[发明专利]确定词信息熵及利用词信息熵的搜索方法及其设备

权利要求书

1.一种确定词信息熵的方法，其特征在于包括以下步骤：

确定用户输入的各搜索请求所属的类目；

根据所属的类目将所述搜索请求划分为多组；

对每组内的搜索请求分词；

统计分词后得到的各词语在每组内出现的概率；

根据所述概率确定各词语的用于搜索的词信息熵值。

2.如权利要求1所述的方法，其特征在于，确定搜索请求所属的类目的方式为：

根据所述搜索请求确定能够访问的已经确定所属类目的目标网页，将所述目标网页所属的类目作为所述搜索请求所属的类目。

3.如权利要求1所述的方法，其特征在于，确定搜索请求所属的类目的方式为：

根据预设的类目和词语的对应关系，将搜索请求中的词语对应的类目作为搜索请求所属的类目。

4.如权利要求1～3任一所述的方法，其特征在于，在确定词语的词信息熵值之后，还包括如下词信息熵值更新步骤：

确定用户再次输入的各搜索请求所属的类目；

根据所属的类目将再次输入的所述搜索请求划分为多组；

将再次输入的各搜索请求划分得到的多组与之前得到的多组合并；

对再次输入的各搜索请求进行分词；

重新统计全部词语在合并后的各组内出现的概率；

根据各词语在每组内出现的概率重新确定各词语的用于搜索的词信息熵值。

5.如权利要求4所述的方法，其特征在于，在确定词语的词信息熵值之后，词信息熵值更新之前，所述方法还包括以下步骤：

收集用户再次输入的各搜索请求并对再次输入的搜索请求进行累加；

在累加后的搜索请求的数量达到设定门限值时，根据累加后的搜索请求执行所述词信息熵值更新步骤。

6.如权利要求4所述的方法，其特征在于，在确定词语的词信息熵值之后，词信息熵值更新之前，所述方法还包括以下步骤：

收集用户再次输入的各搜索请求；

在经过设定的时间周期时，根据收集的搜索请求执行所述词信息熵值更新步骤。

7.如权利要求4所述的方法，其特征在于，所述词语的词信息熵值通过以下公式确定：

Entropy=-Σi=1N(Pi*log2pi)]]>

其中：Entropy表示一个词语的词信息熵值；P_i表示该词语在第i个组内出现的概率；N表示划分得到的组的数量。

8.一种利用词信息熵的搜索方法，其特征在于包括：

根据用户输入的一搜索请求，判断是否存在与所述一搜索请求匹配的搜索结果；

若不存在与所述一搜索请求匹配的搜索结果，则根据保存的各词语及各词语对应的词信息熵值，在所述一搜索请求分词后得到的词语中选择词信息熵值小于设定阈值的至少一个词语进行搜索；

其中，各词语及各词语对应的词信息熵值是通过以下方式确定的：

根据用户输入的各搜索请求所属的类目将所述搜索请求划分为多组，在对每组内的搜索请求分词后，根据统计分词后得到的各词语在每组内出现的概率确定各词语的词信息熵值。

9.一种确定词信息熵的设备，其特征在于包括：

类目确定模块，用于确定用户输入的各搜索请求所属的类目；

分组模块，用于根据所属的类目将所述搜索请求划分为多组；

分词模块，用于对每组内的搜索请求分词；

概率确定模块，用于统计分词后得到的各词语在每组内出现的概率；

词信息熵值确定模块，用于根据所述概率确定各词语的用于搜索的词信息熵值。