[发明专利]一种检索结果的输出方法及装置

权利要求书

1.一种检索结果的输出方法，其中，包括：

接收查询关键词；

根据通过自然语言类的查询关键词和术语类的查询关键词进行训练获得的训练模型对所述查询关键词进行术语分析，得到分析结果；

对所述分析结果进行基础检索，并根据相关度排序输出检索结果；

其中，所述通过自然语言类的查询关键词和术语类的查询关键词进行训练获得的训练模型的建立过程，包括：

根据检索历史记录将查询关键词进行分组；

对每组中查询关键词进行类型识别，所述类型包括自然语言类的查询关键词和术语类的查询关键词；

将自然语言类的查询关键词进行特征训练以及将术语类的查询关键词进行离散化训练后获得训练模型。

2.根据权利要求1所述的方法，其中，所述根据检索历史记录将查询关键词进行分组，包括：

根据用户点击的统一资源定位器URL的字符长度、域分隔符和地址结构分隔符将查询关键词进行分组。

3.根据权利要求1所述的方法，其中，所述对每组中查询关键词进行类型识别，包括：

根据每组中查询关键字的置信度确定自然语言类的查询关键词；

确定每组内与确定的自然语言类的查询关键词的长度比值在设定范围内，且与确定的自然语言类的查询关键词有预定重合度的查询关键词作为与所述自然语言类的查询关键词对应的术语类的查询关键词。

4.根据权利要求3所述的方法，其中，所述将自然语言类的查询关键词进行特征训练以及将术语类的查询关键词进行离散化训练后获得训练模型，包括：

将每组内自然语言类的查询关键词进行特征化处理；

对每组中自然语言类的查询关键词对应的术语类的查询关键词的词频进行统计得到统计结果，根据对所述统计结果的离散化得到每组中术语类的查询关键词的重要度；

结合自然语言类query特征化处理和术语类query的重要度，基于梯度提升决策树GBDT训练获得回归模型。

5.一种检索结果的输出装置，其中，包括：

用于接收查询关键词的装置；

用于根据通过自然语言类的查询关键词和术语类的查询关键词进行训练获得的训练模型对所述查询关键词进行术语分析，得到分析结果的装置；

用于对所述分析结果进行基础检索，并根据相关度排序输出检索结果的装置；

其中，用于通过自然语言类的查询关键词和术语类的查询关键词进行训练获得的训练模型的建立装置，包括：

用于根据检索历史记录将查询关键词进行分组的装置；

用于对每组中查询关键词进行类型识别，所述类型包括自然语言类的查询关键词和术语类的查询关键词的装置；

用于将自然语言类的查询关键词进行特征训练以及将术语类的查询关键词进行离散化训练后获得训练模型的装置。

6.根据权利要求5所述的装置，其中，所述用于根据检索历史记录将查询关键词进行分组的装置，包括：

用于根据用户点击的统一资源定位器URL的字符长度、域分隔符和地址结构分隔符将查询关键词进行分组的装置。

7.根据权利要求5所述的装置，其中，所述用于对每组中查询关键词进行类型识别，所述类型包括自然语言类的查询关键词和术语类的查询关键词的装置，包括：

用于根据每组中查询关键字的置信度确定自然语言类的查询关键词的装置；

用于确定每组内与确定的自然语言类的查询关键词的长度比值在设定范围内，且与确定的自然语言类的查询关键词有预定重合度的查询关键词作为与所述自然语言类的查询关键词对应的术语类的查询关键词的装置。

8.根据权利要求7所述的装置，其中，所述用于将自然语言类的查询关键词进行特征训练以及将术语类的查询关键词进行离散化训练后获得训练模型的装置，包括：

用于将每组内自然语言类的查询关键词进行特征化处理的装置；

用于对每组中自然语言类的查询关键词对应的术语类的查询关键词的词频进行统计得到统计结果，根据对所述统计结果的离散化得到每组中术语类的查询关键词的重要度的装置；

用于结合自然语言类query特征化处理和术语类query的重要度，基于梯度提升决策树GBDT训练获得回归模型的装置。