[发明专利]一种面向搜索系统的查询表达式自动化生成装置

说明书

本发明提供一种面向搜索系统的查询表达式自动化生成装置，其特征在于，选取训练数据集的步骤；对查询词进行预处理的步骤；确定查询域的步骤；生成查询条件的步骤；根据所述查询条件，所述查询域和所述信息源的信息构建查询词树的步骤。本发明的面向搜索系统的查询表达式自动化生成装置，查询词树的构建过程利用机器自动学习、分组，能够实现自动化，基于查询词树构建查询表达式，可以将查询表达式的构建问题转化成树的遍历问题，大大简化了操作。

技术领域

本发明涉及信息检索领域，尤其涉及一种自动化生成检索表达式的装置。

背景技术

随着信息时代的到来，信息、数据一直呈爆炸式增长。信息搜索的重要性日益突出，对检索的效率、准确性要求也越来越高。搜索系统的工作流程始于用户输入查询词(query)，系统对查询词进行解析，构建查询表达式，再将查询表达式提供给倒排索引，最终将命中结果返回用户。传统的检索模式下，通过用户输入的查询词构建查询表达式非常依赖检索系统工程师的专家经验，新手很难构建有效的查询表达式。

随着信息的不断增加，索引的规模也不断扩大，为了保证搜索的效率和搜索的准确性，常需要对查询表达式进行重构，如果采用传统的、依赖专家经验的方式重构，则重构的效率会很低，而且效果会非常差。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供面向搜索系统的查询表达式自动化生成装置，用于在针对特定信息源检索场景下，提高检索词的自动补全准确性，提升用户体验。

为实现上述目的及其他相关目的，本发明提供一种面向搜索系统的查询表达式自动化生成装置，其特征在于，选取训练数据集的步骤；对查询词进行预处理的步骤；确定查询域的步骤；生成查询条件的步骤；根据所述查询条件，所述查询域和所述信息源的信息构建查询词树的步骤。

优选地，上述面向搜索系统的查询表达式自动化生成装置，所述训练数据集中，使用户点击的数据作为正样本、所述信息源中的随机采样数据作为负样本

优选地，上述面向搜索系统的查询表达式自动化生成装置，所述对查询词进行预处理的步骤包括对查询词的分词和/或分类。

优选地，上述面向搜索系统的查询表达式自动化生成装置，所述对查询词的分类步骤中，分类可以包括至少一个级别。

优选地，上述面向搜索系统的查询表达式自动化生成装置，所述确定查询域的步骤还包括对查询域分配不同的优先级。

优选地，上述面向搜索系统的查询表达式自动化生成装置，所述生成查询条件的步骤中，所述查询条件由所述查询词的识别结果与所述查询域组合而成。

优选地，上述面向搜索系统的查询表达式自动化生成装置，所述根据所述查询条件，所述查询域和所述信息源的信息构建查询词树的步骤中，将所述查询条件作为树的节点，根据所述查询条件对所述信息源的信息进行分组，确定节点的左右孩子。

本发明还提供一种面向搜索系统的查询表达式自动化生成方法，其特征在于，包括构建查询词树的步骤，和生成查询表达式步骤；所述构建查询词树的步骤包括：选取训练数据集的步骤；对查询词进行预处理的步骤；确定查询域的步骤；生成查询条件的步骤；根据所述查询条件，所述查询域和所述信息源的信息构建查询词树的步骤。

优选地，上述面向搜索系统的查询表达式自动化生成方法，所述生成查询表达式步骤通过遍历所述查询词树生成所述查询表达式。

优选地，上述面向搜索系统的查询表达式自动化生成方法，所述训练数据集中，使用户点击的数据作为正样本、所述信息源中的随机采样数据作为负样本。

优选地，上述面向搜索系统的查询表达式自动化生成方法，所述对查询词进行预处理的步骤包括对查询词的分词和/或分类。

优选地，上述面向搜索系统的查询表达式自动化生成方法，所述对查询词的分类步骤中，分类可以包括至少一个级别。