[發明專利]一種應用搜索方法和服務器

有效

• 申請號: 201611249840.7
• 申請日: 2016-12-29
• 公開（公告）號: CN106709040B
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 龐偉
• 申請（專利權）人: 北京奇虎科技有限公司
• 主分類號: G06F16/953
• 分類號: G06F16/953
• 代理公司: 北京恒博知識產權代理有限公司 11528
• 代理人: 范勝祥

1.一種應用搜索方法，其中，包括：

構建應用標簽數據庫，所述應用標簽數據庫中包括各應用的標簽體系；

構建搜索詞標簽數據庫，所述搜索詞標簽數據庫中包括多個搜索詞的標簽體系；

構建標簽知識庫；

接收客戶端上傳的當前搜索詞，根據所述搜索詞標簽數據庫獲取當前搜索詞的標簽體系；

基于所述標簽知識庫，計算當前搜索詞的標簽體系與各應用的標簽體系之間的語義相關性；

當當前搜索詞的標簽體系與一個應用的標簽體系之間的語義相關性符合預設條件時，將該應用的相關信息返回至客戶端進行展示；

其中，所述構建應用標簽數據庫包括：

獲取各應用的摘要；

從應用搜索日志中獲取關于各應用的搜索詞；

根據各應用的摘要和搜索詞，獲得訓練語料集合；

將訓練語料集合輸入至LDA模型中進行訓練，得到LDA模型輸出的應用-主題概率分布結果以及主題-關鍵詞概率分布結果；

根據所述應用-主題概率分布結果和所述主題-關鍵詞概率分布結果，計算得到各應用的標簽體系；

其中，所述根據所述應用-主題概率分布結果和所述主題-關鍵詞概率分布結果，計算得到各應用的標簽體系還包括：

將每個應用對應選取的前第五預設閾值數目的關鍵詞作為該應用的第一階段標簽體系；

對于每個應用的第一階段標簽體系，計算該應用的第一階段標簽體系中的每個關鍵詞與該應用的摘要之間的語義關系值；對于每個關鍵詞，將該關鍵詞對應的語義關系值與該關鍵詞關于該應用的概率的乘積作為該關鍵詞關于該應用的修正概率；將該應用的第一階段標簽體系中的各關鍵詞按照關于該應用的修正概率從大到小排序，選取前第六預設閾值個關鍵詞構成該應用的標簽體系。

2.如權利要求1所述的方法，其中，所述根據各應用的摘要和搜索詞，獲得訓練語料集合包括：

對于每個應用，從該應用的摘要中提取首段文字或前預設數量個句子的文字；將提取出的文字與該應用的搜索詞共同作為該應用的原始語料；

各應用的原始語料構成原始語料集合；對所述原始語料集合進行預處理，獲得訓練語料集合。

3.如權利要求2所述的方法，其中，所述對所述原始語料集合進行預處理包括：

在所述原始語料集合中，

對于每個原始語料，對所述原始語料進行分詞處理，得到包含多個詞項的分詞結果；查找由所述分詞結果中的相鄰詞項構成的短語；保留所述短語、所述分詞結果中屬于名詞的詞項和屬于動詞的詞項，作為該原始語料對應保留的關鍵詞。

4.如權利要求3所述的方法，其中，所述查找由所述分詞結果中的相鄰詞項構成的短語包括：

計算分詞結果中的每兩個相鄰詞項的cPMId值，當兩個相鄰詞項的cPMId值大于第一預設閾值時，確定這兩個相鄰詞項構成短語。

5.如權利要求2-4中任一項所述的方法，其中，所述對所述原始語料集合進行預處理還包括：

將每個應用的原始物料對應保留的關鍵詞作為該應用的第一階段訓練語料；

各應用的第一階段訓練語料構成第一階段訓練語料集合；對所述第一階段訓練語料集合中的關鍵詞進行數據清洗。

6.如權利要求5所述的方法，其中，所述對所述第一階段訓練語料集合中的關鍵詞進行數據清洗包括：

在所述第一階段訓練語料集合中，

對于每個第一階段訓練語料，計算所述第一階段訓練語料中的每個關鍵詞的TF-IDF值；將TF-IDF值高于第二預設閾值和/或低于第三預設閾值的關鍵詞刪除。

7.如權利要求2-4中任一項所述的方法，其中，所述對所述原始語料集合進行預處理還包括：

將每個應用的第一階段訓練語料經數據清洗后剩余的關鍵詞作為該應用的第二階段訓練語料；

對于每個應用的第二階段訓練語料，當該應用的第二階段訓練語料中的一個關鍵詞在該應用的名稱中出現時，將該關鍵詞在該應用的第二階段訓練語料中重復第四預設閾值次數，得到該應用的訓練語料；

各應用的訓練語料構成訓練語料集合。