[發明專利]一種基于共同點擊的詞條權重確定方法及裝置

有效

• 申請號: 201410718382.1
• 申請日: 2014-12-01
• 公開（公告）號: CN104361115B
• 公開（公告）日: 2018-07-27
• 發明（設計）人: 鄒啟波;周連強
• 申請（專利權）人: 北京奇虎科技有限公司;奇智軟件(北京)有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 北京中強智尚知識產權代理有限公司 11448
• 代理人: 姜精斌;王書彪

1.一種基于共同點擊的詞條權重確定方法，其特征在于，包括：

基于搜索日志數據，獲取共同點擊的統一資源定位器URL所對應的輸入語句query集合；

對所述query集合中每一個query基于n-gram進行分詞，得到多個片段gram的基礎詞條term；

統計各個term在所述query集合中出現的頻率，基于出現頻率的高低獲取各個term的詞條權重，具體包括：針對每個gram，分別統計其包含的term在query集合中出現的次數，并根據所述次數確定每個gram中各term的詞條權重；

根據每個gram以及每個gram中各term的詞條權重組成權重詞典；

接收用戶輸入的某一query，對該query進行分詞得到多個term；

查詢所述權重詞典，獲取各個term的詞條權重，具體包括：將term命中的各個gram中對應的詞條權重進行加權平均計算，得到term的詞條權重；

將各個term的詞條權重與預設的權重閾值進行比較，將詞條權重大于等于所述權重閾值的term作為搜索關鍵詞，輸出對應的搜索結果。

2.如權利要求1所述的方法，其特征在于，在將各個term的詞條權重與預設的權重閾值進行比較時，忽略詞條權重小于所述權重閾值的term。

3.如權利要求1-2任一項所述的方法，其特征在于，所述日志數據保存在后臺搜索服務器中。

4.如權利要求1-2任一項所述的方法，其特征在于，所述n-gram為4階gram。

5.如權利要求1-2任一項所述的方法，其特征在于，所述基于出現頻率的高低獲取各個term的詞條權重，具體包括：

選取出現頻率最高的term的次數作為分母，根據每一個term的出現次數計算獲取各個term的詞條權重。

6.一種基于共同點擊的詞條權重確定裝置，其特征在于，所述裝置包括：

query集合獲取單元，用于基于搜索日志數據，獲取共同點擊的統一資源定位器URL所對應的輸入語句query集合；

分詞單元，用于對所述query集合獲取單元所獲取的query集合中每一個query基于n-gram進行分詞處理，得到多個片段gram的基礎詞條term；

詞條權重獲取單元，用于統計所述分詞單元所得到的各個term在所述query集合中出現的頻率，并基于出現頻率的高低獲取各個term的詞條權重，具體包括：針對每個gram，分別統計其包含的term在query集合中出現的次數，并根據所述次數確定各個term的詞條權重；

權重詞典單元，用于根據每個gram以及每個gram中各term的詞條權重組成權重詞典；

用戶輸入接收單元，用于接收用戶輸入的某一query，并對該query進行分詞得到多個term；

詞條權重查詢單元，用于查詢所述權重詞典單元，獲取所述用戶輸入接收單元所得到的各個term的詞條權重，具體包括：將term命中的各個gram中對應的詞條權重進行加權平均計算，得到term的詞條權重；

搜索結果輸出單元，用于將所述詞條權重查詢單元所得到的各個term的詞條權重與預設的權重閾值進行比較，并將詞條權重大于等于所述權重閾值的term作為搜索關鍵詞，輸出對應的搜索結果。

7.如權利要求6所述的裝置，其特征在于，所述詞條權重獲取單元進一步包括：

權重計算模塊，用于選取出現頻率最高的term的次數作為分母，根據每一個term的出現次數計算獲取各個term的詞條權重。