[发明专利]获取与页面相关的搜索词的方法、装置和系统

说明书

本发明公开了一种获取与页面相关的搜索词的方法、装置和系统。在该搜索词获取方法中，分析用户的浏览日志，以从浏览日志中识别出用户的搜索行为记录和浏览行为记录；从搜索行为记录中提取对应的搜索词，从浏览行为记录中提取对应的页面识别信息；基于用户的浏览日志中搜索行为记录和浏览行为记录之间的关联关系，确定与页面识别信息对应的搜索词子列表，搜索词子列表中包括与对应于页面识别信息的浏览行为记录相关联的搜索行为记录所对应的搜索词。由此，能够高效地确定与页面具有语义联系的相关搜索词，提高搜索词的新颖性和多样性。

技术领域

本发明涉及页面浏览与搜索技术领域，尤其涉及一种获取与页面相关搜索词的方法、装置和系统及与页面相关的搜索词的推荐方法与装置。

背景技术

随着信息的快速膨胀，搜索引擎成为获取知识的重要手段。相应地，需要挖掘更多与页面具有关联关系的搜索词，以便于快速准确地向用户提供搜索结果。

一方面，当用户使用搜索词进行搜索时，搜索引擎往往还会向用户提供一些与搜索词含义相似的同义搜索词的搜索结果。为此，需要整理同义搜索词库。而一般而言，同义搜索词是通过对各搜索词的语义进行分析来获取的，同义搜索词的获得途径较为狭窄。相应地，通过搜索词结合同义搜索词得到的搜索结果(页面)在新颖性和多样性方面都存在不足。

另一方面，用户在阅读页面(例如网页)内容时，如果对当前页面内容不满意，或者想进一步获取与页面内容相关的知识，往往会打开搜索引擎页面，主动发起搜索。此时，搜索词可能是页面内容中存在的词语，也可能是用户浏览页面内容时想到的页面内容中不存在的词语。此时，若在页面上主动展示与当前页面相关的搜索词，则可以帮助用户快速跳转至搜索结果页，极大的缩短了知识获取的路径，提升用户体验。

而为了显示与页面内容相关的搜索词，传统方法一般是分析用户当前浏览的页面内容。这包含页面抓取、页面解析、关键词提取、匹配文本相似搜索词等步骤，这些步骤的逻辑通常比较复杂，非常消耗服务器时间和资源，推荐效率极为低下。并且，使用这种方法推荐出的搜索词与当前页面在内容上相似，不可能推荐出当前页面内容中不存在但与当前页面内容有语义上的联系的搜索词，而这样的搜索词很有可能是阅读当前页面内容的用户因为对相关内容感兴趣而期望进行搜索的。因此，现有传统搜索词推荐方法的推荐结果的新颖性和多样性都严重不足。

因此，仍然需要一种获取与页面相关的搜索词的方案。

发明内容

本发明的目的是提供一种获取与页面相关的搜索词的方法、装置和系统，以期基于用户行为高效地确定页面相关的搜索词，提高相关搜索词的新颖性和多样性。

根据本发明的一个方面，提供了一种获取与页面相关的搜索词的方法，该方法可以包括：分析用户的浏览日志，以从浏览日志中识别出用户的搜索行为记录和浏览行为记录；从搜索行为记录中提取对应的搜索词，从浏览行为记录中提取对应的页面识别信息；基于用户的浏览日志中搜索行为记录和浏览行为记录之间的关联关系，确定与页面识别信息对应的搜索词子列表，搜索词子列表中包括与对应于页面识别信息的浏览行为记录相关联的搜索行为记录所对应的搜索词。

由此，即可基于用户的行为高效地确定与页面相关的搜索词，拓展搜索词的来源，以提高相关搜索词的新颖性和多样性。

优选地，该方法还可以包括：聚合从多个用户的浏览日志获取的搜索词子列表，以得到与各个页面识别信息分别对应的搜索词合并列表。

由此，通过聚合大量用户的搜索词子列表，可以参考广大用户的搜索+浏览行为或浏览+搜索行为挖掘出更多与页面有关联关系的搜索词。

聚合时，可以将多个搜索词子列表中重复出现的相同的搜索词合并为一个搜索词。并且，还可以根据该搜索词在各搜索词子列表中出现的次数等信息，对搜索词合并列表中的所有搜索词排序。