[发明专利]一种文本相关主题的推荐方法和装置

说明书

【技术领域】

本发明涉及互联网应用技术领域，特别涉及一种文本相关主题的推荐方法和装置。

【背景技术】

随着信息和网络技术的不断发展，网络互动问答平台，如百度知道、新浪爱问、谷歌问答、搜搜问问、雅虎知识堂等，为网民提供了一个可以进行互动交流的平台。用户可以通过知识搜索，查找在日常生活、学习或专业方面遇到的疑问的答案。用户还可以与其他有共同兴趣的人交流，问问题，找答案，互助交流，分享知识。

在问答平台中通常有延伸阅读的需求，通过分析发现，用户的延伸阅读可分为对比阅读需求和扩展阅读需求两种。其中，对比阅读需求是指对同一个问题表示的知识点的多种解答的比较，而扩展阅读需求则是指对与问题相关的知识面的获取需求，对有相关联的问题资源的阅读。

当前，大部分互动问答平台通过问题的“相关问题”展示在问答平台的问题页上，以问题标题进行检索得到的前N条结果，来满足用户的延伸阅读需求。这种通过检索得到的推荐结果形式只能满足用户的对比阅读需求，只能对于同一问题点进行推荐，并不能从相关主题面上进行推荐，对其扩展阅读需求则无法满足。

【发明内容】

本发明提供了一种文本相关主题的推荐方法和装置，实现对用户的扩展阅读需求进行推荐，使得推荐结果更加准确、更接近用户的使用习惯，满足对相关主题延伸阅读需求。

具体技术方案如下：

一种文本相关主题的推荐方法，该方法包括以下步骤：

S1、获取文本内容，对文本内容进行分词得到词项Term，计算各个Term的权重，根据Term的权重确定所述文本内容的中心词和辅助词；

S2、利用所述中心词到已有的主题集合中进行匹配，将包含所述中心词的主题作为候选主题，构成候选主题集合；

S3、根据候选主题对应的资源数和候选主题与所述辅助词的相关性，计算各候选主题的综合权重；

S4、将综合权重满足预设要求的候选主题作为推荐的相关主题。

根据本发明一优选实施例，所述步骤S1具体包括：

获取文本内容；

对获取的文本内容进行分词处理，得到Term；

基于Term的倒文档率IDF计算各个Term的权重；

将权重满足中心词预设要求的Term确定为所述文本内容的中心词；将权重满足辅助词预设要求的Term确定为辅助词。

根据本发明一优选实施例，在所述基于Term的倒文档率IDF计算各个Term的权重后，还将各个Term的权重依据所述文本内容的长度进行调权处理。

根据本发明一优选实施例，所述中心词预设要求包括：

Term的权重排在前N1个；或者，

Term的权重大于预设第一阈值Q1；

或者，Term的权重大于预设第三阈值Q3且排在前N1个；

对应地，辅助词预设要求包括：

Term的权重排在前N1+1至前N2个；或者，

Term的权重在预设第一阈值Q1和预设第二阈值Q2之间；

或者，Term的权重大于预设第三阈值Q3且排在前N1+1至前N2个；

其中，N1、N2为预设正整数，且N1＜N2，0＜Q2＜Q1≤1，0＜Q3≤1。

根据本发明一优选实施例，所述已有的主题集合中采用中心词和标记词的组合表示各个主题，该主题集合的建立包括以下步骤：

A1、从用户搜索日志中获取搜索关键词，将所述搜索关键词分成一个或多个词条，并记录各词条在搜索关键词中出现的位置；

A2、将步骤A1确定的词条中指向某一实体的词条构成候选中心词集合，将候选中心词集合中在所述搜索关键词的首部没有出现的词条过滤掉，得到中心词集合；

A3、将步骤A1确定的词条中描述实体特性的词条构成候选标记词集合，将候选标记词集合中在所述搜索关键词的尾部没有出现的词条过滤掉，得到标记词集合；

A4、利用所述中心词集合和标记词集合中的词条得到中心词和标记词的组合，将在所述搜索关键词中没有出现的组合过滤掉，得到主题集合。

根据本发明一优选实施例，所述步骤S3包括以下步骤：

根据候选主题集合中各个候选主题对应的资源数，计算候选主题的第一权重W1；

根据候选主题与辅助词的相关性，计算候选主题的第二权重W2；

对计算得到的候选主题的第一权重W1和第二权重W2进行线性加权，得到候选主题的综合权重W。