[發明專利]一種query標注方法、裝置及電子設備

在審

• 申請號: 201910302816.2
• 申請日: 2019-04-16
• 公開（公告）號: CN110110192A
• 公開（公告）日: 2019-08-09
• 發明（設計）人: 吳健君;王銘
• 申請（專利權）人: 北京奇藝世紀科技有限公司
• 主分類號: G06F16/953
• 分類號: G06F16/953;G06F16/908;G06F17/21
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 李欣;項京

1.一種query標注方法，其特征在于，包括：

獲取指定領域的關鍵詞集合；

針對所述關鍵詞集合中的每個關鍵詞，從原始query數據庫中檢索出包含該關鍵詞的query，作為關鍵query；

針對檢索出的所述關鍵query，將所述關鍵query的所屬領域標注為所述指定領域。

2.根據權利要求1所述的方法，其特征在于，所述獲取指定領域的關鍵詞集合，包括：

獲取與指定領域相關聯的垂直網站；

從所述垂直網站中獲取包含預設屬性的詞語，作為關鍵詞；

將每個關鍵詞作為元素組合成關鍵詞集合。

3.根據權利要求1所述的方法，其特征在于，還包括：

將每個關鍵query作為元素組合成關鍵query集合；

針對所述關鍵query集合進行關聯挖掘，提取出所述關鍵query集合中的query頻繁項，所述query頻繁項為在所述關鍵query集合中存在概率大于第一閾值的詞組；

針對每個query頻繁項，從所述原始數據庫中檢索出包含該query頻繁項的目標query；

針對檢索出的所述目標query，將所述目標query的所屬領域標注為所述指定領域。

4.根據權利要求3所述的方法，其特征在于，所述針對所述關鍵query集合進行關聯挖掘，提取出所述關鍵query集合中的query頻繁項，包括：

針對所述關鍵query集合中的每個關鍵query，將該關鍵query拆分為關鍵詞和子query，所述拆分出的關鍵詞為所述關鍵詞集合中的關鍵詞；

針對每個關鍵query的子query，基于隱馬爾可夫HMM分詞算法，對該子query進行分詞處理，得到子query詞組；

針對每個子query詞組進行頻繁模式挖掘，確定在所述關鍵query集合中存在概率大于第一閾值的子query詞組，作為query頻繁項。

5.根據權利要求4所述的方法，其特征在于，所述針對每個子query詞組進行頻繁模式挖掘，確定在所述關鍵query集合中存在概率大于第一閾值的子query詞組，包括：

針對每個子query詞組，獲取該子query詞組在所述關鍵query集合中的出現的數量；

針對每個子query詞組，計算該子query詞組在所述關鍵query集合中的出現的數量與所述關鍵query集合中關鍵query的數量的比值，將所述比值作為該子query詞組在所述關鍵query集合中存在概率；

將存在概率大于第一閾值的子query詞組確定為query頻繁項。

6.一種query標注裝置，其特征在于，包括：

關鍵詞集合獲取模塊，用于獲取指定領域的關鍵詞集合；

關鍵query檢索模塊，用于針對所述關鍵詞集合中的每個關鍵詞，從原始query數據庫中檢索出包含該關鍵詞的query，作為關鍵query；

領域標注模塊，用于針對檢索出的所述關鍵query，將所述關鍵query的所屬領域標注為所述指定領域。

7.根據權利要求6所述的裝置，其特征在于，所述關鍵詞集合獲取模塊，具體用于獲取與指定領域相關聯的垂直網站，并且從所述垂直網站中獲取包含預設屬性的詞語，作為關鍵詞，以及將每個關鍵詞作為元素組合成關鍵詞集合。

8.根據權利要求6所述的裝置，其特征在于，還包括：

集合確定模塊，用于將每個關鍵query作為元素組合成關鍵query集合；

query頻繁項提取模塊，用于針對所述關鍵query集合進行關聯挖掘，提取出所述關鍵query集合中的query頻繁項，所述query頻繁項為在所述關鍵query集合中存在概率大于第一閾值的詞組；

目標query檢索模塊，用于針對每個query頻繁項，從所述原始數據庫中檢索出包含該query頻繁項的目標query；

所述領域標注模塊，還用于針對檢索出的所述目標query，將所述目標query的所屬領域標注為所述指定領域。