[发明专利]一种搜索词的提取方法及装置有效
| 申请号： | 201210169868.5 | 申请日： | 2012-05-29 |
| 公开（公告）号： | CN103455487B | 公开（公告）日： | 2018-07-06 |
| 发明（设计）人： | 刘怀军 | 申请（专利权）人： | 腾讯科技（深圳）有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 深圳市深佳知识产权代理事务所(普通合伙) 44285 | 代理人： | 王仲凯 |
| 地址： | 518044 广东省深圳*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种搜索词提取方法，其包括：提供待提取搜索词的文档Doci；从文档Doci中提取搜索词；计算搜索词的主题相关性；以及根据搜索词的主题相关性对搜索词进行过滤。上述搜索词提取方法可以解决现有技术中搜索词主题漂移、词义太过宽泛的问题。此外，本发明还提供一种搜索词提取装置。 | ||
| 搜索关键词： | 搜索词 文档 漂移 提取装置 词义 过滤 | ||
【主权项】：
1.一种搜索词提取方法，包括：提供待提取搜索词的文档Doci；从文档Doci中提取搜索词；计算所述搜索词的主题相关性，所述主题相关性指的是所述搜索词与网页正文所表达内容的相关性；根据搜索词的主题相关性对所述搜索词进行过滤；步骤三包括：计算搜索词的基本主题相关性；计算搜索词的领域相关性；以及计算搜索词的语义相关性；所述主题相关性由所述基本主题相关性、领域相关性及语义相关性加权平均计算得到；所述基本主题相关性是根据词频－反转文件频率(Term Frequency‑Inverse Document Frequency,TF‑IDF)计算；所述领域相关性是根据所述搜索词属于某一领域的概率以及所述文档属于所述领域的概率共同计算；计算该领域相关性时根据以下公式计算：![]()
其中，P(Domaink/Doci)为文档Doci属于领域Domaink的概率，P(Domaink/Wdj)为搜索词Wdj属于领域Domaink的概率；所述语义相关性根据所述搜索词的上下文相关性计算得到；计算该语义相关性时根据以下公式计算：![]()
其中，GrapSizek表示搜索词Wdj在由所有搜索词构成的语义关系无向图中所在的独立子图的大小，Wgt(Wdj,Wdx)表示所述语义关系无向图中跟Wdj连接的其他搜索词Wdx的相关性。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于腾讯科技（深圳）有限公司，未经腾讯科技（深圳）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201210169868.5/，转载请声明来源钻瓜专利网。
- 上一篇：图像处理装置以及图像处理方法
- 下一篇：一种西洋参阿胶珠炮制品及其炮制方法
