[發明專利]基于群體搜索行為的網頁分類方法及裝置

在審

• 申請號: 201210355241.9
• 申請日: 2012-09-21
• 公開（公告）號: CN103678400A
• 公開（公告）日: 2014-03-26
• 發明（設計）人: 程剛;潘璇;莊子明;李鶴;蘆方;周霄驍;劉新鳴
• 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: 上海波拓知識產權代理有限公司 31264
• 代理人: 呂靜

1.一種基于群體搜索行為的網頁分類方法，其特征在于，包括：

建立搜索詞詞干分類庫，該搜索詞詞干分類庫中包括若干詞干以及該若干詞干分別對應的分類屬性；

記錄群體搜索行為所使用的搜索詞、使用該搜索詞時被點擊的網頁、以及在使用每個搜索詞時每個被點擊的網頁對應的被點擊次數；

根據該搜索詞詞干分類庫確定所記錄的搜索詞的分類屬性并建立搜索詞分類庫，該搜索詞分類庫中包括所記錄的搜索詞以及該些搜索詞分別對應的分類屬性；

根據該搜索詞的分類屬性以及使用該搜索詞時每個被點擊的網頁對應的被點擊次數確定被點擊網頁的分類屬性。

2.根據權利要求1所述的方法，其特征在于，該每個詞干對應的分類屬性包括每個詞干具有的一個或多個屬性以及每個屬性所對應的分值。

3.根據權利要求2所述的方法，其特征在于，該根據該搜索詞詞干分類庫確定所記錄的搜索詞的分類屬性并建立搜索詞分類庫，該搜索詞分類庫中包括所記錄的搜索詞以及該些搜索詞分別對應的分類屬性的步驟包括：

將每個搜索詞分成一個或多個詞干；

根據該搜索詞詞干分類庫獲得每個搜索詞中的詞干所對應的分類屬性，并根據每個搜索詞中的詞干所對應的分類屬性獲得每個搜索詞的分類屬性，該搜索詞的分類屬性包括該搜索詞具有的一個或多個屬性以及每個屬性所對應的分值；

將該些搜索詞以及其對應的分類屬性存儲在該搜索詞分類庫中。

4.根據權利要求3所述的方法，其特征在于，該搜索詞具有的每個屬性所對應的分值等于A表示該屬性，Ai表示該搜索詞中與該屬性對應的第i個詞干的分值，n為第i個詞干所具有的屬性個數。

5.根據權利要求1所述的方法，其特征在于，該根據該搜索詞的分類屬性以及使用該搜索詞時每個被點擊的網頁對應的被點擊次數確定被點擊網頁的分類屬性的步驟包括：

根據搜索詞分類庫確定中的搜索詞的分類屬性確定被點擊的網頁的分類屬性，該被點擊的網頁的分類屬性包括該網頁具有的一個或多個屬性以及每個屬性所對應的分值。

6.根據權利要求5所述的方法，其特征在于，該網頁具有的每個屬性所對應的分值等于其中，k表示某一屬性，W_i為搜索詞具有的該屬性對應的分值，Click_i為搜索第i個具有k屬性的搜索詞時該網頁被點擊的點擊次數。

7.根據權利要求5所述的方法，其特征在于，該根據該搜索詞的分類屬性以及使用該搜索詞時每個被點擊的網頁對應的被點擊次數確定被點擊網頁的分類屬性的步驟進一步包括：

將所得的網頁的分類屬性中每個屬性對應的分值進行歸一化；

對同一個網頁的分類屬性中的所有分值進行排序；

將分值最高的屬性設定為該網頁的分類屬性中的默認屬性，對應的分值設定為該網頁的分類屬性中的默認分值。

8.根據權利要求1所述的方法，其特征在于，該方法進一步包括：

根據使用同一搜索詞時所點擊的所有網頁的分類屬性以及該些網頁被點擊的次數獲得該搜索詞的分類屬性或重新確定該搜索詞的分類屬性；

根據所獲得的該些搜索詞的分類屬性補充該搜索詞分類庫或根據重新確定的該些搜索詞的分類屬性更新該搜索詞分類庫；

根據該經補充或更新后的搜索詞分類庫獲得新增的搜索詞所包括的詞干的分類屬性或重新確定的搜索詞所包括的詞干的分類屬性；

根據所獲得的該些詞干的分類屬性補充該搜索詞詞干分類庫或根據重新確定的該些詞干的分類屬性更新該搜索詞詞干分類庫；

返回所述記錄群體搜索行為所使用的搜索詞、使用該搜索詞時被點擊的網頁、以及在使用每個搜索詞時每個被點擊的網頁對應的被點擊次數的步驟。

9.根據權利要求8所述的方法，其特征在于，重新確定的該搜索詞的屬性所對應的分值等于其中，k表示某一屬性，W_i為網頁具有的該屬性對應的分值，url_i為搜索該搜索詞時點擊k屬性的網頁的次數。