[发明专利]查询语句的获取方法及服务器

说明书

技术领域

本申请涉及计算机技术领域，尤其涉及一种查询语句的获取方法及服务器。

背景技术

在网页页面的搜索中，当用户通过搜索框输入查询信息，且该查询信息为一个词语时，通常需要根据该词语与网页服务器已存储的词语的关联度，来猜测用户想要输入的查询语句，并将该猜测的查询语句作为备选查询语句推荐给用户。

词对的关联度计算即为在给定前n个词的情况下，计算出现某个词的概率。在关联度的计算中，最常用的模型是N元语言(N-gram)模型，N表示长文本中连续出现的N个词，该模型基于马尔科夫假设，其认为：1)第n个词出现的概率仅仅依赖于第n-1个词出现的概率；2)n个词连续出现的概率等于这n个词分别出现的概率的乘积。用公式表达如下：

P(W₁W₂…W_n)＝P(W₁)？(W₂|W₁)P(W_a|W₁W₂)…P(W_nW₁W₂…W_a-1)

对于P(W_i|W₁W₂...W_i-1)可采用最大似然估计计算，计算公式如下：

P(Wi|W1W2...Wi-1)=C(W1W2...Wi)C(W1W2...Wi-1)]]>

其中，C(W₁W₂...W_i)表示在训练语料中，W₁W₂...W_i连续出现的频率。在上述第一个公式中，尽管n的取值越大，对下一个词出现的约束信息更多，估计概率更有辨识度，但n值越大，数据稀疏的情况就越明显，零概率的产生就更容易，而且计算代码也随之增大。而对于较小的n，由于在训练语料中能获得更可靠的统计信息，所以估计的概率会更可靠。由上，最常用的N-gram模型是二元语言模型(Bigram)，其计算公式如下：

P(W₁W₂…W_n)＝P(W₁)P(W₂|W₁)P(W_a|W₂)…P(W_n|W_n-1)