[发明专利]一种文档与查询词的相关性获取方法和装置

说明书

本申请实施例公开了一种文档与查询词的相关性获取方法和装置。该方法和装置能够根据多个特征来计算文档与查询词的相关性，故，该方法可以综合多个不同维度的特征对文档与查询词的相关性进行衡量。其采用的特征权重是通过熵值法计算得到的，而熵值法计算权重无需较多的训练数据，对计算权重过程中的训练数据的要求不高。另外，通过熵值法计算得到的权重存储在模型文件中，当使用这些权重时，可以很方便地访问模型文件，并从模型文件中快速查找到与查询词相对应的多个特征的特征权重，因此，该方法调用权重比较方便。此外，该方法和装置可以适用于各种长度的查询词，对于短查询词也适用。此外，本申请实施例还公开了一种存储介质和服务器。

技术领域

本申请涉及信息处理技术领域，尤其涉及一种文档与查询词的相关性获取方法和装置。

背景技术

文档与查询词的相关性，也称垂直领域的相关性，是指给定的查询词(query)与文档(document)的相关性强弱。以汽车行业的相关性为例说明，汽车领域的相关性是指给定的视角车型(相当于查询词)与文档的相关性强弱。通俗地讲，如果一篇文档重点介绍一款车的性能参数，则该文档与该视角车型就是强相关性，如果只是提及指定的视角车型，则为弱相关性。

另外，相关性是一个相对概念，例如文档A比文档B对于查询词更相关，文档B比文档C对于查询词更相关。因此，有必要对文档与查询词的相关性强弱进行衡量。为了衡量文档与查询词的相关性强弱，需要获取文档与查询词的相关性。

目前，已经出现了一些相关性获取方法。现有的一种相关性获取方法是基于单一特征评测文档与查询词的相关性，该单一特征例如可以为查询词在文档中出现的次数(也称词频)，因而，这种获取方法仅能考虑文档与查询词的一个维度的特征，而不能综合其它维度的特征，例如文档类型，文档长短等等。

此外，目前也出现了能够综合多个维度特征的相关性获取方法，例如learning torank方法，该获取方法可以综合多个不同维度的特征进行相关性衡量，但是获取过程中的特征权重调用比较困难，并且对训练特征权重的训练数据的要求较高，另外，该learningto rank方法适用于长查询词的相关性获取，而对短查询词的相关性获取效果较差。

发明内容

有鉴于此，本申请实施例提供了一种文档与查询词的相关性获取方法和装置，以解决上述综合多个维度特征的相关性获取方法存在的问题。

为了解决上述技术问题，本申请采用了如下技术方案：

一种文档与查询词的相关性获取方法，包括：

获取记载有某一行业数据的文档；

响应于用户输入的查询词，从所述文档中提取多个特征，所述多个特征包括与所述查询词相关的特征和/或文档特征；

对提取出的多个特征分别进行归一化处理，得到多个归一化特征；

从预先训练好的模型文件中获取与所述查询词相对应的多个归一化特征的特征权重；其中，所述模型文件中包括至少一个行业视角词及其分别对应的多个特征的特征权重，所述模型文件中还包括通用词的多个特征的特征权重；所述模型文件中的特征权重通过熵值法计算得到；

将各个归一化特征与其对应的特征权重进行加权求和，得到的加权求和结果用于表征所述文档与查询词的相关性。

可选地，所述从预先训练好的模型文件中获取与所述查询词相对应的多个归一化特征的特征权重，具体包括：

从所述模型文件中查找是否含有与所述查询词相匹配的行业视角词；

若从模型文件中查找到与查询词相匹配的行业视角词，从所述模型文件中获取与所述查询词相匹配的行业视角词的多个特征的特征权重；

将所述与所述查询词相匹配的行业视角词的多个特征的特征权重作为与所述查询词相对应的多个归一化特征的特征权重；