[發明專利]信息查詢方法和裝置

有效

• 申請號: 201110305264.4
• 申請日: 2011-10-10
• 公開（公告）號: CN103034665A
• 公開（公告）日: 2013-04-10
• 發明（設計）人: 韓小梅;宋超;楊松;陳超
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 吳貴明;江舟

技術領域

本申請涉及互聯網搜索技術領域，具體而言，涉及一種信息查詢方法和裝置。

背景技術

目前，隨著互聯網技術的發展，電子商務網站越來越多地被商家使用。通常，賣家通過客戶端在電子商務網站上發布產品信息，電子商務網站的后臺服務器對這些產品發布信息進行存儲。當買家在電子商務網站上搜索所需的產品發布信息時，其通過后臺服務器在電子商務網站上提供的入口輸入查詢詞，其中，該查詢詞包含查詢的核心詞(或稱，關鍵詞)。后臺服務器將查詢詞與之前存儲的產品發布信息進行匹配，若匹配成功，則返回相應的產品發布信息。

具體地，現有技術中后臺服務器將查詢詞與之前存儲的產品發布信息進行匹配主要包括以下步驟：

S1，根據查詢詞(Query)中的核心詞進行擴展，得到與該核心詞相關的查詢詞，例如：多個同義詞或近義詞；

S2，將上述核心詞、多個同義詞以及近義詞分別與之前存儲的產品發布信息進行匹配，若當前的產品發布信息包括上述核心詞、多個同義詞或近義詞之一，則將該當前的產品發布信息作為匹配成功的查詢結果進行返回。

然而，這種查詢方式存在一定的缺點，具體如下：

1)召回率低：對Query進行擴展時，由于準確率、性能等的限制，從而導致可擴展出的與Query相關的查詢詞的數量有限，從而導致在匹配時，能夠匹配出的信息較少，從而導致匹配成功的結果數較少，召回率較低；

2)完全依賴Query本身的特征：在對Query進行擴展時，完全依賴Query本身的特征，沒有考慮到產品發布信息(或稱為文檔)的特征，從而導致Query擴展數量較少，擴展的準確率也較難保證；

3)Query的擴展需要考慮原始Query與擴展Query的相關性，還要考慮原始Query與文檔、擴展Query與文檔之間的相關性，這使得相關性的計算過于復雜，計算效率低下，減慢了搜索查詢的速度，且由于進行相關性計算時存在多重計算環節，如果其中一個環節準確率較低時，就會導致最終計算的相關性不準確。

發明內容

本申請的主要目的在于提供一種信息查詢方法和裝置，以至少解決現有的查詢方式中存在的匹配成功的結果數較少的問題。

根據本申請的一個方面，提供了一種信息查詢方法，其包括：獲取查詢詞的類目點擊率和發布信息的類目點擊率；根據查詢詞的類目點擊率和發布信息的類目點擊率計算查詢詞與發布信息之間的相似度；當計算得到的相似度大于第一預定閾值時，將發布信息作為匹配成功的查詢結果進行返回。

獲取查詢詞的類目點擊率的步驟包括：對查詢詞進行分詞，得到一個或多個詞語；在類目點擊率的歷史統計信息中獲取分詞后得到的詞語對應的類目點擊率，其中，分詞后得到的詞語對應的類目點擊率為分詞后得到的詞語組成的短串在對應的類目中的類目點擊率；依次對分詞后得到的詞語執行以下步驟，其中，將正在執行以下步驟的詞語稱為當前詞語：若除當前詞語之外的詞語組成的短串在對應的類目中的類目點擊率與分詞后得到的詞語對應的類目點擊率之間的差值達到第二預定閾值，則將當前詞語標記為核心詞，否則，將當前詞語標記為非核心詞；獲取所有核心詞構成的短串在對應的類目中的類目點擊率作為查詢詞的類目點擊率。

獲取發布信息的類目點擊率的步驟包括：對發布信息進行分詞，得到一個或多個核心詞；在類目點擊率的歷史統計信息中獲取分詞后得到的核心詞組成的短串在對應的類目中的類目點擊率。

根據查詢詞的類目點擊率和發布信息的類目點擊率計算查詢詞與發布信息之間的相似度的步驟包括：根據查詢詞的類目點擊率和發布信息的類目點擊率計算查詢詞與發布信息兩者的類目點擊分布之間的距離；根據距離所在的區間來計算查詢詞與發布信息之間的相似度。

根據查詢詞的類目點擊率和發布信息的類目點擊率計算查詢詞與發布信息兩者的類目點擊分布之間的距離的步驟包括：