[發(fā)明專利]網(wǎng)頁(yè)搜索關(guān)鍵詞的相關(guān)性檢測(cè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201410714574.5
• 申請(qǐng)日: 2014-11-28
• 公開（公告）號(hào): CN104462310B
• 公開（公告）日: 2018-02-02
• 發(fā)明（設(shè)計(jì)）人: 何鑫
• 申請(qǐng)（專利權(quán)）人: 北京國(guó)雙科技有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 北京康信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司11240
• 代理人: 李志剛,吳貴明

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，具體而言，涉及一種網(wǎng)頁(yè)搜索關(guān)鍵詞的相關(guān)性檢測(cè)方法和裝置。

背景技術(shù)

用戶通常會(huì)抱有一定的目的和意圖瀏覽網(wǎng)站。對(duì)于一個(gè)網(wǎng)站而言，了解用戶訪問的真實(shí)意圖非常重要。通常，網(wǎng)站會(huì)根據(jù)用戶瀏覽網(wǎng)站的行為軌跡構(gòu)造模型，以訓(xùn)練分類器的方法對(duì)訪問網(wǎng)站的用戶進(jìn)行分類，或是通過分析網(wǎng)站站內(nèi)搜索詞的熱度來了解用戶的需求。

由于進(jìn)行站內(nèi)搜索是用戶主動(dòng)尋找信息的行為，因此，在一定程度上可以描述用戶的需求。用戶需求可以通過對(duì)用戶在網(wǎng)站中的站內(nèi)搜索詞進(jìn)行聚類的方式來加以識(shí)別。傳統(tǒng)的站內(nèi)搜索詞聚類方法依賴于搜索詞本身，通過詞語間字面上的重疊進(jìn)行計(jì)算，實(shí)現(xiàn)方法如下：首先，對(duì)搜索關(guān)鍵詞進(jìn)行字面上的拆解(包括逐子或分詞)，拆解以后的搜索關(guān)鍵詞可以表示為以詞(字)為單元的序列串；然后，逐一計(jì)算每一對(duì)搜索關(guān)鍵詞的相似度，即比較兩個(gè)搜索詞的詞串的吻合程度，并獲取二者的相似度；最后，使用聚類算法進(jìn)行關(guān)鍵詞聚類。

用戶需求與站內(nèi)搜索詞之間應(yīng)存在多對(duì)多的關(guān)系，即一種用戶需求可以通過多個(gè)站內(nèi)搜索詞來表示，一個(gè)站內(nèi)搜索詞也可以表示多種不同的用戶需求。現(xiàn)有的搜索詞聚類方法僅僅通過搜索關(guān)鍵詞字面上的吻合程度建立聯(lián)系并不符合實(shí)際情況；同時(shí)，生硬地構(gòu)造了一種搜索關(guān)鍵詞間的相關(guān)關(guān)系，聚類結(jié)果可信度差，比如，“三星”和“蘋果”不包含任何字面上的匹配，但是相關(guān)性應(yīng)該很高，而“本田”和“本源”是完全無關(guān)的兩個(gè)詞，但是字面上仍然存在著相關(guān)關(guān)系；另外，現(xiàn)有方法需要計(jì)算每?jī)蓚€(gè)搜索關(guān)鍵詞之間的相似度，因此時(shí)間復(fù)雜度為o(n2)，不適用于大規(guī)模數(shù)據(jù)挖掘。

針對(duì)相關(guān)技術(shù)中網(wǎng)頁(yè)搜索關(guān)鍵詞之間的相關(guān)性檢測(cè)不準(zhǔn)確的問題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有的網(wǎng)頁(yè)搜索關(guān)鍵詞之間的相關(guān)性檢測(cè)不準(zhǔn)確的問題而提出本發(fā)明，為此，本發(fā)明的主要目的在于提供一種網(wǎng)頁(yè)搜索關(guān)鍵詞的相關(guān)性檢測(cè)方法及裝置，以解決上述問題。

為了實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明的一個(gè)方面，提供了一種網(wǎng)頁(yè)搜索關(guān)鍵詞的相關(guān)性檢測(cè)方法。該方法包括：確定用于執(zhí)行網(wǎng)頁(yè)搜索的第一網(wǎng)頁(yè)搜索關(guān)鍵詞和第二網(wǎng)頁(yè)搜索關(guān)鍵詞，其中，第一網(wǎng)頁(yè)搜索關(guān)鍵詞和第二網(wǎng)頁(yè)搜索關(guān)鍵詞為不同的網(wǎng)頁(yè)搜索關(guān)鍵詞；獲取統(tǒng)一資源定位符集合，其中，統(tǒng)一資源定位符集合包括多個(gè)統(tǒng)一資源定位符，多個(gè)統(tǒng)一資源定位符兩兩不同，多個(gè)統(tǒng)一資源定位符包括第一網(wǎng)頁(yè)搜索關(guān)鍵詞對(duì)應(yīng)的網(wǎng)頁(yè)的統(tǒng)一資源定位符和第二網(wǎng)頁(yè)搜索關(guān)鍵詞對(duì)應(yīng)的網(wǎng)頁(yè)的統(tǒng)一資源定位符；獲取第一向量，其中，第一向量包括多個(gè)元素，第一向量的多個(gè)元素分別為第一網(wǎng)頁(yè)搜索關(guān)鍵詞和多個(gè)統(tǒng)一資源定位符的對(duì)應(yīng)關(guān)系；獲取第二向量，其中，第二向量包括多個(gè)元素，第二向量的多個(gè)元素分別為第二網(wǎng)頁(yè)搜索關(guān)鍵詞和多個(gè)統(tǒng)一資源定位符的對(duì)應(yīng)關(guān)系；根據(jù)第一向量和第二向量對(duì)第一網(wǎng)頁(yè)搜索關(guān)鍵詞和第二網(wǎng)頁(yè)搜索關(guān)鍵詞進(jìn)行相關(guān)性檢測(cè)。

進(jìn)一步地，獲取統(tǒng)一資源定位符集合包括：獲取第一統(tǒng)一資源定位符子集合，其中，第一統(tǒng)一資源定位符子集合為第一網(wǎng)頁(yè)搜索關(guān)鍵詞對(duì)應(yīng)的網(wǎng)頁(yè)的統(tǒng)一資源定位符的集合，根據(jù)以下方法分別確定第一網(wǎng)頁(yè)搜索關(guān)鍵詞和多個(gè)統(tǒng)一資源定位符的對(duì)應(yīng)關(guān)系：分別判斷多個(gè)統(tǒng)一資源定位符是否是第一統(tǒng)一資源定位符子集合中包含的統(tǒng)一資源定位符；如果多個(gè)統(tǒng)一資源定位符是第一統(tǒng)一資源定位符子集合中包含的統(tǒng)一資源定位符，則分別確定第一網(wǎng)頁(yè)搜索關(guān)鍵詞和多個(gè)統(tǒng)一資源定位符的對(duì)應(yīng)關(guān)系所對(duì)應(yīng)的數(shù)值為1；如果多個(gè)統(tǒng)一資源定位符不是第一統(tǒng)一資源定位符子集合中包含的統(tǒng)一資源定位符，則分別確定第一網(wǎng)頁(yè)搜索關(guān)鍵詞和多個(gè)統(tǒng)一資源定位符的對(duì)應(yīng)關(guān)系所對(duì)應(yīng)的數(shù)值為0，獲取統(tǒng)一資源定位符集合還包括：獲取第二統(tǒng)一資源定位符子集合，其中，第二統(tǒng)一資源定位符子集合為第二網(wǎng)頁(yè)搜索關(guān)鍵詞對(duì)應(yīng)的網(wǎng)頁(yè)的統(tǒng)一資源定位符的集合，根據(jù)以下方法分別確定第二網(wǎng)頁(yè)搜索關(guān)鍵詞和多個(gè)統(tǒng)一資源定位符的對(duì)應(yīng)關(guān)系：分別判斷多個(gè)統(tǒng)一資源定位符是否是第二統(tǒng)一資源定位符子集合中包含的統(tǒng)一資源定位符；如果多個(gè)統(tǒng)一資源定位符是第二統(tǒng)一資源定位符子集合中包含的統(tǒng)一資源定位符，則分別確定第二網(wǎng)頁(yè)搜索關(guān)鍵詞和多個(gè)統(tǒng)一資源定位符的對(duì)應(yīng)關(guān)系所對(duì)應(yīng)的數(shù)值為1；如果多個(gè)統(tǒng)一資源定位符不是第二統(tǒng)一資源定位符子集合中包含的統(tǒng)一資源定位符，則分別確定第二網(wǎng)頁(yè)搜索關(guān)鍵詞和多個(gè)統(tǒng)一資源定位符的對(duì)應(yīng)關(guān)系所對(duì)應(yīng)的數(shù)值為0。