[发明专利]运用标签知识网络的搜索方法及装置

权利要求书

1.一种运用标签知识网络的搜索方法，其特征在于，包括：

获取多个推荐物品，对每个推荐物品相关的文本信息进行标签提取得到对应的一个或多个物品标签，并确定由所有所述物品标签构成的物品标签集；

确定用户对不同物品的历史行为数据，根据所述历史行为数据分析出用户偏好的用户标签，并确定由所有所述用户偏好的用户标签构成的用户标签集；

通过所述物品标签集、知识图谱以及word2vec模型构建标签知识网络；其中，所述标签知识网络是以标签为节点，标签之间的关联度为边的网络，通过所述物品标签集、知识图谱以及word2vec模型构建标签知识网络包括：将所述物品标签集当作语料，使用word2vec模型生成每个标签的向量；

根据每个物品标签的向量并通过余弦相似值计算不同标签间的相似度w_tag，生成标签关联网络G_tag＝<V_tag,E_tag>；其中V_tag为所述标签关联网络的顶点集，即所有标签的集合；E_tag为所述标签关联网络的边集，即不同标签间的相似度w_tag集合；

将所述知识图谱中实体与实体之间的关系转换成关联权重w_graph，生成知识网络G_k＝<V_k,E_k>；其中，V_k为所述知识网络的顶点集，即所述知识图谱中所有标签实体集合；E_k为所述知识网络的边集，即不同标签实体间的关联权重w_graph集合；

将所述知识网络G_k＝<V_k,E_k>和标签关联网络G_tag＝〈V_tag,E_tag>以所述标签关联网络的节点为基础进行合并生成所述标签知识网络G＝〈V,E>；其中，V为所述标签知识网络的顶点集，所述标签知识网络的顶点集和所述标签关联网络的顶点集V_tag完全一致；E为标签知识网络的边集，所述标签知识网络的边集是标签关联网络的边集和知识网络的边集子集E′构成的合集，所述知识网络的边集子集E′是知识网络中包含V_tag标签的所有标签实体形成的边集，即V＝V_tag,E＝E_tag+E′,E′中的关联权重w_e＝w_tag+w_graph；

将所述E′中的关联权重w_e低于w_threshold的关联关系全部去掉，并得到E_cut；其中，w_threshold为关联权重阈值；根据所述物品标签集、用户标签集以及所述标签知识网络生成所述推荐物品的物品特征向量以及所述用户的用户特征向量；

通过需要进行检索的物品特征向量或需要进行检索的用户特征向量检索得到相关物品或相关用户。

2.根据权利要求1所述的运用标签知识网络的搜索方法，其特征在于，所述获取多个推荐物品；对每个推荐物品相关的文本信息进行标签提取得到对应的一个或多个物品标签，并确定由所有所述物品标签构成的物品标签集，包括：

确定每个所述推荐物品的文本；其中，所述文本包括：标题及描述内容；

对所述文本进行分词，得到多个词组；

确定每个所述词组的特征；其中，所述特征包括：词性、出现频率、是否是无用词；

根据每个所述词组的特征对其进行评分，并保留满足第一分数阈值要求的词组作为对应的所述推荐物品的物品标签；

确定每个所述推荐物品的所有所述物品标签，并得到所述物品标签集。