[發明專利]通用標簽挖掘方法、裝置、服務器及介質

有效

• 申請號: 201711294952.9
• 申請日: 2017-12-08
• 公開（公告）號: CN107992585B
• 公開（公告）日: 2020-09-18
• 發明（設計）人: 馮欣偉;曹徐平;張一麟;李瑩
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種通用標簽挖掘方法，其特征在于，包括：

將包含標簽占位符以及所述標簽占位符的屬性的標簽種子規則與歷史搜索信息進行匹配，確定匹配的標簽；

組合已有的標簽種子規則和匹配得到的標簽，以構建新的搜索序列集合；

對所述新的搜索序列集合中包含的各搜索序列作泛化處理得到新的標簽種子規則，并返回執行所述新的標簽種子規則與歷史搜索信息匹配操作確定新的標簽，直至標簽和標簽種子規則滿足收斂條件。

2.根據權利要求1所述的方法，其特征在于，所述對所述新的搜索序列集合中包含的各搜索序列作泛化處理得到新的標簽種子規則，包括：

確定所述新的搜索序列集合中包含的各搜索序列的同義搜索序列，并從所述同義搜索序列中抽取得到新的標簽種子規則。

3.根據權利要求2所述的方法，其特征在于，所述確定所述新的搜索序列集合中包含的各搜索序列的同義搜索序列，并從所述同義搜索序列中抽取得到新的標簽種子規則，包括：

針對新的搜索序列集合中的每一搜索序列，若該搜索序列的已點擊搜索結果頁面與其他搜索序列的已點擊搜索結果頁面中的相同頁面數量大于數量閾值，則將其他搜索序列確定為該搜索序列的同義搜索序列，并依據該搜索序列中包含的標簽從同義搜索序列中抽取得到新的標簽種子規則。

4.根據權利要求1所述的方法，其特征在于，在返回執行所述新的標簽種子規則與歷史搜索信息匹配操作確定新的標簽，直至標簽和標簽種子規則滿足收斂條件之后，還包括：

將依據得到的標簽和標簽種子規則確定的搜索序列所對應的網頁作為語料庫；

從標簽所對應的語料庫中得到所述標簽所關聯的實體。

5.根據權利要求4所述的方法，其特征在于，在從標簽所對應的語料庫中得到所述標簽所關聯的實體之后，還包括：

依據所述實體在所述標簽對應的語料庫中的頻次，所述語料庫所屬網站的權重，以及將所述實體、所述標簽和領域作為搜索詞得到的搜索結果與實體和標簽的關聯度，確定標簽與標簽所關聯的實體之間的置信度；

依據所述置信度調整標簽所關聯的實體。

6.根據權利要求4所述的方法，其特征在于，在從標簽所對應的語料庫中得到所述標簽所關聯的實體之后，還包括：

依據第一標簽關聯的實體集與第二標簽關聯的實體集之間的關系，確定第一標簽與第二標簽之間的關系，其中第一標簽與第二標簽之間的關系是同義關系或上下位關系。

7.根據權利要求4所述的方法，其特征在于，在從標簽所對應的語料庫中得到所述標簽所關聯的實體之后，還包括：

將標簽種子規則和已有實體進行組合得到實體搜索序列；

依據所述實體搜索序列的搜索結果中實體的上下文文本，確定實體關聯的標簽。

8.一種通用標簽挖掘裝置，其特征在于，包括：

標簽匹配模塊，用于將包含標簽占位符以及所述標簽占位符的屬性的標簽種子規則與歷史搜索信息進行匹配，確定匹配的標簽；

序列構建模塊，用于組合已有的標簽種子規則和匹配得到的標簽，以構建新的搜索序列集合；

標簽更新模塊，用于對所述新的搜索序列集合中包含的各搜索序列作泛化處理得到新的標簽種子規則，并返回執行所述新的標簽種子規則與歷史搜索序列匹配操作確定新的標簽，直至標簽和標簽種子規則滿足收斂條件。

9.根據權利要求8所述的裝置，其特征在于，所述標簽更新模塊具體用于：

確定所述新的搜索序列集合中包含的各搜索序列的同義搜索序列，并從所述同義搜索序列中抽取得到新的標簽種子規則。

10.根據權利要求9所述的裝置，其特征在于，所述標簽更新模塊具體用于：

針對新的搜索序列集合中的每一搜索序列，若該搜索序列的已點擊搜索結果頁面與其他搜索序列的已點擊搜索結果頁面中的相同頁面數量大于數量閾值，則將其他搜索序列確定為該搜索序列的同義搜索序列，并依據該搜索序列中包含的標簽從同義搜索序列中抽取出新的標簽種子規則。