[发明专利]页面的搜索特性的分析方法和分析装置

权利要求书

1.一种页面的搜索特性的分析方法，包括：

基于查询集中的历史查询请求的多个第一分词和页面集中的页面的多个第二分词，计算查询集中的历史查询请求和页面集中的页面之间的第一相似度；

将第一相似度超过第一预定阈值的历史查询请求和页面视为相互匹配；

根据所述页面的匹配信息，对所述页面进行分析，以确定所述页面的搜索特性。

2.根据权利要求1所述的分析方法，其中，根据页面的匹配信息对所述页面进行分析以确定所述页面的搜索特性包括：

根据匹配所述页面的历史查询请求的数量，确定所述页面的查询热门度；以及/或者

根据匹配所述页面的历史查询请求所匹配的页面的数量，确定所述页面的资源稀缺度。

3.根据权利要求1所述的方法，其中，计算查询集中的历史查询请求和页面集中的页面之间的第一相似度包括：

对所述查询集中的历史查询请求进行分词并计算权重，以得到多个第一分词及每个第一分词所对应的权重；

对所述页面集中的页面所对应的文字信息进行分词并计算权重，以得到多个第二分词及每个第二分词所对应的权重；

通过计算历史查询请求所对应的第一分词和页面所对应的第二分词之间的相似度，确定所述历史查询请求和所述页面之间的第一相似度。

4.根据权利要求3所述的分析方法，其中，

仅计算具有至少一个相同的有效分词的历史查询请求和页面之间的第一相似度。

5.根据权利要求3所述的方法，其中，相同的分词具有相同的权重，根据下列相似度计算公式计算历史查询请求和页面之间的第一相似度S(q,u)：

其中，q表示历史查询请求，u表示页面，k_j表示属于历史查询请求所对应的第一分词和页面所对应的第二分词的交集的分词，k_i表示属于历史查询请求所对应的第一分词和页面所对应的第二分词的并集的分词，表示分词k_j的权重，表示分词k_i的权重。

6.根据权利要求5所述的方法，其中，计算第一相似度S(q,u)的过程包括：

计算历史查询请求和页面之间的部分相似度S_j'(q,u)，其中，

通过累加对应于同一组历史查询请求和页面的部分相似度S_j'(q,u)，得到该历史查询请求和该页面之间的第一相似度。

7.根据权利要求6所述的方法，其中，计算部分相似度S_j'(q,u)包括：

生成多条第一记录数据，每条所述第一记录数据包括第一分词、第一分词对应的权重、第一分词对应的历史查询请求以及该历史查询请求对应的全部第一分词及其权重，所述多条第一记录数据是按照第一分词的哈希值排列的；

生成多条第二记录数据，每条所述第二记录数据包括第二分词、第二分词对应的权重、第二分词对应的页面、页面的权重以及该页面对应的全部第二分词及其权重，所述多条第二记录数据是按照第二分词的哈希值排列的；

分别从所述多条第一记录数据和所述多条第二记录数据中选择哈希值相同的第一记录数据和第二记录数据作为计算用数据，计算部分相似度S_j'(q,u)。

8.根据权利要求7所述的方法，其中，

对于哈希值相同的第一记录数据，按照第一记录数据所针对的历史查询请求的字符顺序进行排序，并且/或者，

对于哈希值相同的第二记录数据，按照第二记录数据所针对的页面的权重的大小进行排序。

9.根据权利要求8所述的方法，还包括：

对于哈希值相同的多条第一记录数据，保留第一数量阈值的第一记录数据参与部分相似度的计算；以及/或者

对于哈希值相同的多条第二记录数据，保留第二数量阈值的第二记录数据参与部分相似度的计算。