[发明专利]一种挖掘搜索引擎未召回类纠错词的方法及装置

说明书

技术领域

本发明涉及互联网搜索技术领域，特别涉及一种挖掘搜索引擎未召回类纠错词的方法及装置。

背景技术

搜索引擎搜索词纠错是一种有效的用户搜索词纠正和引导方法。当用户在搜索时，由于拼写错误、记忆不清而不能提供完整和准确的搜索词的时候，搜索引擎能够通过纠错、校正用户的输入或者将用户引导到正确的搜索词上，使得用户获得有用的查询结果，如图1(a)、图1(b)、图1(c)所示，例如用户本来想搜索“中关村”，但是输入错误的“中观村”、“众关村”或者“zhong关村”，搜索引擎都能够给出正确的纠错词“中关村”。

如果搜索引擎给出的纠错词不正确，例如将不需要纠错的搜索词做纠错，或者需要纠错的搜索词没有正确纠错，那么不仅无法引导给用户需要的结果，往往还会造成适得其反的负面效果。因此针对搜索引擎纠错的效果进行验证(包括准确率和召回率)，以及挖掘出纠错效果不好的搜索引擎纠错失败的案例以供后续改进就变得非常重要。

搜索引擎纠错失败的情况可以分为如下三种类型：

(1)用户输入的是正确的搜索词，但是搜索引擎却做了纠错，给了不合适的纠错词；

(2)用户输入的是错误的搜索词，但是搜索引擎给出的纠错词也不正确；

(3)用户输入的是错误的搜索词，但是搜索引擎没有给出纠错词，也就是业界所说的纠错词未召回的情况，例如，用户输入“万里长征永不倒”查询结果如图2(a)所示，搜索引擎没有给出纠错词，实际上用户想要检索的应该是“万里长城永不倒”，用“万里长城永不倒”检索能够检索到更多更好的结果，如图2(b)所示。

对于其中的(1)和(2)两种情况，通过对带有纠错词信息的用户Session(会话)日志进行建模分析能够有效地发现。而对于第(3)种搜索引擎未召回类纠错词的情况，现有技术中尚未有针对性的解决办法。

发明内容

本发明旨在至少在一定程度上解决上述技术问题之一或至少提供一种有用的商业选择。

为此，本发明的第一个目的在于提出一种挖掘搜索引擎未召回类纠错词的方法，通过对用户搜索词序列和搜索结果的建模分析，能够自动地发现未召回类纠错词。本发明的第二个目的在于提出一种挖掘搜索引擎未召回类纠错词的装置。

为达到上述目的，本发明第一方面的实施例提出了一种挖掘搜索引擎未召回类纠错词的方法，包括以下步骤：搜索引擎获取用户的会话日志，其中，所述会话日志至少包括第一会话和第二会话，所述第一会话和第二会话中分别包括第一搜索词和第二搜索词；所述搜索引擎获得所述第一搜索词和第二搜索词之间的关联关系信息；所述搜索引擎根据所述关联关系信息判断所述第一搜索词是否为未召回类纠错词。

根据本发明实施例的挖掘搜索引擎未召回类纠错词的方法，通过样本的训练之后能够自动的进行未召回类纠错词判断，大大节省了寻找未召回类纠错词的人力，并且，通过对用户搜索词序列和搜索结果的建模分析，能够自动地发现未召回类纠错词，召回效率远高于以往的人工查找。

在本发明的一个实施例中，所述关联关系信息包括所述第一搜索词和第二搜索词之间的编辑距离信息，所述第一搜索词和第二搜索词之间的分词数量变化信息，以及所述第一搜索词和第二搜索词之间的包含关系信息。

在本发明的一个实施例中，所述关联关系信息还包括所述第一搜索词和第二搜索词之间的差异比例。

在本发明的一个实施例中，所述搜索引擎根据所述关联关系信息判断所述第一搜索词是否为未召回类纠错词，进一步包括：所述搜索引擎根据所述关联关系信息计算所述第一搜索词是未召回类纠错词的概率，当所述概率大于预设阈值时，所述搜索引擎判断所述第一搜索词是未召回类纠错词。

在本发明的一个实施例中，所述方法还包括：所述搜索引擎分别获取所述第一搜索词对应的第一搜索结果和所述第二搜索词对应的第二搜索结果；所述搜索引擎根据所述第一搜索结果的数量与所述第二搜索结果的数量之比判断所述第一搜索词是否为未召回类纠错词。

在本发明的一个实施例中，所述方法还包括：所述搜索引擎获取所述用户对所述第一搜索结果的第一点击记录和所述用户对所述第二搜索结果的第二点击记录；所述搜索引擎根据所述第一点击记录与所述第二点击记录判断所述第一搜索词是否为未召回类纠错词。