[發明專利]一種搜索引擎壞例的挖掘方法和裝置

有效

• 申請號: 201210273635.X
• 申請日: 2012-08-02
• 公開（公告）號: CN103577464B
• 公開（公告）日: 2018-07-10
• 發明（設計）人: 張鑫;阮星華;李卓
• 申請（專利權）人: 百度在線網絡技術(北京)有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京鴻德海業知識產權代理事務所(普通合伙) 11412
• 代理人: 袁媛

1.一種搜索引擎壞例badcase的挖掘方法，其特征在于，該方法包括：

S1、預處理過程：

S11、從會話session日志中抽取一定數量的session作為樣本，并從樣本的各session中抽取描述搜索質量的特征向量；其中，session包含用戶在query下的一系列行為信息；

S12、利用各session的特征向量對所述樣本進行聚類；

S13、確定聚類得到的各類別的置信度，所述置信度代表搜索質量低的程度；

S2、挖掘過程：

S21、在待挖掘的session日志中確定同一query下的行為序列，并從所述行為序列中抽取描述搜索質量的特征向量；

S22、通過計算query的特征向量與各類別的特征向量之間的距離，確定query所屬的類別；

S23、如果query所屬類別的置信度超過預設的高閾值，則確定搜索引擎對該query存在badcase。

2.根據權利要求1所述的方法，其特征在于，步驟S12和步驟S21中所述抽取描述搜索質量的特征向量為：抽取搜索后首次點擊的時間間隔、最后一次點擊與初次搜索的時間間隔、用戶更改query后搜索持續時間、首次點擊的位置、最后一次點擊的位置、搜索后的總點擊次數、用戶在搜索后是否緊隨著更換了一個相似query進行搜索、在搜索結果中翻頁的次數中的一種或任意組合的特征，將抽取的特征進行歸一化后構成所述描述搜索質量的特征向量。

3.根據權利要求1所述的方法，其特征在于，所述步驟S12具體為：基于各session的特征向量之間的距離采用k-means聚類的方式對所述樣本進行聚類。

4.根據權利要求1所述的方法，其特征在于，所述步驟S13具體為：根據用戶在各類別中標出的搜索質量低的session在各類別中所占的比例，確定各類別的置信度。

5.根據權利要求1所述的方法，其特征在于，所述步驟S22具體包括：計算query的特征向量分別與各類別的特征向量之間的距離，將距離最近的類別確定為query所屬的類別。

6.根據權利要求1所述的方法，其特征在于，所述S23還包括：如果query所屬類別的置信度低于預設的低閾值，則確定搜索引擎對該query不存在badcase；

如果query所屬類別的置信度在所述預設的高閾值和低閾值之間，則采用其他決策規則進一步判斷；

所述預設的高閾值大于所述預設的低閾值。

7.根據權利要求6所述的方法，其特征在于，所述采用其他決策規則進一步判斷包括：

計算session日志中該query對應的被點擊URL與全網搜索中該query對應的被點擊URL之間的重合度，重合度高于預設第一重合度閾值的，確定搜索引擎對該query不存在badcase，重合度低于預設第二重合度閾值的，確定搜索引擎對該query存在badcase，所述第一重合度閾值大于或等于第二重合度閾值；或者，

判斷該query下用戶的停留時長是否超過預設的停留時長閾值，如果是，則確定搜索引擎對該query不存在badcase，否則確定搜索引擎對該query存在badcase；或者，

判斷同一用戶在該query之后查詢的query是否與該query相關聯，如果是，則確定搜索引擎對該query存在badcase，否則確定搜索引擎對該query不存在badcase。