[發(fā)明專利]使用編輯距離和文檔信息進(jìn)行搜索結(jié)果排名

有效

• 申請(qǐng)?zhí)枺?/td>: 200980112928.6
• 申請(qǐng)日: 2009-03-10
• 公開（公告）號(hào): CN101990670A
• 公開（公告）日: 2011-03-23
• 發(fā)明（設(shè)計(jì)）人: V·坦科維奇;H·李;D·梅耶澤;J·徐
• 申請(qǐng)（專利權(quán)）人: 微軟公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30;G06F17/27;G06F17/21
• 代理公司: 上海專利商標(biāo)事務(wù)所有限公司 31100
• 代理人: 顧嘉運(yùn);錢靜芳

1.一種計(jì)算機(jī)實(shí)現(xiàn)的相關(guān)性系統(tǒng)(100)，包括：

處理組件(102)，用于基于查詢串從接收到的作為搜索結(jié)果的文檔中提取文檔信息；以及

鄰近度組件(112)，用于計(jì)算數(shù)據(jù)串與所述查詢串之間的編輯距離，所述編輯距離被用于確定文檔的相關(guān)性作為結(jié)果排名的一部分。

2.如權(quán)利要求1所述的系統(tǒng)，其特征在于，被用來(lái)生成所述數(shù)據(jù)串的所述文檔信息包括標(biāo)題信息、URL信息、點(diǎn)擊信息、或錨文本中的至少一個(gè)。

3.如權(quán)利要求1所述的系統(tǒng)，其特征在于，所述處理組件在索引時(shí)間劃分所述文檔信息的混合項(xiàng)以計(jì)算相對(duì)于URL的編輯距離。

4.如權(quán)利要求1所述的系統(tǒng)，其特征在于，所述處理組件在索引時(shí)間過(guò)濾所述文檔信息的錨文本以計(jì)算排名最前的一組錨文本。

5.如權(quán)利要求1所述的系統(tǒng)，其特征在于，所述文檔信息包括標(biāo)題字符、錨字符、點(diǎn)擊字符、或URL字符中的至少一個(gè)，其中文檔信息連同BM25F功能、點(diǎn)擊距離、文件類型、語(yǔ)言和URL深度等原始輸入特征一起被輸入到神經(jīng)網(wǎng)絡(luò)以計(jì)算所述文檔的相關(guān)性。

6.如權(quán)利要求1所述的系統(tǒng)，其特征在于，對(duì)所述編輯距離的計(jì)算是基于用于增加所述數(shù)據(jù)串與所述查詢串之間的鄰近度的項(xiàng)插入和項(xiàng)刪除的。

7.如權(quán)利要求1所述的系統(tǒng)，其特征在于，對(duì)所述編輯距離的計(jì)算是基于與用于增加所述數(shù)據(jù)串與所述查詢串之間的鄰近度的項(xiàng)插入和項(xiàng)刪除相關(guān)聯(lián)的成本的。

8.一種確定相關(guān)性的計(jì)算機(jī)實(shí)現(xiàn)的方法，包括：

作為搜索過(guò)程的一部分來(lái)接收查詢串(1000)；

從在所述搜索過(guò)程期間返回的文檔中提取文檔信息(1002)；

根據(jù)所述文檔信息生成數(shù)據(jù)串(1004)；

計(jì)算所述數(shù)據(jù)串與所述查詢串之間的編輯距離(1006)；以及

基于所述編輯距離來(lái)計(jì)算相關(guān)性分?jǐn)?shù)(1008)。

9.如權(quán)利要求8所述的方法，其特征在于，還包括使用查詢項(xiàng)插入來(lái)作為計(jì)算所述編輯距離的一部分并且評(píng)估在所述查詢串中插入一個(gè)項(xiàng)以生成所述數(shù)據(jù)串的插入成本，所述成本被表示成加權(quán)參數(shù)。

10.如權(quán)利要求8所述的方法，其特征在于，還包括使用項(xiàng)刪除來(lái)作為計(jì)算所述編輯距離的一部分并且評(píng)估在所述查詢串中刪除一個(gè)項(xiàng)以生成所述數(shù)據(jù)串的刪除成本，所述成本被表示成加權(quán)參數(shù)。

11.如權(quán)利要求8所述的方法，其特征在于，還包括作為計(jì)算所述編輯距離的一部分來(lái)計(jì)算位置成本，所述位置成本與所述數(shù)據(jù)串中的項(xiàng)位置的項(xiàng)插入和/或項(xiàng)刪除相關(guān)聯(lián)。

12.如權(quán)利要求8所述的方法，其特征在于，還包括在所述數(shù)據(jù)串的各字符與所述查詢串的各字符之間執(zhí)行匹配過(guò)程以計(jì)算用于計(jì)算所述編輯距離的總體成本。

13.如權(quán)利要求8所述的方法，其特征在于，還包括在索引時(shí)間劃分所述數(shù)據(jù)串的URL的混合項(xiàng)。

14.如權(quán)利要求8所述的方法，其特征在于，還包括基于在所述文檔中的出現(xiàn)頻率來(lái)過(guò)濾所述數(shù)據(jù)串的錨文本以找出排名最前的一組錨文本。

15.如權(quán)利要求14所述的方法，其特征在于，還包括計(jì)算所述組中的錨文本的編輯距離分?jǐn)?shù)。

16.如權(quán)利要求8所述的方法，其特征在于，還包括在應(yīng)用變換函數(shù)之后，將從對(duì)所述編輯距離的計(jì)算導(dǎo)出的分?jǐn)?shù)輸入到兩層神經(jīng)網(wǎng)絡(luò)中，所述分?jǐn)?shù)是基于計(jì)算與標(biāo)題信息、錨信息、點(diǎn)擊信息、或URL信息、以及其它原始輸入特征中的至少一個(gè)相關(guān)聯(lián)的編輯距離來(lái)生成的。

17.一種計(jì)算文檔的相關(guān)性的計(jì)算機(jī)實(shí)現(xiàn)的方法，包括：

作為搜索過(guò)程的一部分來(lái)處理查詢串以返回一組結(jié)果文檔(1100)；

基于從這組結(jié)果的文檔中提取的文檔信息生成數(shù)據(jù)串，所述文檔信息包括來(lái)自所述文檔的標(biāo)題信息、錨文本信息、點(diǎn)擊信息、以及URL信息中的一個(gè)或多個(gè)(1102)；

基于項(xiàng)插入、項(xiàng)刪除、以及項(xiàng)位置來(lái)計(jì)算所述數(shù)據(jù)串與所述查詢串之間的編輯距離(1104)；以及

基于所述編輯距離來(lái)計(jì)算相關(guān)性分?jǐn)?shù)，所述相關(guān)性分?jǐn)?shù)用于對(duì)所述結(jié)果集中的文檔進(jìn)行排名(1106)。