[发明专利]一种识别搜索需求的方法和装置

说明书

【技术领域】

本发明涉及计算机技术领域，特别涉及一种识别搜索需求的方法和装置。

【背景技术】

随着互联网在全球范围内的迅速发展与成熟，网络上的信息资源不断丰富，信息数据量也在飞速膨胀，通过搜索引擎获取信息已经成为现代人获取信息的主要方式。为了向用户提供更加便捷、准确的查询服务是搜索引擎技术在当今和未来的发展方向。

在搜索引擎技术中，对用户的搜索需求进行识别是提高搜索准确性和有效性的重要一环，特别在结构化搜索中作用显著。现有的搜索需求识别通常简单的采用匹配预置关键词的方式，例如，对应视频需求预置一些关键词：“在线观看”、“在线下载”、“点播”等，如果一个搜索请求(query)中包含某一个关键词，诸如query“士兵突击在线观看”，则将该query识别为视频需求。但该方法的适用性过窄，对于没有包含预置关键词的query则无法识别搜索需求，并且识别方式过于粗放，并不考虑非关键词的需求体现，常常会带来识别准确率低下的问题。

【发明内容】

有鉴于此，本发明提供了一种识别搜索需求的方法和装置，以便于提高需求识别的适用性和准确性。

具体技术方案如下：

一种识别搜索需求的方法，该方法包括：

预先建立各预设类型的需求分析模型；

接收到待识别query时，利用所述需求分析模型对所述待识别query进行需求识别；

其中，所述预设类型的需求分析模型的建立具体包括：

S1、获得该预设类型的种子query的各n元词组n-gram，n为预设的一个或多个正整数；

S2、计算每一个n-gram与该预设类型的语义相似度sim以及每一个n-gram属于该预设类型的概率prob；

S3、利用所述sim和所述prob确定每一个n-gram在该预设类型的评分；

对所述待识别query进行需求识别具体包括：

S4、确定所述待识别query的各n-gram；

S5、查询各预设类型的需求分析模型，确定步骤S4确定的各n-gram在各预设类型的评分；

S6、利用步骤S4确定的所有n-gram在每一个预设类型的评分之和得到所述待识别query在每一个预设类型上有需求的可能性；

S7、根据所述待识别query在每一个预设类型上有需求的可能性识别出所述待识别query的需求类型。

根据本发明之一优选实施例，所述步骤S2中计算每一个n-gram与该预设类型的语义相似度sim具体包括：

获取该预设类型的核心词向量和每一个n-gram的词向量，计算每一个n-gram的词向量分别与该预设类型的核心词向量的相似度作为所述sim。

根据本发明之一优选实施例，所述获取该预设类型的核心词向量具体包括：

S21、利用该预设类型的每一个种子query进行搜索，获取排在前N1个的搜索结果，所述N1为预设的正整数；

S22、对所述步骤S21获取的搜索结果的文本进行分词处理，获取所有n-gram；

S23、根据词频tf*逆向文件频率idf值确定步骤S22获取的各n-gram的权重，按照权重对各n-gram进行排序，获取排在前N2个的n-gram作为该预设类型的核心词向量，所述N2为预设的正整数。

根据本发明之一优选实施例，获取每一个n-gram的词向量为针对每一个n-gram分别具体执行以下步骤：

S24、将该n-gram作为query分别进行搜索，获取排在前N3个的搜索结果，所述N3为预设的正整数；

S25、对所述步骤S24获取的搜索结果进行分词处理，根据ti-idf值确定分词处理所得到各词语的权重，选取权重排在前N4个的词语作为该n-gram的词向量。

根据本发明之一优选实施例，所述步骤S2中计算n-gram属于该预设类型的概率prob具体为：

prob＝C1/C2，其中所述C1为包含该n-gram的该预设类型的种子query的总检索次数，所述C2为包含该n-gram的所有预设类型的种子query的总检索次数。

根据本发明之一优选实施例，所述步骤S3具体包括：

按照score＝λ1*sim+λ2*prob确定n-gram在该预设类型的评分score，其中λ1和λ2为预设的权重系数。

根据本发明之一优选实施例，所述步骤S6具体包括：