[发明专利]确定搜索词权重的方法和装置

说明书

技术领域

本发明涉及互联网领域，尤其涉及一种确定搜索词权重的方法和装置。

背景技术

随着互联网技术的发展，网络信息非常巨大。用户需要在海量信息里查找大自己 所需的信息是非常困难的，需要采用搜索引擎等技术对用户输入的搜索请求进行匹配。

在采用搜索词进行搜索的技术中，通常采用TF/IDF(TermFrequency/Inverse DocumentFrequency，词频/反转文件频率)技术来确定文本词权重，采用TF/IDF技术在长 文本搜索中能够较好地辨识某一搜索词在整个搜索文本中的重要性。

但是，对于例如视频标题、商品名等这样的短文本，由于信息量很少，采用TF/IDF 技术通常不能很好的辨识搜索词的权重，从而影响搜索的效果。

发明内容

技术问题

有鉴于此，本发明要解决的技术问题是，如何准确地确定搜索词在内容资源的文 本信息中所占的权重，从而有利于得到准确地搜索结果。

解决方案

为了解决上述技术问题，根据本发明的一实施例，提供了一种确定搜索词权重的 方法，包括：

根据内容资源对应的用户行为数据，获取为所述内容资源带来点击的各搜索词及 其对应的点击数据；

根据各所述搜索词及其对应的点击数据，确定各所述搜索词在所述内容资源的文 本信息中所占的重要因子；

根据各所述搜索词在所述内容资源的文本信息中所占的重要因子和各所述搜索 词的全局初始权重，确定各所述搜索词在所述内容资源的文本信息中所占的权重。

对于上述方法，在一种可能的实现方式中，根据内容资源对应的用户行为数据，获 取为所述内容资源带来点击的各搜索词及其对应的点击数据，包括：

统计所述内容资源对应的用户输入的各关键词及其对应的点击数据；

根据各所述关键词及其对应的点击数据，对所述文本信息进行分词处理，得到各 所述搜索词及其对应的点击数据。

对于上述方法，在一种可能的实现方式中，根据各所述搜索词及其对应的点击数 据，确定各所述搜索词在所述内容资源的文本信息中所占的重要因子，包括：

采用下式1计算各所述搜索词在所述内容资源的文本信息中所占的重要因子，

p1(vi,wj)=count(d(vi,wj))Σjcount(d(vi,wj))]]>式1，

其中，p₁(v_i,w_j)表示所述搜索词w_j在所述内容资源v_i的文本信息中所占的重要因 子；

count(d(v_i,w_j))表示所述搜索词w_j为所述内容资源v_i带来的点击量。