[發(fā)明專利]搜索關(guān)鍵字頻度解析方法、裝置、電子設(shè)備及介質(zhì)

有效

• 申請?zhí)枺?/td>: 201610158328.5
• 申請日: 2016-03-18
• 公開（公告）號: CN107203570B
• 公開（公告）日: 2020-02-07
• 發(fā)明（設(shè)計）人: 蘭華勇
• 申請（專利權(quán)）人: 北京京東尚科信息技術(shù)有限公司;北京京東世紀(jì)貿(mào)易有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/36
• 代理公司: 11021 中科專利商標(biāo)代理有限責(zé)任公司
• 代理人: 曹玲柱

1.一種搜索關(guān)鍵字頻度解析方法，其特征在于，包括：

步驟A：提取搜索關(guān)鍵詞記錄，對其進行分詞、清洗，得到目標(biāo)詞條，多條的目標(biāo)詞條構(gòu)成目標(biāo)詞庫；

步驟B：去除目標(biāo)詞庫中對語義權(quán)重貢獻較小的弱相關(guān)詞條；

步驟C：對目標(biāo)詞庫中的目標(biāo)詞條進行近義詞或同義詞的替換；

步驟D：采用特征-對象矩陣將高維空間映射到低維的潛在語義結(jié)構(gòu)上所構(gòu)建出的LSA空間模型，結(jié)合漢明碼計算詞條特征向量之間的距離，聚合特征向量距離等同或相近的特征向量對應(yīng)的詞條，生成詞條組；

步驟E：對聚合后的每一個詞條組，根據(jù)預(yù)設(shè)半徑參數(shù)確定詞條聚合分布的區(qū)域，在該范圍內(nèi)采用K近鄰算法對聚合的詞條進行分類；以及

步驟F：基于分類結(jié)果與目標(biāo)詞庫中每個詞條的搜索次數(shù)進行頻度解析，其中，歸結(jié)為一類的詞條的搜索次數(shù)作為整體進行頻度解析；

其中，所述步驟D包括：

子步驟D1：由目標(biāo)詞庫中的詞條構(gòu)建二維的特征-對象矩陣，該特征-對象矩陣中的每一個元素為兩個詞條對應(yīng)的特征向量組成的特征向量簇；

子步驟D2：對每一特征向量簇，將其包括的兩個特征向量分別轉(zhuǎn)換為二進制碼，利用漢明碼計算該兩個特征向量之間的距離；以及

子步驟D3：將目標(biāo)詞庫中距離小于預(yù)設(shè)閾值的兩特征向量對應(yīng)的詞條聚合，作為一詞條對，并將包含同一詞條的多個詞條對合并為一詞條組。

2.根據(jù)權(quán)利要求1所述的搜索關(guān)鍵字頻度解析方法，其特征在于，所述步驟E中，根據(jù)預(yù)設(shè)半徑參數(shù)確定詞條聚合分布的區(qū)域，在該范圍內(nèi)采用K近鄰算法對聚合的詞條進行分類包括：

子步驟E1：設(shè)定半徑R0；

子步驟E2：求取詞條組中全部詞條對應(yīng)特征向量的平均值向量；

子步驟E3：計算詞條組中每一詞條對應(yīng)特征向量與該平均值向量的距離；

子步驟E4：將距離小于半徑R0的特征向量對應(yīng)的詞條歸結(jié)為一類。

3.根據(jù)權(quán)利要求2所述的搜索關(guān)鍵字頻度解析方法，其特征在于，所述子步驟E4之后還包括：

子步驟E5：將分類結(jié)果存儲至數(shù)據(jù)庫。

4.根據(jù)權(quán)利要求1至3中任一項所述的搜索關(guān)鍵字頻度解析方法，其特征在于，所述步驟A包括：

子步驟A1：從數(shù)據(jù)庫中提取搜索關(guān)鍵詞記錄；

子步驟A2：對記錄進行分詞處理，去除副詞、助詞、標(biāo)點符號，得到一個或多個詞條；以及

子步驟A3：將詞條作為參數(shù)進行停用詞庫的查詢，刪除停用的詞條，進而完成對詞條的清洗工作。

5.根據(jù)權(quán)利要求4所述的搜索關(guān)鍵字頻度解析方法，其特征在于，所述子步驟A2中，利用ICTCLAS或自建分詞引擎對記錄進行分詞處理。

6.根據(jù)權(quán)利要求1至3中任一項所述的搜索關(guān)鍵字頻度解析方法，其特征在于，所述步驟B包括：采用預(yù)先定義的過濾詞庫或規(guī)則庫，對預(yù)處理得到的目標(biāo)詞庫中的目標(biāo)詞條按照預(yù)設(shè)的權(quán)重門限進行條件過濾，去除對語義權(quán)重貢獻較小的弱相關(guān)詞條。