一种融合词向量模型和朴素贝叶斯的查询词改写方法

摘要

本发明提出一种融合词向量模型和朴素贝叶斯查询改写方法，涉及信息处理技术，该方法利用word2vec训练出向量模型并计算出与查询词最相似的前N个词构成初步的相关词库，然后进行相关度计算和分析得到对查询改写词库的候选词进行过滤，保留相关度高的词语，这种方法可有效提高查询结果的准确度和召回度，有效的解决了搜索查询无结果或者返回有效结果少的难题。

主权项

一种融合词向量模型和朴素贝叶斯的查询词改写方法，其特征在于，包括以下步骤：根据用户输入的当前查询词w，以及当前查询词的上下文标记contest(w)，获取语料库建立词向量模型，根据词向量模型计算查询词的相关词，进行相关词筛选构成查询改写候选词库；根据用户查询日志，得到用户查询词以及搜索最终页的标题和文本标识，计算查询改写候选词库中每个候选词与查询词的相关度，根据相关度设定标准阀值，过滤器根据标准阈值过滤掉相关性弱的词，选取相关度强的词作为查询扩展词，搜索引擎根据输入的关键词对应的查询扩展词进一步搜索。