[發(fā)明專利]建立詞項(xiàng)需求分類模型的方法、詞項(xiàng)需求分類方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201110379123.7
• 申請(qǐng)日: 2011-11-24
• 公開(kāi)（公告）號(hào): CN103136220A
• 公開(kāi)（公告）日: 2013-06-05
• 發(fā)明（設(shè)計(jì)）人: 黃際洲;鐘華;柴春光
• 申請(qǐng)（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 北京鴻德海業(yè)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11412
• 代理人: 袁媛

1.一種建立詞項(xiàng)term需求分類模型的方法，其特征在于，該方法包括：

S1、針對(duì)各需求類型分別執(zhí)行步驟S11至步驟S13，得到模板分類模型：

S11、獲取當(dāng)前需求類型的種子term的搜索結(jié)果；

S12、將所述搜索結(jié)果的標(biāo)題title、網(wǎng)頁(yè)地址url和摘要snippet中的至少一種泛化為模板；

S13、基于各模板在當(dāng)前需求類型的出現(xiàn)頻率值計(jì)算各模板在當(dāng)前需求類型中的權(quán)值；

S2、針對(duì)每一個(gè)種子term，利用種子term對(duì)應(yīng)的模板在各需求類型中的權(quán)值，確定種子term在各需求類型上的得分，從而得到包含種子term以及種子term在各需求類型上的得分的term需求分類模型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述種子term是人工針對(duì)各需求類型進(jìn)行配置的，或者人工在網(wǎng)頁(yè)資源中標(biāo)注的，或者從各需求類型的術(shù)語(yǔ)平臺(tái)獲取的。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述步驟S11中還包括：確定種子term與對(duì)應(yīng)搜索結(jié)果之間的相關(guān)度，將不滿足預(yù)設(shè)相關(guān)度要求的搜索結(jié)果過(guò)濾掉；或者，

僅保留搜索結(jié)果中排在N1個(gè)的搜索結(jié)果以供執(zhí)行所述步驟S12，所述N1為預(yù)設(shè)的正整數(shù)。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述步驟S12中，對(duì)搜索結(jié)果的title或snippet的泛化包括：

將搜索結(jié)果的title或snippet中與對(duì)應(yīng)種子term重疊的內(nèi)容采用通配符替代；或者，

將搜索結(jié)果的title或snippet與當(dāng)前需求類型的實(shí)體詞典進(jìn)行匹配，將title或snippet中匹配上的詞語(yǔ)替換為對(duì)應(yīng)實(shí)體的類別；或者，

將搜索結(jié)果的title或snippet與當(dāng)前需求類型的實(shí)體識(shí)別函數(shù)進(jìn)行匹配，將title或snippet中匹配上的詞語(yǔ)替換為實(shí)體識(shí)別函數(shù)的識(shí)別結(jié)果。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述步驟S12中，對(duì)搜索結(jié)果的url的泛化具體包括：

將url的域名抽取出來(lái)作為模板；或者，執(zhí)行以下步驟A1至A4，

A1、判斷搜索結(jié)果的url中是否存在“#”，如果是，執(zhí)行步驟A2；否則直接執(zhí)行步驟A3；

A2、去掉所述“#”以及“#”之后的字符串，繼續(xù)執(zhí)行步驟A3；

A3、如果當(dāng)前url以“.html”或者“.htm”結(jié)尾，則去掉最后一個(gè)“/”之后的字符串；如果當(dāng)前url以“/”結(jié)尾，則去掉倒數(shù)第二個(gè)“/”之后的字符串；如果當(dāng)前url最后一個(gè)“/”之后的字符串中存在“？”，則去掉所述“？”以及所述“？”之后的字符串；其他情況則去掉最后一個(gè)“/”之后的字符串；

A4、將當(dāng)前url中預(yù)設(shè)類型的字符串泛化成對(duì)應(yīng)的類型標(biāo)記。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述步驟S13中，按照公式或者計(jì)算模板P在當(dāng)前需求類型中的權(quán)值S_P；

其中，TF_P為模板P在當(dāng)前需求類型的出現(xiàn)頻率，T為當(dāng)前需求類型中種子term的數(shù)量，ITF_P為模板P的逆向模板頻率ITF值。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述TF_P按照如下公式計(jì)算：TFP=Σi∈FP(1+1Ri);]]>

FP為模板P所來(lái)自的搜索結(jié)果i構(gòu)成的集合，R_i為模板P所來(lái)自的搜索結(jié)果i的排序值。