[发明专利]一种搜索需求识别的方法和装置

权利要求书

1.一种搜索需求识别的方法，其特征在于，该方法包括：

S1、获取待识别query；

S2、获取所述待识别query的搜索结果，确定搜索结果文本的各n元词组n-gram并基于各n-gram在搜索结果文本中的出现状况确定各n-gram的权重，得到所述待识别query的核心词向量；

S3、分别计算所述待识别query的核心词向量与预先确定的各需求类型的核心词向量之间的相似度，根据相似度的计算结果确定所述待识别query的需求类型。

2.根据权利要求1所述的方法，其特征在于，步骤S2中获取所述待识别query的搜索结果为：获取所述待识别query的搜索结果中排在前N1个的搜索结果，所述N1为预设的正整数。

3.根据权利要求1所述的方法，其特征在于，步骤S2中所述基于各n-gram在搜索结果文本中的出现状况确定各n-gram的权重具体包括：

根据n-gram在搜索结果文本中的词频TF以及对应n值为n-gram赋予权重；或者，

根据n-gram在搜索结果文本中出现的句子数、与待识别query共现的句子数、待识别query在搜索结果文本中出现的句子数以及n-gram的逆向文档频率IDF为n-gram赋予权重。

4.根据权利要求1、2或3所述的方法，其特征在于，所述搜索结果文本包括：搜索结果的网页标题，或者搜索结果的网页中包含所述待识别query的句子。

5.根据权利要求1所述的方法，其特征在于，确定需求类型的核心词向量包括：

S31、确定该需求类型的种子query集合；

S32、利用种子query集合中的各种子query进行搜索，从搜索结果文本中抽取核心词并基于核心词在搜索结果文本中的出现状况确定各核心词的权重，得到该需求类型的核心词向量。

6.根据权利要求5所述的方法，其特征在于，需求类型的种子query集合的确定方式包括：

通过人工的方式配置；或者

采用人工的方式在搜索日志中标注；或者，

从该需求类型垂直搜索的搜索日志中获取搜索次数高于预设第一阈值的query构成该需求类型的种子query集合；或者，

从该需求类型的网页搜索的搜索日志中，获取对应于点击了该需求类型的网站或点击了包含该需求类型特征词的标题的query，并将获取的query中搜索次数高于预设第二阈值的query构成该需求类型的种子query集合。

7.根据权利要求5所述的方法，其特征在于，所述步骤S32具体包括：

利用该需求类型的种子query集合中的各种子query进行搜索，确定搜索结果文本中的各n-gram并基于各n-gram在搜索结果文本中的出现状况确定各n-gram的权重，得到该需求类型的核心词向量；或者，

利用该需求类型的种子query集合中的各种子query进行搜索，对搜索结果文本进行分词处理和去除停用词后，统计去除停用词后所得到各词语的TF，确定TF高于预设词频阈值的词语并基于词频为各词语确定权重，得到该需求类型的核心词向量；或者，

利用该需求类型的种子query集合中的各种子query进行搜索，对搜索结果文本进行分词处理和去除停用词后，统计去除停用词后得到的各词语的TF和IDF，确定TF-IDF值高于预设TF-IDF阈值的词语并基于TF-IDF为确定的各词语确定权重，得到该需求类型的核心词向量；或者，

利用该需求类型的种子query集合中的各种子query进行搜索，对搜索结果文本进行分词处理和去除停用词后，根据去除停用词后得到的各词语在搜索结果文本中出现的句子数、各词语与对应种子query共现的句子数、种子query在搜索结果文本中出现的句子数以及各词语的IDF分别为各词语赋予权重，选择权重值高于预设权重阈值的词语，得到该需求类型的核心词向量。

8.根据权利要求7所述的方法，其特征在于，所述基于各n-gram在搜索结果文本中的出现状况确定各n-gram的权重包括：

根据各n-gram在搜索结果文本中的TF以及对应n值为各n-gram赋予权重；或者，

根据n-gram在搜索结果文本中出现的句子数、n-gram与对应种子query共现的句子数、种子query在搜索结果文本中出现的句子数以及n-gram的IDF为n-gram赋予权重。