[發明專利]主題詞條獲取方法及其裝置

有效

• 申請號: 201110371639.7
• 申請日: 2011-11-21
• 公開（公告）號: CN102521263A
• 公開（公告）日: 2012-06-27
• 發明（設計）人: 薛永剛;李連華;廖銳
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 深圳市威世博知識產權代理事務所(普通合伙) 44280
• 代理人: 何青瓦;李慶波

1.一種主題詞條獲取方法，其特征在于，包括：

S1、從用戶搜索日志中獲取搜索關鍵詞；

S2、將指向某一實體的名詞或者短語作為中心詞集合；

S3、將描述實體某一方面特性的詞或者短語作為標記詞集合；

S4、利用所述中心詞集合和標記詞集合中的詞條組成“中心詞+標記詞”形式的詞條作為候選主題詞條集合，并對所述候選主題詞條集合進行過濾，得到主題詞條集合，所述對候選主題詞條集合進行過濾具體包括：判斷該詞條是否在搜索關鍵詞中出現，去掉在搜索關鍵詞中沒有出現的詞條。

2.根據權利要求1所述的方法，其特征在于，所述步驟S1中，還包括：將所述搜索關鍵詞分成一個或多個詞條，并記錄該些詞條在搜索關鍵詞中出現的位置。

3.根據權利要求2所述的方法，其特征在于，所述將指向某一實體的名詞或者短語作為中心詞集合，具體包括：

將描述實體某一方面特性的詞或者短語作為候選中心詞集合；

對所述候選中心詞集合進行過濾，得到中心詞集合，具體過濾方法包括以下方法中的一種或任意組合：

判斷詞條是否在搜索關鍵詞的首部出現，去掉在搜索關鍵詞的首部沒有出現的詞條；

基于詞條類別過濾詞條，根據預先定義的第一非法詞集合，去掉僅用作修飾、不具有太多意義的詞條；和/或

基于使用頻度過濾詞條，去掉在背景語料中出現頻次高于預設第一閾值N的詞條。

4.根據權利要求2所述的方法，其特征在于，所述將描述實體某一方面特性的詞或者短語作為標記詞集合，具體包括：

將描述實體某一方面特性的詞或者短語作為候選標記詞集合；

對所述候選標記詞集合進行過濾，得到標記詞集合，具體過濾方法包括以下方法中的一種或任意組合：

判斷詞條是否在搜索關鍵詞的尾部出現，去掉在搜索關鍵詞的尾部沒有出現的詞條；

基于詞條類別過濾詞條，根據預先定義的第二非法詞集合，去掉在表達主題時不具有太多意義的詞條；和/或

基于使用頻度過濾詞條，去掉在背景語料中出現頻次高于預設第一閾值N的詞條。

5.根據權利要求1所述的方法，其特征在于，步驟S4中所述過濾還包括：

去掉搜索關鍵詞的用戶點擊數低于預設第二閾值NQ的詞條；和/或

去掉搜索日志中關聯的問題數低于預設第三閾值ND的詞條。

6.根據權利要求1所述的獲取方法，其特征在于，在得到主題詞條集合之后，進一步包括對所述主題詞條集合進行更新，所述更新的方法包括：

利用所述主題詞條集合中的中心詞和標記詞進行組合，形成新的主題詞條，并判斷該新的主題詞條是否在新的搜索關鍵詞中出現過，如果是，則將該新的主題詞條加入到所述主題詞條集合中；或者

利用所述主題詞條集合中的中心詞進行組合，得到中心詞組合后，利用中心詞組合和標記詞進行組合，形成新的主題詞條，并判斷該新的主題詞條是否在搜索關鍵詞中出現過，如果是，則將該新的主題詞條加入到所述主題詞條集合中。

7.根據權利要求2所述的獲取方法，其特征在于，在得到主題詞條集合之后，進一步包括對所述主題詞條集合進行更新，所述更新的方法包括：

利用所述主題詞條集合中的中心詞在搜索日志中查找以該中心詞開頭的搜索關鍵詞，得到新的主題詞條，并對新的主題詞條根據標記詞的詞條類別、搜索關鍵詞的用戶點擊數進行過濾，根據預先定義的第二非法詞集合，去掉標記詞在表達主題時不具有太多意義的詞條以及用戶點擊數低于預設第二閾值NQ的詞條，將過濾后的新的主題詞條加入到所述主題詞條集合中；或者

利用所述主題詞條集合中的標記詞在搜索日志中查找以該標記詞結尾的搜索關鍵詞，得到新的主題詞條，并對新的主題詞條根據中心詞的詞條類別、搜索關鍵詞的用戶點擊數進行過濾，根據預先定義的第一非法詞集合，去掉中心詞僅用作修飾、不具有太多意義的詞條以及用戶點擊數低于預設第二閾值NQ的詞條，將過濾后的新的主題詞條加入到所述主題詞條集合中。