CN113609380B - 标签体系更新方法、搜索方法、装置以及电子设备 - Google Patents
标签体系更新方法、搜索方法、装置以及电子设备 Download PDFInfo
- Publication number
- CN113609380B CN113609380B CN202110786266.3A CN202110786266A CN113609380B CN 113609380 B CN113609380 B CN 113609380B CN 202110786266 A CN202110786266 A CN 202110786266A CN 113609380 B CN113609380 B CN 113609380B
- Authority
- CN
- China
- Prior art keywords
- history
- search
- search word
- label
- tag
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000002372 labelling Methods 0.000 claims description 59
- 238000013145 classification model Methods 0.000 claims description 39
- 238000012549 training Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 8
- 239000013598 vector Substances 0.000 description 21
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000006399 behavior Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000005236 sound signal Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000002537 cosmetic Substances 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000006071 cream Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开关于一种标签体系更新方法、搜索方法、装置、电子设备以及计算机可读存储介质,其中,标签体系更新方法包括:获取预设周期内产生的搜索词集合和历史标签体系,历史标签体系包括历史搜索词与历史标签之间的对应关系;对搜索词集合中的搜索词进行聚类,得到至少一个搜索词簇;确定搜索词簇中的新搜索词和/或旧搜索词所占的比例;若比例满足预设条件,则获取搜索词簇对应的新标签,并建立搜索词簇中的搜索词与新标签之间的对应关系;根据搜索词簇中的搜索词与新标签之间的对应关系,更新历史标签体系。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种标签体系更新方法、搜索方法、装置、电子设备以及计算机可读存储介质。
背景技术
目前,在互联网平台的搜索、推荐等业务中,用户画像是很重要的参考信息。通过用户画像,我们能够立体地认识用户是一个什么样的人,有哪些喜好,进一步根据用户画像对产品、技术进行迭代更新,从而更好地满足用户需求。用户画像包括用户的基础属性,如性别、年龄、地域、手机品牌等,还包括根据用户的搜索行为提取出的标签体系。
相关技术中,标签体系构建是一个分类场景,具体是将用户搜索的搜索词分类到标签体系中的某一个标签上。然而,随着互联网平台中的内容越来越丰富,会不断产生新标签需要加入标签体系。传统的标签体系更新流程依赖于人工,整个更新流程不够智能且更新周期较长。
发明内容
本公开提供一种标签体系更新方法、搜索方法、装置、电子设备以及计算机可读存储介质,以至少解决相关技术中标签体系更新流程不够智能且更新周期较长的问题。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种标签体系更新方法,包括:
获取预设周期内产生的搜索词集合和历史标签体系,所述历史标签体系包括历史搜索词与历史标签之间的对应关系;
对所述搜索词集合中的搜索词进行聚类,得到至少一个搜索词簇;
确定所述搜索词簇中的新搜索词和/或旧搜索词所占的比例,其中,所述旧搜索词在所述历史标签体系中具有对应的历史标签,所述新搜索词为所述搜索词簇中除所述旧搜索词之外的搜索词;
若所述比例满足预设条件,则获取所述搜索词簇对应的新标签,并建立所述搜索词簇中的搜索词与所述新标签之间的对应关系;
根据所述搜索词簇中的搜索词与所述新标签之间的对应关系,更新所述历史标签体系。
在一种可选的实现方式中,在所述确定所述搜索词簇中的新搜索词和/或旧搜索词所占的比例的步骤之后,还包括:
若所述比例不满足所述预设条件,则采用分类模型确定所述新搜索词的旧标签,并建立所述新搜索词与所述旧标签之间的对应关系;根据所述新搜索词与所述旧标签之间的对应关系,更新所述历史标签体系;其中,所述分类模型是基于所述历史标签体系中具有对应关系的历史搜索词和历史标签训练得到的模型。
在一种可选的实现方式中,所述采用分类模型确定所述新搜索词的旧标签的步骤,包括:
确定所述新搜索词与所述历史标签体系中的历史搜索词之间的相似度;
根据所述相似度,以及所述历史搜索词与所述历史标签之间的对应关系,从所述历史标签中确定所述旧标签。
在一种可选的实现方式中,所述确定所述新搜索词与所述历史标签体系中的历史搜索词之间的相似度的步骤,包括:
从所述历史标签体系中的各历史标签中选取第一搜索词,所述第一搜索词为当将同一历史标签中的历史搜索词作为一个聚类时,与聚类中心之间的距离小于或等于第一预设阈值的历史搜索词;
确定所述新搜索词与所述第一搜索词之间的相似度;
所述根据所述相似度,以及所述历史搜索词与所述历史标签之间的对应关系,从所述历史标签中确定所述旧标签的步骤,包括:
从所述第一搜索词中选取至少一个第二搜索词,所述第二搜索词与所述新搜索词之间的相似度大于或等于第二预设阈值;
根据所述历史搜索词与所述历史标签之间的对应关系,统计各所述第二搜索词对应的历史标签的出现概率;
将所述出现概率最高的历史标签确定为所述旧标签。
在一种可选的实现方式中,所述获取所述搜索词簇对应的新标签的步骤,包括:
提取预先对所述搜索词簇进行标注的第一标注标签,所述第一标注标签为所述新标签。
在一种可选的实现方式中,所述建立所述搜索词簇中的搜索词与所述新标签之间的对应关系的步骤,包括:
建立所述搜索词簇中的新搜索词与所述新标签之间的对应关系;
将所述搜索词簇中的旧搜索词在所述历史标签体系中对应的历史标签更新为所述新标签。
在一种可选的实现方式中,在获取历史标签体系的步骤之前,还包括:
获取多个所述历史搜索词;
对多个所述历史搜索词进行聚类,获得至少一个历史搜索词簇;
获取所述历史搜索词簇的第二标注标签,所述历史搜索词簇的第二标注标签为所述历史搜索词簇中的历史搜索词的历史标签,所述第二标注标签是根据所述历史搜索词簇中的关键历史搜索词确定的,所述关键历史搜索词是与所述历史搜索词簇的中心之间的距离小于或等于第三预设阈值的历史搜索词;
根据所述历史搜索词簇中的历史搜索词与所述第二标注标签之间的对应关系,建立所述历史标签体系。
在一种可选的实现方式中,当采用分类模型确定所述新搜索词的旧标签时,在所述采用分类模型确定所述新搜索词的旧标签的步骤之前,还包括:
根据具有对应关系的历史搜索词和第二标注标签,训练所述分类模型。
根据本公开实施例的第二方面,提供一种搜索方法,包括:
接收目标搜索词;
基于历史标签体系,确定与所述目标搜索词对应的目标标签,其中,所述历史标签体系是采用如第一方面所述的标签体系更新方法更新得到的;
根据所述目标标签进行搜索推荐。
在一种可选的实现方式中,所述基于历史标签体系,确定与所述目标搜索词对应的目标标签的步骤,包括:
确定所述目标搜索词与所述历史标签体系中的历史搜索词之间的匹配度;
将所述匹配度大于或等于第四预设阈值的历史搜索词对应的历史标签,确定为所述目标标签。
根据本公开实施例的第三方面,提供一种标签体系更新装置,包括:
获取模块,被配置为获取预设周期内产生的搜索词集合和历史标签体系,所述历史标签体系包括历史搜索词与历史标签之间的对应关系;
聚类模块,被配置为对所述搜索词集合中的搜索词进行聚类,得到至少一个搜索词簇;
比例确定模块,被配置为确定所述搜索词簇中的新搜索词和/或旧搜索词所占的比例,其中,所述旧搜索词在所述历史标签体系中具有对应的历史标签,所述新搜索词为所述搜索词簇中除所述旧搜索词之外的搜索词;
标签建立模块,被配置为若所述比例满足预设条件,则获取所述搜索词簇对应的新标签,并建立所述搜索词簇中的搜索词与所述新标签之间的对应关系;
第一更新模块,被配置为根据所述搜索词簇中的搜索词与所述新标签之间的对应关系,更新所述历史标签体系。
在一种可选的实现方式中,所述装置还包括:第二更新模块,被配置为:
若所述比例不满足所述预设条件,则采用分类模型确定所述新搜索词的旧标签,并建立所述新搜索词与所述旧标签之间的对应关系;根据所述新搜索词与所述旧标签之间的对应关系,更新所述历史标签体系;其中,所述分类模型是基于所述历史标签体系中具有对应关系的历史搜索词和历史标签训练得到的模型。
在一种可选的实现方式中,所述第二更新模块包括:
第一单元,被配置为确定所述新搜索词与所述历史标签体系中的历史搜索词之间的相似度;
第二单元,被配置为根据所述相似度,以及所述历史搜索词与所述历史标签之间的对应关系,从所述历史标签中确定所述旧标签。
在一种可选的实现方式中,所述第一单元具体被配置为:
从所述历史标签体系中的各历史标签中选取第一搜索词,所述第一搜索词为当将同一历史标签中的历史搜索词作为一个聚类时,与聚类中心之间的距离小于或等于第一预设阈值的历史搜索词;
确定所述新搜索词与所述第一搜索词之间的相似度;
所述第二单元具体被配置为:
从所述第一搜索词中选取至少一个第二搜索词,所述第二搜索词与所述新搜索词之间的相似度大于或等于第二预设阈值;
根据所述历史搜索词与所述历史标签之间的对应关系,统计各所述第二搜索词对应的历史标签的出现概率;
将所述出现概率最高的历史标签确定为所述旧标签。
在一种可选的实现方式中,所述标签建立模块具体被配置为:
提取预先对所述搜索词簇进行标注的第一标注标签,所述第一标注标签为所述新标签。
在一种可选的实现方式中,所述标签建立模块具体被配置为:
建立所述搜索词簇中的新搜索词与所述新标签之间的对应关系;
将所述搜索词簇中的旧搜索词在所述历史标签体系中对应的历史标签更新为所述新标签。
在一种可选的实现方式中,所述装置还包括:标签体系建立模块,被配置为:
获取多个所述历史搜索词;
对多个所述历史搜索词进行聚类,获得至少一个历史搜索词簇;
获取所述历史搜索词簇的第二标注标签,所述历史搜索词簇的第二标注标签为所述历史搜索词簇中的历史搜索词的历史标签,所述第二标注标签是根据所述历史搜索词簇中的关键历史搜索词确定的,所述关键历史搜索词是与所述历史搜索词簇的中心之间的距离小于或等于第三预设阈值的历史搜索词;
根据所述历史搜索词簇中的历史搜索词与所述第二标注标签之间的对应关系,建立所述历史标签体系。
在一种可选的实现方式中,当所述装置还包括第二更新模块时,所述第二更新模块还被配置为:
根据具有对应关系的历史搜索词和第二标注标签,训练所述分类模型。
根据本公开的第四方面,提供一种搜索装置,包括:
接收模块,被配置为接收目标搜索词;
标签确定模块,被配置为基于历史标签体系,确定与所述目标搜索词对应的目标标签,其中,所述历史标签体系是采用如第一方面所述的标签体系更新方法更新得到的;
搜索推荐模块,被配置为根据所述目标标签进行搜索推荐。
在一种可选的实现方式中,所述标签确定模块具体被配置为:
确定所述目标搜索词与所述历史标签体系中的历史搜索词之间的匹配度;
将所述匹配度大于或等于第四预设阈值的历史搜索词对应的历史标签,确定为所述目标标签。
根据本公开的第五方面,提供一种电子设备,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如第一方面所述的方法。
根据本公开的第六方面,提供一种计算机可读存储介质,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行如第一方面所述的方法。
根据本公开的第七方面,提供一种计算机程序产品,包括计算机程序,所述计算机程序由电子设备的处理器执行时实现如第一方面所述的方法。
根据本公开的第八方面,提供一种电子设备,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如第二方面所述的方法。
根据本公开的第九方面,提供一种计算机可读存储介质,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行如第二方面所述的方法。
根据本公开的第十方面,提供一种计算机程序产品,包括计算机程序,所述计算机程序由电子设备的处理器执行时实现如第二方面所述的方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
本公开提供了一种标签体系更新方法、搜索方法、装置、电子设备以及计算机可读存储介质,其中,标签体系更新方法包括:获取预设周期内产生的搜索词集合和历史标签体系,历史标签体系包括历史搜索词与历史标签之间的对应关系;对搜索词集合中的搜索词进行聚类,得到至少一个搜索词簇;确定搜索词簇中的新搜索词和/或旧搜索词所占的比例,其中,旧搜索词在历史标签体系中具有对应的历史标签,新搜索词为搜索词簇中除旧搜索词之外的搜索词;若比例满足预设条件,则获取搜索词簇对应的新标签,并建立搜索词簇中的搜索词与新标签之间的对应关系;根据搜索词簇中的搜索词与新标签之间的对应关系,更新历史标签体系。本公开技术方案,通过聚类的过程,可以实现新标签的自动发现,使标签体系的更新流程更加智能,标签的划分粒度更细,层级更多。并且,通过自下而上的标签体系更新方法,可以提高标签体系的准确性。由于新标签的发现不依赖于人工,因此可以缩短标签体系的更新周期,在更新周期内可以近实时地发现新标签,避免更新滞后等问题。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种标签体系更新方法的流程图。
图2是根据一示例性实施例示出的建立历史标签体系的流程图。
图3是根据一示例性实施例示出的一种搜索方法的流程图。
图4是根据一示例性实施例示出的一种标签体系更新装置的框图。
图5是根据一示例性实施例示出的一种搜索装置的框图。
图6是根据一示例性实施例示出的一种电子设备的框图。
图7是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
相关技术中,标签体系的构建一般是个分类的标准流程,具体步骤如下:
1、人工参照已有标签体系,构建一个标签体系树;
2、挑选一批几十万或百万量级的样本搜索词送人工标注,获得样本搜索词的标注标签;
3、根据样本搜索词及其标注标签训练一个分类模型;
4、采用训练得到的分类模型对搜索词进行预测分类,确定搜索词的标签。
随着互联网平台中的内容越来越丰富,会不断产生新标签需要加入标签体系。相关技术中,新标签的发现及更新流程依赖于人工。首先需要人为发现新标签并添加到标签体系树,然后根据新标签以及对应的训练样本,更新分类模型,实现标签体系的更新。这样的标签体系更新流程不够智能且更新周期较长。
图1是根据一示例性实施例示出的一种标签体系更新方法的流程图,本实施例的执行主体可以为服务器等电子设备。如图1所示,该标签体系更新方法包括以下步骤。
在步骤S11中,获取预设周期内产生的搜索词集合和历史标签体系,历史标签体系包括历史搜索词与历史标签之间的对应关系。
其中,搜索词集合可以包括预设周期内产生的搜索词。搜索词可以为用户输入的搜索文本,如“A火锅店”等,本实施例对此不作限定。
本实施例中,预设周期的取值可以根据需求进行设置,例如一周或一个月等,本实施例对此不作限定。
其中,历史标签体系中包括历史标签,如“兴趣体系-生活-美食-火锅”,“兴趣体系-生活-购物-化妆品”等等。历史标签体系还包括与历史标签对应的历史搜索词,如与历史标签“兴趣体系-生活-购物-化妆品”对应的历史搜索词包括“隔离霜”、“粉底液”等等。
在当前更新周期(如一周)内,可以获取用户user1在预设周期(如一个月)内产生的搜索词集合,该搜索词集合中的搜索词如query1、query2和query3可以按照产生的先后顺序构成搜索词序列,如user1,query1,query2,query3。之后,可以采用word2vec等算法对该搜索词序列进行处理,获得各搜索词对应的向量,也就是将每个文本形式的搜索词转换为向量形式的搜索词。
需要说明的是,搜索词对应的向量可以是根据该搜索词的文本内容生成的文本向量,也可以是根据搜索词序列中搜索词之间的序列关系生成的行为向量,还可以是结合文本向量和行为向量生成的语义向量,本实施例对此不作限定。当采用语义向量时,在后续聚类过程中可以防止语义漂移,提高聚类准确性。
在步骤S12中,对搜索词集合中的搜索词进行聚类,得到至少一个搜索词簇。
在具体实现中,可以采用faiss k-means对搜索词集合中的搜索词进行聚类,获得N个搜索词簇,N的具体数值可以根据实际需求设定,当需要对标签进行较细粒度的划分时,N可以设定一个较大的数值,这样可以获得粒度更细、层级更多的标签体系树。
本步骤还可以采用K均值聚类算法、均值偏移聚类算法、DBSCAN聚类算法、层次聚类算法等对搜索词集合中的搜索词进行聚类,本实施例对具体的聚类算法不作限定。
在步骤S13中,确定搜索词簇中的新搜索词和/或旧搜索词所占的比例,其中,旧搜索词在历史标签体系中具有对应的历史标签,新搜索词为搜索词簇中除旧搜索词之外的搜索词。
聚类获得的搜索词簇中包括新搜索词和旧搜索词中的至少一种。也就是,搜索词簇中的搜索词可以全部为新搜索词,或者全部为旧搜索词,或者既包括新搜索词又包括旧搜索词。
其中,旧搜索词在历史标签体系中具有对应的历史标签,也就是历史标签体系中的历史搜索词包括旧搜索词。
新搜索词在历史标签体系中不具有对应的历史标签,也就是历史标签体系中的历史搜索词不包括新搜索词。新搜索词即搜索词簇中除旧搜索词之外的搜索词。
新搜索词可以通过对搜索词集合与历史标签体系中的历史搜索词取差集的方式筛选确定。
在具体实现中,可以确定搜索词簇中的新搜索词所占的比例,即搜索词簇中的新搜索词数量与搜索词簇中的所有搜索词数量的比值。
还可以确定搜索词簇中的旧搜索词所占的比例,即搜索词簇中的旧搜索词数量与搜索词簇中的所有搜索词数量的比值。
还可以分别确定搜索词簇中的新搜索词和旧搜索词所占的比例,新搜索词所占的比例即搜索词簇中的新搜索词数量与搜索词簇中的所有搜索词数量的比值。由于旧搜索词所占的比例与新搜索词所占的比例之和为1,因此根据新搜索词所占的比例可以确定旧搜索词所占的比例。
本实施例对上述比例的具体计算方式不作限定。
在步骤S14中,若比例满足预设条件,则获取搜索词簇对应的新标签,并建立搜索词簇中的搜索词与新标签之间的对应关系。
在具体实现中,预设条件可以根据比例的具体计算方式确定。后续实施例以新搜索词所占的比例为例进行说明。相应地,预设条件例如可以为新搜索词所占的比例大于或等于预设阈值。
当搜索词簇中的新搜索词所占的比例大于或等于预设阈值时,可以判定该搜索词簇对应一个新标签,即历史标签体系中不存在的标签。预设阈值的具体数值可以根据实际需求确定,例如可以设定为50%,本实施例对此不作限定。
本实施例通过自下而上的方式,根据搜索词簇中的新搜索词和/或旧搜索词所占的比例是否满足预设条件,判定该搜索词簇是否对应一个新标签,从而可以实现新标签的自动发现。
本实施例中,获取上述搜索词簇对应的新标签的实现方式可以有多种,在一种可选的实现方式中,获取搜索词簇对应的新标签的步骤可以包括:提取预先对搜索词簇进行标注的第一标注标签,第一标注标签为新标签。
在具体实现中,可以通过机器学习提取搜索词簇对应的主题,作为第一标注标签;还可以通过人力识别该搜索词簇中的搜索词,对该搜索词簇进行人工标注,从而获得第一标注标签。由于新标签即第一标注标签,是对搜索词簇进行标注的结果,本实现方式无需针对每个搜索词进行标注,因此,可以提高标注效率。
在一种可选的实现方式中,建立搜索词簇中的搜索词与新标签之间的对应关系的步骤,包括:建立搜索词簇中的新搜索词与新标签之间的对应关系;将搜索词簇中的旧搜索词在历史标签体系中对应的历史标签更新为新标签。
本实施例中,搜索词簇中的新搜索词可以对应新标签,进而可以建立新搜索词与新标签之间的对应关系。
为了对历史标签体系进行不断优化,可以将与搜索词簇中的旧搜索词具有对应关系的历史标签更新为新标签,也就是建立搜索词簇中的旧搜索词与新标签之间的对应关系。通过对旧搜索词的标签进行更新,可以不断修正历史标签体系中旧搜索词对应的标签,提高历史标签体系的准确性。
在步骤S15中,根据搜索词簇中的搜索词与新标签之间的对应关系,更新历史标签体系。
在具体实现中,可以将搜索词簇中的新搜索词与新标签之间的对应关系,以及搜索词簇中的旧搜索词与新标签之间的对应关系,添加至历史标签体系中,实现对历史标签体系的更新。这样,可以实现搜索词簇中的搜索词在新标签下的挂树更新,使历史标签体系的更新流程更加智能。
本示例性实施例提供的标签体系更新方法,通过聚类的过程,可以实现新标签的自动发现,进而实现搜索词在新标签下的挂树更新,使标签体系的更新流程更加智能,标签的划分粒度更细,层级更多。并且,通过自下而上的标签体系更新方法,可以提高标签体系的准确性。由于新标签的发现不依赖于人工,因此可以缩短标签体系的更新周期,在更新周期内可以近实时地发现新标签,避免更新滞后等问题。
采用本实施例提供的标签体系更新方法,获得的历史标签体系可以用于搜索、排序、推荐等场景。基于该历史标签体系获得的搜索结果,可以提高用户点击率,提高搜索质量,避免搜索结果重复等问题;历史标签体系中的负向标签还可以用于搜索等场景的搜索词质量过滤,从而去掉低质量的搜索词。
在一种可选的实现方式中,在步骤S13之后,还可以包括:
在步骤S16中,若比例不满足预设条件,则采用分类模型确定新搜索词的旧标签,并建立新搜索词与旧标签之间的对应关系;根据新搜索词与旧标签之间的对应关系,更新历史标签体系;其中,分类模型是基于历史标签体系中具有对应关系的历史搜索词和历史标签训练得到的模型。
假设预设条件为新搜索词所占的比例大于或等于预设阈值。当搜索词簇中新搜索词所占的比例小于预设阈值时,可以判定该搜索词簇对应一个旧标签,即历史标签体系中已有的历史标签。
这种情况下,该搜索词簇中的新搜索词对应的旧标签可以通过分类模型确定,通过分类模型可以计算新搜索词对应历史标签体系中各历史标签的概率,可以将概率最大的历史标签确定为旧标签。之后,可以建立搜索词簇中的新搜索词与旧标签之间的对应关系,并将新搜索词与旧标签之间的对应关系添加至历史标签体系中,也就是将新搜索词挂到历史标签体系中的旧标签下,实现历史标签体系的更新。
本实现方式中,步骤S16与步骤S14可以并行执行。例如,首先计算新搜索词在搜索词簇中所占的比例,如果该比例大于或等于预设阈值,则该搜索词簇对应新标签,并获取该搜索词簇对应的新标签,建立搜索词簇中所有搜索词与新标签之间的对应关系;如果该比例小于预设阈值,则该搜索词簇对应旧标签,并采用分类模型确定新搜索词的旧标签,建立新搜索词与旧标签之间的对应关系。之后,可以将上述对应关系添加至历史标签体系中,实现历史标签体系的更新。下一个更新周期可以继续迭代此流程。
本实现方式中,通过聚类流程和分类流程,可以实现新标签的自动发现,以及搜索词在新标签或旧标签下的挂树更新,最终实现整个标签体系的自动迭代更新。
在一种可选的实现方式中,采用分类模型确定新搜索词的旧标签的步骤,可以包括以下步骤:确定新搜索词与历史标签体系中的历史搜索词之间的相似度;根据相似度,以及历史搜索词与历史标签之间的对应关系,从历史标签中确定旧标签。
其中,确定新搜索词与历史标签体系中的历史搜索词之间的相似度的步骤,具体可以包括:从历史标签体系中的各历史标签中选取第一搜索词,第一搜索词为当将同一历史标签中的历史搜索词作为一个聚类时,与聚类中心之间的距离小于或等于第一预设阈值的历史搜索词;确定新搜索词与第一搜索词之间的相似度。
其中,根据相似度,以及历史搜索词与历史标签之间的对应关系,从历史标签中确定旧标签的步骤,具体可以包括:从第一搜索词中选取至少一个第二搜索词,第二搜索词与新搜索词之间的相似度大于或等于第二预设阈值;根据历史搜索词与历史标签之间的对应关系,统计各第二搜索词对应的历史标签的出现概率;将出现概率最高的历史标签确定为旧标签。
本实现方式中,分类模型采用的是最近邻算法(K-Nearest Neighbor,KNN)。在具体实现中,可以采用faiss构建历史标签体系的向量索引,然后用新搜索词去向量索引中进行KNN紧邻查找,之后采用投票算法,紧邻搜索词对应最多的历史标签即为新搜索词的旧标签。具体流程如下:
首先,可以从历史标签体系中的各历史标签中筛选出距离聚类中心较近的历史搜索词,作为第一搜索词。距离聚类中心较近的历史搜索词指的是与聚类中心之间的距离小于或等于第一预设阈值的历史搜索词。
然后,可以计算新搜索词与第一搜索词之间的向量距离,作为二者之间的相似度。
之后,可以按照相似度的递增关系对第一搜索词进行排序,选取相似度大于或等于第二预设阈值的第一搜索词,作为第二搜索词。
之后,可以统计第二搜索词在历史标签体系中所对应的历史标签的出现概率,将出现频率最高的历史标签作为旧标签。具体地,可以基于历史标签体系,首先确定各第二搜索词对应的历史标签,然后采用投票算法,统计各第二搜索词对应的历史标签的出现概率或出现次数,将出现概率或出现次数最高的历史标签作为旧标签。
本实施例中,第一预设阈值以及第二预设阈值的具体数值可以根据实际需求确定,本申请对此不作限定。第一搜索词还可以是距离聚类中心最近的第一预设数量(如20个)的历史搜索词。第二搜索词还可以是相似度最高的第二预设数量的第一搜索词。本实施例对此不作限定。
本实施例中,通过KNN算法确定新搜索词的旧标签,由于旧标签的确定,仅与新搜索词相似度较高的历史搜索词有关,有助于更细粒度的标签划分,提高标签体系的准确性。
在一种可选的实现方式中,在步骤S11之前,还可以包括建立历史标签体系的步骤。参照图2,建立历史标签体系的步骤具体可以包括:
在步骤S21中,获取多个历史搜索词。
在步骤S22中,对多个历史搜索词进行聚类,获得至少一个历史搜索词簇。
在步骤S23中,获取历史搜索词簇的第二标注标签,历史搜索词簇的第二标注标签为历史搜索词簇中的历史搜索词的历史标签,第二标注标签是根据历史搜索词簇中的关键历史搜索词确定的,关键历史搜索词是与历史搜索词簇的中心之间的距离小于或等于第三预设阈值的历史搜索词。
在步骤S24中,根据历史搜索词簇中的历史搜索词与第二标注标签之间的对应关系,建立历史标签体系。
在具体实现中,首先,可以获取用户user2在预设周期如一个月内产生的历史搜索词如query1,query2,query3,这些历史搜索词可以按照产生的先后顺序构成搜索词序列user2,query1,query2,query3。之后可以采用word2vec等算法对该搜索词序列进行处理,获得向量形式的历史搜索词。
需要说明的是,历史搜索词对应的向量可以是根据历史搜索词的文本内容生成的文本向量,也可以是根据搜索词序列中历史搜索词之间的序列关系生成的行为向量,还可以是结合文本向量和行为向量生成的语义向量,本实施例对此不作限定。当采用语义向量时,在后续聚类过程中可以防止语义漂移,提高聚类准确性。
然后,可以采用faiss k-means聚类算法把多个历史搜索词聚成N个类别,N可以参照要构建标签的个数制定,比如1万,N的具体数值可以根据实际需求设定,当需要对标签进行较细粒度的划分时,N可以设定一个较大的数值,这样可以获得层级较多的标签体系树。之后通过聚类,可以输出各历史搜索词对应的cluster_id和distance。其中,cluster_id为历史搜索词簇标识,distance为各历史搜索词与所在历史搜索词簇的中心之间的距离。
之后,可以获取历史搜索词簇的第二标注标签。具体地,可以选取各历史搜索词簇中距离簇中心较近的指定数量如100个历史搜索词,作为关键历史搜索词来代表这个历史搜索词簇,将这些关键历史搜索词送人工标注,从而获得历史搜索词簇的第二标注标签。该历史搜索词簇中的历史搜索词对应的标签为第二标注标签。
这样,根据历史搜索词簇中的历史搜索词与第二标注标签之间的对应关系,就可以建立初始的历史标签体系。
本实现方式中,历史标签体系采用自下而上的方式构建,通过对历史搜索词进行聚类,同一个类别的历史搜索词映射到同一个历史标签上,然后对该类别中的关键历史搜索词进行标注,进而生成历史标签体系。这样,无需对每个历史搜索词都进行标注,可以极大地提高标注效率,降低人工标注成本,并且可以标注到很细的粒度,标签体系的层级可以达到六七层甚至更高。另外,本方案中的标注标签是根据用户实际搜索的历史搜索词生成的,更加准确可靠,从而可以提高标签体系的准确度。
当采用分类模型确定新搜索词的旧标签时,在采用分类模型确定新搜索词的旧标签的步骤之前,还可以包括:获得分类模型的步骤。具体地,获得分类模型的步骤可以包括:根据具有对应关系的历史搜索词和第二标注标签,训练分类模型。
具体地,可以将历史搜索词输入待训练模型,根据待训练模型的输出以及历史搜索词的第二标注标签,对待训练模型进行训练,获得分类模型。
本实现方式中,由于历史搜索词为用户的实际搜索数据,并且第二标注标签的划分更加精细,因此,可以训练得到准确度更高的分类模型,进而采用该分类模型确定新搜索词的旧标签,可以提高标签体系的准确性。
图3是根据一示例性实施例示出的一种搜索方法的流程图,如图3所示,该搜索方法包括以下步骤。
在步骤S31中,接收目标搜索词。
在步骤S32中,基于历史标签体系,确定与目标搜索词对应的目标标签,其中,历史标签体系是采用如图1所示的标签体系更新方法更新得到的。
在一种可选的实现方式中,本步骤具体可以包括:确定目标搜索词与历史标签体系中的历史搜索词之间的匹配度;将匹配度大于或等于第四预设阈值的历史搜索词对应的历史标签,确定为目标标签。
在具体实现中,例如可以计算目标搜索词与历史搜索词之间的向量距离,将向量距离作为目标搜索词与历史搜索词之间的匹配度。可以将匹配度最大的历史搜索词对应的历史标签,确定为目标标签。
其中,第四预设阈值的具体数值可以根据实际需求确定,本申请对此不作限定。
在步骤S33中,根据目标标签进行搜索推荐。
本示例性实施例提供的搜索方法,由于采用如图1所示的标签体系更新方法更新得到的历史标签体系,该历史标签体系中的标签划分粒度更细,层级更多,并且准确性更高,因此,基于该历史标签体系可以更准确地确定与目标搜索词对应的目标标签,根据目标标签进行搜索推荐,可以提高用户点击率,提高搜索质量,避免搜索结果重复等问题;历史标签体系中的负向标签还可以用于搜索等场景的搜索词质量过滤,从而去掉低质量的搜索词。
图4是根据一示例性实施例示出的一种标签体系更新装置的框图。参照图4,该装置包括:
获取模块41,被配置为获取预设周期内产生的搜索词集合和历史标签体系,所述历史标签体系包括历史搜索词与历史标签之间的对应关系;
聚类模块42,被配置为对所述搜索词集合中的搜索词进行聚类,得到至少一个搜索词簇;
比例确定模块43,被配置为确定所述搜索词簇中的新搜索词和/或旧搜索词所占的比例,其中,所述旧搜索词在所述历史标签体系中具有对应的历史标签,所述新搜索词为所述搜索词簇中除所述旧搜索词之外的搜索词;
标签建立模块44,被配置为若所述比例满足预设条件,则获取所述搜索词簇对应的新标签,并建立所述搜索词簇中的搜索词与所述新标签之间的对应关系;
第一更新模块45,被配置为根据所述搜索词簇中的搜索词与所述新标签之间的对应关系,更新所述历史标签体系。
在一种可选的实现方式中,所述装置还包括:第二更新模块,被配置为:
若所述比例不满足所述预设条件,则采用分类模型确定所述新搜索词的旧标签,并建立所述新搜索词与所述旧标签之间的对应关系;根据所述新搜索词与所述旧标签之间的对应关系,更新所述历史标签体系;其中,所述分类模型是基于所述历史标签体系中具有对应关系的历史搜索词和历史标签训练得到的模型。
在一种可选的实现方式中,所述第二更新模块包括:
第一单元,被配置为确定所述新搜索词与所述历史标签体系中的历史搜索词之间的相似度;
第二单元,被配置为根据所述相似度,以及所述历史搜索词与所述历史标签之间的对应关系,从所述历史标签中确定所述旧标签。
在一种可选的实现方式中,所述第一单元具体被配置为:
从所述历史标签体系中的各历史标签中选取第一搜索词,所述第一搜索词为当将同一历史标签中的历史搜索词作为一个聚类时,与聚类中心之间的距离小于或等于第一预设阈值的历史搜索词;
确定所述新搜索词与所述第一搜索词之间的相似度;
所述第二单元具体被配置为:
从所述第一搜索词中选取至少一个第二搜索词,所述第二搜索词与所述新搜索词之间的相似度大于或等于第二预设阈值;
根据所述历史搜索词与所述历史标签之间的对应关系,统计各所述第二搜索词对应的历史标签的出现概率;
将所述出现概率最高的历史标签确定为所述旧标签。
在一种可选的实现方式中,所述标签建立模块具体被配置为:
提取预先对所述搜索词簇进行标注的第一标注标签,所述第一标注标签为所述新标签。
在一种可选的实现方式中,所述标签建立模块具体被配置为:
建立所述搜索词簇中的新搜索词与所述新标签之间的对应关系;
将所述搜索词簇中的旧搜索词在所述历史标签体系中对应的历史标签更新为所述新标签。
在一种可选的实现方式中,所述装置还包括:标签体系建立模块,被配置为:
获取多个所述历史搜索词;
对多个所述历史搜索词进行聚类,获得至少一个历史搜索词簇;
获取所述历史搜索词簇的第二标注标签,所述历史搜索词簇的第二标注标签为所述历史搜索词簇中的历史搜索词的历史标签,所述第二标注标签是根据所述历史搜索词簇中的关键历史搜索词确定的,所述关键历史搜索词是与所述历史搜索词簇的中心之间的距离小于或等于第三预设阈值的历史搜索词;
根据所述历史搜索词簇中的历史搜索词与所述第二标注标签之间的对应关系,建立所述历史标签体系。
在一种可选的实现方式中,当所述装置还包括第二更新模块时,所述第二更新模块还被配置为:
根据具有对应关系的历史搜索词和第二标注标签,训练所述分类模型。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关标签体系更新方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图5是根据一示例性实施例示出的一种搜索装置的框图。参照图5,该装置包括:
接收模块51,被配置为接收目标搜索词;
标签确定模块52,被配置为基于历史标签体系,确定与所述目标搜索词对应的目标标签,其中,所述历史标签体系是采用如第一方面所述的标签体系更新方法更新得到的;
搜索推荐模块53,被配置为根据所述目标标签进行搜索推荐。
在一种可选的实现方式中,所述标签确定模块具体被配置为:
确定所述目标搜索词与所述历史标签体系中的历史搜索词之间的匹配度;
将所述匹配度大于或等于第四预设阈值的历史搜索词对应的历史标签,确定为所述目标标签。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有感搜索方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图6是本公开示出的一种电子设备800的框图。例如,电子设备800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6,电子设备800可以包括以下一个或组件:处理组件802,存储器804,电力组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800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。处理组件802可以包括一个或处理器820来执行指令,以完成任一实施例所述的方法的全部或部分步骤。此外,处理组件802可以包括一个或模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在电子设备800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804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),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。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800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808包括一个前置摄像头和/或后置摄像头。当设备800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810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800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804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802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814包括一个或传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到设备800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800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814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814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814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816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如WiFi,运营商网络(如2G、3G、4G或5G),或它们的组合。在一个示例性实施例中,通信组件816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,所述通信组件816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800可以被一个或应用专用集成电路(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,用于执行任一实施例所述的方法。
在示例性实施例中,还提供了一种包括指令的计算机可读存储介质,例如包括指令的存储器804,上述指令可由电子设备800的处理器820执行以完成任一实施例所述的方法。例如,所述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。
在示例性实施例中,还提供了一种计算机程序产品,该计算机程序产品包括可读性程序代码,该可读性程序代码可由装置800的处理器820执行以完成任一实施例所述的方法。可选地,该程序代码可以存储在装置800的存储介质中,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。
图7是本公开示出的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。
参照图7,电子设备1900包括处理组件1922,其进一步包括一个或处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行任一实施例所述的方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如WindowsServerTM,MacOSXTM,UnixTM,LinuxTM,FreeBSDTM或类似。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (21)
1.一种标签体系更新方法,其特征在于,包括:
获取预设周期内产生的搜索词集合和历史标签体系,所述历史标签体系包括历史搜索词与历史标签之间的对应关系;
对所述搜索词集合中的搜索词进行聚类,得到至少一个搜索词簇;
确定所述搜索词簇中的新搜索词和/或旧搜索词所占的比例,其中,所述旧搜索词在所述历史标签体系中具有对应的历史标签,所述新搜索词为所述搜索词簇中除所述旧搜索词之外的搜索词;
若所述比例满足预设条件,则获取所述搜索词簇对应的新标签,并建立所述搜索词簇中的搜索词与所述新标签之间的对应关系;
根据所述搜索词簇中的搜索词与所述新标签之间的对应关系,更新所述历史标签体系;
其中,在所述获取所述历史标签体系的步骤之前,还包括:
获取多个历史搜索词;
对多个所述历史搜索词进行聚类,获得至少一个历史搜索词簇;
获取所述历史搜索词簇的第二标注标签,所述历史搜索词簇的第二标注标签为所述历史搜索词簇中的历史搜索词的历史标签,所述第二标注标签是根据所述历史搜索词簇中的关键历史搜索词确定的,所述关键历史搜索词是与所述历史搜索词簇的中心之间的距离小于或等于第三预设阈值的历史搜索词;
根据所述历史搜索词簇中的历史搜索词与所述第二标注标签之间的对应关系,建立所述历史标签体系。
2.根据权利要求1所述的标签体系更新方法,其特征在于,在所述确定所述搜索词簇中的新搜索词和/或旧搜索词所占的比例的步骤之后,还包括:
若所述比例不满足所述预设条件,则采用分类模型确定所述新搜索词的旧标签,并建立所述新搜索词与所述旧标签之间的对应关系;根据所述新搜索词与所述旧标签之间的对应关系,更新所述历史标签体系;其中,所述分类模型是基于所述历史标签体系中具有对应关系的所述历史搜索词和历史标签训练得到的模型。
3.根据权利要求2所述的标签体系更新方法,其特征在于,所述采用分类模型确定所述新搜索词的旧标签的步骤,包括:
确定所述新搜索词与所述历史标签体系中的历史搜索词之间的相似度;
根据所述相似度,以及所述历史搜索词与所述历史标签之间的对应关系,从所述历史标签中确定所述旧标签。
4.根据权利要求3所述的标签体系更新方法,其特征在于,所述确定所述新搜索词与所述历史标签体系中的历史搜索词之间的相似度的步骤,包括:
从所述历史标签体系中的各历史标签中选取第一搜索词,所述第一搜索词为当将同一历史标签中的历史搜索词作为一个聚类时,与聚类中心之间的距离小于或等于第一预设阈值的历史搜索词;
确定所述新搜索词与所述第一搜索词之间的相似度;
所述根据所述相似度,以及所述历史搜索词与所述历史标签之间的对应关系,从所述历史标签中确定所述旧标签的步骤,包括:
从所述第一搜索词中选取至少一个第二搜索词,所述第二搜索词与所述新搜索词之间的相似度大于或等于第二预设阈值;
根据所述历史搜索词与所述历史标签之间的对应关系,统计各所述第二搜索词对应的历史标签的出现概率;
将所述出现概率最高的历史标签确定为所述旧标签。
5.根据权利要求1所述的标签体系更新方法,其特征在于,所述获取所述搜索词簇对应的新标签的步骤,包括:
提取预先对所述搜索词簇进行标注的第一标注标签,所述第一标注标签为所述新标签。
6.根据权利要求1所述的标签体系更新方法,其特征在于,所述建立所述搜索词簇中的搜索词与所述新标签之间的对应关系的步骤,包括:
建立所述搜索词簇中的新搜索词与所述新标签之间的对应关系;
将所述搜索词簇中的旧搜索词在所述历史标签体系中对应的历史标签更新为所述新标签。
7.根据权利要求2-4所述的任意一项标签体系更新方法,其特征在于,当采用分类模型确定所述新搜索词的旧标签时,在所述采用分类模型确定所述新搜索词的旧标签的步骤之前,还包括:
根据具有对应关系的历史搜索词和第二标注标签,训练所述分类模型。
8.一种搜索方法,其特征在于,包括:
接收目标搜索词;
基于历史标签体系,确定与所述目标搜索词对应的目标标签,其中,所述历史标签体系是采用如权利要求1至7任一项所述的标签体系更新方法更新得到的;
根据所述目标标签进行搜索推荐。
9.根据权利要求8所述的搜索方法,其特征在于,所述基于历史标签体系,确定与所述目标搜索词对应的目标标签的步骤,包括:
确定所述目标搜索词与所述历史标签体系中的历史搜索词之间的匹配度;
将所述匹配度大于或等于第四预设阈值的历史搜索词对应的历史标签,确定为所述目标标签。
10.一种标签体系更新装置,其特征在于,包括:
获取模块,被配置为获取预设周期内产生的搜索词集合和历史标签体系,所述历史标签体系包括历史搜索词与历史标签之间的对应关系;
聚类模块,被配置为对所述搜索词集合中的搜索词进行聚类,得到至少一个搜索词簇;
比例确定模块,被配置为确定所述搜索词簇中的新搜索词和/或旧搜索词所占的比例,其中,所述旧搜索词在所述历史标签体系中具有对应的历史标签,所述新搜索词为所述搜索词簇中除所述旧搜索词之外的搜索词;
标签建立模块,被配置为若所述比例满足预设条件,则获取所述搜索词簇对应的新标签,并建立所述搜索词簇中的搜索词与所述新标签之间的对应关系;
第一更新模块,被配置为根据所述搜索词簇中的搜索词与所述新标签之间的对应关系,更新所述历史标签体系;
标签体系建立模块,被配置为:
获取多个历史搜索词;
对多个所述历史搜索词进行聚类,获得至少一个历史搜索词簇;
获取所述历史搜索词簇的第二标注标签,所述历史搜索词簇的第二标注标签为所述历史搜索词簇中的历史搜索词的历史标签,所述第二标注标签是根据所述历史搜索词簇中的关键历史搜索词确定的,所述关键历史搜索词是与所述历史搜索词簇的中心之间的距离小于或等于第三预设阈值的历史搜索词;
根据所述历史搜索词簇中的历史搜索词与所述第二标注标签之间的对应关系,建立所述历史标签体系。
11.根据权利要求10所述的标签体系更新装置,其特征在于,所述装置还包括:第二更新模块,被配置为:
若所述比例不满足所述预设条件,则采用分类模型确定所述新搜索词的旧标签,并建立所述新搜索词与所述旧标签之间的对应关系;根据所述新搜索词与所述旧标签之间的对应关系,更新所述历史标签体系;其中,所述分类模型是基于所述历史标签体系中具有对应关系的所述历史搜索词和历史标签训练得到的模型。
12.根据权利要求11所述的标签体系更新装置,其特征在于,所述第二更新模块包括:
第一单元,被配置为确定所述新搜索词与所述历史标签体系中的历史搜索词之间的相似度;
第二单元,被配置为根据所述相似度,以及所述历史搜索词与所述历史标签之间的对应关系,从所述历史标签中确定所述旧标签。
13.根据权利要求12所述的标签体系更新装置,其特征在于,所述第一单元具体被配置为:
从所述历史标签体系中的各历史标签中选取第一搜索词,所述第一搜索词为当将同一历史标签中的历史搜索词作为一个聚类时,与聚类中心之间的距离小于或等于第一预设阈值的历史搜索词;
确定所述新搜索词与所述第一搜索词之间的相似度;
所述第二单元具体被配置为:
从所述第一搜索词中选取至少一个第二搜索词,所述第二搜索词与所述新搜索词之间的相似度大于或等于第二预设阈值;
根据所述历史搜索词与所述历史标签之间的对应关系,统计各所述第二搜索词对应的历史标签的出现概率;
将所述出现概率最高的历史标签确定为所述旧标签。
14.根据权利要求10所述的标签体系更新装置,其特征在于,所述标签建立模块具体被配置为:
提取预先对所述搜索词簇进行标注的第一标注标签,所述第一标注标签为所述新标签。
15.根据权利要求10所述的标签体系更新装置,其特征在于,所述标签建立模块具体被配置为:
建立所述搜索词簇中的新搜索词与所述新标签之间的对应关系;
将所述搜索词簇中的旧搜索词在所述历史标签体系中对应的历史标签更新为所述新标签。
16.根据权利要求11-13所述的任意一项标签体系更新装置,其特征在于,当所述装置还包括第二更新模块时,所述第二更新模块还被配置为:
根据具有对应关系的历史搜索词和第二标注标签,训练所述分类模型。
17.一种搜索装置,其特征在于,包括:
接收模块,被配置为接收目标搜索词;
标签确定模块,被配置为基于历史标签体系,确定与所述目标搜索词对应的目标标签,其中,所述历史标签体系是采用如权利要求1至7任一项所述的标签体系更新方法更新得到的;
搜索推荐模块,被配置为根据所述目标标签进行搜索推荐。
18.根据权利要求17所述的搜索装置,其特征在于,所述标签确定模块具体被配置为:
确定所述目标搜索词与所述历史标签体系中的历史搜索词之间的匹配度;
将所述匹配度大于或等于第四预设阈值的历史搜索词对应的历史标签,确定为所述目标标签。
19.一种电子设备,其特征在于,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至7中任一项所述的标签体系更新方法,和/或,以实现如权利要求8至9中任一项所述的搜索方法。
20.一种计算机可读存储介质,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行如权利要求1至7中任一项所述的标签体系更新方法,和/或,使得所述电子设备能够执行如权利要求8至9中任一项所述的搜索方法。
21.一种用于标签体系更新方法,和/或,搜索方法的计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1至7中任一项所述的标签体系更新方法,和/或,实现如权利要求8至9中任一项所述的搜索方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110786266.3A CN113609380B (zh) | 2021-07-12 | 2021-07-12 | 标签体系更新方法、搜索方法、装置以及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110786266.3A CN113609380B (zh) | 2021-07-12 | 2021-07-12 | 标签体系更新方法、搜索方法、装置以及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113609380A CN113609380A (zh) | 2021-11-05 |
CN113609380B true CN113609380B (zh) | 2024-03-26 |
Family
ID=78304464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110786266.3A Active CN113609380B (zh) | 2021-07-12 | 2021-07-12 | 标签体系更新方法、搜索方法、装置以及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113609380B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837669B (zh) * | 2021-11-26 | 2022-03-18 | 腾讯科技(深圳)有限公司 | 一种标签体系的评价指标构建方法和相关装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103714088A (zh) * | 2012-10-09 | 2014-04-09 | 深圳市世纪光速信息技术有限公司 | 搜索词获取方法、服务器、搜索词推荐方法及系统 |
CN104281699A (zh) * | 2014-10-15 | 2015-01-14 | 百度在线网络技术(北京)有限公司 | 搜索推荐方法及装置 |
CN106682169A (zh) * | 2016-12-27 | 2017-05-17 | 北京奇虎科技有限公司 | 一种应用标签挖掘方法、装置和应用搜索方法、服务器 |
CN106682170A (zh) * | 2016-12-27 | 2017-05-17 | 北京奇虎科技有限公司 | 一种应用搜索方法和装置 |
-
2021
- 2021-07-12 CN CN202110786266.3A patent/CN113609380B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103714088A (zh) * | 2012-10-09 | 2014-04-09 | 深圳市世纪光速信息技术有限公司 | 搜索词获取方法、服务器、搜索词推荐方法及系统 |
CN104281699A (zh) * | 2014-10-15 | 2015-01-14 | 百度在线网络技术(北京)有限公司 | 搜索推荐方法及装置 |
CN106682169A (zh) * | 2016-12-27 | 2017-05-17 | 北京奇虎科技有限公司 | 一种应用标签挖掘方法、装置和应用搜索方法、服务器 |
CN106682170A (zh) * | 2016-12-27 | 2017-05-17 | 北京奇虎科技有限公司 | 一种应用搜索方法和装置 |
Non-Patent Citations (2)
Title |
---|
基于词向量的搜索词分类、聚类研究;杨河彬;《中国优秀硕士论文全文数据库》;第1-2、25-36页 * |
杨河彬.基于词向量的搜索词分类、聚类研究.《中国优秀硕士论文全文数据库》.2015,第1-2、25-36页. * |
Also Published As
Publication number | Publication date |
---|---|
CN113609380A (zh) | 2021-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109800325B (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
CN111460150B (zh) | 一种分类模型的训练方法、分类方法、装置及存储介质 | |
US10061762B2 (en) | Method and device for identifying information, and computer-readable storage medium | |
US20210117726A1 (en) | Method for training image classifying model, server and storage medium | |
CN110580290A (zh) | 用于文本分类的训练集的优化方法及装置 | |
EP3173948A1 (en) | Method and apparatus for recommendation of reference documents | |
CN109447125B (zh) | 分类模型的处理方法、装置、电子设备及存储介质 | |
CN109961094B (zh) | 样本获取方法、装置、电子设备及可读存储介质 | |
CN111539443A (zh) | 一种图像识别模型训练方法及装置、存储介质 | |
CN105528403B (zh) | 目标数据识别方法及装置 | |
CN109255128B (zh) | 多层级标签的生成方法、装置和存储介质 | |
CN112148923A (zh) | 搜索结果的排序方法、排序模型的生成方法、装置及设备 | |
CN111046927B (zh) | 标注数据的处理方法、装置、电子设备及存储介质 | |
CN113609380B (zh) | 标签体系更新方法、搜索方法、装置以及电子设备 | |
CN112784151B (zh) | 一种确定推荐信息的方法及相关装置 | |
CN112328809A (zh) | 实体分类方法、装置及计算机可读存储介质 | |
CN111275089A (zh) | 一种分类模型训练方法及装置、存储介质 | |
CN110941727A (zh) | 一种资源推荐方法、装置、电子设备及存储介质 | |
CN110929771B (zh) | 图像样本分类方法及装置、电子设备、可读存储介质 | |
CN115146633A (zh) | 一种关键词识别方法、装置、电子设备及存储介质 | |
CN114547421A (zh) | 一种搜索处理方法、装置、电子设备及存储介质 | |
CN113807540A (zh) | 一种数据处理方法及装置 | |
CN112269730A (zh) | 异常日志检测方法、异常日志检测装置及存储介质 | |
CN112800084A (zh) | 一种数据处理方法及装置 | |
CN110147426B (zh) | 一种查询文本的分类标签确定方法及相关装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |