[發明專利]一種信息檢索的方法和系統

有效

• 申請號: 201210099720.9
• 申請日: 2012-04-06
• 公開（公告）號: CN103365910B
• 公開（公告）日: 2017-02-15
• 發明（設計）人: 姚伶伶;赫南;王迪
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京派特恩知識產權代理有限公司11270
• 代理人: 蔣雅潔,程立民

技術領域

本發明涉及互聯網技術領域，尤其涉及一種信息檢索的方法和系統。

背景技術

在現有的信息檢索發布系統中，按照傳統網頁搜索的檢索方法、即按照檢索串(query)中多個核心語素的“與”操作進行檢索，例如：某個檢索串包含A、B、C這三個核心語素，那么按照傳統網頁搜索的檢索方法，即是按照A、B、C的“與”操作進行檢索，也就是能同時匹配到A、B、C這三個核心語素的互聯網發布信息才會被檢索出來，作為檢索結果。

上述檢索方法會導致大量的匹配無結果，因此，目前的做法是擴展匹配端，在離線情況下按照一定的時間窗口從用戶檢索日志(query?log)中篩選出高頻query(即出現頻率高于一定閾值的query)；通過語義分析服務模塊，獲取這些query的網頁搜索結果并分析其特征；同時對每一個篩選的query，通過整合各query擴展結果和關鍵詞擴展，生成最初的關鍵詞候選列表，該列表中包括用于匹配query的關鍵詞。然后，query關鍵詞映射子系統為每一對query和關鍵詞計算各種用于衡量兩者相關度的特征，包括各種文本相似度、語義相似度等。最后，對每一對query和關鍵詞及其各種特征，進行相關度預測，按照相關度得分對候選關鍵詞篩選和排序，得到query的最終關鍵詞映射表，即QA(Query?Analysis，檢索串分析)詞表。其中，QA詞表是指query到關鍵詞的hash(哈希)詞表，該詞表的左鍵為一定的時間窗口內的query?log所統計出來的高頻query，右鍵為高頻query映射到的互聯網發布信息的數據庫中與該query文本語義相似的關鍵詞或關鍵詞系列，即QA詞表維護的是高頻query與關鍵詞的映射關系。在檢索端進行query分析并匹配互聯網發布信息時，會從QA詞表中查找query所對應的關鍵詞，然后在關鍵詞-互聯網發布信息索引中找到相應的互聯網發布信息作為檢索結果。

然而，在現有的檢索方法和系統中，query只有精確命中QA詞表，才能匹配出相應的關鍵詞，并未充分利用query之間的相關性，從而導致檢索結果對互聯網發布信息的覆蓋率較低。

發明內容

有鑒于此，本發明的主要目的在于提供一種信息檢索的方法和系統，以充分利用query之間的相關性，提高信息檢索結果對互聯網發布信息的覆蓋率。

為達到上述目的，本發明的技術方案是這樣實現的：

本發明提供了一種信息檢索的方法，該方法包括：

基于檢索串query的擴展對基礎檢索串分析QA詞表進行二次映射過程，生成二級映射的QA詞表；其中，所述基礎QA詞表包括高頻query到關鍵詞的映射，所述二級映射的QA詞表中的第一級映射為擴展query到高頻query的映射，第二級映射為高頻query到關鍵詞的映射；

根據獲取的信息檢索請求中的檢索串，進行所述二級映射的QA詞表的查找，得到所述檢索串命中的關鍵詞，并提取所述關鍵詞對應的互聯網發布信息作為檢索結果。

較佳的，所述query的擴展具體為：

依據檢索日志，采用基于會話session的query擴展、和/或基于互聯網發布信息互點擊的query擴展、和/或基于相關搜索的query擴展，得到多個query相關系列。

較佳的，所述基于query的擴展對基礎QA詞表進行二次映射過程，生成二級映射的QA詞表，具體為：

對于query擴展得到的每一個query相關系列，在判斷所述query相關系列中存在與所述基礎QA詞表中相同的高頻query時，將所述query相關系列中除所述高頻query之外的其他query添加為所述高頻query的擴展query，生成擴展query到高頻query的初始的第一級映射；

計算所述初始的第一級映射中的各擴展query與相應高頻query的相似度，并過濾掉相似度小于預設閾值的擴展query，保留相似度大于或等于預設閾值的擴展query，得到最終的第一級映射；

根據所述最終的第一級映射和所述基礎QA詞表，生成二級映射的QA詞表。

較佳的，該方法進一步包括：根據相關性邏輯回歸模型計算所述初始的第一級映射中的各擴展query與相應高頻query的相似度，具體為：

接收人工標注的標準集，所述標準集中包括人工標注的擴展query到高頻query的映射；

計算所述標準集中每一個擴展query到高頻query映射的特征值，并隨機將所述標準集劃分為訓練集和校驗集；