[发明专利]通用标签挖掘方法、装置、服务器及介质

权利要求书

1.一种通用标签挖掘方法，其特征在于，包括：

将包含标签占位符以及所述标签占位符的属性的标签种子规则与历史搜索信息进行匹配，确定匹配的标签；

组合已有的标签种子规则和匹配得到的标签，以构建新的搜索序列集合；

对所述新的搜索序列集合中包含的各搜索序列作泛化处理得到新的标签种子规则，并返回执行所述新的标签种子规则与历史搜索信息匹配操作确定新的标签，直至标签和标签种子规则满足收敛条件。

2.根据权利要求1所述的方法，其特征在于，所述对所述新的搜索序列集合中包含的各搜索序列作泛化处理得到新的标签种子规则，包括：

确定所述新的搜索序列集合中包含的各搜索序列的同义搜索序列，并从所述同义搜索序列中抽取得到新的标签种子规则。

3.根据权利要求2所述的方法，其特征在于，所述确定所述新的搜索序列集合中包含的各搜索序列的同义搜索序列，并从所述同义搜索序列中抽取得到新的标签种子规则，包括：

针对新的搜索序列集合中的每一搜索序列，若该搜索序列的已点击搜索结果页面与其他搜索序列的已点击搜索结果页面中的相同页面数量大于数量阈值，则将其他搜索序列确定为该搜索序列的同义搜索序列，并依据该搜索序列中包含的标签从同义搜索序列中抽取得到新的标签种子规则。

4.根据权利要求1所述的方法，其特征在于，在返回执行所述新的标签种子规则与历史搜索信息匹配操作确定新的标签，直至标签和标签种子规则满足收敛条件之后，还包括：

将依据得到的标签和标签种子规则确定的搜索序列所对应的网页作为语料库；

从标签所对应的语料库中得到所述标签所关联的实体。

5.根据权利要求4所述的方法，其特征在于，在从标签所对应的语料库中得到所述标签所关联的实体之后，还包括：

依据所述实体在所述标签对应的语料库中的频次，所述语料库所属网站的权重，以及将所述实体、所述标签和领域作为搜索词得到的搜索结果与实体和标签的关联度，确定标签与标签所关联的实体之间的置信度；

依据所述置信度调整标签所关联的实体。

6.根据权利要求4所述的方法，其特征在于，在从标签所对应的语料库中得到所述标签所关联的实体之后，还包括：

依据第一标签关联的实体集与第二标签关联的实体集之间的关系，确定第一标签与第二标签之间的关系，其中第一标签与第二标签之间的关系是同义关系或上下位关系。

7.根据权利要求4所述的方法，其特征在于，在从标签所对应的语料库中得到所述标签所关联的实体之后，还包括：

将标签种子规则和已有实体进行组合得到实体搜索序列；

依据所述实体搜索序列的搜索结果中实体的上下文文本，确定实体关联的标签。

8.一种通用标签挖掘装置，其特征在于，包括：

标签匹配模块，用于将包含标签占位符以及所述标签占位符的属性的标签种子规则与历史搜索信息进行匹配，确定匹配的标签；

序列构建模块，用于组合已有的标签种子规则和匹配得到的标签，以构建新的搜索序列集合；

标签更新模块，用于对所述新的搜索序列集合中包含的各搜索序列作泛化处理得到新的标签种子规则，并返回执行所述新的标签种子规则与历史搜索序列匹配操作确定新的标签，直至标签和标签种子规则满足收敛条件。

9.根据权利要求8所述的装置，其特征在于，所述标签更新模块具体用于：

确定所述新的搜索序列集合中包含的各搜索序列的同义搜索序列，并从所述同义搜索序列中抽取得到新的标签种子规则。

10.根据权利要求9所述的装置，其特征在于，所述标签更新模块具体用于：

针对新的搜索序列集合中的每一搜索序列，若该搜索序列的已点击搜索结果页面与其他搜索序列的已点击搜索结果页面中的相同页面数量大于数量阈值，则将其他搜索序列确定为该搜索序列的同义搜索序列，并依据该搜索序列中包含的标签从同义搜索序列中抽取出新的标签种子规则。