[发明专利]索引生成方法、内容搜索方法、装置及设备

权利要求书

1.一种索引生成方法，其特征在于，所述方法包括：

获取至少一个内容的描述信息数据，每个内容的描述信息数据中包括用于描述所述内容的情节的至少一条描述信息，所述描述信息是由普通用户和/或专家提供的，对所述内容的情节的评论、评价、观后感或者读后感；

根据各个所述描述信息对应的评价参数，对各个所述内容的描述信息数据进行筛选，其中，每个内容筛选后的描述信息数据中包括所述评价参数符合预设条件的至少一条描述信息，所述描述信息对应的评价参数是指对所述描述信息的质量进行评价的相关参数，所述评价参数包括以下至少一项：评分、认为所述描述信息有用的数目、认为所述描述信息无用的数目，所述预设条件为评分大于预设分值，且所述认为所述描述信息有用的数目大于所述认为所述描述信息无用的数目；

对各个所述内容筛选后的描述信息数据执行分词处理，得到至少两个词语；

从所述至少两个词语中选取符合目标词性且能用于形容、概括所述内容的情节的词语，作为候选词；其中，所述目标词性包括以下至少一项：名词、形容词、动词；

提取每个候选词的词向量；

根据每两个候选词的词向量，计算每两个候选词之间的相似度；

根据每两个候选词之间的相似度，对所述候选词执行聚类处理，得到至少一个类，每个类中包含至少一个候选词，属于同一类的候选词具有相同或者相似的语义；

从每个类所包含的候选词中选择一个候选词，作为对应的类的主题词；

将每个内容筛选后的描述信息数据合成为一个文档；

对于每个内容，根据每个主题词相对于所述内容对应的文档的重要程度，从所述主题词中选取所述内容的索引关键词，所述索引关键词用于体现所述内容的情节的关键特征；

获取所述内容、所述内容的索引关键词、所述索引关键词的权重值之间的对应关系，所述索引关键词的权重值根据所述索引关键词相对于所述内容对应的文档的重要程度确定；在目标内容对应多个索引关键词的情况下，所述目标内容的相关度是基于所述多个索引关键词相对于所述目标内容的权重值进行求和处理得到的；

根据所述对应关系构建倒排索引，生成内容索引，所述内容索引包括所述索引关键词和所述内容之间的对应关系，所述内容索引用于使用户在输入至少一个搜索词之后，能根据所述至少一个搜索词相对应的至少一个索引关键词，通过查询所述内容索引，获取到所述索引关键词对应的内容；其中，当所述用户输入的所述搜索词和所述内容索引中的索引关键词无法完全匹配时，所述索引关键词由所述搜索词根据所述内容索引生成过程中的聚类结果进行转换而得到。

2.根据权利要求1所述的方法，其特征在于，所述对于每个内容，根据每个主题词相对于所述内容对应的文档的重要程度，从所述主题词中选取所述内容的索引关键词，包括：

计算每个主题词在每个文档中的词频，以及每个主题词相对于每个文档的逆向文件频率；

根据每个主题词在每个文档中的词频以及每个主题词相对于每个文档的逆向文件频率，计算每个主题词相对于每个文档的重要程度；

对于每个内容，根据每个主题词相对于所述内容对应的文档的重要程度，确定所述内容的索引关键词。