[發(fā)明專利]一種針對中小型網(wǎng)站的模塊化用戶檢索意圖建模方法

有效

• 申請?zhí)枺?/td>: 201611244184.1
• 申請日: 2016-12-29
• 公開（公告）號: CN106599304B
• 公開（公告）日: 2020-03-24
• 發(fā)明（設(shè)計）人: 郭克華;李婷
• 申請（專利權(quán)）人: 中南大學(xué)
• 主分類號: G06F16/951
• 分類號: G06F16/951;G06F16/33
• 代理公司: 長沙正奇專利事務(wù)所有限責(zé)任公司 43113
• 代理人: 馬強;王娟

1.一種針對中小型網(wǎng)站的模塊化用戶檢索意圖建模方法，其特征在于，包括以下步驟：

1)將從用戶與中小型網(wǎng)站服務(wù)器交互中提取的文本信息記為T，從文本T中提取初始關(guān)鍵詞集K₁＝{(k_i,w₁(k_i))|1≤i≤R}，其中，k_i代表第i個關(guān)鍵詞，R表示集合K₁的元素個數(shù)，w₁(k_i)表示關(guān)鍵詞k_i的權(quán)重值，w₁(k_i)的值等于詞語k_i的交叉信息熵值TFIDF(k_i)，并計算關(guān)鍵詞的詞性因子權(quán)重p(k_i)、詞語k_i在文本T中的頻率freq(k_i)和TFIDF(k_i)；

2)計算K₁＝{(k_i,w₁(k_i))|1≤i≤R}中各關(guān)鍵詞的綜合權(quán)重值w(k_i)，得到關(guān)鍵詞集K₂＝{(k_i,w(k_i))|1≤i≤R}；k_i的綜合權(quán)重值計算公式如下：

w(k_i)＝a*F(k_i)+b*P(k_i)+c*S(k_i)+d*L(k_i)+e*TFIDF(k_i)；

其中，a、b、c、d、e分別為各特征權(quán)重的比例系數(shù)；F(k_i)為詞語k_i的詞頻權(quán)重；S(k_i)為詞語k_i的詞跨度權(quán)重；L(k_i)為詞語k_i的詞位置權(quán)重；

3)對所述關(guān)鍵詞集K₂＝{(k_i,w(k_i))|1≤i≤R}進(jìn)行遍歷，從第i個關(guān)鍵詞k_i開始判斷，將第i個之后的關(guān)鍵詞k_j依次與k_i進(jìn)行比較，其中i+1≤j≤R；若k_i包含k_j，且w(k_i)>w(k_j)，則將k_i加入到過濾后的關(guān)鍵詞集中；否則，若k_j包含k_i，且w(k_j)>w(k_i)，則將k_j加入到過濾后的關(guān)鍵詞集中；若上述兩種情況都不滿足，則將k_i和k_j都加入到過濾后的關(guān)鍵詞集中，直到第i個之后的關(guān)鍵詞全部和第i個比較完畢；當(dāng)關(guān)鍵詞集K₂中的元素全部遍歷一遍之后，結(jié)束，最后返回過濾后的關(guān)鍵詞集K＝{(k_r,w(k_r))|1≤r≤M}，其中M表示集合K中的元素個數(shù)；將K中的Q個元素作為重新檢索的條件在搜索引擎中重新檢索，得到Ts＝{t_i|1≤i≤H},t_i表示Ts中第i個文本信息，H表示Ts中文本個數(shù)；1≤Q≤M；

4)按降序?qū)螷中關(guān)鍵詞的綜合權(quán)重值w(k_r)排序，得到向量U＝[w₁,w₂,…,w_M]，即為用戶意圖模型，其中w₁,w₂,…,w_M分別對應(yīng)排好序的K中關(guān)鍵詞的綜合權(quán)重值w(k_r)；

5)遍歷文本的特征向量T_i＝[w_t1,w_t2,…,w_tM]，依次判斷w_ti是否為0，若不為0，則將用戶意圖模型U＝[w₁,w₂,…,w_M]中對應(yīng)的w_i除以1+w_i，直到T_i中所有的元素遍歷完成，將所求的w_i/1+w_i求和，得到一個值w_sum；再將用戶意圖模型U＝[w₁,w₂,…,w_M]中所有的w_i除以1+w_i，并求和，即最后將w_sum除以即得到用戶意圖模型與文本的特征向量T_i的加權(quán)海明距離dis(U,T_i)；

6)利用以下公式計算U與T_i的最終相似度值Sim(U,T_i)：

Sim(U,T_i)＝p₁*W(T_i,U)+p₂*dis(U,T_i)；

其中，p₁、p₂為比例系數(shù)；

7)將集合Ts中的所有文本按Sim(U,T_i)降序排列并返回給用戶，從而實現(xiàn)基于用戶意圖檢索的建模過程。