[发明专利]一种同义词的识别方法及识别装置

说明书

本发明公开了一种同义词的识别方法及识别装置，用以提高同义词识别的准确度，进而提高用户查询体验。该方法为：针对归属于同一类别的第一分词和第二分词，计算第一分词与第二分词之间的地址相似度和字面相似度后，进一步根据地址相似度和字面相似度，计算第一分词与第二分词之间的综合相似度，确定综合相似度不小于预设阈值时，判定第一分词与第二分词互为同义词。这样，通过从两个分词之间的地址相似度和字面相似度进行综合考虑，使得计算出的综合相似度更准确，进而，使得同义词的识别结果更精确。而且，针对归属于同一类别的两个分词计算综合相似度，进一步提高了同义词识别的准确度。

技术领域

本发明涉及计算机技术领域，尤其涉及一种同义词的识别方法及识别装置。

背景技术

同义词，不仅表征意义相同或相近的词语，还表征意义相关的词语。比如：“土豆”和“马铃薯”是意义相同的同义词，“严格”和“严厉”是意义相近的同义词，“就业”和“招聘”是意义相关的同义词，等等。

实际应用中，在互联网领域，特别是在查询搜索领域，同义词的挖掘是一项非常重要的工作，它的实现对于深层理解用户输入的查询信息，丰富查询结果，以及为用户提供更好的查询体验有很大的帮助。目前，获取同义词的方法主要有两种手段，一种是通过语言专家根据词语积累编写同义词库，另一种是采用语义分析技术识别词语的相关度，自动挖掘同义词。由于人工获取同义词需要耗费大量的人力资源和物力资源，效率也比较低，所以，根据语义分析自动识别同义词的方式越来越普遍。

现有技术中，提出了以下两种同义词自动识别方法：

第一种方法：确定需要识别的两个中文词之间的最小编辑距离小于等于编辑距离阈值后，通过判断这两个中文词是否都存在与预设的同义词库中，来判断这两个中文词是否为同义词。

第二种方法：先将查询日志中的每项查询信息划分为词，并分别将划分的每个词与查询日志中的结果地址组成词与结果地址的匹配对，以及根据用户查询匹配对的频率和每个结果地址对应的匹配对的数目，筛选所有的匹配对，并将筛选出的匹配对组成匹配对集合，根据结果地址，从组成的匹配对集合中查找与该结果地址匹配的词，将查找到的词作为同义词。

基于上述分析，现有技术中提出的同义词识别方法存在以下弊端：

(1)针对上述第一种同义词识别方法：若两个词是同义词，但这两个词在文本上不是很接近，即若两个词是同义词，但这两个词之间的编辑距离较远，则可能会导致无法识别这两个同义词；若两个词不是同义词，但这两个词在文本上很接近，即若两个词不是同义词，但这两个词之间的编辑距离较近，则可能会导致识别同义词错误。例如：“香奈儿”和“双C”之间的编辑距离较远，但它们是同义词；又如：“牛奶”和“奶牛”之间的编辑距离较近，但它们不是同义词。而且，在词语信息暴涨的互联网时代，新生词语源源不断，若同义词的识别方法过于依赖预先编写的同义词库，则可能会由于同义词库涵盖的词语比较有限，导致无法识别新生同义词。

(2)针对上述第二种同义词识别方法：该方法虽然不依赖于同义词库作为识别基础，也不采用两个词之间的编辑距离，相对于上述第一种同义词识别方法，提高了同义词识别的准确度，但是，该同义词识别算法比较简单，对同义词的相似程度没有一个量化的计算值进行衡量，识别出的同义词准确度依然很低，进而影响了用户查询体验。

发明内容

本发明实施例提供了一种同义词的识别方法及识别装置，用以解决现有技术中的同义词识别方法存在识别准确度较低，进而影响用户查询体验的问题。

本发明实施例提供的具体技术方案如下：

一种同义词的识别方法，包括：

针对归属于同一类别的第一分词和第二分词，计算上述第一分词与上述第二分词之间的地址相似度；其中，上述地址相似度表征上述第一分词对应的第一用户点击查询结果地址集合与上述第二分词对应的第二用户点击查询结果地址集合之间的相似度；