[发明专利]基于用户操作行为数据提取同义词的方法和装置

权利要求书

1.一种基于用户操作行为数据提取同义词的方法，其特征在于，包括：

基于用户操作行为数据，确定每类操作行为的操作数据链路；所述操作数据链路包括：操作行为的操作对象及其搜索词；

根据所述操作数据链路，确定第一搜索词在所述每类操作行为的第一操作对象分布、以及第二搜索词在所述每类操作行为的第二操作对象分布；

依据第一操作对象分布和第二操作对象分布，确定第一搜索词与第二搜索词的相似度；若所述相似度满足预设的条件，确定第一搜索词与第二搜索词为同义词；

其中，所述每类操作行为包括：第一操作行为和第二操作行为；按照如下关系式确定第一搜索词与第二搜索词的相似度：

式中，W₁为第一搜索词，W₂为第二搜索词，为第一搜索词与第二搜索词的相似度，A为第一操作对象分布中第一操作行为的操作对象的集合，B为第二操作对象分布中第一操作行为的操作对象的集合，C为第一操作对象分布中第二操作行为的操作对象的集合，D为第二操作对象分布中第二操作行为的操作对象的集合；α为第一操作行为的相似度权重值，β为第二操作行为的相似度权重值。

2.如权利要求1所述的方法，其特征在于，第一操作行为的相似度权重值为0.8，第二操作行为的相似度权重值为0.2。

3.如权利要求2所述的方法，其特征在于，若第一搜索词与第二搜索词的相似度大于0.7，则确定第一搜索词与第二搜索词为同义词。

4.如权利要求1所述的方法，其特征在于，包括：

根据第一操作对象分布确定第一搜索词在所述每类操作行为的操作对象的数量；基于所述每类操作行为的权重、以及第一搜索词在所述每类操作行为的操作对象的数量，确定第一搜索词的第一得分；

根据第二操作对象分布确定第二搜索词在所述每类操作行为的操作对象的数量；基于所述每类操作行为的权重以及第二搜索词在所述每类操作行为的操作对象的数量，确定第二搜索词的第二得分；

基于第一得分和第二得分确定第一搜索词和第二搜索词的同义词方向；其中，

若|ScoreW₁-ScoreW₂|＞φ，第一搜索词和第二搜索词的同义词方向为：单向关系W₁→W₂；

若|ScoreW₁-ScoreW₂|≤φ，第一搜索词和第二搜索词的同义词方向为：双向关系

其中，W₁→W₂表示W₂是W₁的同义词，但是W₁不是W₂的同义词；表示W₁与W₂互为同义词；

式中，W₁为第一搜索词，ScoreW₁为第一搜索词的第一得分；W₂为第二搜索词，ScoreW₂为第二搜索词的第二得分，φ为预设的方向阈值。

5.如权利要求4所述的方法，其特征在于，所述每类操作行为包括：第一操作行为和第二操作行为；

按照如下方案确定第一搜索词的第一得分：

ScoreW₁＝0.7×M₁+0.2×N₁；

按照如下方案确定第二搜索词的第二得分：

ScoreW₂＝0.7×M₂+0.2×N₂；

式中，M₁为第一操作对象分布中第一操作行为的操作对象的数量，N₁为第一操作对象分布中第二操作行为的操作对象的数量，M₂为第二操作对象分布中第一操作行为的操作对象的数量，N₂为第二操作对象分布中第二操作行为的操作对象的数量。

6.如权利要求4所述的方法，其特征在于，所述预设的方向阈值为100。