[發(fā)明專利]一種領(lǐng)域特征詞確定方法和裝置有效
| 申請?zhí)枺?/td> | 201010100319.3 | 申請日： | 2010-01-22 |
| 公開（公告）號： | CN102135961A | 公開（公告）日： | 2011-07-27 |
| 發(fā)明（設(shè)計）人： | 于亮;張宇峰 | 申請（專利權(quán)）人： | 北京金山軟件有限公司;北京金山數(shù)字娛樂科技有限公司 |
| 主分類號： | G06F17/30 | 分類號： | G06F17/30 |
| 代理公司： | 北京集佳知識產(chǎn)權(quán)代理有限公司 11227 | 代理人： | 逯長明;王寶筠 |
| 地址： | 100085 北京市海淀*** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 領(lǐng)域 特征 確定 方法 裝置 | ||
1.一種領(lǐng)域特征詞確定方法，其特征在于，包括：
分別選取預(yù)設(shè)數(shù)量的第一領(lǐng)域和第二領(lǐng)域兩個領(lǐng)域的領(lǐng)域詞，利用搜索引擎對每個領(lǐng)域詞進行搜索，根據(jù)搜索結(jié)果獲得待確定領(lǐng)域特征詞集合；
分別結(jié)合第一領(lǐng)域和第二領(lǐng)域的搜索結(jié)果計算待確定領(lǐng)域特征詞集合中的每個詞語在第一領(lǐng)域中的第一權(quán)值和在第二領(lǐng)域的第二權(quán)值。
分別按照所述第一權(quán)值和第二權(quán)值對所述詞語進行排序，統(tǒng)計待確定領(lǐng)域特征詞集合中同一個詞語在兩個領(lǐng)域的權(quán)值位置信息，并根據(jù)所述位置信息計算每個詞語在這兩個領(lǐng)域的差異度；
將所述每個詞語的差異度與預(yù)先獲取的第一領(lǐng)域與第二領(lǐng)域的差異度閾值進行比較，根據(jù)比較結(jié)果得到第一領(lǐng)域或者第二領(lǐng)域的領(lǐng)域特征詞。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，通過如下方法預(yù)先獲取的差異度閾值：
分別選取預(yù)設(shè)數(shù)量的第一領(lǐng)域和第二領(lǐng)域兩個領(lǐng)域的領(lǐng)域詞，利用搜索引擎對每個領(lǐng)域詞進行搜索，根據(jù)搜索結(jié)果獲得待確定領(lǐng)域特征詞集合；
從待確定領(lǐng)域特征詞集合中為第一領(lǐng)域和第二領(lǐng)域各選一定數(shù)量的參考領(lǐng)域特征詞，所述參考領(lǐng)域特征詞分別從預(yù)先設(shè)置的第一領(lǐng)域和第二領(lǐng)域參考領(lǐng)域特征詞集合中選取；
分別結(jié)合第一領(lǐng)域和第二領(lǐng)域的搜索結(jié)果計算每個參考領(lǐng)域特征詞的權(quán)值，并按照權(quán)值對參考領(lǐng)域特征詞進行排序；
根據(jù)同一個參考領(lǐng)域特征詞在兩個領(lǐng)域的權(quán)值所處的不同位置計算每個參考領(lǐng)域特征詞的位置差異度；
根據(jù)參考領(lǐng)域特征詞的差異度確定第一領(lǐng)域和第二領(lǐng)域的差異度閾值。
3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述利用搜索引擎對每個領(lǐng)域詞進行搜索，根據(jù)搜索結(jié)果獲得待確定領(lǐng)域特征詞集合包括：
利用搜索引擎對每個領(lǐng)域詞進行搜索，獲取搜索結(jié)果，根據(jù)搜索結(jié)果得到待分析的頁面；
利用抽取程序，抽取出每個待分析頁面的正文部分；
對每個待分析頁面的正文進行分詞，統(tǒng)計分詞后得到的詞語，形成待確定領(lǐng)域特征詞集合。
4.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，將所述差異度與預(yù)先獲取的差異度閾值進行比較，從差異度閾值之上的詞語中得到領(lǐng)域特征詞包括：
將所述差異度與預(yù)先獲取的差異度閾值進行比較，選取差異度在差異度閾值以上的待選領(lǐng)域特征詞；
結(jié)合所述待選領(lǐng)域特征詞的在第一領(lǐng)域和第二領(lǐng)域的權(quán)值位置信息，從待選領(lǐng)域特征詞中確定第一領(lǐng)域或第二領(lǐng)域的領(lǐng)域特征詞。
5.根據(jù)權(quán)利要求1～4任意一項所述的方法，其特征在于，所述權(quán)值位置信息為所述按照待確定領(lǐng)域特征詞在第一領(lǐng)域或者第二領(lǐng)域的權(quán)值在相應(yīng)的領(lǐng)域進行排序后，所述待確定領(lǐng)域特征詞所處的位置。
6.一種領(lǐng)域特征詞確定裝置，其特征在于，包括：
第一獲取單元，用于分別選取預(yù)設(shè)數(shù)量的第一領(lǐng)域和第二領(lǐng)域兩個領(lǐng)域的領(lǐng)域詞，利用搜索引擎對每個領(lǐng)域詞進行搜索，根據(jù)搜索結(jié)果獲取待確定領(lǐng)域特征詞集合；
第一計算單元，用于分別結(jié)合第一領(lǐng)域和第二領(lǐng)域的搜索結(jié)果計算待確定領(lǐng)域特征詞集合中的每個詞語在第一領(lǐng)域中的第一權(quán)值和在第二領(lǐng)域的第二權(quán)值；
第二計算單元，用于分別按照所述第一權(quán)值和第二權(quán)值對所述詞語進行排序，統(tǒng)計待確定領(lǐng)域特征詞集合中同一個詞語在兩個領(lǐng)域的權(quán)值位置信息，并根據(jù)所述位置信息計算每個詞語在這兩個領(lǐng)域的差異度；
差異度閾值獲取單元，用于預(yù)先獲取第一領(lǐng)域與第二領(lǐng)域的差異度閾值；
第二獲取單元，用于將所述每個詞語的差異度與預(yù)先獲取的第一領(lǐng)域與第二領(lǐng)域的差異度閾值進行比較，根據(jù)比較結(jié)果得到第一領(lǐng)域或者第二領(lǐng)域的領(lǐng)域特征詞。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京金山軟件有限公司;北京金山數(shù)字娛樂科技有限公司，未經(jīng)北京金山軟件有限公司;北京金山數(shù)字娛樂科技有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201010100319.3/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
