[发明专利]基于自动标注的中心词提取方法和装置

说明书

技术领域

本发明涉及计算机技术领域，具体而言，涉及一种基于自动标注的中心 词提取方法和装置。

背景技术

查询词推荐是根据用户当前进行搜索的查询词，通过机器学习算法，提 取查询词的中心词，并以此为用户推荐其最可能感兴趣的其他查询词。

目前，提取中心词的方式主要是通过人工标注的方式提取中心词：人工 标注中心词只能适用于非常少量的查询词，当查询词数目巨大的时候人工标 注显然是不可行的，而且人工标注提取中心词不能自动化，所以具有以下不 足之处：(1)需要较多的人力、时间、费时费力；(2)每个人的评价标准 不一样，导致标注的中心词有偏差；(3)无法自动化提取查询词的中心词； (4)不适用于大量查询词的中心词提取。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分 地解决上述问题的基于自动标注的中心词提取方法和装置。

依据本发明的一种基于自动标注的中心词提取方法，包括：从搜索记录 中，获取多次搜索行为中点击的同一地址对应的多个查询词；对所述多个查 询词分词得到多个词；计算所述多个词具有的特征属性；根据所述特征属性 从所述多个词中进行筛选，将筛选后的词作为所述多个查询词中的至少一个 查询词的中心词。

可选地，前述的方法，所述多个词的特征属性为所述多个词在所述多个 查询词中的词频；根据所述特征属性从所述多个词中进行筛选，具体包括： 从所述多个词中选择词频最高的词。

可选地，前述的方法，将筛选后的词作为所述多个查询词中的至少一个 查询词的中心词，具体包括：将所述筛选后的词作为所述多个查询词中对应 的页面浏览量最高的查询词的中心词。

可选地，前述的方法，在将筛选后的词作为所述多个查询词中的至少一 个查询词的中心词之前，还包括：判断所述筛选后的词是否包含在所述至少 一个查询词中，并在判断结果为是时执行将筛选后的词作为所述多个查询词 中的至少一个查询词的中心词。

可选地，前述的方法，在将筛选后的词作为所述多个查询词中的至少一 个查询词的中心词之前，还包括：判断所述筛选后的词与所述至少一个查询 词的长度差是否位于预设区间，并在判断结果为是时执行将筛选后的词作为 所述多个查询词中的至少一个查询词的中心词。

可选地，前述的方法，还包括：使用所述至少一个查询词和所述至少一 个查询词的中心词训练用于从给定的目标查询词中提取相应中心词的模型。

依据本发明的一种基于自动标注的中心词提取装置，包括：记录获取模 块，用于从搜索记录中，获取多次搜索行为中点击的同一地址对应的多个查 询词；分词模块，用于对所述多个查询词分词得到多个词；属性计算模块， 用于计算所述多个词具有的特征属性；中心词选择模块，用于根据所述多个 词的特征属性从所述多个词中进行筛选，将筛选后的词作为所述多个查询词 中的至少一个查询词的中心词。

可选地，前述的装置，所述多个词的特征属性为所述多个词在所述多个 查询词中的词频；所述中心词选择模块从所述多个词中选择词频最高的词。

可选地，前述的装置，所述中心词选择模块将所述筛选后的词作为所述 多个查询词中对应的页面浏览量最高的查询词的中心词。

可选地，前述的装置，还包括：第一判断模块，用于判断所述筛选后的 词是否包含在所述至少一个查询词中，所述中心词选择模块在判断结果为是 时将筛选后的词作为所述多个查询词中的至少一个查询词的中心词。

可选地，前述的装置，还包括：第二判断模块，用于判断所述筛选后的 词与所述至少一个查询词的长度差是否位于预设区间，所述中心词选择模块 在判断结果为是时将筛选后的词作为所述多个查询词中的至少一个查询词的 中心词。

可选地，前述的装置，还包括：模型训练模块，用于使用所述至少一个 查询词和所述至少一个查询词的中心词训练用于从给定的目标查询词中提取 相应中心词的模型。

根据以上技术方案，本发明的基于自动标注的中心词提取方法和装置至 少具有以下优点：

在本发明的技术方案中，可以从多个查询词中准确地选择出中心词，得 到中心词的查询词可以用来训练用于提取查询词中心词的模型，利用该模型 可以自动进行对查询词的中心词提取，提取速度、准确率都非常高，有利于 后续的基于中心词推荐查询词的快速进行。