[發明專利]網頁搜索方法和裝置

有效

• 申請號: 201710326803.X
• 申請日: 2017-05-10
• 公開（公告）號: CN107220307B
• 公開（公告）日: 2020-09-25
• 發明（設計）人: 黃永峰;劉俊鑫;吳方照;劉佳偉;袁志剛;吳思行
• 申請（專利權）人: 清華大學
• 主分類號: G06F16/951
• 分類號: G06F16/951;G06F16/9532;G06F40/289;G06F40/12
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 張潤

1.一種網頁搜索方法，其特征在于，包括以下步驟：

獲取搜索的關鍵字；

根據所述關鍵字進行搜索，得到匹配網頁，以及所述匹配網頁的排序；

當用戶選取所述匹配網頁中的第一網頁進行標注之后，獲取所述第一網頁的標注；其中，所述標注，用于指示所述第一網頁與采用所述關鍵字搜索的搜索意圖之間的相關性；

根據所述匹配網頁中的第二網頁與標注為相關的第一網頁之間的相關程度，和/或根據所述第二網頁與標注為無關的第一網頁之間的相關程度，估計所述第二網頁與所述搜索意圖之間的相關程度，具體包括：

提取所述第一網頁的正文文本，其中，所述提取所述第一網頁的正文文本，包括：獲取所述第一網頁的html文件；根據所述html文件中的各節點所含的鏈接的數量，確定包含文本內容的節點；根據包含文本內容的節點，生成所述第一網頁的正文文本；去除對應控制、顯示樣式和/或注釋的節點；

根據所述第一網頁的正文文本、標題和簡介，生成所述第一網頁的文檔；其中，所述第一網頁的文檔包括標注為相關的第一網頁的文檔，以及標注為無關的第一網頁的文檔；

提取所述第二網頁的標題和簡介，生成所述第二網頁的文檔；

根據所述標注為相關的第一網頁的文檔與所述第二網頁的文檔之間的相關程度，和/或所述標注為無關的第一網頁的文檔與所述第二網頁的文檔之間的相關程度，估計所述第二網頁與所述搜索意圖之間的相關程度；

根據所述第二網頁與所述搜索意圖之間的相關程度，對所述第二網頁進行重新排序。

2.根據權利要求1所述的網頁搜索方法，其特征在于，所述估計所述第二網頁與所述搜索意圖之間的相關程度，包括：

根據公式計算得到所述第二網頁與所述搜索意圖之間的相關程度Score；

其中，α、β、γ為預設權重，n為所述第二網頁在所述匹配網頁中的排序；

所述標注為相關的第一網頁的文檔，基于詞袋模型向量化表示為V_相關1；所述標注為無關的第一網頁的文檔，基于詞袋模型向量化表示為V_無關1；所述標注為相關的第一網頁的文檔，基于詞的分布式向量表示模型向量化表示為V_相關2；所述標注為無關的第一網頁的文檔，基于詞的分布式向量表示模型向量化表示為V_無關2；

S_相關1為V_相關1與所述第二網頁的基于詞袋模型向量化表示V_結果1之間余弦相似度；S_相關2為V_相關2與所述第二網頁的基于詞的分布式向量表示模型向量化表示V_結果2之間余弦相似度；S_無關1為V_無關1與所述第二網頁的基于詞袋模型向量化表示V_結果1之間余弦相似度；S_無關2為V_無關2與所述第二網頁的基于詞的分布式向量表示模型向量化表示V_結果2之間余弦相似度。

3.根據權利要求1所述的網頁搜索方法，其特征在于，所述根據所述html文件中的各節點所含的鏈接的數量，確定包含文本內容的節點，包括：

將所述html文件中的各節點所含的鏈接的數量低于預設閾值的節點，確定為所述包含文本內容的節點。

4.根據權利要求1-3任一項所述的網頁搜索方法，其特征在于，所述根據所述第二網頁與所述搜索意圖之間的相關程度，對所述第二網頁進行重新排序，包括：

以所述第二網頁與所述搜索意圖之間的相關程度越大，所述第二網頁進行重新排序后的排序越靠前為原則，對所述第二網頁進行重新排序。

5.根據權利要求1-3任一項所述的網頁搜索方法，其特征在于，所述獲取所述第一網頁的標注之前，還包括：

生成并顯示交互頁面，其中，所述交互頁面顯示有匹配頁面的鏈接，以及用于獲取標注的復選框。