[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

说明书

本发明公开了基于用户操作行为数据提取同义词的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：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，操作数据链路包括：操作行为的操作对象及其搜索词；根据操作数据链路，确定第一搜索词在每类操作行为的第一操作对象分布、以及第二搜索词在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；若该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。本发明实施例适用于各种应用场景，大大提高同义词提取的时效性和准确率。

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于用户操作行为数据提取同义词的方法和装置。

背景技术

现有技术中，主要通过词典数据和人工标记提取同义词。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)基于词典数据提取同义词的方法依赖于人工标记，效率低；

2)词典数据的数据量有限，影响同义词提取的准确率；

3)词典数据的更新速度慢，无法适用于日益复杂的应用场景。

发明内容

有鉴于此，本发明实施例提供一种基于用户操作行为数据提取同义词的方法和装置，能够适用于各种应用场景，大大提高同义词提取的时效性和准确率。

为实现上述目的，根据本发明实施例的一个方面，提供了一种基于用户操作行为数据提取同义词的方法，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；

根据所述操作数据链路，确定第一搜索词在每类操作行为的第一操作对象分布、以及第二搜索词在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；若该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，操作数据链路包括：操作行为的操作对象及其搜索词。

可选地，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。

可选地，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。

可选地，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。

可选地，本实施例的同义词提取方法进一步包括：

依据第一操作对象分布和第二操作对象分布，确定第一搜索词和第二搜索词的同义词方向。

可选地，本实施例的方法包括：

根据第一操作对象分布确定第一搜索词在每类操作行为的操作对象的数量；基于每类操作行为的权重、以及第一搜索词在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每类操作行为的操作对象的数量；基于每类操作行为的权重以及第二搜索词在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；