[發(fā)明專(zhuān)利]搜索日志的挖掘方法和裝置以及頁(yè)面搜索的方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201010600713.3
• 申請(qǐng)日: 2010-12-22
• 公開(kāi)（公告）號(hào): CN102073684A
• 公開(kāi)（公告）日: 2011-05-25
• 發(fā)明（設(shè)計(jì)）人: 辜斯繆
• 申請(qǐng)（專(zhuān)利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)(北京)有限公司
• 主分類(lèi)號(hào): G06F17/30
• 分類(lèi)號(hào): G06F17/30
• 代理公司: 深圳市威世博知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44280
• 代理人: 何青瓦;李慶波

1.一種搜索日志的挖掘方法，其特征在于，對(duì)從搜索日志中抓取到的搜索詞query分別執(zhí)行步驟A1和步驟C1：

A1、對(duì)所述抓取到的query進(jìn)行分詞處理，執(zhí)行步驟B1；

B1、利用分詞處理后得到的各詞語(yǔ)和/或各詞語(yǔ)的屬性構(gòu)成的組合以及各組合的分布概率，歸納出類(lèi)型，轉(zhuǎn)至步驟D1；

C1、對(duì)所述抓取到的query進(jìn)行篩選，得到時(shí)效性query集合和非時(shí)效性query集合，執(zhí)行步驟D1；

D1、統(tǒng)計(jì)步驟B1得到的各類(lèi)型在步驟C1篩選出的時(shí)效性query集合和非時(shí)效性query集合中的分布，利用統(tǒng)計(jì)結(jié)果計(jì)算各類(lèi)型對(duì)應(yīng)的時(shí)效性概率，并將各類(lèi)型與時(shí)效性概率之間的對(duì)應(yīng)關(guān)系存儲(chǔ)在時(shí)效性概率表中。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟B1具體包括：

B11、按照所述分詞處理后得到的各詞語(yǔ)的屬性，對(duì)各詞語(yǔ)進(jìn)行標(biāo)注；

B12、按照步驟B11的標(biāo)注結(jié)果，將同一個(gè)query中詞語(yǔ)的組合，或者詞語(yǔ)的屬性的組合，或者詞語(yǔ)和詞語(yǔ)的屬性的組合作為歸納出的類(lèi)型，其中，所述歸納出的類(lèi)型在所述搜索日志中的分布概率超過(guò)預(yù)設(shè)的類(lèi)型分布概率閾值。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟B11中，各詞語(yǔ)的屬性識(shí)別過(guò)程具體為：預(yù)先根據(jù)詞語(yǔ)在不同屬性中的分布概率，建立詞性統(tǒng)計(jì)表；利用分詞處理后得到的各詞語(yǔ)查找所述詞性統(tǒng)計(jì)表，確定所述各詞語(yǔ)對(duì)應(yīng)分布概率最高的屬性。

4.根據(jù)權(quán)利要求1至3任一權(quán)項(xiàng)所述的方法，其特征在于，從搜索日志中抓取query所采用的抓取策略包括以下策略中的一種或任意組合：

抓取策略1：抓取對(duì)應(yīng)搜索結(jié)果中用戶所點(diǎn)擊頁(yè)面中發(fā)布時(shí)間在最近第一時(shí)間段內(nèi)的頁(yè)面占該用戶所點(diǎn)擊的所有頁(yè)面的比例超過(guò)預(yù)設(shè)第一比例閾值的query；

抓取策略2：抓取對(duì)應(yīng)搜索結(jié)果中發(fā)布時(shí)間在最近第二時(shí)間段內(nèi)的頁(yè)面占搜索結(jié)果的比例超過(guò)預(yù)設(shè)的第二比例閾值的query；

抓取策略3：抓取對(duì)應(yīng)搜索結(jié)果中存在用戶點(diǎn)擊頁(yè)面的發(fā)布時(shí)間在最近一段時(shí)間內(nèi)的所有query。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，步驟C1中采用的篩選策略包括以下策略中的一種或任意組合：

篩選策略1：篩選出對(duì)應(yīng)搜索結(jié)果中用戶所點(diǎn)擊頁(yè)面中發(fā)布時(shí)間在最近第三時(shí)間段內(nèi)的頁(yè)面占該用戶所點(diǎn)擊的所有頁(yè)面比例超過(guò)預(yù)設(shè)第三比例閾值的query，構(gòu)成時(shí)效性query集合，其他query構(gòu)成非時(shí)效性query集合；其中，如果抓取策略采用所述抓取策略1，則所述第三時(shí)間段的時(shí)長(zhǎng)等于所述第一時(shí)間段的時(shí)長(zhǎng)且所述第三比例閾值大于所述第一比例閾值，或者，所述第三時(shí)間段的時(shí)長(zhǎng)小于所述第一時(shí)間段的時(shí)長(zhǎng)且所述第三比例閾值等于所述第一比例閾值，或者，所述第三時(shí)間段的時(shí)長(zhǎng)小于所述第一時(shí)間段的時(shí)長(zhǎng)且所述第三比例閾值大于所述第一比例閾值；

篩選策略2：篩選出對(duì)應(yīng)搜索結(jié)果中發(fā)布時(shí)間在最近第四時(shí)間段內(nèi)的頁(yè)面占搜索結(jié)果的比例超過(guò)預(yù)設(shè)的第四比例閾值的query，構(gòu)成時(shí)效性query集合，其他query構(gòu)成非時(shí)效性query集合；其中，如果抓取策略采用所述抓取策略2，則所述第四時(shí)間段的時(shí)長(zhǎng)等于所述第二時(shí)間段的時(shí)長(zhǎng)且所述第四比例閾值大于所述第二比例閾值，或者所述第四時(shí)間段的時(shí)長(zhǎng)小于所述第二時(shí)間段的時(shí)長(zhǎng)且所述第四比例閾值等于所述第二比例閾值，或者所述第四時(shí)間段的時(shí)長(zhǎng)小于所述第二時(shí)間段的時(shí)長(zhǎng)且所述第四比例閾值大于所述第二比例閾值；

篩選策略3：篩選出對(duì)應(yīng)搜索結(jié)果的點(diǎn)擊率超過(guò)預(yù)設(shè)的點(diǎn)擊率突發(fā)閾值的query，構(gòu)成時(shí)效性query集合，其他query構(gòu)成非時(shí)效性query集合。

6.一種頁(yè)面搜索的方法，其特征在于，該方法包括：

A2、對(duì)用戶輸入的搜索詞query進(jìn)行分詞處理；

B2、利用分詞處理后得到的各詞語(yǔ)和/或各詞語(yǔ)的屬性構(gòu)成的組合以及各組合的分布概率，歸納出所述query對(duì)應(yīng)的類(lèi)型；

C2、查找利用權(quán)利要求1所述方法形成的時(shí)效性概率表，確定步驟B2中歸納出的類(lèi)型對(duì)應(yīng)的時(shí)效性概率；

D2、如果步驟C2確定出的時(shí)效性概率的最高值超過(guò)預(yù)設(shè)的時(shí)效性概率閾值，則確定所述query具備時(shí)效性需求。