CN108062373A

CN108062373A - 一种具有纠错功能的关键词下拉联想的方法

Info

Publication number: CN108062373A
Application number: CN201711318048.7A
Authority: CN
Inventors: 李仁勇
Original assignee: Focus Technology Co Ltd
Current assignee: Focus Technology Co Ltd
Priority date: 2017-12-12
Filing date: 2017-12-12
Publication date: 2018-05-22

Abstract

本发明公开了一种具有纠错功能的关键词下拉联想的方法，包括如下步骤：联想词库中的联想词分别构建特征；获取搜索框输入的关键词，对关键词进行特征构建，获得关键词特征；对关键词与联想词库中的联想词进行前缀匹配，匹配成功则召回联想词；对前缀匹配失败的关键词进行纠错匹配，匹配成功则召回联想词；在搜索框的下拉列表给出由关键词召回的联想词；将所有的匹配结果按照权重排序，并执行单复数和颠倒词规整。达到能优先推荐用户历史搜索过的相关联想词，方便搜索用户以最快、最便捷的方式找到自己的目标词，减少传统联想词对用户所输关键词完整性和准确性的高要求，实现在搜索过程中对输入失误的忽略，极大提高搜索体体验的效果。

Description

一种具有纠错功能的关键词下拉联想的方法

技术领域

本发明涉及电商搜索处理技术，尤其涉及一种电商搜索关键词的联想、纠错以及优先推荐历史搜索的技术，具体为一种具有纠错功能的关键词下拉联想的方法。

背景技术

在全球化和信息化的大背景下，互联网产业飞速发展，极大地促进了各国的贸易交流，越来越多的企业通过互联网将自己的产品推广到世界各地，用户通过在各类电商网站页面输入搜索关键词，并触发搜索操作来搜索他们的目标产品。对于一个网站来说，不管是门户网站还是电商网站，搜索框都有着极其重要的地位，它能使用户从海量的资源中快速找到自己的需求资源。大多数网站都有着搜索联想的功能，但联想词的推荐很大程度上依赖于用户所输关键词的完整性和准确度以及网站联想词库的容量，当用户输入的关键词存在遗漏或拼写错误时，搜索框的下拉列表就可能推荐关联程度小甚至错误的联想词。当用户输入较新的热点关键词时，网站可能会因词库量小而无法推荐关键词联想。

因此，需要一种能优先推荐用户历史搜索过的相关联想词，方便搜索用户以最快、最便捷的方式找到自己的目标词，减少传统联想词对用户所输关键词完整性和准确性的高要求，实现在搜索过程中对输入失误的忽略，极大提高搜索体体验的效果的方法。

发明内容

本发明所要解决的技术问题是克服现有技术的不足，提供一种具有纠错功能的关键词下拉联想的方法。

为解决上述技术问题，本发明提供一种具有纠错功能的关键词下拉联想的方法，其特征在于，该方法包括：

对联想词库中的联想词分别构建特征；

获取搜索框输入的关键词，对关键词进行特征构建，获得关键词特征；

对关键词与联想词库中的联想词进行前缀匹配，匹配成功则召回联想词；

对前缀匹配失败的关键词进行纠错匹配，匹配成功则召回联想词；

在搜索框的下拉列表给出由关键词召回的联想词；

将所有的匹配结果按照权重排序，并执行单复数和颠倒词规整。

预先对联想词库中的联想词进行特征构建，具体为：将联想词分别以单词段的形式拆分，然后根据单词段首字母的位置编号进行编码，同一联想词可以不同的单词段长度进行拆分，考虑拆分的所有可能情况，最后将所有拆分情况的特征编码组合成联想词特征。

所述关键词的特征构建具体为：将关键词以单词段的形式拆分成尽可能长的单词段(西文)，且无冗余单词段，最后将这些单词段编码获得关键词特征。在字母拼词语言中就是指将单词以类似词根、词缀这样拆开，只不过是以固定字母长度划分。

所述前缀匹配包括：从关键词的首个单词段编码开始，依次与联想词库中的联想词进行匹配，计算匹配结果中各联想词的权重，并对联想词进行权重排序，若无法匹配到联想词则前缀匹配失败；其中，所述联想词的权重由该联想词的产品数量和用户搜索次数综合决定，具体的计算方式为：W＝N+w*n，W为联想词权重，N为联想词对应产品的公司数量，w为用户搜索次数，n为搜索该联想词的买家数量。

纠错仅考虑4种错误情况：关键词漏1字母、关键词多1字母、关键词错1字母以及关键词的某两个相邻字母位置颠倒。当前缀匹配失败后同时进行4种情况的纠错匹配。

对于漏1字母的关键词，若所输关键词的长度为n，则漏输字母的可能情况有n+1种，因此需对每种可能情况构建相应的特征，分别进行纠错匹配。

对于多1字母的关键词，若所输关键词的长度为n，则多输字母的可能情况有n种，因此需对每种可能情况构建相应的特征，分别进行纠错匹配。

对于错1字母的关键词，若所输关键词的长度为n，则错1字母的可能情况有n种，因此需对每种可能情况构建相应的特征，分别进行纠错匹配。

对于相邻两字母位置颠倒的关键词，若所输关键词的长度为n，则相邻两字母位置颠倒的可能情况有n-1种，因此需对每种可能情况构建相应的特征，分别进行纠错匹配。

当用户仅输入首字母时，将该首字母与用户历史搜索词库中的词进行匹配，若有匹配结果则优先显示召回结果，否则重新将用户输入的首字母与联想词库中的联想词进行前缀匹配。

所述单复数调整，将会同时针对单数形式的联想词和复数形式的联想词同时计算权重，剔除掉其中权重值较低的一个单词；所述颠倒词规整，将会同时对所有不同单词排列的联想词同时计算权重，仅保留权重值最高的联想词。

本发明与现有技术相比,其显著优点在于：

(1)本发明通过对联想词库中联想词和关键词按照单词段切分的形式分别构建特征，并根据单词段首字母的位置构建各自的特征编码，以关键词特征与联想词特征匹配与否作为联想词召回和推荐的依据，并能优先推荐用户历史搜索过的相关联想词，方便搜索用户以最快、最便捷的方式找到自己的目标词，极大提高搜索体体验；

(2)本发明通过综合考虑漏输、多输、错输及颠倒这4种错误情况下的错误关键词可能，按照特征匹配的方式，分析每一种错误可能下的关键词特征是否能与联想词特征匹配，如若能匹配即可召回相应的联想词，极大减少传统联想词对用户所输关键词完整性和准确性的高要求，实现在搜索过程中对输入失误的忽略，保证智能化地向搜索用户推荐合适的联想词；

本发明所达到的有益效果:能优先推荐用户历史搜索过的相关联想词，方便搜索用户以最快、最便捷的方式找到自己的目标词，减少传统联想词对用户所输关键词完整性和准确性的高要求，实现在搜索过程中对输入失误的忽略，极大提高搜索体体验的效果。

附图说明

图1为本发明的示例性实施例的具有纠错功能的搜索词下拉联想流程示意图；

图2为本发明的示例性实施例中的对用户仅输入首字母的情况进行相关历史联想词推荐的流程示意图；

图3为本发明的示例性实施例中的对用户漏输1字母的关键词进行纠错匹配的示例图；

图4为本发明的示例性实施例中的对用户多输1字母的关键词进行纠错匹配的示例图；

图5为本发明的示例性实施例中的对用户错输1字母的关键词进行纠错匹配的示例图；

图6为本发明的示例性实施例中的对用户仅输入首字母的情况无推荐历史搜索联想词的示例图；

图7为本发明的示例性实施例中的对用户仅输入首字母的情况有推荐历史搜索联想词的示例图。

具体实施方式

下面结合附图和示例性实施例对本发明作进一步的说明：

如图1所示，一种商品关键词搜索联想及纠错方法包括：

S101：获取用户输入的商品关键词；商品关键词由字母和空格组成，依次存储在数据库的相应位置中，首字母的位置标号均从0开始。例如，用户输入food ma，则商品关键词在数据库中的存储位置如下表1所示：

表1：

S102：构建商品关键词的特征。关键词特征的构建与联想词库中联想词特征的构建方法一样；

本发明实施例中的联想词库覆盖2016年流量的90％以上的搜索词，经过若干工序的精心筛选，优选出150W+的联想词，且该联想词库能进行实时更新。

联想词特征的构建方法具体如下：预先定义联想词的分段长度，其中所述分段长度根据实际需要自行设定，然后考虑每种可能的分段长度，对单词段进行特征编码，所有的编码情况构成了该关键词的特征。本发明实施例以联想词food machine为例，预先定义联想词的分段长度为1、3以及单个单词，则联想词food machine的在联想词特征库中存储的所有特征如下表2所示：

表2

不同于联想词的特征构建，关键词的特征应优先选择较长的单词段编码且尽量减少冗余的单词段。例如，用户输入food ma，则关键词的特征为：0#foo，3#d空m，4#空ma或0#foo，3#d空m，6#a；而要尽量避免选用特征：0#foo，1#ood，2#od空3#d空m，4#空ma，这是由于不同特征之间都有重合的字母，在执行过程成冗余度过高。

S103：将关键词的特征与联想词库中的联想词特征进行前缀匹配，查看联想词库中是否有与关键词匹配的联想词，具体为：根据关键词每一个特征的匹配结果计算各联想词的权重，然后对召回的联想词进行权重排序；如果存在联想词，则说明前缀匹配成功，下拉框根据权重排序结果依次显示召回的联想词；如果不存在联想词，则说明前缀匹配失败，表示关键词输入存在错误，则需要进行纠错匹配；

S104：判断S103是否匹配成功，如果存在联想词，则说明前缀匹配成功，下拉框根据权重排序结果依次显示召回的联想词；如果不存在联想词，则说明前缀匹配失败，表示关键词输入存在错误，转S105。所述联想词的权重由该联想词的产品数量和用户搜索次数综合决定，具体的计算方式为：W＝N+w*n，W为联想词权重，N为联想词对应产品的公司数量，w为用户搜索次数，n为搜索该联想词的买家数量；得到搜索次数越多的联想词，他的权重值越高；

S105：若匹配失败则说明用户输入的关键词有误，故需要进行纠错匹配。

S106：用户输入的关键词少1字母。假设所输关键词的长度为n，则用户漏输1字母的可能情况有n+1种，需对每种可能的情况构建特征。例如，用户输入fod m，关键词长度为5，漏输的可能情况有6种，具体如下表3所示：

表3

漏输位置	相应的特征编码
		0	1#fod，3#d空m
1	0#f，2#od空，3#d空m
		2	0#f，1#o，3#d空m
3	0#fod，4#空，5#m
		4	0#fod，1#od空，5#m
5	0#fod，2#d空m

S107：用户输入的关键词多1字母。假设所输关键词的长度为n，则用户多输1字母的可能情况有n种，需对每种可能的情况构建特征。例如，用户输入foods ma，关键词长度为8，多输的情况有8种，具体如下表4所示：

表4

S108：用户输入的关键词错1字母。假设所输关键词的长度为n，则用户错输1字母的可能情况有n种，需对每种可能的情况构建特征。例如，用户输入lad l,关键词的长度为5，错输的情况有5种，具体如下表5所示：

表5

错输位置	相应的特征编码
		0	1#ad空，2#d空l
1	0#l，2#d空l
		2	0#l，l#a，3#空，4#l
3	0#lad，4#l
		4	0#lad，3#空

S109：用户输入的关键词存在相邻位置的字母颠倒。假设所输关键词的长度为n，则相邻字母发生颠倒的可能情况有n-1种，需对每种可能的情况构建特征。例如，用户输入fodo m，关键词的长度为6，相邻字母发生颠倒的可能情况有5种，具体如下表6所示：

表6

颠倒位置	相应的特征编码
		0、1	0#ofd，3#o空m
1、2	0#fdo，3#o空m
		2、3	0#foo，3#d空m
3、4	0#fod，3#空om
		4、5	0#fod，3#om空

S110：将S106、S107、S108和S109中所有错误情况的特征与联想词特征库中的联想词特征进行匹配；

本发明实施例以漏输单词“fod m”为例，针对5种漏输可能情况下的关键词，将每一种错误关键词的特征编码与联想词库中的联想词特征匹配，若在联想词特征库中查找到一致的联想词特征编码，说明用户输入的搜索词隶属于当前的错误，并根据匹配的特征编码从联想词库中召回联想词；比如：漏输位置为0的错误单词“_fod m”，其对应的特征编码为“1#fod，3#d空m”，经过在联想词特征库中(参照表2)搜寻，均没有匹配的联想词特征，因此关键词并非出现“漏输位置为0”的错误；继续检查漏输位置为1的错误单词“f_od m”，其对应的特征编码为“0#f，2#od空，3#d空m”，经过在联想词特征库中(参照表2)搜寻，上述3个特征就能与联想词特征库中的联想词特征匹配，因此搜索关键的错误是“在第一个位置处漏输”；

S111：对经匹配成功而召回的联想词进行权重计算，然后将所有的返回联想词按权重递减的顺序排序；

S112：将匹配的联想词按排序顺序依次展现在搜索框的下拉列表；四种错误情况的联想词召回结果如图3～图5所示；

针对步骤S11，当用户输入的关键词在联想词库中存在单数和复数两种形式，在最后召回联想词需要做单复数调整，即针对单数形式的联想词和复数形式的联想词同时计算权重，剔除掉其中权重值较低的一个单词；比如，用户输入pap，会召回联想词papermachine和papers machine，由于paper machine与papers machine表达的含义完全相同，在联想时，剔除权重较低的一个papers machine；

当用户输入的关键词在联想词库中有不同的单词排列，但这些不同单词排列的联想词在词义上是一致的，应在最后召回联想词需要做颠倒词调整，即同时对所有不同单词排列的联想词同时计算权重，仅保留权重值最高的联想词；比如用户输入关键词children，同时召回children red plastic cup与children plastic red cup，由于cup的属性只是颠倒了顺序，所以也只保留权重较高的一个；

当用户仅输入首字母时优先推荐用户历史搜索过的相关关键词，图2是本发明对用户仅输入首字母的情况优先推荐相关历史搜索联想词的流程示意图，优先推荐用户历史搜索联想词的方法具体包括的步骤有：

S201：获取用户输入的首字母并按与S102相同的规则构建其特征。

S202：对输入字母的特征编码进行前缀匹配。

S203：将匹配结果与搜索历史数据库中的搜索词进行对比。

S204：优先展示用户历史搜索过的相关联想词，搜索结果参照图6、图7本发明对用户仅输入首字母的情况优先推荐历史搜索联想词的示例图。

本发明主要用于提供一种具有纠错功能的关键词下拉联想的方法，能优先推荐用户历史搜索过的相关联想词，方便搜索用户以最快、最便捷的方式找到自己的目标词，减少传统联想词对用户所输关键词完整性和准确性的高要求，实现在搜索过程中对输入失误的忽略，极大提高搜索体体验的效果。

以上实施例不以任何方式限定本发明，凡是对以上实施例以等效变换方式做出的其它改进与应用，都属于本发明的保护范围。

Claims

1.一种具有纠错功能的关键词下拉联想的方法，其特征在于，该方法包括：

对联想词库中的联想词分别构建特征；

在搜索框的下拉列表给出由关键词召回的联想词；

2.根据权利要求1所述的一种具有纠错功能的关键词下拉联想的方法，其特征在于，预先对联想词库中的联想词进行特征构建，具体为：将联想词分别以单词段的形式拆分，然后根据单词段首字母的位置编号进行编码，同一联想词以不同的单词段长度进行拆分，考虑拆分的所有可能情况，最后将所有拆分情况的特征编码组合成联想词特征。

3.根据权利要求2所述的一种具有纠错功能的关键词下拉联想的方法，其特征在于，所述关键词的特征构建具体为：将关键词以单词段的形式拆分成尽可能长的单词段，且无冗余单词段，最后将这些单词段编码获得关键词特征。

4.根据权利要求1所述的一种具有纠错功能的关键词下拉联想的方法，其特征在于，所述前缀匹配包括：从关键词的首个单词段编码开始，依次与联想词库中的联想词进行匹配，计算匹配结果中各联想词的权重，并对联想词进行权重排序，若无法匹配到联想词则前缀匹配失败；其中，所述联想词的权重由该联想词的产品数量和用户搜索次数综合决定，具体的计算方式为：W＝N+w*n，W为联想词权重，N为联想词对应产品的公司数量，w为用户搜索次数，n为搜索该联想词的买家数量。

5.根据权利要求4所述的一种具有纠错功能的关键词下拉联想的方法，其特征在于，纠错仅考虑4种错误情况：关键词漏1字母、关键词多1字母、关键词错1字母以及关键词的某两个相邻字母位置颠倒。当前缀匹配失败后同时进行4种情况的纠错匹配。

6.根据权利要求5所述的一种具有纠错功能的关键词下拉联想的方法，其特征在于，对于漏1字母的关键词，若所输关键词的长度为n，则漏输字母的可能情况有n+1种，因此需对每种可能情况构建相应的特征，分别进行纠错匹配；

7.根据权利要求5所述的一种具有纠错功能的关键词下拉联想的方法，其特征在于，对于错1字母的关键词，若所输关键词的长度为n，则错1字母的可能情况有n种，因此需对每种可能情况构建相应的特征，分别进行纠错匹配。

8.根据权利要求5所述的一种具有纠错功能的关键词下拉联想的方法，其特征在于，对于相邻两字母位置颠倒的关键词，若所输关键词的长度为n，则相邻两字母位置颠倒的可能情况有n-1种，因此需对每种可能情况构建相应的特征，分别进行纠错匹配。

9.根据权利要求1所述的一种具有纠错功能的关键词下拉联想的方法，其特征在于，当用户仅输入首字母时，将该首字母与用户历史搜索词库中的词进行匹配，若有匹配结果则优先显示召回结果，否则重新将用户输入的首字母与联想词库中的联想词进行前缀匹配。

10.根据权利要求1所述的一种具有纠错功能的关键词下拉联想的方法，其特征在于，所述单复数调整，考虑到英文单词单复数仅数量的表达，并不改变单词的含义，将会同时针对单数形式的联想词和复数形式的联想词同时计算权重，剔除掉其中权重值较低的一个单词；所述颠倒词规整，将会同时对所有不同单词排列的联想词同时计算权重，仅保留权重值最高的联想词。