[发明专利]主题词条获取方法及其装置

权利要求书

1.一种主题词条获取方法，其特征在于，包括：

S1、从用户搜索日志中获取搜索关键词；

S2、将指向某一实体的名词或者短语作为中心词集合；

S3、将描述实体某一方面特性的词或者短语作为标记词集合；

S4、利用所述中心词集合和标记词集合中的词条组成“中心词+标记词”形式的词条作为候选主题词条集合，并对所述候选主题词条集合进行过滤，得到主题词条集合，所述对候选主题词条集合进行过滤具体包括：判断该词条是否在搜索关键词中出现，去掉在搜索关键词中没有出现的词条。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1中，还包括：将所述搜索关键词分成一个或多个词条，并记录该些词条在搜索关键词中出现的位置。

3.根据权利要求2所述的方法，其特征在于，所述将指向某一实体的名词或者短语作为中心词集合，具体包括：

将描述实体某一方面特性的词或者短语作为候选中心词集合；

对所述候选中心词集合进行过滤，得到中心词集合，具体过滤方法包括以下方法中的一种或任意组合：

判断词条是否在搜索关键词的首部出现，去掉在搜索关键词的首部没有出现的词条；

基于词条类别过滤词条，根据预先定义的第一非法词集合，去掉仅用作修饰、不具有太多意义的词条；和/或

基于使用频度过滤词条，去掉在背景语料中出现频次高于预设第一阈值N的词条。

4.根据权利要求2所述的方法，其特征在于，所述将描述实体某一方面特性的词或者短语作为标记词集合，具体包括：

将描述实体某一方面特性的词或者短语作为候选标记词集合；

对所述候选标记词集合进行过滤，得到标记词集合，具体过滤方法包括以下方法中的一种或任意组合：

判断词条是否在搜索关键词的尾部出现，去掉在搜索关键词的尾部没有出现的词条；

基于词条类别过滤词条，根据预先定义的第二非法词集合，去掉在表达主题时不具有太多意义的词条；和/或

基于使用频度过滤词条，去掉在背景语料中出现频次高于预设第一阈值N的词条。

5.根据权利要求1所述的方法，其特征在于，步骤S4中所述过滤还包括：

去掉搜索关键词的用户点击数低于预设第二阈值NQ的词条；和/或

去掉搜索日志中关联的问题数低于预设第三阈值ND的词条。

6.根据权利要求1所述的获取方法，其特征在于，在得到主题词条集合之后，进一步包括对所述主题词条集合进行更新，所述更新的方法包括：

利用所述主题词条集合中的中心词和标记词进行组合，形成新的主题词条，并判断该新的主题词条是否在新的搜索关键词中出现过，如果是，则将该新的主题词条加入到所述主题词条集合中；或者

利用所述主题词条集合中的中心词进行组合，得到中心词组合后，利用中心词组合和标记词进行组合，形成新的主题词条，并判断该新的主题词条是否在搜索关键词中出现过，如果是，则将该新的主题词条加入到所述主题词条集合中。

7.根据权利要求2所述的获取方法，其特征在于，在得到主题词条集合之后，进一步包括对所述主题词条集合进行更新，所述更新的方法包括：

利用所述主题词条集合中的中心词在搜索日志中查找以该中心词开头的搜索关键词，得到新的主题词条，并对新的主题词条根据标记词的词条类别、搜索关键词的用户点击数进行过滤，根据预先定义的第二非法词集合，去掉标记词在表达主题时不具有太多意义的词条以及用户点击数低于预设第二阈值NQ的词条，将过滤后的新的主题词条加入到所述主题词条集合中；或者

利用所述主题词条集合中的标记词在搜索日志中查找以该标记词结尾的搜索关键词，得到新的主题词条，并对新的主题词条根据中心词的词条类别、搜索关键词的用户点击数进行过滤，根据预先定义的第一非法词集合，去掉中心词仅用作修饰、不具有太多意义的词条以及用户点击数低于预设第二阈值NQ的词条，将过滤后的新的主题词条加入到所述主题词条集合中。