[發(fā)明專利]一種站點(diǎn)主題的確定方法、裝置和電子設(shè)備

在審

• 申請?zhí)枺?/td>: 201811627076.1
• 申請日: 2018-12-28
• 公開（公告）號: CN111382566A
• 公開（公告）日: 2020-07-07
• 發(fā)明（設(shè)計(jì)）人: 弓利鵬
• 申請（專利權(quán)）人: 北京搜狗科技發(fā)展有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06F16/9535
• 代理公司: 北京潤澤恒知識產(chǎn)權(quán)代理有限公司 11319
• 代理人: 莎日娜

本發(fā)明實(shí)施例提供了一種站點(diǎn)主題的確定方法、裝置和電子設(shè)備，其中，所述方法包括：獲取各站點(diǎn)的主題關(guān)聯(lián)信息，將各主題關(guān)聯(lián)信息轉(zhuǎn)換為對應(yīng)的詞向量并確定各詞向量的重要度信息；依據(jù)各詞向量和對應(yīng)的重要度信息，確定站點(diǎn)主題矩陣；依據(jù)所述站點(diǎn)主題矩陣，確定各站點(diǎn)的站點(diǎn)主題表示向量。由于詞向量可以包括多個維度的特征，因此依據(jù)詞向量確定站點(diǎn)的主題表示向量，能夠表達(dá)更全面、粒度更新的信息；而且詞向量的各個維度的特征可以相互耦合，還能夠使得站點(diǎn)的主題向量更加符合站點(diǎn)主題的實(shí)際分布情況，站點(diǎn)主題更準(zhǔn)確。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，特別是涉及一種站點(diǎn)主題的確定方法、裝置和電子設(shè)備。

背景技術(shù)

隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，以及搜索引擎的技術(shù)的發(fā)展，用戶可以通過搜索平臺進(jìn)行信息查詢，例如查詢某個詞的讀音、含義，某個人物簡介，某個問題的答案等等。

其中，搜索引擎為快速的搜索某個查詢詞對應(yīng)的搜索結(jié)果，可以先確定該查詢詞對應(yīng)的站點(diǎn)主題，然后再在該站點(diǎn)主題對應(yīng)的所有站點(diǎn)中，查找搜索結(jié)果。目前業(yè)內(nèi)確定站點(diǎn)主題的方法是人為預(yù)設(shè)多個類別的站點(diǎn)主題，如軍事類、生活類、體育類等等，然后針對某一個站點(diǎn)，通過計(jì)算該站點(diǎn)下各頁面與預(yù)設(shè)主題的似然度確定各個頁面的主題向量，將各個頁面的主題向量合并后作為該站點(diǎn)的主題表示。首先，人工提前設(shè)定站點(diǎn)主題的類別是不全面的，其次，預(yù)設(shè)的不同類別的站點(diǎn)主題是互斥的，即每個站點(diǎn)只能屬于一個類別的主題，但實(shí)際中一個站點(diǎn)可能包含多個主題如同時包括體育類和新聞類兩個主題，確定的站點(diǎn)主題不準(zhǔn)確。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種站點(diǎn)主題的確定方法，以提高站點(diǎn)主題確定的準(zhǔn)確性和全面性。

相應(yīng)的，本發(fā)明實(shí)施例還提供了一種站點(diǎn)主題的確定裝置和一種電子設(shè)備，用以保證上述方法的實(shí)現(xiàn)及應(yīng)用。

為了解決上述問題，本發(fā)明實(shí)施例公開了一種站點(diǎn)主題的確定方法，具體包括：獲取各站點(diǎn)的主題關(guān)聯(lián)信息，將各主題關(guān)聯(lián)信息轉(zhuǎn)換為對應(yīng)的詞向量并確定各詞向量的重要度信息；依據(jù)各詞向量和對應(yīng)的重要度信息，確定站點(diǎn)主題矩陣；依據(jù)所述站點(diǎn)主題矩陣，確定各站點(diǎn)的站點(diǎn)主題表示向量。

可選地，所述主題關(guān)聯(lián)信息包括以下至少一種：站點(diǎn)的標(biāo)題、站點(diǎn)的搜索查詢詞、站點(diǎn)的錨文字。

可選地，通過以下至少一種方式，獲取各站點(diǎn)的主題關(guān)聯(lián)信息：通過挖掘全網(wǎng)所有站點(diǎn)對應(yīng)網(wǎng)頁頁面的錨文字，確定各站點(diǎn)的錨文字；通過對搜索日志的分析，挖掘各站點(diǎn)的搜索查詢詞；通過對各站點(diǎn)對應(yīng)網(wǎng)頁頁面的分析，挖掘各站點(diǎn)的標(biāo)題。

可選地，所述將各主題關(guān)聯(lián)信息轉(zhuǎn)換為對應(yīng)詞向量，包括：針對一個站點(diǎn)，對所述站點(diǎn)的各主題關(guān)聯(lián)詞進(jìn)行分詞處理，得到對應(yīng)的詞片段；依據(jù)所述詞片段確定關(guān)鍵詞，并將相同的關(guān)鍵詞進(jìn)行合并；基于合并后的關(guān)鍵詞查詢映射信息，確定各合并后的關(guān)鍵詞對應(yīng)的詞向量；其中，所述映射信息表征關(guān)鍵詞和詞向量的映射關(guān)系。

可選地，所述確定各詞向量的重要度信息，包括：采用詞頻-逆文本頻率指數(shù)TF-IDF算法，計(jì)算各詞向量的重要度信息。

可選地，所述依據(jù)各詞向量和對應(yīng)的重要度信息，確定站點(diǎn)主題矩陣，包括：依據(jù)各詞向量和對應(yīng)的重要度信息，對Skip-gram模型進(jìn)行訓(xùn)練；將訓(xùn)練后的Skip-gram模型中隱層的權(quán)重矩陣，確定為站點(diǎn)主題矩陣。

可選地，所述依據(jù)各詞向量和對應(yīng)的重要度信息，對Skip-gram模型進(jìn)行訓(xùn)練，包括：對各站點(diǎn)進(jìn)行獨(dú)熱one-hot編碼，得到各站點(diǎn)對應(yīng)的站點(diǎn)向量；計(jì)算各詞向量與對應(yīng)重要度信息的乘積，得到對應(yīng)的乘積向量；將所述站點(diǎn)向量確定為輸入信息，以及將各乘積向量作為輸出信息；采用所述輸入信息和輸出信息，對Skip-gram模型進(jìn)行訓(xùn)練。

可選地，所述依據(jù)所述站點(diǎn)主題矩陣，確定各站點(diǎn)的站點(diǎn)主題表示向量，包括：針對一個站點(diǎn)，依據(jù)所述站點(diǎn)的站點(diǎn)向量從所述站點(diǎn)主題矩陣中查找對應(yīng)的站點(diǎn)主題表示向量。