[发明专利]用于预测数据对象的类目的方法和装置

说明书

本申请涉及用于预测数据对象的类目的方法和装置。该方法包括：从待预测数据对象中提取至少一个对象特征；根据对象特征，从预先基于数据库内已有数据对象及对应的数据对象类目所构建的特征树中，获取特征集合，特征集合包含对象特征中存在联系的对象特征对以及对象特征中与其它对象特征不存在联系的单个对象特征；根据特征集合，从预先基于数据库内已有数据对象及对应的数据对象类目以及特征树所统计的特征‑类目概率分布中，获取与特征集合中的各对象特征对或对象特征分别对应的各类目概率分布；以及根据各类目概率分布，确定待预测数据对象的预测类目集合。根据本申请的方案，可以提高对数据对象的类目预测的准确率。

技术领域

本申请涉及数据处理领域，更具体地涉及一种用于预测数据对象的类目的方法和装置。

背景技术

随着网上数据交互的不断发展，对于一些网站服务器而言，在获得了数据对象的基本信息比如标题、属性描述等之后，往往需要将数据对象挂到后台类目上，以便后续作为搜索中数据对象类目导航、各种维度数据统计、产品库建设等的依据。因此，需要对数据对象的类目进行预测，以确定所述数据对象的关联类目。

在一种现有技术的类目预测方案中，是基于类目点击词典进行的，其中类目点击词典是根据用户的历史查询词以及该历史查询词对应的类目点击情况统计各词的类目点击分布。更具体而言，当需要对某个数据对象的类目进行预测时，首先对该数据对象的标题进行分词处理以得到至少一个词，然后根据上述类目点击词典统计每个词的类目点击分布，并选取在所有词中出现最多的类目作为该数据对象的预测类目。

然而，由于用户的类目点击比较稀疏，无法覆盖海量的数据；部分查询词的输入还伴随着恶意用户刷查询词的现象（某些用户利用某些查询词反复查询以提高与自身关联的信息的点击率），导致词的类目点击的数据不是很准确，严重影响用这些数据预测得到的类目的准确率。另外，在预测类目的时候可能会由于标题中某些词的重复出现而导致预测到一个不准确的类目。

因此，需求一种改进的类目预测技术，来克服现有技术中的上述问题，以提高对数据对象的类目预测的准确率。

发明内容

本申请的目的在于提供一种用于预测数据对象的类目的技术，其能够对数据对象的类目进行更准确的预测，以确定数据对象的关联类目。

具体而言，根据本申请实施例的一个方面，提供一种用于预测数据对象的类目的方法，其特征在于，包括：从待预测数据对象中提取至少一个对象特征；根据对象特征，从预先基于数据库内已有数据对象及对应的数据对象类目所构建的特征树中，获取特征集合，特征集合包含对象特征中存在联系的对象特征对以及对象特征中与其它对象特征不存在联系的单个对象特征；根据特征集合，从预先基于数据库内已有数据对象及对应的数据对象类目以及特征树所统计的特征-类目概率分布中，获取与特征集合中的各对象特征对或对象特征分别对应的各类目概率分布；以及根据各类目概率分布，确定待预测数据对象的预测类目集合。

根据本申请实施例的另一个方面，提供一种用于预测数据对象的类目的装置，其特征在于，包括：特征提取模块，用于从待预测数据对象中提取至少一个对象特征；第一获取模块，用于根据对象特征，从预先基于数据库内已有数据对象及对应的数据对象类目所构建的特征树中，获取特征集合，特征集合包含对象特征中存在联系的对象特征对以及对象特征中与其它对象特征不存在联系的单个对象特征；第二获取模块，用于根据特征集合，从预先基于数据库内已有数据对象及对应的数据对象类目以及特征树所统计的特征-类目概率分布中，获取与特征集合中的各对象特征对或对象特征分别对应的各类目概率分布；以及类目确定模块，用于根据各类目概率分布，确定待预测数据对象的预测类目集合。