[发明专利]一种基于共同点击的词条权重确定方法及装置

权利要求书

1.一种基于共同点击的词条权重确定方法，其特征在于，包括：

基于搜索日志数据，获取共同点击的统一资源定位器URL所对应的输入语句query集合；

对所述query集合中每一个query基于n-gram进行分词，得到多个片段gram的基础词条term；

统计各个term在所述query集合中出现的频率，基于出现频率的高低获取各个term的词条权重，具体包括：针对每个gram，分别统计其包含的term在query集合中出现的次数，并根据所述次数确定每个gram中各term的词条权重；

根据每个gram以及每个gram中各term的词条权重组成权重词典；

接收用户输入的某一query，对该query进行分词得到多个term；

查询所述权重词典，获取各个term的词条权重，具体包括：将term命中的各个gram中对应的词条权重进行加权平均计算，得到term的词条权重；

将各个term的词条权重与预设的权重阈值进行比较，将词条权重大于等于所述权重阈值的term作为搜索关键词，输出对应的搜索结果。

2.如权利要求1所述的方法，其特征在于，在将各个term的词条权重与预设的权重阈值进行比较时，忽略词条权重小于所述权重阈值的term。

3.如权利要求1-2任一项所述的方法，其特征在于，所述日志数据保存在后台搜索服务器中。

4.如权利要求1-2任一项所述的方法，其特征在于，所述n-gram为4阶gram。

5.如权利要求1-2任一项所述的方法，其特征在于，所述基于出现频率的高低获取各个term的词条权重，具体包括：

选取出现频率最高的term的次数作为分母，根据每一个term的出现次数计算获取各个term的词条权重。

6.一种基于共同点击的词条权重确定装置，其特征在于，所述装置包括：

query集合获取单元，用于基于搜索日志数据，获取共同点击的统一资源定位器URL所对应的输入语句query集合；

分词单元，用于对所述query集合获取单元所获取的query集合中每一个query基于n-gram进行分词处理，得到多个片段gram的基础词条term；

词条权重获取单元，用于统计所述分词单元所得到的各个term在所述query集合中出现的频率，并基于出现频率的高低获取各个term的词条权重，具体包括：针对每个gram，分别统计其包含的term在query集合中出现的次数，并根据所述次数确定各个term的词条权重；

权重词典单元，用于根据每个gram以及每个gram中各term的词条权重组成权重词典；

用户输入接收单元，用于接收用户输入的某一query，并对该query进行分词得到多个term；

词条权重查询单元，用于查询所述权重词典单元，获取所述用户输入接收单元所得到的各个term的词条权重，具体包括：将term命中的各个gram中对应的词条权重进行加权平均计算，得到term的词条权重；

搜索结果输出单元，用于将所述词条权重查询单元所得到的各个term的词条权重与预设的权重阈值进行比较，并将词条权重大于等于所述权重阈值的term作为搜索关键词，输出对应的搜索结果。

7.如权利要求6所述的装置，其特征在于，所述词条权重获取单元进一步包括：

权重计算模块，用于选取出现频率最高的term的次数作为分母，根据每一个term的出现次数计算获取各个term的词条权重。