[發明專利]檢索詞核心權重確定方法和裝置

有效

• 申請號: 200910242875.1
• 申請日: 2009-12-18
• 公開（公告）號: CN102103604A
• 公開（公告）日: 2011-06-22
• 發明（設計）人: 潘子浩;秦首科
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 劉芳

1.一種檢索詞核心權重確定方法，其特征在于，包括：

在線下核心計算生成的第一詞典文件中查找檢索詞；

如果在所述第一詞典文件中查找到所述檢索詞，則輸出所述第一詞典文件對應的第一數據文件中保存的與所述檢索詞對應的核心權重；

如果在所述第一詞典文件中未查找到所述檢索詞，則對所述檢索詞進行處理，并在所述第一詞典文件中查找處理后的檢索詞，如果查找到所述處理后的檢索詞，則輸出所述第一詞典文件對應的第一數據文件中保存的與所述處理后的檢索詞對應的核心權重；如果在所述第一詞典文件中未查找到所述處理后的檢索詞，則對所述處理后的檢索詞進行切詞計算，獲得所述處理后的檢索詞的核心權重。

2.根據權利要求1所述的方法，其特征在于，所述對所述檢索詞進行處理，并在所述第一詞典文件中查找處理后的檢索詞，如果查找到所述處理后的檢索詞，則輸出所述第一詞典文件對應的第一數據文件中保存的與所述處理后的檢索詞對應的核心權重包括：

去除所述檢索詞中的地域名詞，獲得第一檢索詞；

在所述第一詞典文件中查找所述第一檢索詞，如果查找到，則輸出所述第一詞典文件對應的第一數據文件中保存的與所述第一檢索詞對應的核心權重；

如果在所述第一詞典文件中未查找到所述第一檢索詞，則對所述第一檢索詞進行規約操作，獲得第二檢索詞，并在所述第一詞典文件中查找所述第二檢索詞，如果查找到，則輸出所述第一詞典文件對應的第一數據文件中保存的與所述第二檢索詞對應的核心權重。

3.根據權利要求2所述的方法，其特征在于，所述對所述處理后的檢索詞進行切詞計算，獲得所述處理后的檢索詞的核心權重包括：

對所述第二檢索詞進行切詞，并獲得所述第二檢索詞包含的各切詞的重要性權重；

在線下核心計算生成的第二詞典文件中查找所述切詞，獲得所述第二詞典文件對應的第二數據文件中保存的所述切詞對應的關聯檢索詞和所述關聯檢索詞對應的核心成分；

以所述切詞的重要性權重對所述切詞對應的關聯檢索詞進行加權，按照所述關聯檢索詞的權重由大至小的順序，選取預定數量的關聯檢索詞和所述關聯檢索詞對應的核心成分組成第一特征向量；

計算所述切詞對應的關聯檢索詞和所述關聯檢索詞對應的核心成分組成的第二特征向量與所述第一特征向量的夾角的余弦值，所述余弦值為所述切詞的權重；

按照所述切詞的權重由大到小的順序對所述切詞進行排序，選擇權重最大的切詞作為核心切詞；

將所述切詞中除所述核心切詞之外的其他切詞與所述核心切詞進行粘接，獲得粘接切詞，并根據所述切詞中除所述核心切詞之外的其他切詞與所述核心切詞對應的關聯檢索詞，獲得所述粘接切詞對應的關聯檢索詞和所述粘接切詞對應的關聯檢索詞的核心成分，所述粘接切詞對應的關聯檢索詞和所述粘接切詞對應的關聯檢索詞的核心成分組成第三特征向量；

計算所述第三特征向量與所述第一特征向量的夾角的余弦值，作為所述粘接切詞的權重，并對所述粘接切詞的權重進行修正，修正后的粘接切詞的權重為所述第二檢索詞的核心權重。

4.根據權利要求1-3任意一項所述的方法，其特征在于，還包括：進行線下核心計算，生成所述第一詞典文件、所述第一數據文件、所述第二詞典文件和所述第二數據文件。

5.根據權利要求4所述的方法，其特征在于，所述進行線下核心計算，生成所述第一詞典文件、所述第一數據文件、所述第二詞典文件和所述第二數據文件包括：

將預定時間內的檢索日志匯總為日志文件；

對所述日志文件中的檢索詞進行編碼，并對編碼后的檢索詞進行關聯挖掘，獲得關聯檢索詞；

根據所述關聯檢索詞生成倒排索引文件；

對所述倒排索引文件中的關聯檢索詞進行核心分析，獲得所述第一詞典文件和所述第一數據文件；

對所述倒排索引文件中的檢索詞進行切詞，并對所述檢索詞包含的切詞進行核心分析，獲得所述第二詞典文件和所述第二數據文件。