[發(fā)明專利]用于搜索的挖掘方法、裝置、存儲介質(zhì)及電子設(shè)備

有效

• 申請?zhí)枺?/td>: 201811194956.4
• 申請日: 2018-10-15
• 公開（公告）號: CN111046271B
• 公開（公告）日: 2023-04-25
• 發(fā)明（設(shè)計）人: 孫連生;馬鎮(zhèn)新;熊逵
• 申請（專利權(quán)）人: 阿里巴巴集團控股有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 北京合智同創(chuàng)知識產(chǎn)權(quán)代理有限公司 11545
• 代理人: 李杰

1.一種用于搜索的挖掘方法，其特征在于，所述方法包括：

響應(yīng)于對輸入的實體名稱的搜索操作，確定與所述實體名稱關(guān)聯(lián)的多個文檔；

對所述多個文檔執(zhí)行聚類操作，確定所述多個文檔分別所屬的第一事件；

基于屬于所述第一事件的文檔的數(shù)量，確定所述第一事件的熱度；如果所述第一事件的熱度大于預(yù)設(shè)的熱度閾值，則確定所述第一事件為第二事件；

基于所述實體名稱在文檔的標題和正文中出現(xiàn)的次數(shù)，確定屬于所述第二事件的文檔中與所述實體名稱的相關(guān)性最大的文檔；確定與所述實體名稱的相關(guān)性最大的文檔為所述第二事件的代表文檔；

確定所述代表文檔的發(fā)布時間為所述第二事件的發(fā)生時間；基于所述第二事件的發(fā)生時間，確定所述第二事件的展示順序。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述確定與所述實體名稱關(guān)聯(lián)的多個文檔，包括：

基于所述實體名稱在文檔的標題和正文中出現(xiàn)的次數(shù)，對搜索引擎爬取到的文檔進行排序，獲得所述搜索引擎爬取到的文檔的排序結(jié)果；

基于所述排序結(jié)果，確定與所述實體名稱關(guān)聯(lián)的多個文檔。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述多個文檔執(zhí)行聚類操作，確定所述多個文檔分別所屬的第一事件，包括：

針對所述多個文檔中的每兩個文檔，確定兩個文檔之間的相似度；

如果所述兩個文檔之間的相似度大于預(yù)設(shè)的相似度閾值，則確定所述兩個文檔屬于同一事件。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述確定兩個文檔之間的相似度，包括：

確定所述兩個文檔的正文內(nèi)容之間的第一相似度、正文所包括的實體名稱之間的第二相似度、標題內(nèi)容之間的第三相似度以及標題所包括的實體名稱之間的第四相似度；

基于所述第一相似度、所述第二相似度、所述第三相似度以及所述第四相似度，確定所述兩個文檔之間的相似度。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述確定所述兩個文檔的正文內(nèi)容之間的第一相似度，包括：

針對所述兩個文檔中的第一文檔，生成所述第一文檔的正文內(nèi)容的字向量和詞向量；

針對所述兩個文檔中的第二文檔，生成所述第二文檔的正文內(nèi)容的字向量和詞向量；

確定所述第一文檔的正文內(nèi)容的字向量與所述第二文檔的正文內(nèi)容的字向量之間的第五相似度，以及所述第一文檔的正文內(nèi)容的詞向量與所述第二文檔的正文內(nèi)容的詞向量之間的第六相似度；

基于所述第五相似度和所述第六相似度，確定所述兩個文檔的正文內(nèi)容之間的第一相似度。

6.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述確定所述兩個文檔的正文所包括的實體名稱之間的第二相似度，包括：

針對所述兩個文檔中的第一文檔，生成所述第一文檔的正文所包括的實體名稱的第一向量；

針對所述兩個文檔中的第二文檔，生成所述第二文檔的正文所包括的實體名稱的第二向量；

基于所述第一向量和所述第二向量，確定所述兩個文檔的正文所包括的實體名稱之間的第二相似度。

7.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述確定所述兩個文檔的標題內(nèi)容之間的第三相似度，包括：

針對所述兩個文檔中的第一文檔，生成所述第一文檔的標題內(nèi)容的字向量和詞向量；

針對所述兩個文檔中的第二文檔，生成所述第二文檔的標題內(nèi)容的字向量和詞向量；

確定所述第一文檔的標題內(nèi)容的字向量與所述第二文檔的標題內(nèi)容的字向量之間的第七相似度，以及所述第一文檔的標題內(nèi)容的詞向量與所述第二文檔的標題內(nèi)容的詞向量之間的第八相似度；

基于所述第七相似度和所述第八相似度，確定所述兩個文檔的標題內(nèi)容之間的第三相似度。