CN103544266A - 一种搜索建议词生成的方法以及装置 - Google Patents

Abstract

本发明公开了一种搜索建议词生成的方法以及装置，其中所述方法包括：接收搜索字符串；将所述搜索字符串映射为一个或多个第一分词；获取一个或多个与所述第一分词相关联的关联第二分词；依据所述一个或多个第一分词与所述一个或多个关联第二分词组合成一个或多个搜索建议词。本发明可以增强建议系统的召回能力，增强建议系统的时效性。

Description

一种搜索建议词生成的方法以及装置

技术领域

本发明涉及互联网数据处理的技术领域，特别是涉及一种搜索建议词生成的方法，以及，一种搜索建议词生成的装置。

背景技术

这些年全球最大的搜索引擎谷歌推出了搜索建议的服务：即在用户在输入部分关键词时搜索引擎马上给出相关联想词。搜索建议可以大大减少用户输入成本、纠正输入错误、进行输入提示等，它的出现让人们可以更快、更准确的进行搜索，如今已被各大搜索引擎采用。

现有的搜索建议的实现主要通过以下机制：搜索引擎收集此用户搜索历史数据（主要是搜索关键词和搜索次数），当用户在搜索框开始输入时，搜索引擎会根据用户已输入部分在历史搜索数据文件中进行相关性匹配，得到搜索建议，在进行除杂、排重等一系列处理后，并根据搜索热度等因素对搜索建议词进行排序。

另外一种机制是建立在以往群体用户搜索历史的基础上的，即基于众多搜索请求者的经验型建议：用户得到的搜索建议是被最多人搜过的关键词。因此，这几种搜索建议机制有其天然的缺陷：首先时效性差：只有在很多人搜过、形成一定的数据积累后才可能被当作搜索建议提供给他人；同时召回低：对某些搜索数量少的关键词，搜索引擎一般不能给出建议。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种搜索建议词生成的方法和相应的一种搜索建议词生成的装置。

依据本发明的一个方面，提供了一种搜索建议词生成的方法，包括：

接收搜索字符串；

将所述搜索字符串映射为一个或多个第一分词；

获取一个或多个与所述第一分词相关联的关联第二分词；

依据所述一个或多个第一分词与所述一个或多个关联第二分词组合成一个或多个搜索建议词。

可选地，所述方法还包括：

推送所述一个或多个搜索建议词。

可选地，所述获取一个或多个与所述第一分词相关联的关联第二分词的步骤包括：

将抓取到的包含所述第一分词的多个网页标题进行分词，得到分词列表；

将所述分词列表中除所述第一分词外的一个或多个其余分词作为第二分词；

分别计算所述一个或多个第一分词与所述第二分词的同现率；

提取所述同现率高于预设阈值的第二分词作为关联第二分词。

可选地，所述将所述搜索字符串映射为一个或多个第一分词的步骤包括：

提取所述搜索字符串所映射的一个第一分词；

或者，

当接收到的搜索字符串为复合词时，将所述搜索字符串拆分为多个搜索子词；

提取所述多个搜索子词所映射的多个第一分词。

可选地，所述计算所述一个或多个第一分词与所述第二分词的同现率的步骤包括：

当所述搜索字符串被映射为一个第一分词时，提取所述第一分词对应的预置索引表；其中，所述预置索引表包括所述第一分词所属的网页标题，以及，每个网页标题对应的所有第二分词；

分别获取每个预置索引表中各个第二分词出现的次数，以及所述索引表的记录总数；

分别计算所述第二分词出现的次数与所述索引表的记录总数的比值，得到所述第一分词与各个第二分词的同现率。

可选地，所述计算所述一个或多个第一分词与所述第二分词的同现率的步骤包括：

当所述搜索字符串被映射为多个第一分词时，分别提取所述多个第一分词对应的多个预置索引表；其中，所述各个预置索引表中包括所述第一分词所属的网页标题，以及，每个网页标题对应的第二分词；

提取与所述多个第一分词同时出现的第二分词作为候选分词；

分别计算各个索引表中所述第一分词与所述候选分词的同现率，所述同现率为所述索引表中各个候选分词出现的次数与所述索引表中的记录总数的比值；

分别为所述多个第一分词与所述各个候选分词的同现率配置对应的多个权重；

分别计算多个配置了权重的同现率的平均值，作为所述多个第一分词与所述候选分词的同现率。

可选地，所述计算所述一个或多个第一分词与所述第二分词的同现率的步骤包括：

当所述搜索字符串被映射为多个第一分词时，分别提取所述多个第一分词对应的多个预置索引表；其中，所述各个预置索引表中包括所述第一分词所属的网页标题，以及，每个网页标题对应的第二分词；

采用所述多个索引表确定主分词，所述主分词为记录总数最多的索引表对应的第一分词；

计算所述主分词与其对应的索引表中各个第二分词的同现率，所述同现率为所述索引表中各个第二分词出现的次数与所述索引表中的记录总数的比值。

可选地，所述依据所述一个或多个第一分词与所述一个或多个关联第二分词组合成一个或多个搜索建议词的步骤包括：

为所述一个或多个关联第二分词配置权重；

按照所述权重对所述一个或多个关联第二分词进行排序；

依次组合所述排序的一个或多个关联第二分词与所述一个或多个第一分词，生成一个或多个搜索建议词。

可选地，所述为所述一个或多个关联第二分词配置权重的步骤包括：

获取所述每个关联第二分词所属的一个或多个网页标题对应的网页时效与网页热度；

按照所述网页时效与所述网页热度为所述一个或多个关联第二分词配置权重。

可选地，所述推送所述一个或多个搜索建议词的步骤包括：

将所述搜索建议词按序插入预设的建议系统中，由所述建议系统推送所述搜索建议词。

根据本发明的另一方面，提供了一种搜索建议词生成的装置，包括：

字符串接收模块，适于接收搜索字符串；

第一分词映射模块，适于将所述搜索字符串映射为一个或多个第一分词；

关联第二分词获取模块，适于获取一个或多个与所述第一分词相关联的关联第二分词；

搜索建议词生成模块，适于依据所述一个或多个第一分词与所述一个或多个关联第二分词组合成一个或多个搜索建议词。

可选地，所述装置还包括：

推送模块，适于推送所述一个或多个搜索建议词。

可选地，所述关联第二分词获取模块还适于：

将抓取到的包含所述第一分词的多个网页标题进行分词，得到分词列表；

将所述分词列表中除所述第一分词外的一个或多个其余分词作为第二分词；

分别计算所述一个或多个第一分词与所述第二分词的同现率；

提取所述同现率高于预设阈值的第二分词作为关联第二分词。

可选地，所述第一分词映射模块还适于：

提取所述搜索字符串所映射的一个第一分词；

或者，

当接收到的搜索字符串为复合词时，将所述搜索字符串拆分为多个搜索子词；

提取所述多个搜索子词所映射的多个第一分词。

可选地，所述关联第二分词获取模块还适于：

当所述搜索字符串被映射为一个第一分词时，提取所述第一分词对应的预置索引表；其中，所述预置索引表包括所述第一分词所属的网页标题，以及，每个网页标题对应的所有第二分词；

分别获取每个预置索引表中各个第二分词出现的次数，以及所述索引表的记录总数；

分别计算所述第二分词出现的次数与所述索引表的记录总数的比值，得到所述第一分词与各个第二分词的同现率。

可选地，所述关联第二分词获取模块还适于：

当所述搜索字符串被映射为多个第一分词时，分别提取所述多个第一分词对应的多个预置索引表；其中，所述各个预置索引表中包括所述第一分词所属的网页标题，以及，每个网页标题对应的第二分词；

提取与所述多个第一分词同时出现的第二分词作为候选分词；

分别计算各个索引表中所述第一分词与所述候选分词的同现率，所述同现率为所述索引表中各个候选分词出现的次数与所述索引表中的记录总数的比值；

分别为所述多个第一分词与所述各个候选分词的同现率配置对应的多个权重；

分别计算多个配置了权重的同现率的平均值，作为所述多个第一分词与所述候选分词的同现率。

可选地，所述关联第二分词获取模块还适于：

当所述搜索字符串被映射为多个第一分词时，分别提取所述多个第一分词对应的多个预置索引表；其中，所述各个预置索引表中包括所述第一分词所属的网页标题，以及，每个网页标题对应的第二分词；

采用所述多个索引表确定主分词，所述主分词为记录总数最多的索引表对应的第一分词；

计算所述主分词与其对应的索引表中各个第二分词的同现率，所述同现率为所述索引表中各个第二分词出现的次数与所述索引表中的记录总数的比值。

可选地，所述搜索建议词生成模块还适于：

为所述一个或多个关联第二分词配置权重；

按照所述权重对所述一个或多个关联第二分词进行排序；

依次组合所述排序的一个或多个关联第二分词与所述一个或多个第一分词，生成一个或多个搜索建议词。

可选地，所述搜索建议词生成模块还适于：

获取所述每个关联第二分词所属的一个或多个网页标题对应的网页时效与网页热度；

按照所述网页时效与所述网页热度为所述一个或多个关联第二分词配置权重。

可选地，所述推送模块还适于：

将所述搜索建议词按序插入预设的建议系统中，由所述建议系统推送所述搜索建议词。

在本发明实施例中，通过抓取内容发布方的网页信息产生搜索建议词，弥补了以往搜索引擎根据用户搜索历史数据进行建议的不足。在当今信息爆炸的时代，互联网产生的内容量和内容范畴将远远超过用户的搜索范畴，因此根据内容发布方产生搜索建议的能力也大于基于用户搜索历史产生搜索建议的能力，因此采用本发明将有益于增强建议系统的召回能力，增强建议系统的时效性。

另外，本发明通过推送第一分词和第二分词的组合，用户可以基于此组合直接进行更多层次的搜索，使用户简单搜索即可获得更多的结果，无需多次提交搜索，从而减轻了访问服务器的负担，减少了网络资源的占用，并提升了用户体验。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了根据本发明一个实施例的一种搜索建议词生成的方法实施例的步骤流程图；

图2示出了根据本发明一个实施例的一种搜索建议词生成的装置实施例的结构框图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

参照图1，示出了根据本发明一个实施例的一种搜索建议词生成的方法实施例的步骤流程图，具体可以包括以下步骤：

步骤101，接收搜索字符串；

在实现中，搜索字符串可以是用户输入的搜索信息，可以用于请求搜索与之相关的数据资源。本发明实施例中的搜索字符串为用户已输入的部分关键词或全部关键词，该关键词可以是单词，即包括一个语义独立的词，例如中秋、端午、国庆等等；该关键词也可以是复合词，即包括两个或两个以上语义独立的词，例如中秋月饼、端午粽子、国庆西藏旅游等等。

步骤102，将所述搜索字符串映射为一个或多个第一分词；

在具体实现中，被映射的第一分词可以是预先设置的热点主题词，可以用于计算不同分词之间的同现率。

映射的规则也可以是预先设置的一个或多个，可以包括去除搜索字符串的脏词、修饰词、语气助词、宽泛词等无实际意义的词语；或者包括设定停止词，即一些常见的词，为拆分词组时停止的标准，例如的、我、你等等；还可以包括关联关系的对应，将同一事物的多种表达对应为一种表达，例如将八月十五、中秋节、月饼节等关联为中秋；还可以包括其他映射规则，本发明实施例对此不加以限制。

英文是以词为单位的，词和词之间是靠空格隔开，而中文是以字为单位，句子中所有的字连起来才能描述一个意思。例如，英文句子I ama student，用中文则为：“我是一个学生”。计算机可以很简单通过空格知道student是一个单词，但是不能很容易明白“学”、“生”两个字合起来才表示一个词。把中文的汉字序列切分成有意义的词，就是中文分词。例如，我是一个学生，分词的结果是：我、是、一个、学生。

下面介绍几种分词方法：

1、基于字符串匹配的分词方法：是指按照一定的策略将待分析的汉字串与一个预置的机器词典中的词条进行匹配，若在词典中找到某个字符串，则匹配成功（识别出一个词）。实际使用的分词系统，都是把机械分词作为一种初分手段，还需通过利用各种其它的语言信息来进一步提高切分的准确率。

2、基于特征扫描或标志切分的分词方法：是指优先在待分析字符串中识别和切分出一些带有明显特征的词，以这些词作为断点，可将原字符串分为较小的串再来进机械分词，从而减少匹配的错误率；或者将分词和词类标注结合起来，利用丰富的词类信息对分词决策提供帮助，并且在标注过程中又反过来对分词结果进行检验、调整，从而提高切分的准确率。

3、基于理解的分词方法：是指通过让计算机模拟人对句子的理解，达到识别词的效果。其基本思想就是在分词的同时进行句法、语义分析，利用句法信息和语义信息来处理歧义现象。它通常包括三个部分：分词子系统、句法语义子系统、总控部分。在总控部分的协调下，分词子系统可以获得有关词、句子等的句法和语义信息来对分词歧义进行判断，即它模拟了人对句子的理解过程。这种分词方法需要使用大量的语言知识和信息。

4、基于统计的分词方法：是指中文信息中由于字与字相邻共现的频率或概率能够较好的反映成词的可信度，所以可以对语料中相邻共现的各个字的组合的频度进行统计，计算它们的互现信息，以及计算两个汉字X、Y的相邻共现概率。互现信息可以体现汉字之间结合关系的紧密程度。当紧密程度高于某一个阈值时，便可认为此字组可能构成了一个词。这种方法只需对语料中的字组频度进行统计，不需要切分词典。

在本发明的一种优选实施例中，所述步骤102可以包括如下子步骤：

子步骤S11，提取所述搜索字符串所映射的一个第一分词；

对于搜索字符串为单词的情形，可以按照预设的映射规则直接提取其对应的第一分词。当然，该搜索字符串也可以与其映射的第一分词是同一个词，例如搜索字符串为“中秋”，映射的第一分词也可以“中秋”。

在本发明的另一种优选实施例中，所述步骤102可以包括如下子步骤：

子步骤S21，当接收到的搜索字符串为复合词时，将所述搜索字符串拆分为多个搜索子词；

子步骤S22，提取所述多个搜索子词所映射的多个第一分词。

对于搜索字符串为复合词的情形，可以先按照预设的映射规则对其进行分词，得到搜索子词，然后分别提取搜索子词对应的第一分词。例如，接收到的搜索字符串为“中秋节月饼”，可以将其拆分为“中秋节”和“月饼”两个搜索子词，然后将“中秋节”映射为“中秋”，将“月饼”映射为“月饼”，得到“中秋”和“月饼”两个第一分词。

步骤103，获取一个或多个与所述第一分词相关联的关联第二分词；

在本发明的一种优选实施例中，所述步骤103可以包括如下子步骤：

子步骤S31，将抓取到的包含所述第一分词的多个网页标题进行分词，得到分词列表；

子步骤S32，将所述分词列表中除所述第一分词外的一个或多个其余分词作为第二分词；

子步骤S33，分别计算所述一个或多个第一分词与所述第二分词的同现率；

子步骤S34，提取所述同现率高于预设阈值的第二分词作为关联第二分词。

具体而言，关联第二分词为与所述一个或多个第一分词的同现率高于预设阈值的第二分词，所述第二分词为包含所述第一分词的多个网页标题进行分词后除所述第一分词外的一个或多个其余的分词，所述同现率为所述一个或多个第一分词与所述第二分词同时出现在一个索引表中的概率，可以分为一个第一分词与第二分词的同现率，以及多个第一分词与第二分词的同现率。其中，所述预设阈值可以由本领域技术人员根据实际情况而设定的，本发明实施例对此不加以限制。

在本发明的一种优选实施例中，当所述第一分词为一个时，所述子步骤S33可以包括如下子步骤：

子步骤S331，当所述搜索字符串被映射为一个第一分词时，提取所述第一分词对应的预置索引表；其中，所述预置索引表包括所述第一分词所属的网页标题，以及，每个网页标题对应的所有第二分词；

在具体实现中，所述预置索引表为预先生成的索引表，所述索引表可以通过如下方式生成：搜索引擎通过网页爬虫抓取互联网中的网页信息，所述网页信息可以包括网页标题、关键词keywords、网页内容、发布时间等，并将所述抓取的网页信息建立索引库；在索引库中，对各个网页标题进行分词，并将每个分词作为第一分词建立对应的索引表，其中，该第一分词索引表中可以存储有第一分词、包含所述第一分词的各个网页标题、各网页标题中除所述第一分词外的一个或多个其余第二分词、以及与各网页标题相关的其他网页信息。当然，索引表中也可以只包含第一分词以及对应的第二分词，本发明实施例对索引表的设置方式以及内容、形式无需加以限制，例如，在抓取的网页信息中，以“中秋”作为第一分词的索引表可以表示如下：

当然，为了提供更好更及时的搜索建议服务，所述索引库以及每个第一分词对应的索引表可以不定时或周期性地根据新抓取的网页信息进行更新。

子步骤S332，分别获取每个预置索引表中各个第二分词出现的次数，以及所述索引表的记录总数；

子步骤S333，分别计算所述第二分词出现的次数与所述索引表的记录总数的比值，得到所述第一分词与各个第二分词的同现率。

在具体实现中，根据两个不同索引表之间的重合度（或交集），可以计算任意两个或多个词之间的同现率。例如，“月饼”一词的索引表共有100条记录，“中秋节”一词的索引表中有1000条记录，同时出现在两个索引表中的记录共10条，则对于“月饼”一词，“中秋节”的同现率为10/100=10%；对“中秋节”一词，“月饼”的同现率为10/1000=1%。

在实际应用中，由于两个不同第一分词对应的索引表的交集可以理解为以一个第一分词作为第二分词在另一个第一分词的索引表中出现的概率，因此，同现率也可以表示为所述索引表中各个第二分词出现的数量与所述索引表中记录总数的比值，例如，“月饼”一词的索引表共有100条记录，在该索引表中，“中秋节”出现的次数为10次，则对于“月饼”一词，“中秋节”的同现率为10/100=10%。对于任意一个词汇，根据此方法可得到与其同现率较高的词汇列表。

在本发明的另一种优选实施例中，当所述第一分词为多个时，所述子步骤S33可以包括如下子步骤：

子步骤S334，当所述搜索字符串被映射为多个第一分词时，分别提取所述多个第一分词对应的多个预置索引表；其中，所述各个预置索引表中包括所述第一分词所属的网页标题，以及，每个网页标题对应的第二分词；

子步骤S335，提取与所述多个第一分词同时出现的第二分词作为候选分词；

子步骤S336，分别计算各个索引表中所述第一分词与所述候选分词的同现率，所述同现率为所述索引表中各个候选分词出现的次数与所述索引表中的记录总数的比值；

子步骤S337，分别为所述多个第一分词与所述各个候选分词的同现率配置对应的多个权重；

子步骤S338，分别计算多个配置了权重的同现率的平均值，作为所述多个第一分词与所述候选分词的同现率。

具体而言，多个第一分词对应有多个索引表，候选分词需要在各个索引表中都出现，然后计算每个候选分词对应各个第一分词的同现率，其计算方法可参考子步骤S333中的说明，在此不再赘述了。在计算每个候选分词对应于各第一分词的同现率后，为所述各个同现率配置对应的权重，并计算多个配置了权重的同现率的平均值，作为所述多个第一分词与所述候选分词的同现率，其中，权重可根据各第一分词的索引表中的占的索引数量比例进行确定（索引表对应的条数越多其权重越大），例如，在“中秋”的索引表中的记录总数为900，而在“月饼”的索引表中记录总数为100，则“中秋”和候选分词“月亮”的同现率的权重可以为0.9，“月饼”和候选分词“月亮”同现率的权重可以为0.1。当然，也可以根据其他现有分词权重确定办法进行确定权重，本发明实施例对权重的设置方式无需加以限制。

为了使本领域技术人员更好地理解本发明，以下通过一个例子对多个第一分词与第二分词之间同现率的计算方法加以说明：如第一分词为B、C，候选分词为A，A与C的同现率为a，B与A的同现率为b，则A与“B+C”复合词的同现率为a和b的加权平均值。

在本发明的另一种优选实施例中，当所述第一分词为多个时，所述子步骤S33可以包括如下子步骤：

子步骤S330，当所述搜索字符串被映射为多个第一分词时，分别提取所述多个第一分词对应的多个预置索引表；其中，所述各个预置索引表中包括所述第一分词所属的网页标题，以及，每个网页标题对应的第二分词；

子步骤S340，采用所述多个索引表确定主分词，所述主分词为记录总数最多的索引表对应的第一分词；

子步骤S350，计算所述主分词与其对应的索引表中各个第二分词的同现率，所述同现率为所述索引表中各个第二分词出现的次数与所述索引表中的记录总数的比值。

在实际中，为了提高用户体验，对于索引表记录条数相差比较悬殊的多个第一分词，可以忽略索引表记录条数较少的第一分词，以索引表记录条数最多的第一分词作为主分词，并以该主分词与第二分词的同现率的作为最终的多个第一分词的同现率。

步骤104，依据所述一个或多个第一分词与所述一个或多个关联第二分词组合成一个或多个搜索建议词。

本发明实施例中，所提取的关联第二分词可以为空，也可以为一个或多个。根据所述关联第二分词与一个或多个第一分词，可以组合成一个或多个搜索建议词。例如，第一分词为“东雷吧”后，与其关联的关联第二分词为：“被封”、“解封”、“文化”等，则组合成的搜索建议词可以为“东雷吧被封”、“东雷吧解封”、“东雷吧文化”等。

其中，所述组合可以为任意组合，如将第一分词放在左边，关联第二分词放右边；或者，将所述第一分词放右边，所述关联第二分词放左边，本发明实施例对所述一个或多个第一分词与关联第二分词的组合方式无需加以限制。

在实际中，还可以为所述关联第二分词配置权重，在本发明的一种优选实施例中，所述步骤104可以包括如下子步骤：

子步骤S41，为所述一个或多个关联第二分词配置权重；

在本发明的一种优选实施例中，所述子步骤S41可以包括如下子步骤：

子步骤S411，获取所述每个关联第二分词所属的一个或多个网页标题对应的网页时效与网页热度；

在具体实现中，网页时效可以通过发布方提供的消息获取，例如在一个网页新闻的标题后面标记有该新闻发出的时效，如6分钟前，则该网页时效为6分钟前；或者，网页时效可以是搜索引擎通过结构化抓取网页自身的发布时间标签得到，如抓取的发布时间标签为2013年7月11日13时59分，搜索引擎则可以根据当前时间与该时间标签的差值得到网页时效。其中，网页时效越短，该网页的权重越高。

对于网页热度的获取，可以采用如下方式：搜索引擎记录所有用户的搜索行为，则某个页面历史上被访问过或点击过的次数会被记录下来作为网页热度，其中，网页被点击的次数越多权重越高。

子步骤S412，按照所述网页时效与所述网页热度为所述一个或多个关联第二分词配置权重。

在具体实现中，可以以网页热度为主，网页时效为辅配置关联第二分词的权重，例如第一个关联第二分词的网页热度为70（点击次数70），网页时效为7分钟前，第二个关联第二分词的网页热度为30，网页时效为5分钟前，则为所述第一个关联第二分词设置的权重可为0.6-0.7之间，为所述第二个关联第二分词设置的权重为0.3-0.4之间；当所述关联第二分词所属的网页标题为多个时，可获取所述多个网页标题所在的网页的网页热度的平均值作为所述关联第二分词的网页热度。当然，本实施例中的根据网页时效与网页热度配置关联第二分词的权重的方式仅仅是一种示例，本领域技术人员采用其他方式为所述关联第二分词配置权重均是可以的，本发明实施例对此无需加以限制。

子步骤S42，按照所述权重对所述一个或多个关联第二分词进行排序；

子步骤S43，依次组合所述排序的一个或多个关联第二分词与所述一个或多个第一分词，生成一个或多个搜索建议词。

在实现中，生成的一个或多个搜索建议词可按照所述关联第二分词的排序进行排序。在本发明实施例中，可以将所述排序好的一个或多个搜索建议词推送出去，作为本实施例的一种优选示例，可以将所述搜索建议词按序插入预设的建议系统中，由所述建议系统推送所述搜索建议词，用户可以通过点击下拉菜单中的按序推送的搜索建议词，搜索网页资源数据。其中，该预设的建议系统可以为已有的建议系统，也可以是针对该搜索建议词建立的新的建议系统，或新的建议系统与已有的建议系统的结合，本发明实施例对所述建议系统的类型无需加以限制。

在本发明实施例中，通过抓取内容发布方的网页信息产生搜索建议，弥补了以往搜索引擎根据用户搜索历史数据进行建议的不足。在当今信息爆炸的时代，互联网产生的内容量和内容范畴将远远超过用户的搜索范畴，因此根据内容发布方产生搜索建议的能力也大于基于用户搜索历史产生搜索建议的能力，因此采用本发明将有益于增强建议系统的召回能力，增强建议系统的时效性。

另外，本发明通过推送第一分词和第二分词的组合，用户可以基于此组合直接进行更多层次的搜索，使用户简单搜索即可获得更多的结果，无需多次提交搜索，从而减轻了访问服务器的负担，减少了网络资源的占用，并提升了用户体验。

对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

参照图2，示出了根据本发明一个实施例的一种搜索建议词生成的装置实施例的结构框图，具体可以包括如下模块：

字符串接收模块201，适于接收搜索字符串；

第一分词映射模块202，适于将所述搜索字符串映射为一个或多个第一分词；

关联第二分词获取模块203，适于获取一个或多个与所述第一分词相关联的关联第二分词；

搜索建议词生成模块204，适于依据所述一个或多个第一分词与所述一个或多个关联第二分词组合成一个或多个搜索建议词。

可选地，所述装置还可以包括：

推送模块，适于推送所述一个或多个搜索建议词。

在本发明的一种优选实施例中，所述关联第二分词获取模块203还可以适于：

将抓取到的包含所述第一分词的多个网页标题进行分词，得到分词列表；

将所述分词列表中除所述第一分词外的一个或多个其余分词作为第二分词；

分别计算所述一个或多个第一分词与所述第二分词的同现率；

提取所述同现率高于预设阈值的第二分词作为关联第二分词。

在本发明的一种优选实施例中，所述第一分词映射模块202还可以适于：

提取所述搜索字符串所映射的一个第一分词；

或者，

当接收到的搜索字符串为复合词时，将所述搜索字符串拆分为多个搜索子词；

提取所述多个搜索子词所映射的多个第一分词。

在本发明的一种优选实施例中，所述关联第二分词获取模块203还可以适于：

当所述搜索字符串被映射为一个第一分词时，提取所述第一分词对应的预置索引表；其中，所述预置索引表包括所述第一分词所属的网页标题，以及，每个网页标题对应的所有第二分词；

分别获取每个预置索引表中各个第二分词出现的次数，以及所述索引表的记录总数；

分别计算所述第二分词出现的次数与所述索引表的记录总数的比值，得到所述第一分词与各个第二分词的同现率。

在本发明的另一种优选实施例中，所述关联第二分词获取模块203还可以适于：

当所述搜索字符串被映射为多个第一分词时，分别提取所述多个第一分词对应的多个预置索引表；其中，所述各个预置索引表中包括所述第一分词所属的网页标题，以及，每个网页标题对应的第二分词；

提取与所述多个第一分词同时出现的第二分词作为候选分词；

分别计算各个索引表中所述第一分词与所述候选分词的同现率，所述同现率为所述索引表中各个候选分词出现的次数与所述索引表中的记录总数的比值；

分别为所述多个第一分词与所述各个候选分词的同现率配置对应的多个权重；

分别计算多个配置了权重的同现率的平均值，作为所述多个第一分词与所述候选分词的同现率。

在本发明的另一种优选实施例中，所述关联第二分词获取模块203还可以适于：

当所述搜索字符串被映射为多个第一分词时，分别提取所述多个第一分词对应的多个预置索引表；其中，所述各个预置索引表中包括所述第一分词所属的网页标题，以及，每个网页标题对应的第二分词；

采用所述多个索引表确定主分词，所述主分词为记录总数最多的索引表对应的第一分词；

计算所述主分词与其对应的索引表中各个第二分词的同现率，所述同现率为所述索引表中各个第二分词出现的次数与所述索引表中的记录总数的比值。

在本发明的一种优选实施例中，所述搜索建议词生成模块204还可以适于：

为所述一个或多个关联第二分词配置权重；

按照所述权重对所述一个或多个关联第二分词进行排序；

依次组合所述排序的一个或多个关联第二分词与所述一个或多个第一分词，生成一个或多个搜索建议词。

在本发明的一种优选实施例中，所述搜索建议词生成模块204还可以适于：

获取所述每个关联第二分词所属的一个或多个网页标题对应的网页时效与网页热度；

按照所述网页时效与所述网页热度为所述一个或多个关联第二分词配置权重。

在本发明的一种优选实施例中，所述推送模块还可以适于：

将所述搜索建议词按序插入预设的建议系统中，由所述建议系统推送所述搜索建议词。

对于图2的装置实施例而言，由于其与上述的方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书（包括伴随的权利要求、摘要和附图）中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书（包括伴随的权利要求、摘要和附图）中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器（DSP）来实现根据本发明实施例的搜索建议词生成设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序（例如，计算机程序和计算机程序产品）。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (10)

1.一种搜索建议词生成的方法，包括：

接收搜索字符串；

将所述搜索字符串映射为一个或多个第一分词；

获取一个或多个与所述第一分词相关联的关联第二分词；

依据所述一个或多个第一分词与所述一个或多个关联第二分词组合成一个或多个搜索建议词。

2.如权利要求1所述的方法，其特征在于，还包括：

推送所述一个或多个搜索建议词。

3.如权利要求1或2所述的方法，其特征在于，所述获取一个或多个与所述第一分词相关联的关联第二分词的步骤包括：

将抓取到的包含所述第一分词的多个网页标题进行分词，得到分词列表；

将所述分词列表中除所述第一分词外的一个或多个其余分词作为第二分词；

分别计算所述一个或多个第一分词与所述第二分词的同现率；

提取所述同现率高于预设阈值的第二分词作为关联第二分词。

4.如权利要求1-3任一项所述的方法，其特征在于，所述将所述搜索字符串映射为一个或多个第一分词的步骤包括：

提取所述搜索字符串所映射的一个第一分词；

或者，

当接收到的搜索字符串为复合词时，将所述搜索字符串拆分为多个搜索子词；

提取所述多个搜索子词所映射的多个第一分词。

5.如权利要求1-4任一项所述的方法，其特征在于，所述计算所述一个或多个第一分词与所述第二分词的同现率的步骤包括：

当所述搜索字符串被映射为一个第一分词时，提取所述第一分词对应的预置索引表；其中，所述预置索引表包括所述第一分词所属的网页标题，以及，每个网页标题对应的所有第二分词；

分别获取每个预置索引表中各个第二分词出现的次数，以及所述索引表的记录总数；

分别计算所述第二分词出现的次数与所述索引表的记录总数的比值，得到所述第一分词与各个第二分词的同现率。

6.一种搜索建议词生成的装置，包括：

字符串接收模块，适于接收搜索字符串；

第一分词映射模块，适于将所述搜索字符串映射为一个或多个第一分词；

关联第二分词获取模块，适于获取一个或多个与所述第一分词相关联的关联第二分词；

搜索建议词生成模块，适于依据所述一个或多个第一分词与所述一个或多个关联第二分词组合成一个或多个搜索建议词。

7.如权利要求6所述的装置，其特征在于，还包括：

推送模块，适于推送所述一个或多个搜索建议词。

8.如权利要求6或7所述的装置，其特征在于，所述关联第二分词获取模块还适于：

将抓取到的包含所述第一分词的多个网页标题进行分词，得到分词列表；

将所述分词列表中除所述第一分词外的一个或多个其余分词作为第二分词；

分别计算所述一个或多个第一分词与所述第二分词的同现率；

提取所述同现率高于预设阈值的第二分词作为关联第二分词。

9.如权利要求6-8任一项所述的装置，其特征在于，所述第一分词映射模块还适于：

提取所述搜索字符串所映射的一个第一分词；

或者，

当接收到的搜索字符串为复合词时，将所述搜索字符串拆分为多个搜索子词；

提取所述多个搜索子词所映射的多个第一分词。

10.如权利要求6-9任一项所述的装置，其特征在于，所述关联第二分词获取模块还适于：

当所述搜索字符串被映射为一个第一分词时，提取所述第一分词对应的预置索引表；其中，所述预置索引表包括所述第一分词所属的网页标题，以及，每个网页标题对应的所有第二分词；

分别获取每个预置索引表中各个第二分词出现的次数，以及所述索引表的记录总数；

分别计算所述第二分词出现的次数与所述索引表的记录总数的比值，得到所述第一分词与各个第二分词的同现率。

Images