[发明专利]挖掘相关实体词的关系关键词的方法和装置及其应用

说明书

【技术领域】

本发明涉及计算机技术领域，特别涉及一种挖掘相关实体词的关系关键词的方法和装置及其应用。

【背景技术】

随着信息技术和计算机技术的不断发展，搜索引擎已经成为人们获取信息的主要工具，用户输入搜索请求(query)后，搜索引擎能够向用户返回与该query对应的搜索结果。为了更加方便用户获取更多信息提高资源利用率，往往在用户输入query后，希望搜索引擎能够在返回搜索结果的同时能够返回与该query所包含词语相关的词语，通常特指与query所包含实体词相关的其他实体词。更进一步为了方便用户浏览和选择相关实体词，希望搜索引擎能够对实体词及其相关实体词之间的关系进行明确。

在现有的实现方法中，通常预先定义好待确定的关系类型，即预先设定若干关系类型，例如“父子”、“夫妻”、“朋友”等，然后确定实体词及其相关实体词之间符合哪种关系类型。然而，现实中很多实体词之间的关系是不能够表达或概括成明确的关系类型的，例如“张学友”和“刘德华”、“李宇春”和“张靓颖”，“易中天”和“于丹”，采用传统的关系类型无法描述这些实体词之间的关系，使得按照传统关系类型确定出的实体词之间的关系准确性很低。

【发明内容】

有鉴于此，本发明提供了一种确定相关实体词的关系关键词的方法和装置及其应用，以便于提高相关实体词之间关系描述的准确性。

具体技术方案如下：

一种挖掘相关实体词的关系关键词的方法，该方法包括：

A、挖掘实体词e1的相关实体词e2，将所述e1及其相关实体词e2存储在数据库中；

B、在挖掘所述e2所使用的资源，和/或，在由所述e1和所述e2构成一个搜索请求query所对应的搜索结果中，对距离所述e1和所述e2设定距离范围内的各词语进行统计，所述统计至少包括：对所述各词语在所述距离范围内出现次数的统计；

C、利用统计结果对所述各词语进行打分，选择打分值排在前M个的词语作为所述e1和所述e2的关系关键词，并将所述关系关键词记录在所述数据库中，其中M为预设的正整数。

其中所述实体词的类型包括：人名、地名、机构名、书名、歌名、影视剧名、产品名或者品牌名。

所述步骤A中挖掘实体词e1的相关实体词e2具体包括：

A1、采用以下方式中的至少一种确定所述e1的候选相关实体词：

第一种方式、确定在语料库中与所述e1共现在长度为L的窗口中的次数值排在前N1个的实体词作为所述e1的候选相关实体词，其中N1为预设的自然数；

第二种方式、确定与所述e1在用户搜索日志中共现在相同query中的次数值排在前N2个的实体词作为所述e1的候选相关实体词，其中N2为预设的自然数；

第三种方式、确定特征向量与所述e1的特征向量的相似度排在前N3个的实体词作为所述e1的候选相关实体词，其中N3为预设的自然数；

第四种方式、确定在百科类数据源中作为主题词的所述e1的相关词条中的实体词作为所述e1的候选相关实体词；

A2、对步骤A1确定出所述e1的候选相关实体词进行打分，选择打分值排在前N4个的候选相关实体词作为所述e1的相关实体词，所述e2为所述e1的相关实体词中的一个，其中N4为预设的正整数。

其中，实体词特征向量的确定方式为：

基于语料库对实体词进行上下文统计，选择距离实体词设定距离范围内的词语的出现次数达到预设的特征选择条件的词语构成该实体词的特征向量；

其中所述特征选择条件包括：出现次数达到预设阈值或者出现次数排在前M1个，M1为预设的正整数。

所述步骤A2中采用如下公式对所述e1的候选相关实体词进行打分：

score1(e1，e_i)＝γ₁s₁(e1，e_i)+γ₂s₂(e1，e_i)+γ₃s₃(e1，e_i)+γ₄s₄(e1，e_i)+γ₅s₅(e1，e_i)+γ₆s₆(e1，e_i)；