[发明专利]分类器用训练数据获取方法和装置、服务器及存储介质

说明书

本发明提出了分类器用训练数据获取方法和装置、服务器及存储介质。该分类器用训练数据获取方法包括以下步骤：图片检索意图获得步骤，根据用户输入获得图片检索意图；图片提供步骤，根据所述图片检索意图向用户提供展示图片；类别对应步骤，根据用户对所述图片的选择，确定所述图片检索意图与对应的图片实体分类类别对。根据本发明的实施方式，可以获得更多的高质量训练数据，有助于分类器性能的提高。

技术领域

本发明涉及分类器，尤其涉及在线检索系统的查询意图分类器的训练数据获取方法和装置、服务器及存储介质。

背景技术

商业搜索引擎(如百度、google、好搜等产品)的在线检索系统的查询意图分类器(query分类器)是进行流量分析、细化排序的关键模块。一般查询意图分类都通过人工标注训练数据训练分类器得到。当前的图片检索结果排序主要是通过图片周边文本与查询的文本相关性、以及点击累计数据等为主要特征进行排序，少有考虑图片内容和查询本身的直接相关性。人工标注成本高，而且长尾场景覆盖不足，而且无法有效地广泛地与图像内容做匹配。

发明内容

本发明鉴于现有技术的上述问题提出，用于克服或缓解现有技术存在的一个或更多个问题，至少提供一种有益的选择。

为了实现以上的目的，根据本发明的一个方面，提供了一种分类器用训练数据获取方法，包括以下步骤：图片检索意图获得步骤，根据用户输入获得图片检索意图；图片提供步骤，根据所述图片检索意图向用户提供展示图片；类别对应步骤，根据用户对所述图片的选择，确定所述图片检索意图与对应的图片实体分类类别对。

根据一种实施方式，所述方法还包括汇聚步骤，对所述类别对应步骤多次运行所获得的所述图片检索意图与对应的图片实体分类类别对进行汇聚，获得所述图片检索意图与对应的图片实体分类类别对组。

根据一种实施方式，所述方法还包括以下两个步骤之一或两者：点击过滤步骤，去掉所述用户对图片的不可信点击；所述类别对应步骤根据去掉不可信点击后的对图片的选择，确定所述图片检索意图对应的图片实体分类类别；评估步骤，对所获得的所述图片检索意图与对应的图片实体分类类别对组或所述图片检索意图与对应的图片实体分类类别对进行评估。

根据一种实施方式，所述图片检索意图与对应的图片实体分类类别对组包含与所述图片检索意图对应的各图片实体分类类别的占比。

根据一种实施方式，所述点击过滤步骤采用以下采用点击率分析法、视觉实体分类法、聚类分析法三种方法之一或其组合来进行，所述点击过滤步骤采用点击率分析法、视觉实体分类法、聚类分析法三种方法之一或其组合来进行，所述点击率分析法根据点击总数和/或点击比例来区分可信点击和不可信点击；所述聚类分析法对所点击的图片进行聚类，将针对图片数、或图片数与最多聚类的图片数的差和/或比值未满足预定条件的聚类图片的点击列为不可信点击；所述视觉实体分类法根据所点击的图片的视觉实体分类，将针对数目、或数目与最多视觉实体分类的图片数的差和/或比例未满足预定条件的图片的点击列为不可信点击。

根据本发明的另一方面，提供了一种分类器用训练数据获取装置，包括：图片检索意图获取单元，根据用户输入获得图片检索意图；图片提供单元，根据所述图片检索意图向用户提供展示图片；类别对应单元，根据用户对所述图片的选择，确定所述图片检索意图与对应的图片实体分类类别对。

根据一种实施方式，所述方法还包括汇聚单元，对所述类别对应单元所获得的多个所述图片检索意图与对应的图片实体分类类别对进行汇聚，获得所述图片检索意图与对应的图片实体分类类别对组。

根据一种实施方式，所述装置还包括以下两个单元之一或两者：点击过滤单元，去掉所述用户对图片的不可信点击；所述类别对应单元根据去掉不可信点击后的对图片的选择，确定所述图片检索意图对应的图片实体分类类别；评估单元，对所获得的所述图片检索意图与对应的图片实体分类类别对组或所述图片检索意图与对应的图片实体分类类别对进行评估。