[发明专利]一种应用搜索方法和服务器

权利要求书

1.一种应用搜索方法，其中，包括：

构建应用标签数据库，所述应用标签数据库中包括各应用的标签体系；

构建搜索词标签数据库，所述搜索词标签数据库中包括多个搜索词的标签体系；

构建标签知识库；

接收客户端上传的当前搜索词，根据所述搜索词标签数据库获取当前搜索词的标签体系；

基于所述标签知识库，计算当前搜索词的标签体系与各应用的标签体系之间的语义相关性；

当当前搜索词的标签体系与一个应用的标签体系之间的语义相关性符合预设条件时，将该应用的相关信息返回至客户端进行展示；

其中，所述构建应用标签数据库包括：

获取各应用的摘要；

从应用搜索日志中获取关于各应用的搜索词；

根据各应用的摘要和搜索词，获得训练语料集合；

将训练语料集合输入至LDA模型中进行训练，得到LDA模型输出的应用-主题概率分布结果以及主题-关键词概率分布结果；

根据所述应用-主题概率分布结果和所述主题-关键词概率分布结果，计算得到各应用的标签体系；

其中，所述根据所述应用-主题概率分布结果和所述主题-关键词概率分布结果，计算得到各应用的标签体系还包括：

将每个应用对应选取的前第五预设阈值数目的关键词作为该应用的第一阶段标签体系；

对于每个应用的第一阶段标签体系，计算该应用的第一阶段标签体系中的每个关键词与该应用的摘要之间的语义关系值；对于每个关键词，将该关键词对应的语义关系值与该关键词关于该应用的概率的乘积作为该关键词关于该应用的修正概率；将该应用的第一阶段标签体系中的各关键词按照关于该应用的修正概率从大到小排序，选取前第六预设阈值个关键词构成该应用的标签体系。

2.如权利要求1所述的方法，其中，所述根据各应用的摘要和搜索词，获得训练语料集合包括：

对于每个应用，从该应用的摘要中提取首段文字或前预设数量个句子的文字；将提取出的文字与该应用的搜索词共同作为该应用的原始语料；

各应用的原始语料构成原始语料集合；对所述原始语料集合进行预处理，获得训练语料集合。

3.如权利要求2所述的方法，其中，所述对所述原始语料集合进行预处理包括：

在所述原始语料集合中，

对于每个原始语料，对所述原始语料进行分词处理，得到包含多个词项的分词结果；查找由所述分词结果中的相邻词项构成的短语；保留所述短语、所述分词结果中属于名词的词项和属于动词的词项，作为该原始语料对应保留的关键词。

4.如权利要求3所述的方法，其中，所述查找由所述分词结果中的相邻词项构成的短语包括：

计算分词结果中的每两个相邻词项的cPMId值，当两个相邻词项的cPMId值大于第一预设阈值时，确定这两个相邻词项构成短语。

5.如权利要求2-4中任一项所述的方法，其中，所述对所述原始语料集合进行预处理还包括：

将每个应用的原始物料对应保留的关键词作为该应用的第一阶段训练语料；

各应用的第一阶段训练语料构成第一阶段训练语料集合；对所述第一阶段训练语料集合中的关键词进行数据清洗。

6.如权利要求5所述的方法，其中，所述对所述第一阶段训练语料集合中的关键词进行数据清洗包括：

在所述第一阶段训练语料集合中，

对于每个第一阶段训练语料，计算所述第一阶段训练语料中的每个关键词的TF-IDF值；将TF-IDF值高于第二预设阈值和/或低于第三预设阈值的关键词删除。

7.如权利要求2-4中任一项所述的方法，其中，所述对所述原始语料集合进行预处理还包括：

将每个应用的第一阶段训练语料经数据清洗后剩余的关键词作为该应用的第二阶段训练语料；

对于每个应用的第二阶段训练语料，当该应用的第二阶段训练语料中的一个关键词在该应用的名称中出现时，将该关键词在该应用的第二阶段训练语料中重复第四预设阈值次数，得到该应用的训练语料；

各应用的训练语料构成训练语料集合。