[发明专利]信息排序方法、用于生成信息排序模型的方法及装置

说明书

技术领域

本发明涉及计算机技术领域，尤其涉及一种信息排序方法、用于生成信息排序模型的方法、搜索处理方法及装置。

背景技术

随着互联网的飞速发展，各种搜索引擎、网站等媒介中充斥着数量巨大的各种文章资源。因此，如何实现对这些文章资源进行合理排序，将用户最关心的文章资源推荐到用户界面的最前面，或者如何从这些文章资源中搜索到用户想要的文章信息，成为一个亟待解决的问题。

现有技术中，在进行文章排序时，由于文档排序模型过于简单，且对待排序的文章进行主题词提取时，提取的主题词也过于简单，所以最终得到的文章排序质量不好。而在用户搜索文章时，由于搜索处理所使用的关键词的质量较差，所以经常出现搜索结果条目覆盖不全面或者搜索结果条目过多的情况，搜索结果不理想。

发明内容

本发明的目的在于提供一种信息排序方法、用于生成信息排序模型的方法、搜索处理方法及装置，以通过提取相对优质关键词对文章的排序和搜索进行优化，提高搜索结果的质量。

根据本发明的一方面，本发明提供一种信息排序方法，所述方法包括：获取关联的多篇文章；根据预设的主题词集，分别从所述多篇文章提取主题词，所述主题词集包括不同粒度的主题词；分别将从所述多篇文章提取的主题词输入预先训练的信息排序模型，以分别获取所述多篇文章的相关度；根据所述多篇文章的相关度对所述多篇文章进行排序。

可选地，所述根据预设的主题词集，分别从所述多篇文章提取主题词的处理包括：对所述多篇文章中的任一篇文章中的语句进行自然语言分析，将所述语句切分为不同粒度的分词，并且根据所述主题词集对切分出的分词进行筛选，以提取所述多篇文章中任一篇文章的主题词。

可选地，所述方法还包括：从客户端接收包括至少一个关键词的搜索词；所述获取关联的多篇文章的处理包括：根据所述包括至少一个关键词的搜索词获取多篇文章。

可选地，所述方法还包括：将经过排序的所述多篇文章发送给所述客户端。

根据本发明的另一方面，本发明还提供一种用于生成信息排序模型的方法，所述方法包括：获取已标注相关度属性的多篇训练样本文章；根据预设的主题词集，分别从所述多篇训练样本文章提取主题词，所述主题词集包括不同粒度的主题词；根据标注的所述多篇训练样本文章以及为其提取的主题词训练信息排序模型。

可选地，所述根据预设的主题词集，分别从所述多篇训练样本文章提取主题词的处理包括：对所述多篇训练样本文章中的任一篇训练样本文章中的语句进行自然语言分析，将所述语句切分为不同粒度的分词，并且根据所述主题词集对切分出的分词进行筛选，以提取所述多篇训练样本文章中任一篇训练样本文章的主题词。

可选地，所述方法还包括：构建所述主题词集。

可选地，所述构建所述主题词集的处理包括：获取多篇主题词样本文章；分别对所述多篇主题词样本文章中的语句进行自然语言分析，将所述语句切分为不同粒度的分词；分别计算所述不同粒度的分词的评分；根据所述评分超过预定阈值的分词生成所述预设的主题词集。

根据本发明的另一方面，本发明还提供一种搜索处理方法，所述方法包括：接收包括至少一个关键词的搜索词；对所述搜索词进行自然语言分析，将所述搜索词切分为不同粒度的分词；对切分出的分词进行筛选，以获取至少一个主题词；根据所述至少一个主题词获取多篇文章的信息。

可选地，所述对切分出的分词进行筛选，以获取至少一个主题词的处理包括：分别计算切分出的分词的信息增益评分；选择所述信息增益评分超过预定阈值的分词作为所述至少一个主题词。

根据本发明的另一方面，本发明还提供一种用于文章排序的装置，所述装置包括：文章获取单元，用于获取关联的多篇文章；主题词提取单元，用于根据预设的主题词集，分别从所述多篇文章提取主题词，所述主题词集包括不同粒度的主题词；相关度获取单元，用于分别将从所述多篇文章提取的主题词输入预先训练的信息排序模型，以分别获取所述多篇文章的相关度；文章排序单元，用于根据所述多篇文章的相关度对所述多篇文章进行排序。

可选地，所述主题词提取单元包括：切分子单元，用于对所述多篇文章中的任一篇文章中的语句进行自然语言分析，将所述语句切分为不同粒度的分词；主题词提取子单元，用于根据所述主题词集对切分出的分词进行筛选，以提取所述多篇文章中任一篇文章的主题词。

可选地，所述装置还包括：搜索词接收单元，用于从客户端接收包括至少一个关键词的搜索词；所述文章获取单元用于根据所述包括至少一个关键词的搜索词获取多篇文章。