[发明专利]一种挖掘属性名复述的方法和装置

权利要求书

1.一种挖掘属性名复述的方法，其特征在于，该方法包括以下步骤：

S1、从搜索日志中获取Q-Q、Q-T和T-T中的至少一种资源作为候选句对，所述Q-Q为用户在一个会话session中搜索的两个query构成的句对，所述Q-T为query与对应的被点击网页标题title构成的句对，所述T-T为同一个query对应的两个被点击title构成的句对；

S2、从各候选句对中抽取具有相同上下文语境的短语对作为候选复述短语对；

S3、从候选复述短语对中抽取存在至少一个短语属于属性名列表的候选复述短语对；

S4、从所述步骤S3抽取出的候选复述短语对进行噪声过滤后，得到属性名复述短语对，属性名复述短语对中的两短语互为属性名复述。

2.根据权利要求1所述的方法，其特征在于，在所述步骤S2中按照如下短语抽取规则抽取短语对作为候选复述短语对：两个短语的前一个词相同且后一个词相同，但两个短语本身不相同。

3.根据权利要求2所述的方法，其特征在于，所述短语抽取规则还包括以下至少一种：两短语的长度在预设的长度范围内，两短语中不包含标点且不能完全由停用词构成，或者两短语之前和之后不能是标点。

4.根据权利要求1所述的方法，其特征在于，所述步骤S2中还包括：统计各候选复述短语对分别从Q-Q、Q-T和T-T抽取出来的次数，将总次数小于预设次数阈值的候选复述短语对过滤掉。

5.根据权利要求1所述的方法，其特征在于，步骤S4中所述噪声过滤包括以下至少一种：

如果候选复述短语对中两个短语的长度比大于预设长度比阈值，则将该候选复述短语对过滤掉；

如果候选复述短语对中两个短语的差别仅在于停用词，则将该候选复述短语对过滤掉；

如果候选复述短语对中未包含在属性名列表中的短语中存在数字或英文字母，则将该候选复述短语对过滤掉；

如果候选复述短语对中未包含在属性名列表中的短语的首词或尾词出现在预设的过滤词表中，则将该候选复述短语对过滤掉；

如果候选复述短语对中未包含在属性名列表中的短语包含地名，则将该候选复述短语对过滤掉；

确定同一短语所在的各候选复述短语对的词频分值，将词频分值排在前N个之外的候选复述短语对过滤掉，所述N为预设的正整数。