[發明專利]一種關鍵詞關聯擴展方法和裝置

在審

• 申請號: 201711039845.1
• 申請日: 2017-10-30
• 公開（公告）號: CN107862015A
• 公開（公告）日: 2018-03-30
• 發明（設計）人: 倪嘉呈
• 申請（專利權）人: 北京奇藝世紀科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27;G06K9/62
• 代理公司: 北京潤澤恒知識產權代理有限公司11319
• 代理人: 莎日娜

技術領域

本發明涉及搜索引擎技術領域，特別是涉及一種關鍵詞關聯擴展方法和裝置。

背景技術

關鍵詞擴充、同義詞挖掘等關鍵詞關聯擴展技術是搜索引擎和廣告關鍵詞定向中的重要技術手段，用于使搜索引擎為用戶提供更豐富的內容，或者使廣告投放的效果更佳。本發明的申請人在實施本申請技術方案的時候發現，目前在進行關鍵詞關聯擴展時，主要依賴于對關鍵詞的文本相關性和點擊日志的貢獻，而對關鍵詞的語義關聯擴展明顯不足，從而導致擴展結果不夠豐富全面。

發明內容

有鑒于此，本發明提供了一種關鍵詞關聯擴展方法和裝置，以解決目前進行關鍵詞關聯擴展的擴展結果不夠豐富全面的問題。

為了解決上述問題，本發明公開了一種關鍵詞關聯擴展方法，具體包括步驟：

獲取語料數據，對所述語料數據進行切詞處理，得到詞條合集；

利用word2vec工具對所述詞條合集進行訓練，得到所述詞條合集的詞向量合集；

對預置的關鍵詞合集中每個關鍵詞進行切詞處理，并根據切詞結果和所述詞向量合集得到每個關鍵詞的關鍵詞向量，所有關鍵詞向量構成所述關鍵詞合集的關鍵詞向量合集；

根據每個關鍵詞向量分別計算選定的關鍵詞的與其他關鍵詞之間的歐氏距離；

根據所述歐氏距離從所述關鍵詞合集中選取相關關鍵詞。

可選的，所述獲取語料數據，對所述語料數據進行切詞處理，得到詞條合集，包括：

獲取主題相關的語料數據，所述語料數據由搜索點擊日志中的搜索關鍵詞和搜索之后用戶所點擊的網頁標題拼接而成；

利用預設的切詞工具對所述語料數據進行切詞處理，得到所述詞條合集。

可選的，所述對預置的關鍵詞合集中每個關鍵詞進行切詞處理，并根據切詞結果和所述詞向量合集得到每個關鍵詞的關鍵詞向量，包括：

對每個關鍵詞進行切詞處理，得到多個關鍵詞詞條；

根據所述多個關鍵詞詞條從所述詞向量合集中進行查找，得到每個關鍵詞詞條的詞條向量；

計算每個關鍵詞詞條的詞條權重；

根據預設的計算公式對所述詞條向量和所述詞條權重進行計算，得到每條關鍵詞的關鍵詞向量，所有關鍵詞向量構成所述關鍵詞向量合集。

可選的，所述關鍵詞向量為歸一化值。

可選的，所述根據所述歐氏距離從所述關鍵詞合集中選取相關關鍵詞，包括：

在得到多個歐氏距離后，選取前K個數值最小的歐氏距離，所述K為非負整數；

將選取的歐氏距離對應的關鍵詞確定為所述相關關鍵詞。

相應的，為了保證上述方法的實施，本發明還提供了一種關鍵詞關聯擴展裝置，包括：

語料處理模塊，用于獲取語料數據，對所述語料數據進行切詞處理，得到詞條合集；

詞條訓練模塊，用于利用word2vec工具對所述詞條合集進行訓練，得到所述詞條合集的詞向量合集；

關鍵詞處理模塊，用于對預置的關鍵詞合集中每個關鍵詞進行切詞處理，并根據切詞結果和所述詞向量合集得到每個關鍵詞的關鍵詞向量，所有關鍵詞向量構成所述關鍵詞合集的關鍵詞向量合集；

距離計算模塊，用于根據每個關鍵詞向量分別計算選定的關鍵詞的與其他關鍵詞之間的歐氏距離；

相關選取模塊，用于根據所述歐氏距離從所述關鍵詞合集中選取相關關鍵詞。

可選的，所述語料處理模塊包括：

語料獲取單元，用于獲取主題相關的語料數據，所述語料數據由搜索點擊日志中的搜索關鍵詞和搜索之后用戶所點擊的網頁標題拼接而成；

語料切詞單元，用于利用預設的切詞工具對所述語料數據進行切詞處理，得到所述詞條合集。

可選的，所述關鍵詞處理模塊包括：

關鍵詞切詞單元，用于對每個關鍵詞進行切詞處理，得到多個關鍵詞詞條；

向量查找單元，用于根據所述多個關鍵詞詞條從所述詞向量合集中進行查找，得到每個關鍵詞詞條的詞條向量；

權重計算單元，用于計算每個關鍵詞詞條的詞條權重；

向量計算單元，用于根據預設的計算公式對所述詞條向量和所述詞條權重進行計算，得到每條關鍵詞的關鍵詞向量，所有關鍵詞向量構成所述關鍵詞向量合集。

可選的，所述關鍵詞向量為歸一化值。

可選的，所述相關選取模塊包括：

歐氏距離選取單元，用于在得到多個歐氏距離后，選取前K個數值最小的歐氏距離，所述K為非負整數；

相關詞選取單元，用于將選取的歐氏距離對應的關鍵詞確定為所述相關關鍵詞。