[发明专利]用户查询上下位关系提取的方法、装置、电子设备和介质

说明书

本发明实施例提供一种用户查询上下位关系提取的方法、装置、电子设备和介质，能够在电商领域，进行上下位关系的用户查询的提取，从而为商品和广告的召回提供有效的支撑。该方法包括：构造候选用户查询对；利用预先根据观察指标设置的特征，将所述候选用户查询对表示为特征向量；在对所述候选用户查询对中预设数量的用户查询对进行人工标注之后，利用监督学习训练分类器；利用训练好的分类器判断所述候选用户查询对中剩余的用户查询对是否符合上下位关系，输出符合上下位关系的用户查询对作为提取结果。

技术领域

本发明涉及计算机技术领域，尤其涉及一种用户查询上下位关系提取的方法、装置、电子设备和介质。

背景技术

上下位关系通常被当作一种词汇语义关系来研究。语义相似的词汇之间有着不同的关系类型，而上下位关系是指某个词汇的语义包含另一个词汇的语义，则语义被包含的词汇称为下位词，另一个词称为上位词。比如“动物”是“猫”的上位，“猫”是“动物”的下位。

在电商领域，用户的搜索用户查询(query，即用户的查询条件，通常为一个短句)通常是针对某产品的描述。用户查询之间也存在上下位关系，比如用户查询“苹果手机”是用户查询“智能手机”的下位，下位用户查询是上位用户查询的一个特化。当用户输入用户查询时，可以利用该用户查询的下位用户查询去检索商品和广告，检索到的商品或广告符合下位用户查询的语义，自然也符合上位用户查询的语义，检索结果对于用户来说是可以接受的。由此可以看出，在电商领域中，提取具有上下位关系的用户查询会对商品和广告的召回有较大的帮助。

现有技术中，针对上下位关系提取的研究主要包括如下几个方面：

针对词汇上下位关系提取的方法主要有：1.基于两个词汇在同一个句子里共现时的路径特征，利用模板或者分类器判断是否为上下位关系；2.基于词汇每次出现的上下文特征，包括基于分布式包含假设计算两个特征向量之间的有向包含程度，和基于两个词汇的上下文特征向量直接训练分类器。

在网页搜索领域，有较少的研究分析用户查询的上下位关系。用户查询相比词汇具有更丰富的语义，上位用户查询所含的多个词汇的语义在下位用户查询中必须有相似表达或者特化的表达。比如“三星大屏手机”与“三星大屏幕智能机”构成上下位关系，但“三星大屏手机”与“三星4G手机”不构成上下位关系。现有技术中针对用户查询上下位关系的提取的研究比较成熟的是通过分析用户的点击数据得到用户查询的上下位关系。在分析用户的点击数据时，涉及以下3个假设：1.如果两个用户查询相关，则两个用户查询对应的点击网页集合需要有交集或者存在相似性；2.如果用户查询q_i是用户查询q_j的上位，则q_j的大部分点击网页与q_i的点击网页相似，而q_i的点击网页只有部分与q_j的点击网页相似；3.如果用户查询是下位，则它的点击网页的内容上一致性更高。通过假设1生成候选上下位用户查询对，通过假设2可设计一个包含关系，通过假设3可设计一个用户查询的泛化程度，然后利用这两个指标设计阈值判断候选上下位用户查询对是否为真。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

1、在网页搜索领域和电商平台领域，用户查询会话中的上下文用户查询并不足以准确刻画用户查询的语义，同时用户查询之间不具有路径特征，因此基于词汇的上下位关系提取技术并不能直接适用于电商平台领域用户查询的上下位提取；

2、而目前网页搜索领域中，提取用户查询上下位关系时使用的特征较少，且在电商平台上严格的网页内容的一致性较难判断(例如商品页展示的商品的各种属性要一致才可判断内容的一致性)。由于缺乏针对电商平台这个特殊场景上的技术优化，因此很难在保证预测候选用户查询对为正时有较高准确率(分类器判断为正例的样本中真实为正例的比例)的情况下，同时有较高的真实正例的召回率(真实为正例的样本被分类器判断为正例的比例)。

发明内容