[發明專利]同義標簽的獲取方法、裝置、設備及計算機可讀存儲介質

有效

• 申請號: 201710729010.2
• 申請日: 2017-08-23
• 公開（公告）號: CN107729347B
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 孫珂;王超越;李婷婷;趙世奇
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/33
• 代理公司: 北京鴻德海業知識產權代理有限公司 11412
• 代理人: 袁媛

本發明提供一種同義標簽的獲取方法、裝置、設備及計算機可讀存儲介質。本發明實施例通過獲取待識別標簽的中心語素，進而根據所述待識別標簽和所述待識別標簽的中心語素，獲得所述待識別標簽的標簽模板，使得能夠根據所述標簽模板、所述待識別標簽的中心語素和至少一個同義標簽模板簇，獲得所述待識別標簽的同義標簽，無需依賴具有復述關系的點擊日志或者具有雙語平行對齊語料的數據等挖掘資源，能夠避免現有技術中由于挖掘資源的數據稀疏而導致的同義標簽的覆蓋率降低的技術問題，從而提高了同義標簽獲取的可靠性。

【技術領域】

本發明涉及搜索技術，尤其涉及一種同義標簽的獲取方法、裝置、設備及計算機可讀存儲介質。

【背景技術】

標簽(tag)是用戶用來表述領域需求的基礎，也是構成用戶查詢語句(query)的基礎。當用戶在使用搜索引擎進行搜索時，會利用查詢語句(query)來表達搜索意圖，然而常常因為用戶選擇的查詢語句與搜索結果不匹配，導致召回結果不足。在垂直領域中，該問題尤其嚴重。以電影領域為例，當用戶搜索“比較燒腦的電影”時，其真實搜索意圖是“高智商電影”或“懸疑、推理類電影”，如果搜索引擎沒有將“燒腦電影”與“高智商”、“懸疑”、“推理”類電影資源建立映射關系，則會導致搜索結果召回缺失。

因此，為了能夠將與用戶所提供的查詢語句具有同義關系的搜索結果一并召回，需要基于用戶所提供的查詢語句進行同義查詢擴展，即利用查詢語句所包含的標簽進行搜索的同時，還需要進一步利用該標簽的同義標簽進行搜索，從而達到滿足用戶真正的搜索意圖的目的，進而提升用戶體驗和最大化商業價值。目前，將同義標簽的挖掘作為短語級復述任務來處理，其依賴于具有復述關系的點擊日志或者具有雙語平行對齊語料的數據等挖掘資源。

然而，由于現有的同義標簽的挖掘依賴于具有復述關系的點擊日志或者具有雙語平行對齊語料的數據等挖掘資源，在一些情況下，例如，挖掘資源的數據稀疏，會使得同義標簽的覆蓋率降低，從而導致了同義標簽獲取的可靠性的降低。

【發明內容】

本發明的多個方面提供一種同義標簽的獲取方法、裝置、設備及計算機可讀存儲介質，用以提高同義標簽獲取的可靠性。

本發明的一方面，提供一種同義標簽的獲取方法，包括：

獲取待識別標簽的中心語素；

根據所述待識別標簽和所述待識別標簽的中心語素，獲得所述待識別標簽的標簽模板；

根據所述標簽模板、所述待識別標簽的中心語素和至少一個同義標簽模板簇，獲得所述待識別標簽的同義標簽。

如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述根據所述標簽模板、所述待識別標簽的中心語素和至少一個同義標簽模板簇，獲得所述待識別標簽的同義標簽，包括：

若所述標簽模板在所述至少一個同義標簽模板簇中的任意一個同義標簽模板簇中，根據所述任意一個同義標簽模板簇中除了所述標簽模板之外的其他同義標簽模板和所述待識別標簽的中心語素，獲得所述待識別標簽的同義標簽。

如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述根據所述標簽模板、所述待識別標簽的中心語素和至少一個同義標簽模板簇，獲得所述待識別標簽的同義標簽之前，還包括：

獲取指定實體的至少兩個標簽；

根據所述至少兩個標簽中兩兩標簽之間的相似度，對所述至少兩個標簽進行過濾處理；

獲取所述過濾處理之后的標簽中每個標簽的中心語素；

根據所述每個標簽的中心語素，獲得至少一個同義標簽簇；所述至少一個同義標簽簇中每個同義標簽簇中所包含的標簽的中心語素相同；

根據所述每個同義標簽簇和該同義標簽簇中所包含的標簽的中心語素，獲得所述至少一個同義標簽模板簇。