[發(fā)明專(zhuān)利]輸入提示方法、裝置及字典樹(shù)模型的創(chuàng)建方法、裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201410169141.6
• 申請(qǐng)日: 2014-04-24
• 公開(kāi)（公告）號(hào): CN103914569B
• 公開(kāi)（公告）日: 2018-09-07
• 發(fā)明（設(shè)計(jì)）人: 柳陽(yáng);謝樸銳;任志杰;郭楚欽
• 申請(qǐng)（專(zhuān)利權(quán)）人: 百度在線(xiàn)網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類(lèi)號(hào): G06F17/30
• 分類(lèi)號(hào): G06F17/30
• 代理公司: 北京清亦華知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 宋合成

本發(fā)明公開(kāi)了一種輸入提示方法，該方法包括：獲取輸入詞；對(duì)輸入詞進(jìn)行分拆以獲取N個(gè)分拆詞，其中，N為正整數(shù)；根據(jù)N個(gè)分拆詞分別查詢(xún)預(yù)設(shè)的字典樹(shù)模型以分別獲取N個(gè)提示結(jié)果集合；以及根據(jù)N個(gè)提示結(jié)果集合生成最終的提示結(jié)果。本發(fā)明實(shí)施例的輸入提示方法通過(guò)對(duì)輸入詞進(jìn)行分拆擴(kuò)展以獲取輸入詞的前綴分拆詞、中間分拆詞等，并通過(guò)前綴分拆詞、中間分拆詞查詢(xún)預(yù)設(shè)的字典樹(shù)模型，獲得分別與前綴分拆詞、中間分拆詞匹配的提示結(jié)果，提高了提示的精準(zhǔn)性，并且通過(guò)融入輸入詞的語(yǔ)境處理以及將輸入詞的分切粒度降為最小，增大了檢索匹配時(shí)的可能性，提升了用戶(hù)體驗(yàn)。本發(fā)明還公開(kāi)了一種輸入提示裝置以及一種字典樹(shù)模型的創(chuàng)建方法和裝置。

技術(shù)領(lǐng)域

本發(fā)明涉及搜索技術(shù)領(lǐng)域，尤其涉及一種輸入提示方法和裝置以及字典樹(shù)模型的創(chuàng)建方法和裝置。

背景技術(shù)

目前，在國(guó)內(nèi)的搜索領(lǐng)域中，例如網(wǎng)頁(yè)搜索和垂搜，如果搜索詞輸入提示詞庫(kù)在十萬(wàn)級(jí)別以上，基本上都是依賴(lài)于Trie樹(shù)(一種基于內(nèi)存的搜索算法)，其索引的過(guò)程是建樹(shù)，且檢索過(guò)程是對(duì)樹(shù)的遍歷。然而具體是怎么建樹(shù)、怎么遍歷，不同的設(shè)計(jì)者會(huì)根據(jù)自身數(shù)據(jù)特定，制定不同的方法。

目前，國(guó)內(nèi)基于漢語(yǔ)的Auto Complete算法，基本上都是先將詞的每個(gè)漢字字符依次插入到Trie樹(shù)的從根到葉子的每個(gè)節(jié)點(diǎn)中，然后將漢字轉(zhuǎn)拼音再次建樹(shù)，搜索時(shí)就是從根節(jié)點(diǎn)到葉子節(jié)點(diǎn)依次遍歷。這種方法可以解決大部分的輸入搜索詞提示問(wèn)題。

但是，如果用戶(hù)輸入的搜索詞不是詞庫(kù)中任何詞的前綴，那么這種依賴(lài)Trie樹(shù)的方法就不可行了；或者說(shuō)提示了不存在的詞條，例如，如圖1所示，搜索詞“通天帝國(guó)之”召回了“通天帝國(guó)之狄仁杰”，而正確并存在的詞條是“狄仁杰之通天帝國(guó)”，而這樣是一種不嚴(yán)謹(jǐn)?shù)淖龇ǎ瑥亩档土怂阉髟~提示的精準(zhǔn)性，用戶(hù)體驗(yàn)差。

發(fā)明內(nèi)容

本發(fā)明旨在至少在一定程度上解決上述的技術(shù)缺陷之一。

為此，本發(fā)明的第一個(gè)目的在于提出一種輸入提示方法。該方法通過(guò)對(duì)輸入詞進(jìn)行分拆擴(kuò)展，并根據(jù)分拆后輸入詞查詢(xún)預(yù)設(shè)的字典樹(shù)模型以獲得提示結(jié)果，提高了提示的精準(zhǔn)性，并且通過(guò)融入輸入詞的語(yǔ)境處理以及將輸入詞的分切粒度降為最小，增大了檢索匹配時(shí)的可能性，提升了用戶(hù)體驗(yàn)。

本發(fā)明的第二個(gè)目的在于提出一種字典樹(shù)模型的創(chuàng)建方法。

本發(fā)明的第三個(gè)目的在于提出一種輸入提示裝置。

本發(fā)明的第四個(gè)目的在于提出一種字典樹(shù)模型的創(chuàng)建裝置。

為了實(shí)現(xiàn)上述目的，本發(fā)明第一方面實(shí)施例的輸入提示方法，包括：獲取輸入詞；對(duì)所述輸入詞進(jìn)行分拆以獲取N個(gè)分拆詞，其中，N為正整數(shù)；根據(jù)所述N個(gè)分拆詞分別查詢(xún)預(yù)設(shè)的字典樹(shù)模型以分別獲取N個(gè)提示結(jié)果集合；以及根據(jù)所述N個(gè)提示結(jié)果集合生成最終的提示結(jié)果。

本發(fā)明實(shí)施例的輸入提示方法，可對(duì)獲取的輸入詞進(jìn)行分拆以獲取N個(gè)分拆詞，并根據(jù)該N個(gè)分拆詞分別查詢(xún)預(yù)設(shè)的字典樹(shù)模型以分別獲取N個(gè)提示結(jié)果集合，之后可對(duì)該N個(gè)提示結(jié)果集合進(jìn)行合并及去重以生成最終的提示結(jié)果，通過(guò)對(duì)輸入詞進(jìn)行分拆擴(kuò)展，可獲取輸入詞的前綴分拆詞、中間分拆詞等，這樣通過(guò)前綴分拆詞、中間分拆詞查詢(xún)預(yù)設(shè)的字典樹(shù)模型，可獲得前綴分拆詞匹配的提示結(jié)果、中間分拆詞匹配的提示結(jié)果，提高了自動(dòng)提示的精準(zhǔn)性，并且，通過(guò)融入輸入詞的語(yǔ)境處理，并將輸入詞的分切粒度降為最小，增大了檢索匹配時(shí)的可能性，提升了用戶(hù)體驗(yàn)。

為了實(shí)現(xiàn)上述目的，本發(fā)明第二方面實(shí)施例的字典樹(shù)模型的創(chuàng)建方法，包括：獲取多個(gè)樣本詞；根據(jù)訪問(wèn)熱度對(duì)所述多個(gè)樣本詞進(jìn)行排序，并分別對(duì)排序后的多個(gè)樣本詞作為多個(gè)主體詞；分別根據(jù)所述多個(gè)主體詞生成每個(gè)主體詞對(duì)應(yīng)的相關(guān)詞；以及根據(jù)所述多個(gè)主體詞和所述每個(gè)主體詞對(duì)應(yīng)的相關(guān)詞創(chuàng)建字典樹(shù)模型。