[发明专利]一种基于共同点击的词条权重确定方法及装置

摘要

本发明实施例提供了一种基于共同点击的词条权重确定方法及装置，首先基于搜索日志数据，获取共同点击的统一资源定位器URL所对应的输入语句query集合；对所述query集合中每一个query进行分词，得到多个基础词条term；统计各个term在所述query集合中出现的频率，基于出现频率的高低获取各个term的词条权重。该方法及装置可以准确获取基于共同点击的词条权重，对于输入语句query的核心词提取，以及文档排序均起到了重要作用，克服了现有TF‑IDF技术的缺点，进而提高了搜索结果的准确性。

主权项

1.一种基于共同点击的词条权重确定方法，其特征在于，包括：基于搜索日志数据，获取共同点击的统一资源定位器URL所对应的输入语句query集合；对所述query集合中每一个query基于n‑gram进行分词，得到多个片段gram的基础词条term；统计各个term在所述query集合中出现的频率，基于出现频率的高低获取各个term的词条权重，具体包括：针对每个gram，分别统计其包含的term在query集合中出现的次数，并根据所述次数确定每个gram中各term的词条权重；根据每个gram以及每个gram中各term的词条权重组成权重词典；接收用户输入的某一query，对该query进行分词得到多个term；查询所述权重词典，获取各个term的词条权重，具体包括：将term命中的各个gram中对应的词条权重进行加权平均计算，得到term的词条权重；将各个term的词条权重与预设的权重阈值进行比较，将词条权重大于等于所述权重阈值的term作为搜索关键词，输出对应的搜索结果。