CN107908783A - 检索文本相关性的评估方法、装置、服务器和存储介质 - Google Patents

Abstract

本发明实施例公开了一种检索文本相关性的评估方法、装置、服务器和存储介质。其中，方法包括：对查询和检索文本组成的多个样本对进行文本特征提取，其中，所述文本特征包括原始文本特征和结构化文本特征；将所述文本特征和对所述多个样本对的相关性标注作为语料进行训练，得到评估模型，该评估模型用于评估查询与检索文本的相关性。本发明实施例实现了在评估检索文本相关性时兼顾评估问题的深入度与自动化，兼顾判决逻辑的准确性与泛化识别能力，能够通过评估提高检索召回的全面性和匹配度，提升用户体验，同时评估模型的训练与使用使评估文本覆盖量大，且降低了人工评估的成本。

Description

检索文本相关性的评估方法、装置、服务器和存储介质

技术领域

本发明实施例涉及互联网技术，尤其涉及一种检索文本相关性的评估方法、装置、服务器和存储介质。

背景技术

在检索系统中，用户通过查询文本来表达检索的全部需求信息，检索系统所提供的检索结果与查询文本的相关性决定了检索系统为用户提供更深度服务的机会。衡量一个检索系统的好坏的关键因素就是能否做到准确高效的评估检索文本的相关性。

在现有技术中，对检索文本相关性评估的方法包括：人工抽评，由产品评估人员抽取样例，手工对多个版本或产品进行比较；通过查询文本和召回文本直接进行文本相似度对比，计算匹配子串的长度或占比等；通过明确指标制定下的自动化校验。

但是，人工抽评的评估方式，人力投入过大、样本覆盖有限，仅针对单个案例准确率较高，衡量全盘现状的能力和及时性都较差，更无法做到对系统批量干预。直接进行文本相似度对比的评估方式无法应对语义表达的多样性，且识别粒度较粗，此类判断在一般的检索系统中也都有覆盖，难以发现深入问题，且整体识别准确率较低。通过明确指标制定下的自动化校验，则受限于策略逻辑的复杂性，无法同时兼顾泛化处理能力及准确性，此类判决模型迭代成本大。

发明内容

本发明实施例提供一种检索文本相关性的评估方法、装置、服务器和存储介质，实现了在评估检索文本相关性时兼顾评估问题的深入度与自动化，兼顾判决逻辑的准确性与泛化识别能力，能够通过评估提高检索召回的全面性和匹配度，提升用户体验，同时评估模型的训练与使用评估文本覆盖量大，且降低了人工评估的成本。

第一方面，本发明实施例提供了一种检索文本相关性的评估方法，该方法包括：

对查询和检索文本组成的多个样本对进行文本特征提取，其中，所述文本特征包括原始文本特征和结构化文本特征；

将所述文本特征和对所述多个样本对的相关性标注作为语料进行训练，得到评估模型，该评估模型用于评估查询与检索文本的相关性。

第二方面，本发明实施例还提供了一种检索文本相关性的评估装置，该装置包括：

特征提取模块，用于对查询和检索文本组成的多个样本对进行文本特征提取，其中，所述文本特征包括原始文本特征和结构化文本特征；

模型训练模块，用于将所述文本特征和对所述多个样本对的相关性标注作为语料进行训练，得到评估模型，该评估模型用于评估查询与检索文本的相关性。

第三方面，本发明实施例还提供了一种服务器，该服务器包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例中任一所述的检索文本相关性的评估方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的检索文本相关性的评估方法。

本发明实施例通过对查询和检索文本组成的多个样本对进行文本特征提取，将提取的文本特征和对多个样本对的相关性标注作为语料进行训练，得到评估模型，并将评估模型用于评估查询与检索文本的相关性，解决了人工评估成本高、样本覆盖率低的问题，以及直接文本相似度对比文本识别粒度粗、无法应对语义表达多样性的问题，以及通过明确指标制定下的自动化校验受限于策略逻辑的复杂性、无法同时兼顾泛化处理能力及准确性的问题，实现了在评估检索文本相关性时兼顾评估问题的深入度与自动化，兼顾判决逻辑的准确性与泛化识别能力，能够通过评估提高检索召回的全面性和匹配度，提升用户体验，同时评估模型的训练与使用使评估文本覆盖量大，且降低了人工评估的成本。

附图说明

图1是本发明实施例一中的检索文本相关性的评估方法的流程图；

图2a是本发明实施例二中的查询与POI文本相关性的评估方法的流程图；

图2b是本发明实施例二中的核心刻画特征提取方法的流程图；

图2c是本发明实施例二中的关系特征提取方法的流程图；

图3a是本发明实施例三中的提取多个样本对中具有并列关系符号的查询和POI文本的核心刻画文本方法的流程图；

图3b是本发明实施例三中的提取多个样本对中具有非并列关系符号的查询和POI文本的核心刻画文本方法的流程图；

图4是本发明实施例四中检索文本相关性的评估装置的结构示意图；

图5是本发明实施例五中的服务器的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的检索文本相关性的评估方法的流程图，本实施例可适用于评估检索文本相关性的情况，该方法可以由检索文本相关性的评估装置来执行，该装置例如可配置于服务器中。如图1所示，该方法具体包括：

S110、对查询和检索文本组成的多个样本对进行文本特征提取，其中，所述文本特征包括原始文本特征和结构化文本特征。

其中，查询文本是指用户在检索系统输入的文本，该文本用来表达用户检索的全部需求信息。检索文本则是检索系统根据查询文本进行检索而提供给用户的检索结果。

衡量一个检索系统的好坏，关键因素是能否做到准确高效的效果评估，即对查询和检索文本组成的多个样本对进行相关性评估。首先，要提取查询和检索文本组成的多个样本对的文本特征，为了使文本分析更加准确、细粒度，把文本特征区分为原始文本特征和结构化文本特征，针对不同的文本特征采取不同的提取方法。可选的，对查询和检索文本组成的多个样本对进行原始文本特征提取包括：依据字符串匹配度的衡量标准提取查询和检索文本组成的多个样本对的原始文本特征。

具体的，提取原始文本特征主要是提取查询与召回的检索文本的直观文本对比特征，用于解决文本明显近似或明显偏差时的判断。其中，字符串匹配度的衡量标准可以包括全匹配、前后缀包含关系、最小编辑距离、最大公共子串等文本匹配方式中的衡量标准。其中，编辑距离(Edit Distance)，又称Levenshtein距离，是指两个字串之间由一个转成另一个所需的最少编辑操作次数，编辑距离越小，则说明两个字符串文本匹配度越高。

进一步的，结构化文本特征是指在检索文本不规范情况下，拆解语义关系后，针对不同的成分抽取不同的特征。

可选的，对查询和检索文本组成的多个样本对进行结构化文本特征提取又包括：对查询和检索文本组成的多个样本对进行核心刻画特征提取和对查询和检索文本组成的多个样本对进行关系特征提取。提取核心刻画特征用于判断这个检索结果是否与用户查询的核心范畴相关；提取关系特征，是在核心范畴相关的前提下，进一步识别召回的检索文本与用户查询之间的关系，示例性的，召回的检索文本可能为用户直接需求、更大范畴的集合、更小的子设施等，甚至仅为与查询文本相同的不同类型结果。

进一步的，在对查询和检索文本组成的多个样本对进行文本特征提取之前，检索文本相关性的评估方法还包括：对多个样本对中的查询和检索文本进行文本的归一化转换。

由于用户查询和多来源召回数据存在文本编码格式、大小写、同义表达等问题，因此在识别匹配之前，需要将文本进行归一化转换，以提高后期匹配过程的准确性。

S120、将所述文本特征和对所述多个样本对的相关性标注作为语料进行训练，得到评估模型，该评估模型用于评估查询与检索文本的相关性。

具体的，评估模型在使用过程中，其输入是一个查询文本与一个检索文本，评估模型便会给出其相关性的评估结果。最终的评估结果例如包括：精确匹配、相关匹配、父子点、不匹配这几种类型。模型训练的样本数据中的对多个样本对的相关性标注也是按照上述几种类型来标注的。评估模型的使用可以完成多维度的文本分析，产生大量的特征数据作为某个判决节点的重要依据，以解决逻辑的组织和识别能力的泛化问题。

可选的，评估模型选取支持向量机(SVM)模型，该模型解决小样本、非线性及高维模式识别中具有优势，非常契合自动化评估场景。这里需要说明的是，本发明实施例并不限定评估模型为SVM模型，其他可以实现检索文本相关性评估功能的模型也可以应用于本法明实施例所提供的方法过程中。

本发明实施例通过对查询和检索文本组成的多个样本对进行文本特征提取，将提取的文本特征和对多个样本对的相关性标注作为语料进行训练，得到评估模型，并将评估模型用于评估查询与检索文本的相关性，解决了人工评估成本高、样本覆盖率低的问题，以及直接文本相似度对比文本识别粒度粗、无法应对语义表达多样性的问题，以及通过明确指标制定下的自动化校验受限于策略逻辑的复杂性、无法同时兼顾泛化处理能力及准确性的问题，实现了在评估检索文本相似度时兼顾评估问题的深入度与自动化，兼顾判决逻辑的准确性与泛化识别能力，能够通过评估提高检索召回的全面性和匹配度，提升用户体验，同时评估模型的训练与使用使评估文本覆盖量大，且降低了人工评估的成本。

实施例二

在基于位置服务(Location Based Service，LBS)领域，检索功能是各类LBS产品的第一道入口，用户通过查询文本来表达检索的全部需求信息，LBS产品提供兴趣点位置(Point Of Interesting，POI)作为检索结果，查询文本与POI间相关性效果决定了产品为用户提供更深度服务的机会。查询文本与POI的相关性可通过上述实施例所提供的检索文本相关性的评估方法来评估。具体的，实施例二提供了应用于LBS领域的检索文本相关性的评估方法。图2a为本发明实施例二提供的检索与POI文本相关性的评估方法的流程图，本实施例是在上述实施例的基础上做出进一步地优化。如图2a所示，检索与POI文本相关性的评估方法具体包括：

S210、对查询和POI文本组成的多个样本对进行文本特征提取，其中，所述文本特征包括原始文本特征和结构化文本特征。

S220、将所述文本特征和对所述多个样本对的相关性标注作为语料进行训练，得到评估模型，该评估模型用于评估查询与POI文本的相关性。

进一步的，对查询和POI文本组成的多个样本对进行原始文本特征提取包括：依据字符串匹配度的衡量标准提取查询和POI文本组成的多个样本对的原始文本特征。

当提取检索和POI文本组成的多个样本对的结构化文本特征时，包括提取核心刻画特征和关系特征，其相应的特征提取方法如图2b和图2c所示，其中，图2b是本发明实施例二中的核心刻画特征提取方法的流程图，图2c是本发明实施例二中的关系特征提取方法的流程图。

当提取核心刻画特征时，如图2b所示，核心刻画特征提取方法包括：

S211、对于所述多个样本对中具有关系符号的查询和POI文本，根据所述关系符号进行分割得到至少两个文本片段，对经分割的多个样本对进行文本分析，提取出所述具有关系符号的查询和POI文本各自的核心刻画文本。

其中，关系符号包括并列关系符号和非并列关系符号。在具有关系符号的查询和POI文本样本对中，可能是仅查询文本中具有关系符号，可能是仅POI文本中具有关系符号，也可能是查询和POI文本中均具有关系符号。对于单个查询或POI文本，其多个成分之间的可能关系包括：同义词、并列、行业分类、具体描述、父子点等，多个成分之间可能会通过符号进行连接。示例性的，同义词关系如鸟巢(国家体育场)，并列关系如信息路/上地三街交叉口，行业分类关系如五道口-地铁，具体描述关系如肯德基(上地店)，父子点关系如清华大学(西门)。

S212、对于所述多个样本对中无符号的查询和POI文本，以及所述具有关系符号的查询和POI文本各自的核心刻画文本，利用切词工具进行成分切词，得到所述多个样本对中查询和POI文本各自的多个成分片段。

具体的，切词是指将一个文本序列切分成一个一个单独的词，将连续的字序列按照一定的规范重新组合成词序列的过程。切词工具可以是Ansj分词工具、Hanlp分词器、word分词器、IKAnalyzer等，在本实施例中不做限定。

这里需要说明的是，对于任一查询对应的POI文本，包括多种情况，可能是无符号的POI文本，也可能是带关系符号的POI文本，其中可能是带有并列关系符号的POI文本，也可能是带有非并列关系符号的POI文本，还可能是上述几种情况的结合。在本发明实施例中，对于带有关系符号的POI文本执行上述S211的操作，经分割后提取出相应的核心刻画文本，对于无符号的POI文本以及上述提取出的核心刻画文本，进一步执行上述S212的操作，得到多个成分片段。

S213、基于所述多个成分片段，提取所述多个样本对中查询和POI文本各自的核心刻画特征，其中，所述核心刻画特征用于衡量主体相关性。

具体的，基于所述多个成分片段，可以识别出查询文本和/或POI文本中例如位置信息、核心词、领域和/或尾缀等多个成分，并从中提取出核心刻画特征，如核心词的长度等。

进一步地，由于切词方式不止一种，因此，可以分别对查询和POI文本的多种切词方式做两两对比，提取各成分是否存在、对应成分是否精确匹配、是否相关匹配(例如以公共部分占比大于80％来衡量)、是否命中同义尾缀或子点尾缀等特征信息。还需要说明的是，对于并列的文本之间，可以通过是否存在精确或相关匹配的切分对等指标来衡量。

进一步的，当提取关系特征时，如图2c所示，关系特征提取方法包括：

S214、利用切词工具对每个样本对中的查询和POI文本进行成分切词，并根据预先建立的尾缀关系词典进行比对，从切词得到的各成分片段中提取出每个样本对中查询和POI文本各自的尾缀列表。

其中，所述尾缀关系词典是预先依据POI历史数据集合建立，并且所述尾缀关系词典中的每一个尾缀至少与所述POI历史数据集合中的至少一个POI文本的最后尾缀相同。示例性的，“北京大学英语学院西门”被切分为尾缀列表[大学，学院，西门]，进而筛选出具有普遍性的尾缀关系词典。对于筛选出的一条关系词表[大学，学院，西门]，需要大学、学院和西门这三个尾缀，都能找到最后尾缀命中的POI，例如“清华大学”、“孔子学院”、“肯德基西门”。

S215、基于每个样本对中查询和POI文本各自的尾缀列表及尾缀列表中尾缀的顺序，提取出每个样本对中查询和POI文本的关系特征，其中，所述关系特征用于衡量两个文本对应的关系层级。

本实施例的技术方案，通过从查询和POI文本样本对中提取核心刻画特征和关系特征，使对检索文本的分析进一步细粒度化，从而提高了检索文本相关性评估的准确性，实现了在评估POI文本相关性时兼顾评估问题的深入度与自动化。

实施例三

本实施例三在上述实施例的基础上做出进一步地优化，进一步的说明了针对具有关系符号的查询和POI文本样本对提取核心刻画文本的方法，其流程图如图3a和图3b所示，其中，图3a是本发明实施例三中的提取多个样本对中具有并列关系符号的查询和POI文本的核心刻画文本方法的流程图，图3b是本发明实施例三中的提取多个样本对中具有非并列关系符号的查询和POI文本的核心刻画文本方法的流程图。

当提取多个样本对中具有并列关系符号的查询和POI文本的核心刻画文本时，如图3a所示，提取多个样本对中具有并列关系符号的查询和POI文本的核心刻画文本的方法包括：

S310、对于所述多个样本对中具有并列关系符号的查询和POI文本，根据所述并列关系符号进行第一分割，得到各自的至少两个第一文本片段。

其中，并列符号可以是“/”或“\”等表示并列含义的符号。

S320、对经第一分割的多个样本对中的查询和POI文本之间，根据得到的至少两个第一文本片段进行组合，得到多个组合样本对，并比较各组合样本对的文本匹配度。

示例性的，假设查询文本存在两个并列片段A和B，POI文本存在三个并列片段a、b和c，组合对比就是片段A分别与片段a、b和c组合对比，片段B分别与片段a、b和c组合对比，对比的结果是得到相应的文本匹配度。

S330、将文本匹配度最高的组合样本对中的文本片段，分别作为所述经第一分割的多个样本对中的查询和POI文本的核心刻画文本。

具体的，基于S320中得到的各文本片段组合对比的文本匹配度，将匹配度最高的一组作为特征提取，分别作为所述经第一分割的多个样本对中的查询和POI文本的核心刻画文本。

进一步的，当提取多个样本对中具有非并列关系符号的查询和POI文本的核心刻画文本时，如图3b所示，提取多个样本对中具有非并列关系符号的查询和POI文本的核心刻画文本的方法包括：

S340、对于所述多个样本对中具有非并列关系符号的查询和POI文本，根据所述非并列关系符号进行第二分割，得到各自的至少两个第二文本片段。

其中，具有非并列关系符号的查询和POI文本是指存在括号或中划线等符号的文本，符号之间的文本可能是父子关系、行业分类、具体说明或别名。

S341、对于每个具有非并列关系符号的查询和POI文本，将与之对应的至少两个第二文本片段中的首个文本片段作为基准片段，其余文本片段中的第一个文本片段作为当前增量片段。

S342、根据预先建立的子点或分店特征尾缀集合进行比对，如果所述当前增量片段的尾缀包含子点或分店特征尾缀，则过滤所包含的子点或分店特征尾缀。

示例性的，子点或分店特征尾缀集合可以包括：XX店、XX分部、XX门、XX座、XX栋、XX停车场等，是通过现有的POI集合进行提前挖掘而得到的。

S343、对于不包含子点或分店特征尾缀的当前增量片段，或者经过滤后的当前增量片段，计算所述基准片段与当前增量片段的文本匹配度。

S344、判断计算出的文本匹配度是否小于第一预设阈值。若是，则执行S345；若不是，则执行S346。

其中，第一预设阈值可根据对文本匹配度的要求进行设定，取决于本发明实施例中方法使用的实际情况。

S345、将所述基准片段与当前增量片段的组合片段作为提取出的核心刻画文本。

S346、判断计算出的文本匹配度是否大于第二预设阈值。若是，则执行S347。

其中，第二预设阈值可根据对文本匹配度的要求进行设定，取决于本发明实施例中方法使用的实际情况。示例性的，第二预设阈值可以是80％。

S347、判断当前增量片段中除尾缀的文本长度是否大于基准片段的文本长度。若是，则执行S348；若不是，则执行S349。

S348、将当前增量片段作为提取出的核心刻画文本。

S349、将所述其余文本片段中的下一个文本片段作为当前增量片段，然后重复执行S342至S349，直到提取出核心刻画文本为止。

本实施例的技术方案，通过将多个样本对中具有关系符号的查询和POI文本细分为具有并列关系符号的查询和POI文本和具有非并列关系符号的查询和POI文本，分别采取不同的方法进行核心刻画文本提取，可以准确的提取出样本对的核心刻画特征，对文本分析更加细粒度化，可以提高检索文本相关性评估的准确性。

实施例四

图4是本发明实施例四中的检索文本相关性的评估装置的结构示意图。如图4所示，检索文本相关性的评估装置包括：

特征提取模块410，用于对查询和检索文本组成的多个样本对进行文本特征提取，其中，所述文本特征包括原始文本特征和结构化文本特征；

模型训练模块420，用于将所述文本特征和对所述多个样本对的相关性标注作为语料进行训练，得到评估模型，该评估模型用于评估查询与检索文本的相关性。

本发明实施例通过特征提取模块对查询和检索文本组成的多个样本对进行文本特征提取，以及模型训练模块将提取的文本特征和对多个样本对的相关性标注作为语料进行训练，得到评估模型，并将评估模型用于评估查询与检索文本的相关性，实现了在评估检索文本相似度时兼顾评估问题的深入度与自动化，兼顾判决逻辑的准确性与泛化识别能力，能够通过评估能够提高检索召回的全面性和匹配度，提升用户体验，同时评估模型的训练与使用使评估文本覆盖量大，且降低了人工评估的成本。

进一步的，特征提取模块410包括：

原始文本特征提取子模块411，用于依据字符串匹配度的衡量标准提取查询和检索文本组成的多个样本对的原始文本特征。

进一步的，结构化文本特征包括核心刻画特征和关系特征。

进一步的，当检索文本相关性的评估方法应用于LBS领域时，针对查询文本提供的检索结果为POI文本，特征提取模块包括核心刻画特征提取子模块412，用于对查询和POI文本组成的多个样本对进行核心刻画特征提取。

其中，核心刻画特征提取子模块412包括：

核心刻画文本提取单元，用于对于所述多个样本对中具有关系符号的查询和POI文本，根据所述关系符号进行分割得到至少两个文本片段，对经分割的多个样本对进行文本分析，提取出所述具有关系符号的查询和POI文本各自的核心刻画文本，其中，所述关系符号包括并列关系符号和非并列关系符号；

切词单元，用于对于所述多个样本对中无符号的查询和POI文本，以及所述具有关系符号的查询和POI文本各自的核心刻画文本，利用切词工具进行成分切词，得到所述多个样本对中查询和POI文本各自的多个成分片段；

核心刻画特征提取单元，用于基于所述多个成分片段，提取所述多个样本对中查询和POI文本各自的核心刻画特征，其中，所述核心刻画特征用于衡量主体相关性。

进一步的，核心刻画文本提取单元包括：

第一分割子单元，用于对于所述多个样本对中具有并列关系符号的查询和POI文本，根据所述并列关系符号进行第一分割，得到各自的至少两个第一文本片段；

比较单元，用于对经第一分割的多个样本对中的查询和POI文本之间，根据得到的至少两个第一文本片段进行组合，得到多个组合样本对，并比较各组合样本对的文本匹配度；

第一核心刻画文本提取子单元，用于将文本匹配度最高的组合样本对中的文本片段，分别作为所述经第一分割的多个样本对中的查询和POI文本的核心刻画文本。

进一步的，核心刻画文本提取单元还包括：

第二分割子单元，用于对于所述多个样本对中具有非并列关系符号的查询和POI文本，根据所述非并列关系符号进行第二分割，得到各自的至少两个第二文本片段；

第二核心刻画文本提取子单元，用于对于每个具有非并列关系符号的查询和POI文本，将与之对应的至少两个第二文本片段中的首个文本片段作为基准片段，其余文本片段依次作为当前增量片段，并循环执行如下操作，直到提取出核心刻画文本为止：

根据预先建立的子点或分店特征尾缀集合进行比对，如果所述当前增量片段的尾缀包含子点或分店特征尾缀，则过滤所包含的子点或分店特征尾缀；

对于不包含子点或分店特征尾缀的当前增量片段，或者经过滤后的当前增量片段，计算所述基准片段与当前增量片段的文本匹配度；

若计算出的文本匹配度小于第一预设阈值，则将所述基准片段与当前增量片段的组合片段作为提取出的核心刻画文本；

若计算出的文本匹配度大于第二预设阈值，则比较当前增量片段中除尾缀的文本与基准片段的文本长度，若当前增量片段中除尾缀的文本长度大于基准片段，则将当前增量片段作为提取出的核心刻画文本，否则将所述其余文本片段中的下一个文本片段作为当前增量片段。

进一步的，当检索文本相关性的评估方法应用于LBS领域时，针对查询文本提供的检索结果为POI文本，特征提取模块还包括关系特征提取子模块413，用于对查询和POI文本组成的多个样本对进行关系特征提取。

其中，关系特征提取子模块413包括：

尾缀列表提取子单元，用于利用切词工具对每个样本对中的查询和POI文本进行成分切词，并根据预先建立的尾缀关系词典进行比对，从切词得到的各成分片段中提取出每个样本对中查询和POI文本各自的尾缀列表；

关系特征提取子单元，用于基于每个样本对中查询和POI文本各自的尾缀列表及尾缀列表中尾缀的顺序，提取出每个样本对中查询和POI文本的关系特征，其中，所述关系特征用于衡量两个文本对应的关系层级；

其中，所述尾缀关系词典是预先依据POI历史数据集合建立，并且所述尾缀关系词典中的每一个尾缀至少与所述POI历史数据集合中的至少一个POI文本的最后尾缀相同。

进一步的，检索文本相关性的评估装置还包括：

文本转化模块，用于在对查询和POI文本组成的多个样本对进行文本特征提取之前，对所述多个样本对中的查询和POI文本进行文本的归一化转换。

进一步的，模型训练模块得到的评估模型为SVM评估模型。

本发明实施例所提供的检索文本相关性的评估装置可执行本发明任意实施例所提供的检索文本相关性的评估方法，具备执行方法相应的功能模块和有益效果。

实施例五

图5为本发明实施例五提供的一种服务器的结构示意图。图5示出了适于用来实现本发明实施方式的示例性服务器设备512的框图。图5显示的服务器512仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，服务器512以通用计算设备的形式表现。服务器512的组件可以包括但不限于：一个或者多个处理器或者处理单元516，系统存储器528，连接不同系统组件(包括系统存储器528和处理单元516)的总线518。

总线518表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

服务器512典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务器512访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器528可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)530和/或高速缓存存储器532。服务器512可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统534可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线518相连。存储器528可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块542的程序/实用工具540，可以存储在例如存储器528中，这样的程序模块542包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块542通常执行本发明所描述的实施例中的功能和/或方法。

服务器512也可以与一个或多个外部设备514(例如键盘、指向设备、显示器524等)通信，还可与一个或者多个使得用户能与该计算机设备512交互的设备通信，和/或与使得该服务器512能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口522进行。并且，计算机设备512还可以通过网络适配器520与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器520通过总线518与计算机设备512的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备512使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元516通过运行存储在系统存储器528中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的检索文本相关性的评估方法，包括：

对查询和检索文本组成的多个样本对进行文本特征提取，其中，所述文本特征包括原始文本特征和结构化文本特征；

将所述文本特征和对所述多个样本对的相关性标注作为语料进行训练，得到评估模型，该评估模型用于评估查询与检索文本的相关性。

实施例六

本发明实施例六还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的检索文本相关性的评估方法，包括：

对查询和检索文本组成的多个样本对进行文本特征提取，其中，所述文本特征包括原始文本特征和结构化文本特征；

将所述文本特征和对所述多个样本对的相关性标注作为语料进行训练，得到评估模型，该评估模型用于评估查询与检索文本的相关性。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”如”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)域连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (20)

1.一种检索文本相关性的评估方法，其特征在于，包括：

对查询和检索文本组成的多个样本对进行文本特征提取，其中，所述文本特征包括原始文本特征和结构化文本特征；

将所述文本特征和对所述多个样本对的相关性标注作为语料进行训练，得到评估模型，该评估模型用于评估查询与检索文本的相关性。

2.根据权利要求1所述的检索文本相关性的评估方法，其特征在于，对查询和检索文本组成的多个样本对进行原始文本特征提取包括：

依据字符串匹配度的衡量标准提取查询和POI文本组成的多个样本对的原始文本特征。

3.根据权利要求1所述的检索文本相关性的评估方法，其特征在于，所述结构化文本特征包括核心刻画特征和关系特征。

4.根据权利要求3所述的检索文本相关性的评估方法，其特征在于，所述检索文本为POI文本；

相应的，对查询和POI文本组成的多个样本对进行核心刻画特征提取包括：

对于所述多个样本对中具有关系符号的查询和POI文本，根据所述关系符号进行分割得到至少两个文本片段，对经分割的多个样本对进行文本分析，提取出所述具有关系符号的查询和POI文本各自的核心刻画文本，其中，所述关系符号包括并列关系符号和非并列关系符号；

对于所述多个样本对中无符号的查询和POI文本，以及所述具有关系符号的查询和POI文本各自的核心刻画文本，利用切词工具进行成分切词，得到所述多个样本对中查询和POI文本各自的多个成分片段；

基于所述多个成分片段，提取所述多个样本对中查询和POI文本各自的核心刻画特征，其中，所述核心刻画特征用于衡量主体相关性。

5.根据权利要求4所述的检索文本相关性的评估方法，其特征在于，所述对于所述多个样本对中具有关系符号的查询和POI文本，根据所述关系符号进行分割得到至少两个文本片段，对经分割的多个样本对进行文本分析，提取出所述具有关系符号的查询和POI文本各自的核心刻画文本，包括：

对于所述多个样本对中具有并列关系符号的查询和POI文本，根据所述并列关系符号进行第一分割，得到各自的至少两个第一文本片段；

对经第一分割的多个样本对中的查询和POI文本之间，根据得到的至少两个第一文本片段进行组合，得到多个组合样本对，并比较各组合样本对的文本匹配度；

将文本匹配度最高的组合样本对中的文本片段，分别作为所述经第一分割的多个样本对中的查询和POI文本的核心刻画文本。

6.根据权利要求4所述的检索文本相关性的评估方法，其特征在于，所述对于所述多个样本对中具有关系符号的查询和POI文本，根据所述关系符号进行分割得到至少两个文本片段，对经分割的多个样本对进行文本分析，提取出所述具有关系符号的查询和POI文本各自的核心刻画文本，包括：

对于所述多个样本对中具有非并列关系符号的查询和POI文本，根据所述非并列关系符号进行第二分割，得到各自的至少两个第二文本片段；

对于每个具有非并列关系符号的查询和POI文本，将与之对应的至少两个第二文本片段中的首个文本片段作为基准片段，其余文本片段依次作为当前增量片段，并循环执行如下操作，直到提取出核心刻画文本为止：

根据预先建立的子点或分店特征尾缀集合进行比对，如果所述当前增量片段的尾缀包含子点或分店特征尾缀，则过滤所包含的子点或分店特征尾缀；

对于不包含子点或分店特征尾缀的当前增量片段，或者经过滤后的当前增量片段，计算所述基准片段与当前增量片段的文本匹配度；

若计算出的文本匹配度小于第一预设阈值，则将所述基准片段与当前增量片段的组合片段作为提取出的核心刻画文本；

若计算出的文本匹配度大于第二预设阈值，则比较当前增量片段中除尾缀的文本与基准片段的文本长度，若当前增量片段中除尾缀的文本长度大于基准片段，则将当前增量片段作为提取出的核心刻画文本，否则将所述其余文本片段中的下一个文本片段作为当前增量片段。

7.根据权利要求3所述的检索文本相关性的评估方法，其特征在于，所述检索文本为POI文本；

相应的，对查询和POI文本组成的多个样本对进行关系特征提取包括：

利用切词工具对每个样本对中的查询和POI文本进行成分切词，并根据预先建立的尾缀关系词典进行比对，从切词得到的各成分片段中提取出每个样本对中查询和POI文本各自的尾缀列表；

基于每个样本对中查询和POI文本各自的尾缀列表及尾缀列表中尾缀的顺序，提取出每个样本对中查询和POI文本的关系特征，其中，所述关系特征用于衡量两个文本对应的关系层级；

其中，所述尾缀关系词典是预先依据POI历史数据集合建立，并且所述尾缀关系词典中的每一个尾缀至少与所述POI历史数据集合中的至少一个POI文本的最后尾缀相同。

8.根据权利要求1所述的检索文本相关性的评估方法，其特征在于，在对查询和检索文本组成的多个样本对进行文本特征提取之前，所述方法还包括：

对所述多个样本对中的查询和检索文本进行文本的归一化转换。

9.根据权利要求1所述的检索文本相关性的评估方法，其特征在于，所述评估模型为SVM评估模型。

10.一种检索文本相关性的评估装置，其特征在于，包括：

特征提取模块，用于对查询和检索文本组成的多个样本对进行文本特征提取，其中，所述文本特征包括原始文本特征和结构化文本特征；

模型训练模块，用于将所述文本特征和对所述多个样本对的相关性标注作为语料进行训练，得到评估模型，该评估模型用于评估查询与检索文本的相关性。

11.根据权利要求10所述的检索文本相关性的评估装置，其特征在于，所述特征提取模块包括：

原始文本特征提取子模块，用于依据字符串匹配度的衡量标准提取查询和检索文本组成的多个样本对的原始文本特征。

12.根据权利要求10所述的检索文本相关性的评估装置，其特征在于，所述结构化文本特征包括核心刻画特征和关系特征。

13.根据权利要求12所述的检索文本相关性的评估装置，其特征在于，所述检索文本为POI文本，相应的，所述特征提取模块包括核心刻画特征提取子模块，用于对查询和POI文本组成的多个样本对进行核心刻画特征提取；

其中，所述核心刻画特征提取子模块包括：

核心刻画文本提取单元，用于对于所述多个样本对中具有关系符号的查询和POI文本，根据所述关系符号进行分割得到至少两个文本片段，对经分割的多个样本对进行文本分析，提取出所述具有关系符号的查询和POI文本各自的核心刻画文本，其中，所述关系符号包括并列关系符号和非并列关系符号；

切词单元，用于对于所述多个样本对中无符号的查询和POI文本，以及所述具有关系符号的查询和POI文本各自的核心刻画文本，利用切词工具进行成分切词，得到所述多个样本对中查询和POI文本各自的多个成分片段；

核心刻画特征提取单元，用于基于所述多个成分片段，提取所述多个样本对中查询和POI文本各自的核心刻画特征，其中，所述核心刻画特征用于衡量主体相关性。

14.根据权利要求13所述的检索文本相关性的评估装置，其特征在于，所述核心刻画文本提取单元包括：

第一分割子单元，用于对于所述多个样本对中具有并列关系符号的查询和POI文本，根据所述并列关系符号进行第一分割，得到各自的至少两个第一文本片段；

比较单元，用于对经第一分割的多个样本对中的查询和POI文本之间，根据得到的至少两个第一文本片段进行组合，得到多个组合样本对，并比较各组合样本对的文本匹配度；

第一核心刻画文本提取子单元，用于将文本匹配度最高的组合样本对中的文本片段，分别作为所述经第一分割的多个样本对中的查询和POI文本的核心刻画文本。

15.根据权利要求13所述的检索文本相关性的评估装置，其特征在于，所述核心刻画文本提取单元包括：

第二分割子单元，用于对于所述多个样本对中具有非并列关系符号的查询和POI文本，根据所述非并列关系符号进行第二分割，得到各自的至少两个第二文本片段；

第二核心刻画文本提取子单元，用于对于每个具有非并列关系符号的查询和POI文本，将与之对应的至少两个第二文本片段中的首个文本片段作为基准片段，其余文本片段依次作为当前增量片段，并循环执行如下操作，直到提取出核心刻画文本为止：

根据预先建立的子点或分店特征尾缀集合进行比对，如果所述当前增量片段的尾缀包含子点或分店特征尾缀，则过滤所包含的子点或分店特征尾缀；

对于不包含子点或分店特征尾缀的当前增量片段，或者经过滤后的当前增量片段，计算所述基准片段与当前增量片段的文本匹配度；

若计算出的文本匹配度小于第一预设阈值，则将所述基准片段与当前增量片段的组合片段作为提取出的核心刻画文本；

若计算出的文本匹配度大于第二预设阈值，则比较当前增量片段中除尾缀的文本与基准片段的文本长度，若当前增量片段中除尾缀的文本长度大于基准片段，则将当前增量片段作为提取出的核心刻画文本，否则将所述其余文本片段中的下一个文本片段作为当前增量片段。

16.根据权利要求12所述的检索文本相关性的评估装置，其特征在于，所述检索文本为POI文本，相应的，所述特征提取模块还包括关系特征提取子模块，用于对查询和POI文本组成的多个样本对进行关系特征提取；

其中，所述关系特征提取子模块包括：

尾缀列表提取子单元，用于利用切词工具对每个样本对中的查询和POI文本进行成分切词，并根据预先建立的尾缀关系词典进行比对，从切词得到的各成分片段中提取出每个样本对中查询和POI文本各自的尾缀列表；

关系特征提取子单元，用于基于每个样本对中查询和POI文本各自的尾缀列表及尾缀列表中尾缀的顺序，提取出每个样本对中查询和POI文本的关系特征，其中，所述关系特征用于衡量两个文本对应的关系层级；

其中，所述尾缀关系词典是预先依据POI历史数据集合建立，并且所述尾缀关系词典中的每一个尾缀至少与所述POI历史数据集合中的至少一个POI文本的最后尾缀相同。

17.根据权利要求10所述的检索文本相关性的评估装置，其特征在于，所述装置还包括：

文本转化模块，用于在对查询和检索文本组成的多个样本对进行文本特征提取之前，对所述多个样本对中的查询和检索文本进行文本的归一化转换。

18.根据权利要求10所述的检索文本相关性的评估装置，其特征在于，所述评估模型为SVM评估模型。

19.一种服务器，其特征在于，所述服务器包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-9中任一所述的检索文本相关性的评估方法。

20.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-9中任一所述的检索文本相关性的评估方法。