[发明专利]确定输入文本与兴趣点间的相关性的方法和系统

说明书

本发明公开了一种确定输入文本与兴趣点间的相关性的方法和系统。所述方法包括：获取用户的输入文本；通过语义相关性模型确定与所述输入文本相关的兴趣点；和通过所述语义相关性模型确定所述输入文本与所述兴趣点间的语义相关性分数。采用该方法，不仅可以检索到与输入文本在字词上匹配的兴趣点，还可以检索到与输入文本在字词上不匹配但在语义上匹配的兴趣点，从而提高了系统检索与输入文本相关的兴趣点的全面性和准确性。

技术领域

本发明涉及确定输入文本与兴趣点间的相关性的方法和系统，尤其是涉及一种通过语义相关性模型确定输入文本与兴趣点间的相关性的方法和系统。

背景技术

在特定的搜索场景下，用户输入查询语句后，系统可以获取与查询语句相关的查询结果并展示给用户。在获取与查询语句相关的查询结果时，当前的系统主要根据字词匹配度确定相关的查询结果，导致系统很难获取与查询语句语义相关但和查询语句不存在字词匹配的结果。例如，火车与高铁在语义上存在相关性，但不存在字词匹配。若查询语句为“火车”，仅基于字词匹配，系统很难获取“高铁”这个结果。因此，需要构建一种语义相关性模型，并基于语义相关性模型确定与输入文本相关的查询结果的方法。

发明内容

针对上述基于字词匹配难获取与查询语句语义相关但和查询语句不存在字词匹配的结果的问题，本发明的目的之一在于提供一种确定输入文本与兴趣点间的相关性的方法和系统，该方法可以确定输入文本和兴趣点之间的语义相关性，并基于相关性确定与输入文本相关的兴趣点。

为达到上述发明的目的，本发明提供的技术方案如下：

一方面，本发明实施例提供了一种确定输入文本与兴趣点间的相关性的方法，该方法包括：获取用户的输入文本；通过语义相关性模型确定与该输入文本相关的兴趣点；和通过该语义相关性模型确定该输入文本与该兴趣点间的语义相关性分数。

在本发明中，该方法还包括通过该语义相关性模型确定该输入文本的语义对应的句子向量和该兴趣点的语义对应的句子向量；和基于该输入文本的语义对应的句子向量和该兴趣点的语义对应的句子向量，确定该相关性分数。

在本发明中，该方法还包括将所述输入文本拆分成至少一个分词。

在本发明中，该方法还包括确定每个该分词对应的空间向量，该空间向量与该分词的语义对应；基于该空间向量，确定分词之间的组合关系对应的向量；和基于该组合关系对应的向量，确定该输入文本的语义对应的句子向量。

在本发明中，该方法还包括确定该输入文本的语义对应的句子向量与该兴趣点的语义对应的句子向量之间的距离；和基于该距离，确定该相关性分数。

在本发明中，该距离包括欧几里得距离。

在本发明中，当该距离越大，该相关性分数越小。

在本发明中，该输入文本包括词、短语或句子。

在本发明中，该输入文本包括中文或拼音。

另一方面，本发明实施例提供了一种构建语义相关性模型的方法，该方法包括获取多个用户的多个历史点击日志，每个历史点击日志包括用户的历史输入文本和至少一个与历史输入文本相关的历史兴趣点；和使用该用户的历史输入文本和与历史输入文本相关的历史兴趣点训练初始模型，获得语义相关性模型。

在本发明中，该历史兴趣点包括用户选择的历史兴趣点和/或多个用户未选择的历史兴趣点。

在本发明中，该输入文本包括词、短语或句子。

在本发明中，该方法还包括将该历史输入文本与历史输入文本相关的历史兴趣点分别拆分成至少一个分词，和使用分词后的历史输入文本以及分词后的与历史输入文本相关的历史兴趣点训练该初始模型，获得该语义相关性模型。

在本发明中，该历史输入文本包括中文或拼音。