[發(fā)明專利]索引建立方法、搜索方法和搜索結(jié)果排序方法及對應(yīng)裝置

有效

• 申請?zhí)枺?/td>: 201110086824.1
• 申請日: 2011-04-07
• 公開（公告）號: CN102737039A
• 公開（公告）日: 2012-10-17
• 發(fā)明（設(shè)計(jì)）人: 喻宏勇;石遠(yuǎn)
• 申請（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 深圳市威世博知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44280
• 代理人: 何青瓦;李慶波

1.一種索引建立方法，其特征在于，該方法包括：

A、對頁面進(jìn)行分詞和詞性標(biāo)注；

B、基于語義分析或頁面中的視覺特征中的至少一種，從分詞處理后得到的各詞語中確定實(shí)體詞以及該實(shí)體詞對應(yīng)的屬性詞并分別進(jìn)行標(biāo)注；

C、在建立所述頁面的索引時(shí)，將建立索引所使用詞語具有的實(shí)體詞或?qū)傩栽~標(biāo)注同時(shí)添加入索引中。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟B中基于語義分析，從分詞處理后得到的各詞語中確定實(shí)體詞具體包括：

將頁面詞條中的名詞、被識別為頁面主題詞的名詞、作為句子中心詞的名詞、在頁面的出現(xiàn)頻次在預(yù)設(shè)范圍內(nèi)的名詞或者頁面中的命名實(shí)體確定為實(shí)體詞。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟B中基于語義分析，從分詞處理后得到的各詞語中確定實(shí)體詞對應(yīng)的屬性詞具體包括：

依據(jù)上下文關(guān)系，將分詞處理后得到的各詞語中與實(shí)體詞的屬性關(guān)系概率達(dá)到預(yù)設(shè)屬性概率閾值的詞語作為該實(shí)體詞的屬性詞；或者，

依據(jù)預(yù)設(shè)的語義模板，從分詞處理后得到的各詞語中確定實(shí)體詞對應(yīng)的屬性詞，所述語義模板中包含實(shí)體詞與屬性詞構(gòu)成的各種句式結(jié)構(gòu)。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述頁面中的視覺特征包括：邏輯塊、邏輯塊與邏輯塊之間的距離、背景顏色、字體顏色和大小、邊框、符號或者表格；

步驟B中基于頁面中的視覺特征，從分詞處理后得到的各詞語中確定實(shí)體詞以及實(shí)體詞對應(yīng)的屬性詞具體包括：將頁面中具有預(yù)設(shè)視覺特征的詞語確定為實(shí)體詞或?qū)傩栽~。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟C中，添加入所述索引中的還包括以下標(biāo)注中的至少一種：

實(shí)體詞與屬性詞之間對應(yīng)關(guān)系的標(biāo)注；

屬性詞的屬性類型標(biāo)注；

實(shí)體詞具有突出的視覺特征標(biāo)注；以及，

屬性詞具有突出的視覺特征標(biāo)注。

6.一種搜索方法，其特征在于，該方法包括：

A、對接收到的搜索請求query進(jìn)行分詞和詞性標(biāo)注；

B、基于語義分析，從分詞處理后得到的各詞語中確定實(shí)體詞以及該實(shí)體詞對應(yīng)的屬性詞并分別進(jìn)行標(biāo)注；

C、查找與分詞處理后得到的各詞語以及各詞語的標(biāo)注相匹配的索引對應(yīng)的頁面，其中各詞語的標(biāo)注為各詞語的實(shí)體詞或?qū)傩栽~標(biāo)注，所述索引采用如權(quán)利要求1所述的方法建立；

D、將查找到的頁面包含在所述query的搜索結(jié)果中。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，在所述步驟A和步驟B之間還包括：

基于預(yù)設(shè)的停用詞表對分詞處理后得到的各詞語進(jìn)行過濾處理，過濾掉所述停用詞表中包含的詞語；

所述停用詞表中包含以下所列的至少一種：副詞、虛詞、助詞、疑問詞、語氣詞、代詞。

8.根據(jù)權(quán)利要求6或7所述的方法，其特征在于，步驟B中基于語義分析，從分詞處理后得到的各詞語中確定實(shí)體詞具體包括：

將作為query中心詞的名詞或者query中的命名實(shí)體確定為實(shí)體詞。

9.根據(jù)權(quán)利要求6或7所述的方法，其特征在于，步驟B中基于語義分析，從分詞處理后得到的各詞語中確定實(shí)體詞對應(yīng)的屬性詞具體包括：

依據(jù)上下文關(guān)系，將所述分詞處理后得到的各詞語中與實(shí)體詞的屬性關(guān)系概率達(dá)到預(yù)設(shè)屬性概率閾值的詞語作為該實(shí)體詞的屬性詞；或者，

依據(jù)預(yù)設(shè)的語義模板，從所述分詞處理后得到的各詞語中確定實(shí)體詞對應(yīng)的屬性詞，所述語義模板中包含實(shí)體詞與屬性詞構(gòu)成的各種句式結(jié)構(gòu)。

10.根據(jù)權(quán)利要求6或7所述的方法，其特征在于，在所述步驟B和所述步驟C之間還包括：

E、對所述query進(jìn)行需求明確度分析，如果確定所述query需求明確，則繼續(xù)執(zhí)行所述步驟C；否則，執(zhí)行步驟F；

F、查找與所述分詞處理后得到的各詞語相匹配的索引對應(yīng)的頁面，轉(zhuǎn)至所述步驟D。

11.根據(jù)權(quán)利要求10所述的方法，其特征在于，步驟E中對所述query進(jìn)行需求明確度分析具體包括：

如果所述query中含有動詞，則確定所述query具有明確的需求；或者，

如果所述query中包含預(yù)設(shè)的需求詞表中的詞語，則確定所述query具有明確的需求，所述需求詞表通過手工或數(shù)據(jù)挖掘的方式形成且包含具有明確需求的詞語。