[发明专利]行业词典的建立方法和装置及行业识别方法和装置

权利要求书

1.一种行业词典的建立方法，其特征在于，包括：

获取用户搜索行为日志；

从所述用户搜索行为日志中提取各搜索词，以及对应的被点击的搜索结果；

统计各搜索词的搜索频率，以及所述对应的被点击的搜索结果的点击概率；

对于搜索频率大于第一门限值的各搜索词，在该搜索词对应的被点击的搜索结果的点击概率大于第二门限值时，将该搜索词作为精确索引词，并确定对应的所述点击概率大于第二门限值的搜索结果所属的行业，作为所述精确索引词对应的行业；建立并保存所述精确索引词和对应的行业的词条对，形成精确词典；

对于所述搜索频率小于等于第一门限值的各搜索词，利用所述精确词典，对该搜索词进行拆分，得到该搜索词对应的子搜索词，以及所述子搜索词对应的行业；将该搜索词对应的子搜索词作为模糊索引词，建立并保存所述模糊索引词、以及所述子搜索词对应的行业的词条对，形成模糊词典。

2.根据权利要求1所述的方法，其特征在于，在形成模糊词典之后，所述方法还包括：

在该搜索词对应的子搜索词的数量为至少两个时，利用优先级确定策略，确定至少两个子搜索词的优先级，建立并保存所述至少两个子搜索词与优先级最高的子搜索词对应的行业的词条对，形成优先级词典。

3.根据权利要求2所述的方法，其特征在于，利用优先级确定策略，确定至少两个子搜索词的优先级，包括下述至少一项：

根据所述至少两个子搜索词在对应的搜索词中的位置，确定位置靠后的子搜索词的优先级高于位置靠前的子搜索词的优先级；

根据所述至少两个子搜索词的词长，确定词长较长的子搜索词的优先级高于词长较短的子搜索词的优先级；

根据所述至少两个子搜索词对应的搜索词的被点击的搜索结果的点击概率，确定点击概率较高的被点击的搜索结果对应的子搜索词的优先级高于点击概率较低的被点击的搜索结果对应的子搜索词的优先级。

4.一种行业词典的建立装置，其特征在于，包括：

日志获取模块，用于获取用户搜索行为日志；

提取模块，用于从所述用户搜索行为日志中提取各搜索词，以及对应的被点击的搜索结果；

精确词典形成模块，用于统计各搜索词的搜索频率，以及所述对应的被点击的搜索结果的点击概率；

对于所述搜索频率大于第一门限值的各搜索词，在该搜索词对应的被点击的搜索结果的点击概率大于第二门限值时，将该搜索词作为精确索引词，并确定对应的所述点击概率大于第二门限值的搜索结果所属的行业，作为所述精确索引词对应的行业；建立并保存所述精确索引词和对应的行业的词条对，形成精确词典；

模糊词典形成模块，用于在统计各搜索词的搜索频率之后，对于所述搜索频率小于等于第一门限值的各搜索词，利用所述精确词典，对该搜索词进行拆分，得到该搜索词对应的子搜索词，以及所述子搜索词对应的行业；将该搜索词对应的子搜索词作为模糊索引词，建立并保存所述模糊索引词、以及所述子搜索词对应的行业的词条对，形成模糊词典。

5.根据权利要求4所述的装置，其特征在于，所述装置还包括：

优先级确定模块，用于在形成模糊词典之后，在该搜索词对应的子搜索词的数量为至少两个时，利用优先级确定策略，确定至少两个子搜索词的优先级；

优先级词典形成模块，用于建立并保存所述至少两个子搜索词与优先级最高的子搜索词对应的行业的词条对，形成优先级词典。

6.根据权利要求5所述的装置，其特征在于，所述优先级确定模块包括下述至少一个子模块：

第一优先级确定子模块，用于根据所述至少两个子搜索词在对应的搜索词中的位置，确定位置靠后的子搜索词的优先级高于位置靠前的子搜索词的优先级；

第二优先级确定子模块，用于根据所述至少两个子搜索词的词长，确定词长较长的子搜索词的优先级高于词长较短的子搜索词的优先级；

第三优先级确定子模块，用于根据所述至少两个子搜索词对应的搜索词的被点击的搜索结果的点击概率，确定点击概率较高的被点击的搜索结果对应的子搜索词的优先级高于点击概率较低的被点击的搜索结果对应的子搜索词的优先级。