[发明专利]检索结果聚类方法及装置

权利要求书

1.一种检索结果聚类方法，其特征在于，包括：

从检索结果中选取第一数目的短语；

根据第一数目的短语中各个短语分别包含的字数数目及预设的字数数目 阈值，分别确定第一数目的短语中各个短语的长度得分；

针对第一数目的短语中的每个短语，根据包含该短语的检索结果个数、包 含该短语的预设检索结果个数阈值、该短语在各个检索结果中出现的总次数， 以及检索结果的总个数，确定该短语的出现频率得分；

根据确定的第一数目的短语中各个短语的长度得分及出现频率得分，分别 确定各个短语的总得分；

根据确定的各个短语的总得分，按照总得分由高到低的选取顺序，从所述 第一数目的短语中依次选取规定数目的短语；

针对选取到的每个短语，对检索结果中包含该短语的检索结果进行聚类， 并将该短语作为该聚类的标签。

2.如权利要求1所述的方法，其特征在于，根据确定的各个短语的总得分， 按照总得分由高到低的选取顺序，从第一数目的短语中依次选取规定数目的短 语，具体包括：

根据确定的各个短语的总得分，按照总得分由高到低的选取顺序，从所述 第一数目的短语中依次选取第二数目的短语；

分别确定所述第二数目的短语中各个短语与用于检索的关键词在同一检 索结果中出现的位置之间的第一平均距离：

对确定的各个第一平均距离进行归一化处理，以及

根据归一化结果，分别确定所述第二数目的短语中各个短语与用于检索的 关键词在各个检索结果中出现的位置之间的第二平均距离；

根据确定的各个第二平均距离，按照第二平均距离由小到大的选取顺序， 依次从所述第二数目的短语中选取规定数目的短语。

3.如权利要求2所述的方法，其特征在于，根据确定的各个第二平均距离， 按照第二平均距离由小到大的选取顺序，依次从所述第二数目的短语中选取规 定数目的短语，具体包括：

根据第二数目的短语中各个短语分别在检索结果中出现的位置，及用于检 索的关键词在检索结果中出现的位置，从第二数目的短语中选取第三数目的短 语；

对选取的第三数目的短语中各个短语分别在各个检索结果中出现的次数 所构成的矩阵进行奇异值分解；

根据奇异值分解结果，确定第三数目的短语中各个短语之间的相关度；

根据确定的各个短语之间的相关度，按照相关度由低到高的选取顺序，在 第三数目的短语中依次选取规定数目的短语。

4.如1～3任一权利要求所述的方法，其特征在于，针对每个选取到的短语， 对检索结果中包含该短语的检索结果进行聚类，并将该短语作为该聚类的标签 之后，还包括：

根据每个聚类中分别包含的检索结果个数，以及每个聚类中包含的各个检 索结果对应的向量空间模型，确定每个聚类的中心向量；

根据确定的每个聚类的中心向量，分别确定每个聚类的中心向量与每个聚 类中包含的各个检索结果对应的向量空间模型的内部相似度的平均值；

分别根据确定的对应每个聚类的内部相似度的平均值，保留内部相似度的 平均值不小于预设的内部相似度阈值的聚类；以及

按照内部相似度的平均值由大到小的顺序，对被保留下来的聚类进行排 列。