[发明专利]识别噪声query的方法、装置、电子设备和可读存储介质

权利要求书

1.一种识别噪声query的方法，其特征在于，所述方法包括：

获取目标query，其中，所述目标query用于指示搜索引擎接收到的查询词句；

将所述目标query输入特征抽取模块，得到目标query的特征，其中，所述目标query的特征包括模板匹配特征、搜索文档生成概率和搜索日志生成概率，所述搜索文档生成概率用于指示所述目标query在搜索文档集中的稀疏性特征，所述搜索日志生成概率用于指示所述目标query在搜索日志集中的稀疏性特征；

将所述目标query的特征输入目标识别模型，得到识别结果，其中，所述识别结果用于指示所述目标query是否为噪声query。

2.根据权利要求1所述的方法，其特征在于，所述得到目标query的特征包括：

根据预设的噪声模板获取目标query的模板匹配特征；

根据所述目标query的每个目标N元组在所述搜索文档集中的文档频率特征，确定所述目标query的搜索文档生成概率，其中，所述目标N元组包括所述目标query的N个连续的词汇；

根据所述目标query的每个目标N元组在预设时段内的搜索日志集中的日志频率特征，确定所述目标query的搜索日志生成概率。

3.根据权利要求2所述的方法，其特征在于，所述根据所述目标query在所述搜索文档集中的文档频率特征，确定所述目标query的搜索文档生成概率包括：

将所述目标query拆分为多个目标N元组；

根据预设的第一字典，确定每个目标N元组针对搜索文档集出现的文档频率特征，其中，所述第一字典中包含所述搜索文档集下第一N元组和第一频率特征之间的对应关系；

根据所述目标query的每个文档频率特征，生成所述搜索文档生成概率。

4.根据权利要求3所述的方法，其特征在于，根据预设的第一字典确定每个目标N元组针对搜索文档集出现的文档频率特征之前，所述方法还包括：

获取多个第一N元组，其中，所述第一N元组是通过对所述搜索文档集中的样本搜索记录进行拆分得到的，所述第一N元组包括所述样本搜索记录的N个连续的词汇；

获取包含所述第一N元组的样本文档数量；

根据所述样本文档数量和所述搜索文档集中的搜索文档总数，确定所述第一N元组的第一频率特征；

根据所述第一N元组和所述第一频率特征之间的对应关系，构建所述第一字典。

5.根据权利要求2所述的方法，其特征在于，所述根据所述目标query在预设时段内的所述搜索日志集中的日志频率特征，确定所述目标query的搜索日志生成概率包括：

将所述目标query拆分为多个目标N元组，其中，所述N元组中包含多个连续的词汇；

根据预设的第二字典，确定每个目标N元组针对所述预设时段内的搜索日志集出现的日志频率特征，其中，所述第二字典中包含所述搜索日志集下第二N元组和第二频率特征之间的对应关系；

根据所述目标query的每个日志频率特征，生成所述搜索日志生成概率。

6.根据权利要求5所述的方法，其特征在于，根据预设的第二字典确定每个目标N元组针对所述预设时段内的搜索日志集出现的日志频率特征之前，所述方法还包括：

获取多个第二N元组，其中，所述第二N元组是通过所述预设时段内的搜索日志集中的样本query记录得到的，所述第二N元组包括所述样本query的N个连续的词汇；

获取所述搜索日志集中包含所述第二N元组的样本query记录的样本query数量；

根据所述样本query数量和所述搜索日志集中的搜索词汇总数，确定所述样本N元组的第二频率特征；

根据所述第二N元组和所述第二频率特征之间的对应关系构建所述第二字典。