CN111382566A - 一种站点主题的确定方法、装置和电子设备 - Google Patents

Abstract

本发明实施例提供了一种站点主题的确定方法、装置和电子设备，其中，所述方法包括：获取各站点的主题关联信息，将各主题关联信息转换为对应的词向量并确定各词向量的重要度信息；依据各词向量和对应的重要度信息，确定站点主题矩阵；依据所述站点主题矩阵，确定各站点的站点主题表示向量。由于词向量可以包括多个维度的特征，因此依据词向量确定站点的主题表示向量，能够表达更全面、粒度更新的信息；而且词向量的各个维度的特征可以相互耦合，还能够使得站点的主题向量更加符合站点主题的实际分布情况，站点主题更准确。

Description

一种站点主题的确定方法、装置和电子设备

技术领域

本发明涉及数据处理技术领域，特别是涉及一种站点主题的确定方法、装置和电子设备。

背景技术

随着互联网技术的不断发展，以及搜索引擎的技术的发展，用户可以通过搜索平台进行信息查询，例如查询某个词的读音、含义，某个人物简介，某个问题的答案等等。

其中，搜索引擎为快速的搜索某个查询词对应的搜索结果，可以先确定该查询词对应的站点主题，然后再在该站点主题对应的所有站点中，查找搜索结果。目前业内确定站点主题的方法是人为预设多个类别的站点主题，如军事类、生活类、体育类等等，然后针对某一个站点，通过计算该站点下各页面与预设主题的似然度确定各个页面的主题向量，将各个页面的主题向量合并后作为该站点的主题表示。首先，人工提前设定站点主题的类别是不全面的，其次，预设的不同类别的站点主题是互斥的，即每个站点只能属于一个类别的主题，但实际中一个站点可能包含多个主题如同时包括体育类和新闻类两个主题，确定的站点主题不准确。

发明内容

本发明实施例提供一种站点主题的确定方法，以提高站点主题确定的准确性和全面性。

相应的，本发明实施例还提供了一种站点主题的确定装置和一种电子设备，用以保证上述方法的实现及应用。

为了解决上述问题，本发明实施例公开了一种站点主题的确定方法，具体包括：获取各站点的主题关联信息，将各主题关联信息转换为对应的词向量并确定各词向量的重要度信息；依据各词向量和对应的重要度信息，确定站点主题矩阵；依据所述站点主题矩阵，确定各站点的站点主题表示向量。

可选地，所述主题关联信息包括以下至少一种：站点的标题、站点的搜索查询词、站点的锚文字。

可选地，通过以下至少一种方式，获取各站点的主题关联信息：通过挖掘全网所有站点对应网页页面的锚文字，确定各站点的锚文字；通过对搜索日志的分析，挖掘各站点的搜索查询词；通过对各站点对应网页页面的分析，挖掘各站点的标题。

可选地，所述将各主题关联信息转换为对应词向量，包括：针对一个站点，对所述站点的各主题关联词进行分词处理，得到对应的词片段；依据所述词片段确定关键词，并将相同的关键词进行合并；基于合并后的关键词查询映射信息，确定各合并后的关键词对应的词向量；其中，所述映射信息表征关键词和词向量的映射关系。

可选地，所述确定各词向量的重要度信息，包括：采用词频-逆文本频率指数TF-IDF算法，计算各词向量的重要度信息。

可选地，所述依据各词向量和对应的重要度信息，确定站点主题矩阵，包括：依据各词向量和对应的重要度信息，对Skip-gram模型进行训练；将训练后的Skip-gram模型中隐层的权重矩阵，确定为站点主题矩阵。

可选地，所述依据各词向量和对应的重要度信息，对Skip-gram模型进行训练，包括：对各站点进行独热one-hot编码，得到各站点对应的站点向量；计算各词向量与对应重要度信息的乘积，得到对应的乘积向量；将所述站点向量确定为输入信息，以及将各乘积向量作为输出信息；采用所述输入信息和输出信息，对Skip-gram模型进行训练。

可选地，所述依据所述站点主题矩阵，确定各站点的站点主题表示向量，包括：针对一个站点，依据所述站点的站点向量从所述站点主题矩阵中查找对应的站点主题表示向量。

本发明实施例还公开了一种站点主题的确定装置，具体包括：信息获取模块，用于获取各站点的主题关联信息，将各主题关联信息转换为对应的词向量并确定各词向量的重要度信息；矩阵确定模块，用于依据各词向量和对应的重要度信息，确定站点主题矩阵；主题确定模块，用于依据所述站点主题矩阵，确定各站点的站点主题表示向量。

可选地，所述主题关联信息包括以下至少一种：站点的标题、站点的搜索查询词、站点的锚文字。

可选地，所述信息获取模块包括：关联信息获取子模块，用于通过挖掘全网所有站点对应网页页面的锚文字，确定各站点的锚文字；和/或，通过对搜索日志的分析，挖掘各站点的搜索查询词；和/或，通过对各站点对应网页页面的分析，挖掘各站点的标题。

可选地，所述信息获取模块包括：词向量生成子模块，用于针对一个站点，对所述站点的各主题关联词进行分词处理，得到对应的词片段；依据所述词片段确定关键词，并将相同的关键词进行合并；基于合并后的关键词查询映射信息，确定各合并后的关键词对应的词向量；其中，所述映射信息表征关键词和词向量的映射关系。

可选地，所述信息获取模块包括：重要度信息确定子模块，用于采用词频-逆文本频率指数TF-IDF算法，计算各词向量的重要度信息。

可选地，所述矩阵确定模块包括：训练子模块，用于依据各词向量和对应的重要度信息，对Skip-gram模型进行训练；主题矩阵确定子模块，用于将训练后的Skip-gram模型中隐层的权重矩阵，确定为站点主题矩阵。

可选地，所述训练子模块，用于对各站点进行独热one-hot编码，得到各站点对应的站点向量；计算各词向量与对应重要度信息的乘积，得到对应的乘积向量；将所述站点向量确定为输入信息，以及将各乘积向量作为输出信息；采用所述输入信息和输出信息，对Skip-gram模型进行训练。

可选地，所述主题确定模块，用于针对一个站点，依据所述站点的站点向量从所述站点主题矩阵中查找对应的站点主题表示向量。

本发明实施例还公开了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如本发明实施例任一所述的站点主题的确定方法。

本发明实施例还公开了一种电子设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：获取各站点的主题关联信息，将各主题关联信息转换为对应的词向量并确定各词向量的重要度信息；依据各词向量和对应的重要度信息，确定站点主题矩阵；依据所述站点主题矩阵，确定各站点的站点主题表示向量。

可选地，所述主题关联信息包括以下至少一种：站点的标题、站点的搜索查询词、站点的锚文字。

可选地，通过以下至少一种方式，获取各站点的主题关联信息：通过挖掘全网所有站点对应网页页面的锚文字，确定各站点的锚文字；通过对搜索日志的分析，挖掘各站点的搜索查询词；通过对各站点对应网页页面的分析，挖掘各站点的标题。

可选地，所述将各主题关联信息转换为对应词向量，包括：针对一个站点，对所述站点的各主题关联词进行分词处理，得到对应的词片段；依据所述词片段确定关键词，并将相同的关键词进行合并；基于合并后的关键词查询映射信息，确定各合并后的关键词对应的词向量；其中，所述映射信息表征关键词和词向量的映射关系。

可选地，所述确定各词向量的重要度信息，包括：采用词频-逆文本频率指数TF-IDF算法，计算各词向量的重要度信息。

可选地，所述依据各词向量和对应的重要度信息，确定站点主题矩阵，包括：依据各词向量和对应的重要度信息，对Skip-gram模型进行训练；将训练后的Skip-gram模型中隐层的权重矩阵，确定为站点主题矩阵。

可选地，所述依据各词向量和对应的重要度信息，对Skip-gram模型进行训练，包括：对各站点进行独热one-hot编码，得到各站点对应的站点向量；计算各词向量与对应重要度信息的乘积，得到对应的乘积向量；将所述站点向量确定为输入信息，以及将各乘积向量作为输出信息；采用所述输入信息和输出信息，对Skip-gram模型进行训练。

可选地，所述依据所述站点主题矩阵，确定各站点的站点主题表示向量，包括：针对一个站点，依据所述站点的站点向量从所述站点主题矩阵中查找对应的站点主题表示向量。

本发明实施例包括以下优点：

本发明实施例中，可以获取各站点的主题关联信息，并将各主题关联信息转换为对应的词向量并确定各词向量的重要度信息；然后依据各词向量和对应的重要度信息，确定站点主题矩阵，再依据所述站点主题矩阵，确定各站点的站点主题表示向量；由于词向量可以包括多个维度的特征，因此依据词向量确定站点的主题表示向量，能够表达更全面、粒度更新的信息；而且词向量的各个维度的特征可以相互耦合，还能够使得站点的主题向量更加符合站点主题的实际分布情况，站点主题更准确。

附图说明

图1是本发明的一种站点主题的确定方法实施例的步骤流程图；

图2是本发明的一种站点主题的确定方法可选实施例的步骤流程图；

图3是本发明的一种站点主题的确定装置实施例的结构框图；

图4是本发明的一种站点主题的确定装置可选实施例的结构框图；

图5根据一示例性实施例示出的一种用于确定站点主题的电子设备的结构框图；

图6是本发明根据另一示例性实施例示出的一种用于确定站点主题的电子设备的结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本发明实施例的核心构思之一是，通过将各站点的主题关联信息向量化得到词向量，并对词向量进行自然语言处理，确定各个站点的主题表示向量；由于词向量可以包括多个维度的特征，因此依据词向量确定站点的主题表示向量，能够表达更全面、粒度更细的信息；而且词向量的各个维度的特征可以相互耦合，还能够使得站点的主题向量更加符合站点主题的实际分布情况，站点主题更准确。

参照图1，示出了本发明的一种站点主题的确定方法实施例的步骤流程图，具体可以包括如下步骤：

步骤102、获取各站点的主题关联信息，将各主题关联信息转换为对应的词向量并确定各词向量的重要度信息。

步骤104、依据各词向量和对应的重要度信息，确定站点主题矩阵。

步骤106、依据所述站点主题矩阵，确定各站点的站点主题表示向量。

本发明实施例中，可以先从全网海量的数据中，收集所有与站点主题相关的信息，如站点的标题，又如站点的锚文字(通过点击网页中的某些带有链接的文字，可以链接到某个站点，这些文字即为该站点锚文字)等等，后续可以称为站点的主题关联信息；然后依据收集的主题关联信息确定各站点的主题。

本发明实施例在确定各站点的主题过程中，可以将各主题关联信息进行分词处理，得到对应的字词，然后将字词转换为对应的词向量，例如词语“苹果”对应的词向量可以是[0,1,0,0,1,……0,0,1,0]，词语“梨子”对应的词向量[0,1,0,0,1,……0,0,2,0]；其中，词向量的维度和每个维度对应的特征可以按照需求设置，本发明实施例对此不作限制。然后通过对各个站点对应的词向量进行自然语言处理，确定各站点对应的主题。

本发明实施例中，每个站点的主题关键词中可能包括对确定站点主题重要度高的词，如“比赛”、“赛事”等对主题是体育类的站点重要度高，又如“价格”、“蔬菜”等对主题是生活类的站点重要度高；也可能包括对确定站点主题重要度低的词，例如“的”、“怎么样”、“什么”、“为什么”等等；因此为了提高确定站点主题的准确性，在将主题关联信息转换为词向量后，可以计算每个词向量的重要度信息，如可以依据每个词向量的词频确定对应的重要度信息。

本发明实施例中，可以对每个词向量和对应的重要度进行运算，得到运算后的词向量，然后采用语言模型对运算后的词向量进行自然语言处理，确定站点主题矩阵；其中，语言模型可以按照需求设置，如Skip-gram模型等。其中，所述站点主题矩阵可以包括所有站点的站点主题表示向量，站点主题矩阵的行数可以是全网站点的总数量，列数可以与词向量的维度相同，本发明实施例对此不作限制；站点主题矩阵中的每一行构成的向量可以对应一个站点的站点主题表示向量，进而可以通过查询站点主题矩阵，确定每个站点的站点主题表示向量。后续在接收到查询词后，可以将查询词转换为对应的词向量，然后计算查询词对应的词向量与各站点主题表示向量的相关程度，进而从相关程度最高的前N个站点主题表示向量对应的站点中，搜索该查询词对应的搜索结果。

综上，本发明实施例中，可以获取各站点的主题关联信息，并将各主题关联信息转换为对应的词向量并确定各词向量的重要度信息；然后依据各词向量和对应的重要度信息，确定站点主题矩阵，再依据所述站点主题矩阵，确定各站点的站点主题表示向量；由于词向量可以包括多个维度的特征，因此依据词向量确定站点的主题表示向量，能够表达更全面、粒度更新的信息；而且词向量的各个维度的特征可以相互耦合，还能够使得站点的主题向量更加符合站点主题的实际分布情况，站点主题更准确。

本发明的另一个实施例中，可以采用各主题关联信息的词向量对语言模型进行训练，确定该语音模型隐层的权重矩阵，然后依据该权重矩阵确定站点主题矩阵；具体如下：

参照图2，示出了本发明的一种站点主题的确定方法可选实施例的步骤流程图，具体可以包括如下步骤：

步骤202、获取各站点的主题关联信息。

本发明实施例中，很多信息可以体现站点的主题，如站点对应网页页面中的标题(可称为站点的标题)，又如可以搜索到该站点查询词(可以称为站点的搜索查询词)，还例如可以链接到该站点的其他网页中带有链接的文字(可以称为站点的锚文字)，等等；因此本发明实施例可以获取上述至少一种信息，作为站点的主题关联信息，对应的，站点的主题关联信息可以包括以下至少一种：站点的标题、站点的搜索查询词、站点的锚文字；当然还可以包括其他可以体现站点主题的信息，本发明实施例对此不作限制。

本发明的一个示例中，一种获取各站点的锚文字的方式可以是，通过挖掘全网所有站点对应网页页面的锚文字，确定各站点的锚文字。其中，可以分别对全网中各个站点的网页页面进行分析，挖掘各个网页页面中的锚文字；然后可以确定每个锚文字对应链接的站点，进而确定各个站点对应的锚文字。

本发明的另一个示例中，一种获取各站点的搜索查询词的方式可以是，通过对搜索日志的分析，挖掘各站点的搜索查询词。其中，可以获取搜索日志，搜索日志中包括用户历史操作信息，如用户进行搜索的查询词，以及各查询词对应的站点，进而可以确定各站点对应的搜索查询词。

本发明的又一个示例中，一种获取各站点的标题的方式可以是，通过对各站点对应网页页面的分析，挖掘各站点的标题。其中，针对每个站点，可以对该站点对应的网页页面进行分析，确定网页页面中的标题；然后将该标题作为该站点的标题。

步骤204、针对一个站点，对所述站点的各主题关联词进行分词处理，得到对应的词片段。

步骤206、依据所述词片段确定关键词，并将相同的关键词进行合并。

步骤208、基于合并后的关键词查询映射信息，确定各合并后的关键词对应的词向量；其中，所述映射信息表征关键词和词向量的映射关系。

本发明实施例中，可以针对每一个站点，分别将该站点的每个主题关联词进行分词处理，可以得到该主题关联词的词片段；然后基于该主题关联词的词片段，确定该主题关联词的关键词。其中，一个站点的不同主题关联信息可能包含相同的关键词，因此，可以将该站点包含的所有关键词中相同的关键词进行合并。然后可以获取预先生成的映射信息，所述映射信息可以表征关键词和词向量的映射关系，其中，所述映射信息可以包括关键词的独热one-hot编码和词向量的映射关系；进而针对每个关键词，对每个关键词进行one-hot编码，然后可以基于该关键词的one-hot编码查询映射信息，确定该关键词对应的词向量。

步骤210、采用词频-逆文本频率指数TF-IDF算法，计算各词向量的重要度信息。

本发明的一个示例中，可以采用TF-IDF(term frequency–inverse documentfrequency，词频-逆文本频率指数)算法，来计算各词向量的重要度信息；例如针对一个站点的一个词向量，可以统计该词向量在该站点所有词向量中出现的频率(即TF)，以及统计出现该词向量的其他站点的数量，依据出现该词向量的其他站点的数量和其他站点的总数量确定IDF；然后依据TF和IDF，计算该词向量的重要度信息。其中，一个词向量的重要度信息越大，表示该词向量对确定该站点的主题的重要程度越高。

本发明的一个示例中，可以采用Skip-gram模型对词向量进行自然语言处理；其中，可以依据各词向量和对应的重要度信息，对Skip-gram模型进行训练，然后依据训练后Skip-gram模型的隐层权重矩阵，确定站点主题矩阵。具体可以包括如下步骤212-步骤218：

步骤212、对各站点进行独热one-hot编码，得到各站点对应的站点向量。

步骤214、计算各词向量与对应重要度信息的乘积，得到对应的乘积向量。

步骤216、将所述站点向量确定为输入信息，以及将所述乘积向量作为输出信息。

步骤218、采用所述输入信息和输出信息，对Skip-gram模型进行训练。

步骤220、将训练后的Skip-gram模型中隐层的权重矩阵，作为站点主题矩阵。

本发明实施例中，可以采用训练数据对Skip-gram模型进行训练，一组训练数据可以包括输入信息和输出信息；其中，可以将输入信息输入至Skip-gram模型，由Skip-gram模型对输入信息的上下文进行预测，然后输出预测信息和对应的概率，所述概率是预测信息为输出信息的概率。再依据预测信息和对应的概率，以及输出信息，对Skip-gram模型中隐层的权重矩阵进行调整，使得输入该输入信息后，Skip-gram模型输出的预测信息中概率最大的预测信息与输出信息相同。本发明实施例中，可以针对每个站点确定对应的多组训练数据，其中，可以对各站点进行one-hot编码，得到各站点对应的站点向量；例如，现有1000000个站点，对第一个站点进行one-hot编码，得到对应的站点向量为[1,0,0,0,……,0,0,0](其中，站点向量的维度可以与全网站点的总数量相同，如此处为1000000维)，对第二站点进行one-hot编码，得到对应的站点向量为[0,1,0,0,……,0,0,0]，对第三站点进行one-hot编码，得到对应的站点向量为[0,0,1,0,……,0,0,0]，……，以此类推；然后将该站点的站点向量，作为该站点对应训练数据的输入信息。然后针对该站点，可以依据该站点对应的各词向量和对应的重要度信息确定输出信息，其中，可以计算该站点对应的各词向量与对应重要度信息的乘积，得到各词向量对应的乘积向量；然后将该站点对应的各乘积向量，作为该站点对应训练数据的输入信息。其中，该站点对应的一组训练数据可以包括一个站点向量(输入信息)和一个词向量(输出信息)，然后每次采用一个站点对应的训练数据，对Skip-gram模型进行训练；待采用所有站点对应的训练数据对Skip-gram模型进行训练后，该Skip-gram模型中隐层的权重矩阵对应调整完成。其中，Skip-gram模型中隐层的权重矩阵的行数与站点向量的维度相同，列数与词向量的维度相同，进而可以将该权重矩阵确定为站点主题矩阵，站点主题矩阵中，每一行构成的向量可以是一个站点的站点主题表示。

步骤222、针对一个站点，依据所述站点的站点向量从所述站点主题矩阵中查找对应的站点主题表示向量。

然后针对每一个站点，可以依据该站点的站点向量，从站点主题矩阵中查找对应的站点主题表示向量；例如站点A对应的站点向量为1000000*1的列向量，如[0,0,0,1,……,0,0,0]^T，站点主题矩阵的维度是1000000*300，则站点A对应的站点主题表示向量，可以是站点主题矩阵中第四行构成的300*1的行向量。

综上，本发明实施例中，可以获取各站点的主题关联信息，并将各主题关联信息转换为对应的词向量并确定各词向量的重要度信息；然后依据各词向量和对应的重要度信息，确定站点主题矩阵，再依据所述站点主题矩阵，确定各站点的站点主题表示向量；由于词向量可以包括多个维度的特征，因此依据词向量确定站点的主题表示向量，能够表达更全面、粒度更新的信息；而且词向量的各个维度的特征可以相互耦合，还能够使得站点的主题向量更加符合站点主题的实际分布情况，站点主题更准确。此外，本发明实施例无需人工预设，解决了现有技术中站点主题后续拓展和更新困难的问题。

其次，本发明实施例中，在确定词向量后，可以确定各词向量的重要度信息，进而后续将词向量乘以对应重要度信息后作为输入信息，对Skip-gram模型进行训练，提高了Skip-gram模型中隐层的权重矩阵的准确性，进一步提高确定站点主题的准确性。

进一步，本发明实施例中，可以获取站点的标题、站点的搜索查询词、站点的锚文字中的至少一种，作为站点的主题关联信息，丰富了主题来源的种类，从而进一步提高了站点主题的全面性。

需要说明的是，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3，示出了本发明的一种站点主题的确定装置实施例的结构框图，具体可以包括如下模块：

信息获取模块302，用于获取各站点的主题关联信息，将各主题关联信息转换为对应的词向量并确定各词向量的重要度信息；

矩阵确定模块304，用于依据各词向量和对应的重要度信息，确定站点主题矩阵；

主题确定模块306，用于依据所述站点主题矩阵，确定各站点的站点主题表示向量。

参照图4，示出了本发明的一种站点主题的确定装置可选实施例的结构框图。

本发明一个可选的实施例中，所述主题关联信息包括以下至少一种：站点的标题、站点的搜索查询词、站点的锚文字。

本发明一个可选的实施例中，所述信息获取模块302包括：

关联信息获取子模块3022，用于通过挖掘全网所有站点对应网页页面的锚文字，确定各站点的锚文字；和/或，通过对搜索日志的分析，挖掘各站点的搜索查询词；和/或，通过对各站点对应网页页面的分析，挖掘各站点的标题。

本发明一个可选的实施例中，所述信息获取模块包括：

词向量生成子模块3024，用于针对一个站点，对所述站点的各主题关联词进行分词处理，得到对应的词片段；依据所述词片段确定关键词，并将相同的关键词进行合并；基于合并后的关键词查询映射信息，确定各合并后的关键词对应的词向量；其中，所述映射信息表征关键词和词向量的映射关系。

本发明一个可选的实施例中，所述信息获取模块302包括：

重要度信息确定子模块3026，用于采用词频-逆文本频率指数TF-IDF算法，计算各词向量的重要度信息。

本发明一个可选的实施例中，所述矩阵确定模块304包括：

训练子模块3042，用于依据各词向量和对应的重要度信息，对Skip-gram模型进行训练；

主题矩阵确定子模块3044，用于将训练后的Skip-gram模型中隐层的权重矩阵，确定为站点主题矩阵。

本发明一个可选的实施例中，所述训练子模块3042，用于对各站点进行独热one-hot编码，得到各站点对应的站点向量；计算各词向量与对应重要度信息的乘积，得到对应的乘积向量；将所述站点向量确定为输入信息，以及将各乘积向量作为输出信息；采用所述输入信息和输出信息，对Skip-gram模型进行训练。

本发明一个可选的实施例中，所述主题确定模块306，用于针对一个站点，依据所述站点的站点向量从所述站点主题矩阵中查找对应的站点主题表示向量。

综上，本发明实施例中，可以获取各站点的主题关联信息，并将各主题关联信息转换为对应的词向量并确定各词向量的重要度信息；然后依据各词向量和对应的重要度信息，确定站点主题矩阵，再依据所述站点主题矩阵，确定各站点的站点主题表示向量；由于词向量可以包括多个维度的特征，因此依据词向量确定站点的主题表示向量，能够表达更全面、粒度更新的信息；而且词向量的各个维度的特征可以相互耦合，还能够使得站点的主题向量更加符合站点主题的实际分布情况，使得站点主题更准确。

对于装置实施例而言，由于其与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。

图5是根据一示例性实施例示出的一种用于确定站点主题的电子设备500的结构框图。例如，电子设备500可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图5，电子设备500可以包括以下一个或多个组件：处理组件502，存储器504，电力组件506，多媒体组件508，音频组件510，输入/输出(I/O)的接口512，传感器组件514，以及通信组件516。

处理组件502通常控制电子设备500的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件502可以包括一个或多个处理器520来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件502可以包括一个或多个模块，便于处理组件502和其他组件之间的交互。例如，处理部件502可以包括多媒体模块，以方便多媒体组件508和处理组件502之间的交互。

存储器504被配置为存储各种类型的数据以支持在设备500的操作。这些数据的示例包括用于在电子设备500上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器504可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电力组件506为电子设备500的各种组件提供电力。电力组件506可以包括电源管理系统，一个或多个电源，及其他与为电子设备500生成、管理和分配电力相关联的组件。

多媒体组件508包括在所述电子设备500和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件508包括一个前置摄像头和/或后置摄像头。当电子设备500处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件510被配置为输出和/或输入音频信号。例如，音频组件510包括一个麦克风(MIC)，当电子设备500处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器504或经由通信组件516发送。在一些实施例中，音频组件510还包括一个扬声器，用于输出音频信号。

I/O接口512为处理组件502和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件514包括一个或多个传感器，用于为电子设备500提供各个方面的状态评估。例如，传感器组件514可以检测到设备500的打开/关闭状态，组件的相对定位，例如所述组件为电子设备500的显示器和小键盘，传感器组件514还可以检测电子设备500或电子设备500一个组件的位置改变，用户与电子设备500接触的存在或不存在，电子设备500方位或加速/减速和电子设备500的温度变化。传感器组件514可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件514还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件514还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件516被配置为便于电子设备500和其他设备之间有线或无线方式的通信。电子设备500可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信部件514经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件514还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，电子设备500可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器504，上述指令可由电子设备500的处理器520执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行一种站点主题的确定方法，所述方法包括：获取各站点的主题关联信息，将各主题关联信息转换为对应的词向量并确定各词向量的重要度信息；依据各词向量和对应的重要度信息，确定站点主题矩阵；依据所述站点主题矩阵，确定各站点的站点主题表示向量。

可选地，所述主题关联信息包括以下至少一种：站点的标题、站点的搜索查询词、站点的锚文字。

可选地，通过以下至少一种方式，获取各站点的主题关联信息：通过挖掘全网所有站点对应网页页面的锚文字，确定各站点的锚文字；通过对搜索日志的分析，挖掘各站点的搜索查询词；通过对各站点对应网页页面的分析，挖掘各站点的标题。

可选地，所述将各主题关联信息转换为对应词向量，包括：针对一个站点，对所述站点的各主题关联词进行分词处理，得到对应的词片段；依据所述词片段确定关键词，并将相同的关键词进行合并；基于合并后的关键词查询映射信息，确定各合并后的关键词对应的词向量；其中，所述映射信息表征关键词和词向量的映射关系。

可选地，所述确定各词向量的重要度信息，包括：采用词频-逆文本频率指数TF-IDF算法，计算各词向量的重要度信息。

可选地，所述依据各词向量和对应的重要度信息，确定站点主题矩阵，包括：依据各词向量和对应的重要度信息，对Skip-gram模型进行训练；将训练后的Skip-gram模型中隐层的权重矩阵，确定为站点主题矩阵。

可选地，所述依据各词向量和对应的重要度信息，对Skip-gram模型进行训练，包括：对各站点进行独热one-hot编码，得到各站点对应的站点向量；计算各词向量与对应重要度信息的乘积，得到对应的乘积向量；将所述站点向量确定为输入信息，以及将各乘积向量作为输出信息；采用所述输入信息和输出信息，对Skip-gram模型进行训练。

可选地，所述依据所述站点主题矩阵，确定各站点的站点主题表示向量，包括：针对一个站点，依据所述站点的站点向量从所述站点主题矩阵中查找对应的站点主题表示向量。

图6是本发明根据另一示例性实施例示出的一种用于确定站点主题的电子设备600的结构示意图。该电子设备600可以是服务器，该服务器可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processing units，CPU)622(例如，一个或一个以上处理器)和存储器632，一个或一个以上存储应用程序642或数据644的存储介质630(例如一个或一个以上海量存储设备)。其中，存储器632和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器622可以设置为与存储介质630通信，在服务器上执行存储介质630中的一系列指令操作。

服务器还可以包括一个或一个以上电源626，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口658，一个或一个以上键盘656，和/或，一个或一个以上操作系统641，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。

一种电子设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：获取各站点的主题关联信息，将各主题关联信息转换为对应的词向量并确定各词向量的重要度信息；依据各词向量和对应的重要度信息，确定站点主题矩阵；依据所述站点主题矩阵，确定各站点的站点主题表示向量。

可选地，所述主题关联信息包括以下至少一种：站点的标题、站点的搜索查询词、站点的锚文字。

可选地，通过以下至少一种方式，获取各站点的主题关联信息：通过挖掘全网所有站点对应网页页面的锚文字，确定各站点的锚文字；通过对搜索日志的分析，挖掘各站点的搜索查询词；通过对各站点对应网页页面的分析，挖掘各站点的标题。

可选地，所述将各主题关联信息转换为对应词向量，包括：针对一个站点，对所述站点的各主题关联词进行分词处理，得到对应的词片段；依据所述词片段确定关键词，并将相同的关键词进行合并；基于合并后的关键词查询映射信息，确定各合并后的关键词对应的词向量；其中，所述映射信息表征关键词和词向量的映射关系。

可选地，所述确定各词向量的重要度信息，包括：采用词频-逆文本频率指数TF-IDF算法，计算各词向量的重要度信息。

可选地，所述依据各词向量和对应的重要度信息，确定站点主题矩阵，包括：依据各词向量和对应的重要度信息，对Skip-gram模型进行训练；将训练后的Skip-gram模型中隐层的权重矩阵，确定为站点主题矩阵。

可选地，所述依据各词向量和对应的重要度信息，对Skip-gram模型进行训练，包括：对各站点进行独热one-hot编码，得到各站点对应的站点向量；计算各词向量与对应重要度信息的乘积，得到对应的乘积向量；将所述站点向量确定为输入信息，以及将各乘积向量作为输出信息；采用所述输入信息和输出信息，对Skip-gram模型进行训练。

可选地，所述依据所述站点主题矩阵，确定各站点的站点主题表示向量，包括：针对一个站点，依据所述站点的站点向量从所述站点主题矩阵中查找对应的站点主题表示向量。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的一种站点主题的确定方法、一种站点主题的确定装置和一种电子设备，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种站点主题的确定方法，其特征在于，包括：

获取各站点的主题关联信息，将各主题关联信息转换为对应的词向量并确定各词向量的重要度信息；

依据各词向量和对应的重要度信息，确定站点主题矩阵；

依据所述站点主题矩阵，确定各站点的站点主题表示向量。

2.根据权利要求1所述的方法，其特征在于，所述主题关联信息包括以下至少一种：站点的标题、站点的搜索查询词、站点的锚文字。

3.根据权利要求2所述的方法，其特征在于，通过以下至少一种方式，获取各站点的主题关联信息：

通过挖掘全网所有站点对应网页页面的锚文字，确定各站点的锚文字；

通过对搜索日志的分析，挖掘各站点的搜索查询词；

通过对各站点对应网页页面的分析，挖掘各站点的标题。

4.根据权利要求1所述的方法，其特征在于，所述将各主题关联信息转换为对应词向量，包括：

针对一个站点，对所述站点的各主题关联词进行分词处理，得到对应的词片段；

依据所述词片段确定关键词，并将相同的关键词进行合并；

基于合并后的关键词查询映射信息，确定各合并后的关键词对应的词向量；

其中，所述映射信息表征关键词和词向量的映射关系。

5.根据权利要求1所述的方法，其特征在于，所述确定各词向量的重要度信息，包括：

采用词频-逆文本频率指数TF-IDF算法，计算各词向量的重要度信息。

6.根据权利要求1所述的方法，其特征在于，所述依据各词向量和对应的重要度信息，确定站点主题矩阵，包括：

依据各词向量和对应的重要度信息，对Skip-gram模型进行训练；

将训练后的Skip-gram模型中隐层的权重矩阵，确定为站点主题矩阵。

7.根据权利要求6所述的方法，其特征在于，所述依据各词向量和对应的重要度信息，对Skip-gram模型进行训练，包括：

对各站点进行独热one-hot编码，得到各站点对应的站点向量；

计算各词向量与对应重要度信息的乘积，得到对应的乘积向量；

将所述站点向量确定为输入信息，以及将各乘积向量作为输出信息；

采用所述输入信息和输出信息，对Skip-gram模型进行训练。

8.一种站点主题的确定装置，其特征在于，包括：

信息获取模块，用于获取各站点的主题关联信息，将各主题关联信息转换为对应的词向量并确定各词向量的重要度信息；

矩阵确定模块，用于依据各词向量和对应的重要度信息，确定站点主题矩阵；

主题确定模块，用于依据所述站点主题矩阵，确定各站点的站点主题表示向量。

9.一种可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如方法权利要求1-7任一所述的站点主题的确定方法。

10.一种电子设备，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：

获取各站点的主题关联信息，将各主题关联信息转换为对应的词向量并确定各词向量的重要度信息；

依据各词向量和对应的重要度信息，确定站点主题矩阵；

依据所述站点主题矩阵，确定各站点的站点主题表示向量。

Images