[發(fā)明專利]基于標(biāo)簽推薦文檔的方法及文檔推薦裝置

無效

• 申請?zhí)枺?/td>: 201210422437.5
• 申請日: 2012-10-29
• 公開（公告）號: CN102955849A
• 公開（公告）日: 2013-03-06
• 發(fā)明（設(shè)計）人: 劉曉震
• 申請（專利權(quán)）人: 新浪技術(shù)（中國）有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京市京大律師事務(wù)所 11321
• 代理人: 黃啟行;方曉明

1.一種基于標(biāo)簽推薦文檔的方法，包括：

接收用戶選取的文檔標(biāo)簽，查詢預(yù)先設(shè)置的同義詞詞林，獲取與文檔標(biāo)簽相對應(yīng)的同義詞組；

根據(jù)獲取的同義詞組，從預(yù)先存儲的文檔庫中，查詢并獲取包含所述同義詞組的文檔列表；

計算包含所述同義詞組的文檔列表中每一文檔的特征值，構(gòu)建基于文檔標(biāo)簽的空間權(quán)重向量；

根據(jù)構(gòu)建的基于文檔標(biāo)簽的空間權(quán)重向量，計算文檔標(biāo)簽對應(yīng)的文檔與文檔列表中每一篇文檔的相似度，并選取預(yù)定數(shù)目的相似度最高的文檔作為查詢結(jié)果輸出。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述文檔包括文檔標(biāo)識、文檔標(biāo)簽、文檔更新時間以及文檔內(nèi)容。

3.根據(jù)權(quán)利要求2所述的方法，其中，所述查詢預(yù)先設(shè)置的同義詞詞林，獲取與文檔標(biāo)簽相對應(yīng)的同義詞組包括：

查詢預(yù)先設(shè)置的同義詞詞林，分別獲取與文檔標(biāo)簽中各標(biāo)簽對應(yīng)的同義詞子組；

基于文檔標(biāo)簽格式，將各標(biāo)簽對應(yīng)的同義詞子組組合為同義詞組。

4.根據(jù)權(quán)利要求3所述的方法，其中，所述從預(yù)先存儲的文檔庫中，查詢并獲取包含所述同義詞組的文檔列表包括：

基于文檔標(biāo)簽，對獲取的同義詞組進(jìn)行組合，得到組合的同義詞組；

根據(jù)組合的同義詞組，查詢倒排索引集合，獲取所述組合的同義詞組對應(yīng)的正排索引集合標(biāo)識；

根據(jù)獲取的正排索引集合標(biāo)識，查詢正排索引集合，獲取正排索引集合標(biāo)識映射的文檔，形成文檔列表。

5.根據(jù)權(quán)利要求4所述的方法，其中，所述計算包含所述同義詞組的文檔列表中每一文檔的特征值包括：

查詢預(yù)先設(shè)置的標(biāo)簽計數(shù)器，遍歷文檔列表，獲取文檔列表中每一文檔基于文檔標(biāo)簽的計數(shù)值；

結(jié)合文檔庫中文檔總數(shù)以及基于文檔標(biāo)簽的計數(shù)值，分別得到文檔列表中各文檔對應(yīng)的特征值。

6.根據(jù)權(quán)利要求5所述的方法，其中，在所述查詢預(yù)先存儲的標(biāo)簽計數(shù)器的步驟之前，所述方法進(jìn)一步包括：

接收發(fā)布的攜帶博文標(biāo)識的博文，獲取該博文中的博文標(biāo)簽；

查詢文檔庫中，獲取所述博文標(biāo)識對應(yīng)的博文標(biāo)簽數(shù)組；

根據(jù)獲取的博文標(biāo)簽以及博文標(biāo)簽數(shù)組，更新博文標(biāo)簽數(shù)組中的計數(shù)值。

7.根據(jù)權(quán)利要求6所述的方法，其中，所述根據(jù)獲取的博文標(biāo)簽以及博文標(biāo)簽數(shù)組，更新博文標(biāo)簽數(shù)組中的計數(shù)值包括：

將所述博文標(biāo)簽與所述博文標(biāo)簽數(shù)組互為差集，將博文標(biāo)簽差博文標(biāo)簽數(shù)組的集合寫入輸入標(biāo)簽數(shù)組，博文標(biāo)簽數(shù)組差博文標(biāo)簽的集合寫入輸出標(biāo)簽數(shù)組；

根據(jù)輸入標(biāo)簽數(shù)組中的標(biāo)簽，對標(biāo)簽計數(shù)器中相應(yīng)標(biāo)簽對應(yīng)的計數(shù)值執(zhí)行加1操作；

根據(jù)輸出標(biāo)簽數(shù)組中的標(biāo)簽，對標(biāo)簽計數(shù)器中相應(yīng)標(biāo)簽對應(yīng)的計數(shù)值執(zhí)行減1操作；

對輸入標(biāo)簽數(shù)組中的數(shù)據(jù)，增加索引倒排數(shù)據(jù)內(nèi)容，對輸出標(biāo)簽數(shù)組中的數(shù)據(jù)，刪除對應(yīng)的索引倒排數(shù)據(jù)內(nèi)容。

8.根據(jù)權(quán)利要求1至7任一項所述的方法，其中，計算所述相似度采用夾角余弦定理公式。

9.一種基于標(biāo)簽推薦文檔的文檔推薦裝置，其特征在于，該裝置包括：同義詞組獲取模塊、文檔獲取模塊、空間權(quán)重向量構(gòu)建模塊以及文檔推薦模塊，其中，

同義詞組獲取模塊，用于接收用戶選取的文檔標(biāo)簽，查詢預(yù)先設(shè)置的同義詞詞林，獲取與文檔標(biāo)簽相對應(yīng)的同義詞組；

文檔獲取模塊，用于根據(jù)獲取的同義詞組，從預(yù)先存儲的文檔庫中，查詢并獲取包含所述同義詞組的文檔列表；

空間權(quán)重向量構(gòu)建模塊，用于計算包含所述同義詞組的文檔列表中每一文檔的特征值，構(gòu)建基于文檔標(biāo)簽的空間權(quán)重向量；

文檔推薦模塊，用于根據(jù)構(gòu)建的基于文檔標(biāo)簽的空間權(quán)重向量，計算文檔標(biāo)簽對應(yīng)的文檔與文檔列表中每一篇文檔的相似度，并選取預(yù)定數(shù)目的相似度最高的文檔作為查詢結(jié)果輸出。

10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述同義詞組獲取模塊包括：解析單元、查詢單元以及同義詞組獲取單元，其中，

解析單元，用于接收用戶選取的文檔標(biāo)簽，解析得到文檔標(biāo)簽中包含的各標(biāo)簽，依次輸出至查詢單元；

查詢單元，用于根據(jù)接收的標(biāo)簽，查詢預(yù)先設(shè)置的同義詞詞林，獲取該標(biāo)簽對應(yīng)的同義詞子組，輸出至同義詞組獲取單元；

同義詞組獲取單元，用于根據(jù)文檔標(biāo)簽的格式，將接收的同義詞子組組合為同義詞組。