[發明專利]數據搜索方法和裝置

有效

• 申請號: 201110319237.2
• 申請日: 2011-10-19
• 公開（公告）號: CN103064838A
• 公開（公告）日: 2013-04-24
• 發明（設計）人: 韓小梅;馮景華;宋超;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;G06F17/27
• 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

1.一種數據搜索方法，其特征在于，包括：

接收包含關鍵詞的查詢信息；

在數據庫中搜索與所述關鍵詞相對應的核心詞；

將搜索到的核心詞所屬的發布信息作為搜索結果進行返回；

其中，通過以下步驟預先在所述數據庫中存儲核心詞與核心詞所屬的發布信息：

接收輸入的發布信息，并對所述發布信息進行分詞得到一個或多個詞語以及與該詞語對應的詞性；

從分詞得到的所有詞語中獲取詞性為預設詞性的詞語；

根據詞性為所述預設詞性的詞語的歷史統計信息和/或詞性為所述預設詞性的詞語之間的相似度來從所獲取的詞性為所述預設詞性的詞語中提取所述發布信息的核心詞，并將該核心詞與該核心詞所屬的發布信息存儲在所述數據庫中。

2.根據權利要求1所述的方法，其特征在于，根據詞性為所述預設詞性的詞語的歷史統計信息和/或詞性為所述預設詞性的詞語之間的相似度來從所獲取的詞性為所述預設詞性的詞語中提取所述短句的核心詞的步驟包括：

如果所獲取的詞性為所述預設詞性的詞語為1個，則將所獲取的詞性為所述預設詞性的詞語確定為所述發布信息的核心詞；

如果所獲取的詞性為所述預設詞性的詞語為2個，則根據詞性為所述預設詞性的詞語的歷史統計信息從所述2個詞性為所述預設詞性的詞語中確定出所述發布信息的核心詞；

如果所獲取的詞性為所述預設詞性的詞語多于2個，則將所述發布信息中最后一個詞性為所述預設詞性的詞語確定為所述發布信息的核心詞，并計算所述發布信息中詞性為所述預設詞性的其他詞語與所述最后一個詞性為所述預設詞性的詞語的相似度，在所述詞性為所述預設詞性的其他詞語中的一個與所述最后一個詞性為所述預設詞性的詞語的相似度大于第一預定閾值時，將所述詞性為所述預設詞性的其他詞語中的所述一個確定為所述發布信息的核心詞。

3.根據權利要求2所述的方法，其特征在于，當所述2個詞性為所述預設詞性的詞語包括第一預設詞和第二預設詞、且所述第一預設詞在所述發布信息中位于第二預設詞之前時，根據詞性為所述預設詞性的詞語的歷史統計信息從所述2個詞性為所述預設詞性的詞語中確定出所述發布信息的核心詞的步驟包括：

在所述詞性為所述預設詞性的詞語的歷史統計信息中獲取在存在2個詞性為所述預設詞性的預詞語的情況下位置在前的預設詞為核心詞的概率與位置在后的預設詞為核心詞的概率；

若所述位置在前的預設詞為核心詞的概率大于所述位置在后的預設詞為核心詞的概率，則將所述第一預設詞確定為所述發布信息的核心詞；

若所述位置在前的預設詞為核心詞的概率小于所述位置在后的預設詞為核心詞的概率，則將所述第二預設詞確定為所述發布信息的核心詞；

若所述位置在前的預設詞為核心詞的概率等于所述位置在后的預設詞為核心詞的概率，則將所述第一預設詞和所述第二預設詞確定為所述發布信息的核心詞。

4.根據權利要求1所述的方法，其特征在于，在根據所述詞性為所述預設詞性的詞語的歷史統計信息和/或所述詞性為所述預設詞性的詞語之間的相似度來從所獲取的詞性為所述預設詞性的詞語中提取所述發布信息的核心詞之后，還包括：

判斷所述發布信息是否具有對應的類目標識和供應商標識，其中，所述類目標識用于指示所述發布信息位于的類目，所述供應商標識用于指示發布所述發布信息的供應商；

在多維度特征下對所述發布信息中待處理的詞語進行相關性判斷，其中，所述待處理的詞語包括：所述核心詞和詞性為修飾詞的詞語；所述多維度特征包括以下至少之一：所述類目的點擊率、所述類目下的詞頻、所述供應商的主營行業以及所述供應商的主營產品；

根據相關性判斷的結果將所述核心詞的詞性標識為修飾詞，和/或，將所述詞性為修飾詞的詞語確定為核心詞。