[发明专利]电子商务搜索引擎纠错扩展方法

说明书

技术领域

本发明涉及电子商务搜索引擎的优化，具体是一种电子商务搜索引擎纠错扩展方法。

背景技术

搜索引擎系统由下载系统、分析系统、索引系统、检索系统组成。

下载系统：对于百度等全网搜索引擎来说，主要是从各大互联网站爬取网页。而对于电子商务网站来说，不需要下载系统，所需检索的页面都是本地存储好的商品说明页面。

分析系统：对网页内容进行预处理(繁体转简体、大写转小写、全角转半角)、分词、词干提取、停词移除等等。

索引系统：对应于索引端，调用分词服务，将每个商品的warename(商品名称)切成词项term，对每个词项term建立倒排列表(或称倒排记录)。在这里，你可以将每个商品的warename看做一个文档。

检索系统：对应于查询端，调用分词服务，将用户搜索词切成词项term，逐个拉取每个词项term的倒排列表，求交集，返回结果。

用户在电子商务搜索引擎中输入搜索词时，往往会产生错误，包括拼音输入的错误，中文输入法会产生同音异形字等。但是对于错误的搜索词时无法返回用户需要的商品名称。所以对于一个搜索引擎来说，能够对用户的输入词纠错，往往能够大大提高商品的召回率，也就是提高商品能够被检索到的概率。

发明内容

本发明的目的是解决用户的错误或者不合理的输入问题，提供一种电子商务搜索引擎纠错扩展方法，对用户的输入进行查询纠错扩展提供一种快速解决的方案，其使用方便、易于操作、效率高。

按照本发明提供的技术方案，所述的电子商务搜索引擎纠错扩展方法为：

（1）在初始化部分，准备各种映射表，其中包括正确词表和扩展词表，加载解析所有的映射表文件，构建相关的数据结构和字典；

（2）接收输入，对输入做预处理，其中包括简繁体转换、移除空白；

（3）预处理完成之后直接查询扩展词表，如果扩展词表中有相关扩展词则直接返回结果；

（4）如果扩展词表未查到相关扩展词，则对输入进行切分，分别进行英文纠错和中文纠错，纠错完成之后，对纠错结果再次查询扩展词表，将结果输出。

对于扩展词表的生成，对用户的查询日志分析选取高频且被点击的搜索词加入扩展词表。所述扩展词表中利用词之间含义的连续性，建立相关搜索词。

所述中文纠错是基于拼音纠错对用户的中文输入进行纠错。

所述英文纠错是对用户输入的英文或者拼音进行纠错。

本发明的优点是：对电子商务搜索引擎进行优化，能够对用户的输入进行纠错扩展处理，改善用户的体验，提高商品的召回率。

附图说明

图1本发明所处的处理环节示意图。

图2是本发明系统模块图。

图3是本发明的处理流程图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

本发明所处的环节如图1所示，属于输入查询和提交查询的中间环节，在提交给索引系统之前对用户的输入进行分析处理。在用户输入查询词的时候，假如用户的输入有错误，将无法返回相关商品，此时需要对用户的输入进行纠错，提供最接近用户意图的商品。同时需要对用户的查询词进行扩展，做相关搜索的推荐，帮助用户快速的找到自己需要的商品。也就是对于用户的各种未知输入，我们不能立即交给查询系统进行处理，首先我们需要对用户杂乱无章的各种输入做预处理，这样才能更好的检索。

对于扩展词表的生成，不仅仅是对用户的查询日志分析选取高频的搜索词，同时会根据查询后用户是否点击，来判断词扩展词是好词还是坏词。好词就是可以作为扩展词，而坏词不能作为扩展词。如果某个搜索词的搜索频率很高，但是没有用户点击，所以仍然不能当作好词，不能加入扩展词表。

扩展词表中使用了相关搜索的特性，利用词之间的连续性，词与词之间共现，建立相关搜索词。比如说搜索的输入框中搜李斯德林其实是想搜索李施德林，但是用户也可能需要搜索其他品牌的漱口水，所以词之间具有连续性，所以漱口水就是李斯德林的相关搜索词，同时买漱口水的情况下说明用户比较注重个人清洁卫生和牙齿保健，所以推荐牙膏。同理还有其他的相关搜索词比如：欧莱雅洗发水。李斯德林的相关搜索词是：李施德林、漱口水、牙膏、妮维雅、欧莱雅、洗发水。