[发明专利]一种主题词确定模型的建立方法、装置及电子设备

说明书

本发明公开了一种主题词确定模型的建立方法、装置及电子设备，该方法包括：获取表征用户行为的搜索日志；基于所述搜索日志，获得搜索词条与对应的搜索结果中被用户点击了的目标网页；根据所述搜索词条和所述目标网页获得所述目标网页的主题词；将所述目标网页和所述主题词作为训练样本，通过序列标注模型的训练方法建立主题词确定模型。在上述技术方案中，通过根据表征用户行为的搜索日志来获得训练样本，并以此建立主题词确定模型，使得主题词确定模型的建立充分考虑了用户行为，提高了提取主题词的准确率，解决了现有技术中提取主题词准确率不高的技术问题。

技术领域

本发明涉及软件技术领域，特别涉及一种主题词确定模型的建立方法、装置及电子设备。

背景技术

近年来移动互联网大潮势不可挡，手机作为一个移动信息终端，在生活中扮演着越来越重要的角色。随着用户习惯的悄然改变，传统的信息分类展现方法已经不能够满足用户的需求，取而代之的是基于个性化推荐技术的个性化信息推荐展现方法。

个性化推荐技术，是设计算法将用户和信息建立关联，并以特定的方式将信息推荐给用户的算法，该技术有两个关键点：1.如何建立起来用户的精准画像；2.如何用少量关键词语来表示文章的关键信息，即如何获得文章主题词，文章主题词为少数的、能够反映文章主要内容或者文章主旨的关键性词语。针对第二个关键点，文章主题词的获取，现有的主流技术都是根据字词对于一个文件集或一篇文章的重要程度或者词频在上下文的关联程度来确定主题词的，这两种方式都是仅仅利用了文本层面的信息，没有利用用户的行为信息，获得的主题词质量不高。

发明内容

本发明实施例提供一种主题词确定模型的建立方法、装置及电子设备，基于用户行为来建立主题词模型，用于解决现有技术中主题词质量不高的技术问题，提高主题词的质量。

本申请实施提供一种主题词确定模型的建立方法，该方法包括：

获取表征用户行为的搜索日志；

基于所述搜索日志，获得搜索词条与对应的搜索结果中被用户点击了的目标网页；

根据所述搜索词条和所述目标网页获得所述目标网页的主题词；

将所述目标网页和所述主题词作为训练样本，通过序列标注模型的训练方法建立主题词确定模型。

可选的，所述获取表征用户行为的搜索日志，包括：

获得用户在垂直搜索频道中的垂直搜索日志，所述垂直搜索频道为具有指定分类的搜索频道；和/或

获得用户在浏览器中的网络搜索日志。

可选的，所述根据所述搜索词条和所述目标网页获得所述目标网页的主题词，包括：

对所述搜索词条进行分词获得搜索分词序列，对所述目标网页的网页标题进行分词获得标题分词序列，以及对所述目标网页的正文进行分词获得正文分词序列；

基于所述标题分词序列和/或所述正文分词序列，从所述搜索分词序列中获得所述目标网页的主题词。

可选的，所述基于所述标题分词序列和/或所述正文分词序列，从所述搜索分词序列中获得所述目标网页的主题词，包括：

获得在所述搜索分词序列和所述标题分词序列中出现的分词作为所述主题词；或者

获得在所述搜索分词序列、所述标题分词序列以及所述正文分词序列中均出现的分词作为所述主题词。

可选的，所述基于所述标题分词序列和/或所述正文分词序列，从所述搜索分词序列中获得所述目标网页的主题词，包括：

获得在所述搜索分词序列和所述正文分词序列中出现，并未在所述标题分词序列中出现的候选分词；

计算所述候选分词的权重；