[发明专利]查询维度信息的确定方法及装置

权利要求书

1.一种查询维度信息的确定方法，其特征在于，包括：

获取与查询条件匹配的网页地址信息，其中，所述查询条件与查询维度对应；

获取与所述网页地址信息对应的网页内容，其中，所述网页内容至少包括：文本信息、标签信息和文档对象模型中的一个或多个；

根据所述网页内容，生成页面信息集合，其中，所述页面信息集合至少包括在所述网页内容中具有并列关系的页面信息；

对所述页面信息集合中的各所述页面信息进行聚类分析，得到与所述查询维度对应的查询维度信息；

其中，当所述网页内容中至少包括所述文本信息时，所述根据所述网页内容，生成页面信息集合，包括：

以语句为单位对所述文本信息进行切分，得到语句集合；

通过语义模型分别对所述语句集合中的语句进行处理，确定所述语句集合中具有并列关系的语句；

根据所述语句集合中具有并列关系的语句，生成所述页面信息集合。

2.根据权利要求1所述的方法，其特征在于，对所述页面信息集合中的各所述页面信息进行聚类分析，得到与所述查询维度对应的查询维度信息，包括：

分别将所述页面信息集合中的所述页面信息代入聚类模型得到聚类集合，并确定各所述页面信息与所述聚类集合之间的最大距离参数；

根据所述最大距离参数小于或等于预先设置的阈值的所述页面信息，生成与所述查询维度对应的所述查询维度信息。

3.根据权利要求2所述的方法，其特征在于，所述分别将所述页面信息集合中的所述页面信息代入聚类模型得到聚类集合，并确定各所述页面信息与所述聚类集合之间的最大距离参数包括：

将所述页面信息集合中的第一页面信息和第二页面信息代入聚类模型，确定聚类集合；

将所述页面信息集合中的第三页面信息与所述聚类集合进行比对，确定所述第三页面信息与所述聚类集合之间的最大距离参数。

4.根据权利要求3所述的方法，其特征在于，在所述分别将所述页面信息集合中的所述页面信息代入聚类模型得到聚类集合，并确定各所述页面信息与所述聚类集合之间的最大距离参数中，采用以下方式确定所述页面信息间的距离参数：

其中，l₁,l₂为具有并列关系的所述页面信息，d_l(l₁，l₂)为在两个所述页面信息之间的距离参数，|l₁∩l₂|为在两个具有并列关系的所述页面信息中出现相同词语的词语数量；

其中，d_c(c₁，c₂)为所述页面信息集合中的所述页面信息之间的所述最大距离参数。

5.根据权利要求1所述的方法，其特征在于，当所述网页内容中至少包括所述标签信息时，所述根据所述网页内容，生成页面信息集合，包括：

根据所述标签信息，确定在当前网页中各页面标签的标签层级关系；

根据所述标签层级关系，确定在所述当前网页中具有并列关系的标签集合；

对所述标签集合中的各个页面标签中的所述网页内容进行提取，生成所述页面信息集合。

6.根据权利要求1所述的方法，其特征在于，当所述网页内容中至少包括所述文档对象模型时，所述根据所述网页内容，生成页面信息集合，包括：

根据所述文档对象模型，确定与当前网页对应的网页结构信息；

根据所述网页结构信息，确定在所述当前网页中具有并列关系的页面区域；

对具有并列关系的所述页面区域中的所述网页内容进行提取，生成所述页面信息集合。

7.根据权利要求1所述的方法，其特征在于，在获取与查询条件匹配的网页地址信息之后，所述方法还包括：

获取预先设置的筛选条件；

按照所述筛选条件对所述网页地址信息进行筛选，确定与所述查询条件匹配的所述网页地址信息。