[發明專利]一種搜索關鍵詞獲取的方法及裝置

在審

• 申請號: 201710047106.0
• 申請日: 2017-01-22
• 公開（公告）號: CN106844647A
• 公開（公告）日: 2017-06-13
• 發明（設計）人: 駱宗偉;韓帥;劉金群;李斌;粟隆澤;周興友;張宇;張詩奇;石一凡
• 申請（專利權）人: 南方科技大學;深圳市傲天科技股份有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 北京品源專利代理有限公司11332
• 代理人: 孟金喆,胡彬

1.一種搜索關鍵詞獲取的方法，其特征在于，包括：

統計目標領域的特定相關關鍵詞和特定無關關鍵詞；

將獲取的待分析文本進行分詞得到候選關鍵詞；

將每個所述候選關鍵詞與所述特定無關關鍵詞進行匹配；

若每個所述候選關鍵詞均匹配失敗，則計算每個所述候選關鍵詞的詞向量與所述目標領域的每個特定相關關鍵詞的詞向量的相似度；

若所述相似度大于預設閾值，則將該目標領域的特定相關關鍵詞作為待分析文本的關鍵詞輸出。

2.根據權利要求1所述的方法，其特征在于，還包括：

通過word2vec語言建模工具訓練得到目標領域的詞向量模型；

所述計算每個所述候選關鍵詞的詞向量與所述目標領域的每個特定相關關鍵詞的詞向量的相似度，具體為：

基于所述詞向量模型計算每個所述候選關鍵詞的詞向量與所述目標領域的每個特定相關關鍵詞的詞向量的相似度。

3.根據權利要求1所述的方法，其特征在于，所述將獲取的待分析文本進行分詞得到候選關鍵詞之前，還包括：

根據搜索引擎對應的搜索URL組成規則得到待分析文本。

4.根據權利要求3所述的方法，其特征在于，所述根據搜索引擎對應的搜索URL組成規則得到待分析文本，包括：

利用搜索引擎對應的正則表達式得到目標搜索URL中包含待分析文本的字符串；

將所述字符串進行轉碼得到待分析文本。

5.根據權利要求4所述的方法，其特征在于，所述將所述字符串進行轉碼得到待分析文本之后，還包括：

將所述待分析文本中除中文之外的文本和/或中文符號濾除。

6.一種搜索關鍵詞獲取的裝置，其特征在于，包括：

關鍵詞統計模塊，用于統計目標領域的特定相關關鍵詞和特定無關關鍵詞；

文本分詞模塊，用于將獲取的待分析文本進行分詞得到候選關鍵詞；

關鍵詞匹配模塊，用于將每個所述候選關鍵詞與所述特定無關關鍵詞進行匹配；

相似度計算模塊，用于若每個所述候選關鍵詞均匹配失敗，則計算每個所述候選關鍵詞的詞向量與所述目標領域的每個特定相關關鍵詞的詞向量的相似度；

關鍵詞輸出模塊，用于若所述相似度大于預設閾值，則將該目標領域的特定相關關鍵詞作為待分析文本的關鍵詞輸出。

7.根據權利要求6所述的裝置，其特征在于，還包括：

模型訓練模塊，用于通過word2vec語言建模工具訓練得到目標領域的詞向量模型；

所述相似度計算模塊，具體用于：

基于所述詞向量模型計算每個所述候選關鍵詞的詞向量與所述目標領域的每個特定相關關鍵詞的詞向量的相似度。

8.根據權利要求7所述的裝置，其特征在于，還包括：

文本獲取模塊，用于根據搜索引擎對應的搜索URL組成規則得到待分析文本。

9.根據權利要求8所述的裝置，其特征在于，所述文本獲取模塊，包括：

字符串獲取單元，用于利用搜索引擎對應的正則表達式得到目標搜索URL中包含待分析文本的字符串；

文本獲取單元，用于將所述字符串進行轉碼得到待分析文本。

10.根據權利要求9所述的裝置，其特征在于，所述文本獲取模塊，還包括：

濾除單元，用于將所述待分析文本中除中文之外的文本和/或中文符號濾除。