系统最近查询的多个关键词。

根据本发明实施例，此自动查询方法至少包含下列步骤。首先，输入一关键词，再查询关键词是否位于预先储存的多个最近查询关键词当中。接着，根据关键词的编码，进行初步分类及分析，并将初步处理的关键词和一特征值表逐一比较，以判定关键词的属性，以得到一特征值。再者，将特征值和一分类表逐一比较，以得到一地址，再根据此地址以对应至一数据库，而得到和关键词相关的数据。

图1显示根据本发是其中一实施例的自动查询系统方块示意图。

图2显示本实施例中根据ASCII码所作成的分类标记。

图3A显示根据本实施例的初分类流程图。

图3B的树状分类表显示经由类型滤波器所形成的初分类。

图3C显示类型滤波器第二部分的流程图。

图4A显示中文特征值表的一个例子。

图4B显示英文特征值表的一个例子。

图5显示关于数据搜寻分类表的流程图。

图6显示关于学习更新的流程图。

图1显示根据本发明其中一实施例的自动相询系统10的方块示意图。首先，使用者输入的关键词由类型滤波器(pointing filter)12(或称为类型过滤器)作一自动分析，以判别输入关键词的属性，因而可以达到整个系统10的自动查询目的。此类型滤波器12为传统查询系统所无。按，传统的查询系统主要分为两大类：第一类查询系统需要使用者由一层或多层的类别分类当中，一一选所要查询的信息类型，因而造成使用的不便；另外一类是直接将关键词和宠大的数据库一一作比较搜寻，因此浪费了使用者及电脑的时间。

上述类型滤波器12用以判别输入关键词的属性，乃是基于语言作为信息的一种主要载体，已经成为人们日常生活中不可或缺的一部分，人们利用它来达到保存、传递、交流讯息的目的。作为语言的构成成分--词或词组，其具有和其它词或词组相区别的属性。一般来说，此种属性主要包含两方面：一是其本身的字符特征，例如每一词或词组属于某一语系(例如英文或中文)，或者为数字；二是以某一词或词组来表示某种含意，例如人名、地名或为某种专有名词。本发明的类型滤波器12即是根据词所具有的此种属性，进行分析以达到自动判别关键词的属性。

在本实施例中，类型滤波器12包含二部分：122及124，其中第一部分122根据关键词的编码(例如ASCII码)，来进行初分类或初步处理。由于不同的字符会对应于不同的编码，因此初分类部分122据此以产生初分类的快速分类标记(quickclassify flag)。图2显示本实施例中，根据ASCII码所作成的分类标记，其中大于8000H为中文，在41H-5AH之间者为大写英文字母，在61H-7AH之间者为小写英文字母，在30H-39H之间者为数字，其余为符号。接着根据此分类标记判定其字符组成，从而判定其分类。在本实施例中，如果作为中文则属中文类(例如输入关键词为“刘邦”时，由于两个字的ASCII码均大于8000H，因此判定为中文类)；全为英文则再判定其第一字母，如为大写则为英文人名或地名，否则为其它英文类。上述的流程图如图3A所示。如有相混情形出现，则按照以下优先顺序判定：汇率、历史年表、中文、英文。例如，当关键词出现数字和中文时，根据优先顺序，先判定为历史年表，再认定为中文类。图3B的树状分类表显示经由类型滤波器12所形成的初分类。

类型滤波器12的第二部分124为细分类，是根据特征值表继续加以分类，主要是将对应的特征值表逐一比较，以判定其大致属性。特征值表是以数据搜寻分类表(下面将会述及)为基础，将所有中文名表，由于很多的人名尽管各不相同，但在姓氏方面却无非是“林陈李蔡…”；根据相似相近原则，将具有相同姓氏的人名放在一起，因此中文人名表的特征值表好由姓氏所组成。在本实施例中，此表由两部分组成：第一部分为特征值，第二部分为包含该特征值的关键词群位于数据搜寻分类表中的起始地址。例如，对于上述的中文人名的特征值表中，特征值“张”所对应一地址则为所有张姓的人名群位于中文人名表中的起始地址。至于英文特征值表的形成，原则上和中文特征值表相同。历史年表和汇率表的特征值则由一些特殊字组成；例如，历史年表的特征值为年、月、日，而汇率表的特征值为符号或英文字$、￡、￥、USD等；对于杂项类，由于其难以设定一特征值，因此以ffffH值代替，并置于最后；当输入关键词经过分类后，显示其不包含前面所述任何一特征值时，则将其视为杂项类处理。

图3C显示类型滤波器12第二部分124的流程图。首先，打开对应的特征值表(步骤30)，依次取出一个特征值(步骤32)，并以编码值和其作比较，以判定关键词中是否包含特征值(步骤34)。如果含有特征值，则读取对应数据搜寻分类表的地址，并将其存入存储器内(步骤36)。重复上述步骤，直到取出所有特征值为止。

图4A显示中文特征值表40的一个例子。以“刘邦”为例，在经由初分类判定为中文类之后，将其与中文特征值表40逐一比较；由于中文特征值表40具有特征值“刘”，因此判定该关键词为中文人名；如果无一匹配，则作为杂项处理。因此，经过类型滤波器12的分析后，已经将许多不可能的属性排除掉，而达到过滤的目的。接着，根据特征值表，连接到数据搜寻分类表41的中文人名表，再读取其地址，以连接上相关所需的数据库。图4B显示英文特征值表42的一个例子，其与中文情形类似。

参阅图1，经过类型滤波器12处理后，根据特征值打开相对应的数据搜寻分类表14。数据搜寻分类表的建立方法采用相似相近的原则，亦即愈相近的关键词在表中的位置愈靠近。例如，对于“Michael Jackson”、“海南岛”、“黄河”、“长江”、“黑龙江”及“钱塘江”这些关键词，除了“Michael Jackson”外，其余皆为中文；其次是“海南岛”，因为其余皆为河流名；再其次是“黄河”，因为其余皆有“江”字；最后则为“长江”，因为“黑龙江”及“钱塘江”皆为三个字。因此，前述五个关键词与“钱塘江”在数据搜寻分类表中的位置依次为“MichaelJackson”、“海南岛”、“黄河”、“长江”、“黑龙江”。由于考虑到两个关键词有可能同是人名，但却一为中文一为英文，因此，本表在建立时所遵循的优先顺序为：同语系、同属性、有相同字、相同字的位置、字数相同。对于同一属性的关键词群中，也有一小部分关键无法归成一类，因此，将其作为杂项合并在一起。再者，考虑到每一个关键词和其它一些关键词具有相关连性(例如“罗贯中”与“三国演义”)，所以在建立数据搜寻分类表时，也将这些关系对应起来。因此，在本实施例中，每一项关键词的内容由三部分组成：一是关键词；二是该关键字所对应数据库数据的地址；三是和该关键词相关的关键词，及其在表中的地址。

在本发明实施例中，整个数据搜寻分类表由下列五部分所组成：中文的关键词、英文的人名及地名、其它英文关键词、历史年表及汇率表。此种区分根据前述类型滤波器12中初、细分类的原则。

图5显示关于数据搜寻分类表的流程图。在步骤50中，根据特征值表中被查询的特征值所对应的地址，打开相应的数据搜寻分类表。接着，取出数据搜寻分类表中的一个关键字(步骤51)，用以和数据库16(图1)作匹配(步骤52)。如果匹配成功，则保存对应的数据库16地址(步骤53)，并继续取下一个关键字(步骤54)。当关键词群整个匹配成功(步骤55)，则更新学习更新表(Learning Collection)18的内容(步骤56，此将会于下说明)，并根据地址读取数据库16的数据(步骤57)。如果匹配不成功，则由步骤58显示搜寻失败。值得注意的是，数据库16可以是和数据搜寻分类表14直接相连的区域型态数据库，也可以是一个经由网络所连接的广域数据库。

参阅图1，本发明实施例还包含一学习更新表18，其为一个储存表区结构，其和数据搜寻分类表14的结构相同，内容则为记载使用者最近查询的关键词(在本实旆例中为五十个关键词)。当超过最大的个数时，则将最旧的一笔删除。学习更新表18的功能类似于电脑系统内的高整缓冲存储器。当使用者输入关键词后，首先自动查询系统10先到学习更新表18中寻找，如果找到，则根据地址直接到数据库找寻数据；如果在学习更新表18中没有找到，则经由类型滤波器12及数据搜寻分类表14作查询。因此，藉由学习更新表18可以大大提高本系统10的查询速度。

图6显示关于学习更新表18的流程图。首先，由使用者输入关键词后(步骤60)，打开学习更新表18(步骤61)以作查询。将其中的关键词逐一取出与输入比较(步骤62及63)，如果找到，则取得相对应于数据库的地址(步骤64)，并一直到最后一个关键词为止。如果匹配成功(步骤66)，则根据该取得的地址到数据库16中读取数据(步骤67，亦即图5的步骤57)；如果没有得到匹配的查询，则启动滤波器(步骤68，亦即图5的步骤50)。

下面举个例子说明，以使得前述实施例的构思更为清楚。假设使用者欲查询国父孙中山先生的有关数据，于是输入关键词“孙中山”。本发明系统10首先将该关键词储存于字符变量Headname中，然后将学习更新表18中的关键词与HeadName逐一比较，如有相同，则得到对应地址；如无一相同，则调用类型滤波器12。由于“孙中山”三字的ASCII码值皆大于8000H，因此判定为中文类，然后调用中文类的特征值表，逐一比较。先调用中文地名特征表，取第一个值“河”，经与HeadName比较后，显然无此特征值；取第二个值“江”，也不匹配；再取第三个值“山”，由于“孙中山”中含有“山”字，则匹配成功，同时将对应数据搜寻分类表地址存入存储器内，依此类推，直到比较完整张中文地名特征表。再调用中文人名特征表，采用前述相同的方法，可得特征值“孙”为匹配，将“孙”对应的数据搜寻分类表地址存入存储器内；同样道理，依此类推，直到比较完所在中文特征表。然后，根据所得到的数据搜寻分类表地址，打开数据搜寻分类表：其中，第一个地址为含有特征值“山”的地名类在表中的起始地址，读入第一个关键词“泰山”，与HeadName比较，显然不匹配；取第二个关键词“黄山”，也不匹配；依此下去，直到比完所有含有特征值“山”的地名，显然无一匹配。第二个地址为所有含有特征值“孙”的人名类在表中的起始地址，读入第一个关键词“孙武”，与HeadName比较，显然不匹配；取第二个关键词“孙权”，也不匹配；取第三个关键词“孙中山”，则匹配成功，由于HeadName与关键词“孙中山”完全相同，则其余可以不用再找。读取关键词“孙中山”对应的地址，以找到相关的数据库。再者，由于我们还保存与“孙中山”相关的关键词(例如“辛亥革命”等)在数据搜寻分类表中的地址，因此可以进一步得到这些关键词相对于数据库的地址，从而找出并显示出相关的数据。

以上所述仅为本发明的较佳实施例而已，并非用以限定本发明的申请专利范围。凡其它未脱离本发明所揭示的精神下所完成的等效改变或修饰，昀应包含在下述的权利要求范围内。另外，关键词的输入方法可以使用各种方法，例如，键盘、手写辨识输入、语音辨别输入等，还可以是一种即时盘旋翻译系统环境中的输入方法。再得，数据搜寻分类表14中的结构并不限定为本实施例的树状结构，其它数据结构，例如链状结构，也同样适用于本发明。

Claims (20)

1、一种自动查询系统，至少包含：

类型滤波装置，其输入一关键词，用以判别该输入关键词的属性：

一数据搜寻分类表，其以相似相近原则，将该关键词建立在该数据搜寻分类表中，用以对应该类型滤波装置处理后的关键词；及

一数据库，根据该数据搜寻分类表的输出数据，以对应至相关的该数据库的数据。

2、如权利要求1所述的系统，其特征在于，所述类型滤波装置至少包含：

第一处理装置，根据该关键词的编码，以进行初步分类及分析；及

第二处理装置，将该第一处理装置处理后的关键词和一特征值逐一比较，以判定其属性。

3、如权利要求2所述的系统，其特征在于，上述第一处理装置根据该关键词的编码，产生相对应的分类标记，并依据不同编码值之间的相关性，分成多个类别。

4、如权利要求3所述的系统，其特征在于，上述分成的该多个类别包含：中文类、大写英文类、小写英文类、数字类及符号类。

5、如权利要求4所述的系统，其特征在于，上述第一处理装置根据该分类标记，将该关键词对应至下列各类别之一：中文人名、中文地名、英文人名、英文地名、汇率表及历史年表。

6、如权利要求2所述的系统，其特征在于，上述特征值表至少包含：

一特征值；及

一包含该特征值的关键词位于该数据搜寻分类表中的起始地址。

7、如权利要求1所述的系统，其特征在于，上述数据搜寻分类表至少包含下列部分：

一关键词；

一该关键词所对应该数据库数据的地址；及

一和该关键词相关的关键词，及其在该数据搜寻分类表中的地址。

8、如权利要求1所述的系统，其特征在于，上述数据搜寻分类表的内容至少包含：

中文的关键词；

英文的人名及地名；

杂项英文关键词；

历史年表；及

汇率表。

9、如权利要求1所述的系统，其特征在于，还包含学习更新表，用于储存该自动查询系统最近查询的多个关键词。

10、一种自动查询系统，其特征在于，至少包含：

类型滤波装置，其输入一关键词，用以判别该输入关键词的属性，该类型滤波装置至少包含第一处理装置，根据该关键词的编码，以进行初步分类及分析；及第二处理装置，将该第一处理装置处理后的关键词和一特征值表逐一比较，以判定其属性；

一数据搜寻分类表，其以相似相近原则，将该关键词建立于该数据搜寻分类表中，用以对应经该类型滤波装置处理后的关键词；

一数据库，其根据该数据搜寻分类表的输出数据，以对应至相关的该数据库的数据；以及

学习更新表，用以储存该自动查询系统最近查询的多个关键词。

11、一种自动查询方法，至少包含：

输入一关键词；

判别该关键词的属性，以得到一特征值；

将该特征值和一分类表逐一比较，以得到一地址；

根据该地址以对应至一数据库，而得到和该关键词相关的数据。

12、如权利要求11所述的方法，其特征在于，上述判别关键词属性的步骤至少包含：

根据该关键词的编码，进行初步分类及分析；及

将该初步处理的关键词和一特征值表逐一比较，以判定该属性。

13、如权利要求12所述的方法，其特征在于，上述根据该关键词的编码，产生相对应的分类标记，并依据不同的编码值之间的相关性，分成多个类别。

14、如权利要求13所述的方法，其特征在于，上述分成的多个类别包含：中文类、大写英文类、小写英文类、数字类及符号类。

15、如权利要求14所述的方法，其特征在于，上述分类标记将该关键词对应至下列各类别之一：中文人名、中文地名、英文人名、英文地名、汇率表及历史年表。

16、如权利要求12所述的方法，其特征在于，上述特征值表至少包含：

一特征值；及

一包含该特征值的关键词位于该数据搜寻分类表中的起始地址。

17、如权利要求11所述的方法，其特征在于，上述数据搜寻分类表至少包含下列部分：

一关键词；

一该关键词所对应该数据库数据的地址；及

一和该关键词相关的关键词，及其在该数据搜寻分类表中的地址。

18、如权利要求11所述的方法，其特征在于，上述分类表的内容至少包含：

中文的关键词；

英文的人名及地名；

杂项英文关键词；

历史年表；及

汇率表。

19、如权利要求11所述的方法，其特征在于，在输入该关键词之后，还包含查询该关键词是否位于预先储存的多个最近查询关键词当中。

20、一种自动查询方法，其特征在于，至少包含：

输入一关键词；

查询该关键词是否位于预先储存的多个最近查询关键词当中；

根据该关键词的编码，进行初步分类及分析；

将该初步处理的关键词和一特征值逐一比较，以判定该关键词的属性以得到一特征值；

将该特征值和一分类表逐一比较，以得到一地址；

根据该地址以对应至一数据库，而得到和该关键词相关的数据。

Images