[发明专利]关键词的分类方法及装置

说明书

本发明公开了一种关键词的分类方法及装置。其中，关键词的分类方法包括：对关键词进行划分，得到关键词的构词成分；提取构词成分中的多个构词要件；查询每个构词要件所归属的预设类别，得到多个归属类别；计算每个归属类别的概率，得到多个归属概率；确定多个归属概率中的最大概率所表示的类别为关键词的类别。通过本发明，解决了现有技术中确定关键词类型的精度比较低的问题，进而达到了提高关键词类型确定准确度的效果。

技术领域

本发明涉及数据处理领域，具体而言，涉及一种关键词的分类方法及装置。

背景技术

搜索引擎关键词是用户在使用搜索引擎时输入的关键词。每个关键词都代表了用户的一个需求。对海量用户关键词的分类有助于剖析群体的需求分布。现有的搜索关键词分类方法有两种，一种是基于访问路径的分类方法，另一种是基于形式的分类方法。

基于访问路径的分类方法基于一种假设，即在搜索引擎中多次发起的查询(Query)关键词具有相似性。具体方式是记录一个会话(Session)中用户的所有查询关键词，记录每个关键词的相关词以及共同出现在一个会话中的频次，为所有会话重复统计相关关键词，最终实现聚类。

基于访问路径的会话的假设存在一定问题，一次会话的所有查询关键词不一定均是相似的，有可能是相关的，因此该方法聚类得到的关键词大多为相关的，不一定是相似的；关键词类别多为事件性的，不易于分析用户需求。

基于字符串形式的分类以字符串的字符重合度为分类指标，分别计算字符串的交集和并集，再以交集和并集的比值确定是否归为一类，如果归为一类，则以两个字符串的并集作为该类的字符串继续比较，否则单独建立一类，以完成分类。

基于字符串的分类没有考虑查询关键词的词语关系，简单的字符切分会导致大量错误的产生，分类效果较差。

针对相关技术中确定关键词类型的精度比较低的问题，目前尚未提出有效的解决方案。

发明内容

本发明的主要目的在于提供一种关键词的分类方法及装置，以解决现有技术中确定关键词类型的精度比较低的问题。

为了实现上述目的，根据本发明的一个方面，提供了一种关键词的分类方法。

根据本发明的关键词的分类方法包括：对所述关键词进行划分，得到所述关键词的构词成分；提取所述构词成分中的多个构词要件；查询每个所述构词要件所归属的预设类别，得到多个归属类别；计算每个所述归属类别的概率，得到多个归属概率；以及确定所述多个归属概率中的最大概率所表示的类别为所述关键词的类别。

进一步地，在计算每个所述归属类别的概率，得到多个归属概率之前，所述分类方法还包括：接收每个所述构词要件的权重赋值，其中，计算每个所述归属类别的概率，得到多个归属概率包括：按照每个所述构词要件的权重赋值和每个所述构词要件的归属类别计算每个所述归属类别的概率，得到多个归属概率。