專利名稱：一種熱搜詞生成方法及系統(tǒng)的制作方法
一種熱搜詞生成方法及系統(tǒng)
技術(shù)領(lǐng)域：
本發(fā)明涉及信息處理領(lǐng)域，特別涉及一種熱搜詞生成方法及系統(tǒng)。背景技術(shù)：
隨著科技的發(fā)展，互聯(lián)網(wǎng)越來(lái)越普遍，出現(xiàn)了許多網(wǎng)絡(luò)搜索技術(shù)。例如搜索引擎 關(guān)鍵詞熱搜榜，針對(duì)用戶搜索條件進(jìn)行統(tǒng)計(jì)分析所得熱搜詞；搜索引擎會(huì)針對(duì)用戶所使用 的搜索條件，提供相關(guān)的關(guān)鍵詞搜索建議或者關(guān)鍵詞(錯(cuò)字)的揪錯(cuò)建議；搜索引擎提供上 述技術(shù)方案，讓用戶可以根據(jù)熱搜詞或者相關(guān)關(guān)鍵詞搜索建議，進(jìn)行進(jìn)一步瀏覽取得信息。但是現(xiàn)有技術(shù)中搜索請(qǐng)求Query熱搜詞與垂直搜索領(lǐng)域的文本(例如門戶網(wǎng)站的 新聞網(wǎng)頁(yè))信息相互獨(dú)立，沒(méi)有將二者關(guān)聯(lián)，用戶的搜索體驗(yàn)還有待提升。

發(fā)明內(nèi)容本發(fā)明提供了一種熱搜詞生成方法及系統(tǒng)，用以解決現(xiàn)有技術(shù)未將搜索請(qǐng)求 Query熱搜詞與垂直門戶網(wǎng)頁(yè)關(guān)聯(lián)，用戶的搜索體驗(yàn)有待提升的問(wèn)題；為了進(jìn)一步提高用 戶的搜索感受，經(jīng)過(guò)驗(yàn)證后的熱搜詞進(jìn)一步可以對(duì)用戶作個(gè)性化的推送。本發(fā)明提供了一種熱搜詞生成方法，包括搜索請(qǐng)求存儲(chǔ)步驟對(duì)用戶向搜索引 擎發(fā)起的搜索請(qǐng)求進(jìn)行存儲(chǔ)；聚類步驟對(duì)搜索請(qǐng)求進(jìn)行聚類運(yùn)算，得出搜索請(qǐng)求簇；驗(yàn)證 步驟確定搜索請(qǐng)求簇中最熱門的搜索請(qǐng)求；頁(yè)面搜索步驟在垂直門戶網(wǎng)頁(yè)中搜索上述 最熱門的搜索請(qǐng)求，得出與該搜索請(qǐng)求相匹配的網(wǎng)頁(yè)數(shù)量；挑選步驟取上述網(wǎng)頁(yè)數(shù)量大 于第一閾值時(shí)所關(guān)聯(lián)的搜索請(qǐng)求簇，并從該搜索請(qǐng)求簇中挑選熱搜詞。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，搜索請(qǐng)求存儲(chǔ)步驟中，還一并存儲(chǔ)輸入搜索請(qǐng)求的時(shí) 間。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，聚類步驟中的聚類運(yùn)算包括凝聚聚類算法、劃分式聚 類算法、基于密度的聚類算法，或者網(wǎng)格聚類算法。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，聚類步驟中進(jìn)一步包括獲取單位時(shí)間內(nèi)被存儲(chǔ)的搜 索請(qǐng)求；采用基于凝聚的層次聚類算法對(duì)上述獲取的搜索請(qǐng)求進(jìn)行運(yùn)算，得出搜索請(qǐng)求簇。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，基于凝聚的層次聚類算法具體包括若兩個(gè)所述被獲 取的搜索請(qǐng)求之間的編輯距離小于等于第二閾值，則確定該兩個(gè)搜索請(qǐng)求為同一搜索請(qǐng)求簇。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，驗(yàn)證步驟之前還包括計(jì)算聚類步驟中得出的搜索請(qǐng) 求簇的突發(fā)熱度，當(dāng)所述突發(fā)熱度大于第三閾值時(shí)，轉(zhuǎn)入驗(yàn)證步驟。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，計(jì)算突發(fā)熱度具體包括分別對(duì)搜索請(qǐng)求簇中每一搜 索請(qǐng)求當(dāng)前一段時(shí)間的搜索頻次與昨日同期搜索頻次對(duì)比計(jì)算，得出該搜索請(qǐng)求的突發(fā)熱 度；將所述搜索請(qǐng)求簇中各搜索請(qǐng)求的突發(fā)熱度累加，得出該搜索請(qǐng)求簇的突發(fā)熱度。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，頁(yè)面搜索步驟中所述匹配的條件具體為所述最熱門 的搜索請(qǐng)求在垂直門戶網(wǎng)頁(yè)中的權(quán)值大于第四閾值，則判定相互匹配。
根據(jù)本發(fā)明一優(yōu)選實(shí)施例，最熱門的搜索請(qǐng)求為搜索頻次最高的搜索請(qǐng)求；或者， 最熱門的搜索請(qǐng)求為突發(fā)熱度數(shù)值最大的搜索請(qǐng)求；或者，最熱門的搜索請(qǐng)求為單位時(shí)間 內(nèi)搜索次數(shù)最多的搜索請(qǐng)求。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，在聚類步驟之前還包括過(guò)濾步驟獲取單位時(shí)間內(nèi) 被存儲(chǔ)的搜索請(qǐng)求作為短期搜索請(qǐng)求集合，以及獲取至少二個(gè)單位時(shí)間內(nèi)被存儲(chǔ)的搜索請(qǐng) 求作為歷史搜索請(qǐng)求集合；以所述歷史搜索請(qǐng)求集合過(guò)濾短期搜索請(qǐng)求集合中存在的周期 性突增搜索請(qǐng)求或/和歷史事件突增搜索請(qǐng)求，得出過(guò)濾后的短期搜索請(qǐng)求，并轉(zhuǎn)入聚類步驟。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，過(guò)濾步驟中，得出歷史搜索請(qǐng)求集合具體包括獲取至 少二個(gè)單位時(shí)間內(nèi)被存儲(chǔ)的，與短期搜索請(qǐng)求集合中的搜索請(qǐng)求同質(zhì)的搜索請(qǐng)求；將獲取 的搜索請(qǐng)求求并集，得出歷史搜索請(qǐng)求集合；以及，以歷史搜索請(qǐng)求集合過(guò)濾短期搜索請(qǐng)求 集合具體包括短期搜索請(qǐng)求集合中的搜索請(qǐng)求在上述歷史搜索請(qǐng)求集合中，則過(guò)濾該搜 索請(qǐng)求。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，過(guò)濾步驟中，得出歷史搜索請(qǐng)求集合具體包括非在線 情況下，統(tǒng)計(jì)歷史熱門搜索請(qǐng)求集合；并且分析該歷史熱門搜索請(qǐng)求集合得到周期性突發(fā) 搜索請(qǐng)求集合作為上述歷史搜索請(qǐng)求集合；以及，以歷史搜索請(qǐng)求集合過(guò)濾短期搜索請(qǐng)求 集合具體包括短期搜索請(qǐng)求集合中的搜索請(qǐng)求在上述歷史搜索請(qǐng)求集合中，則過(guò)濾該搜 索請(qǐng)求。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，在聚類步驟之前還包括過(guò)濾步驟獲取單位時(shí)間內(nèi) 被存儲(chǔ)的搜索請(qǐng)求作為短期搜索請(qǐng)求集合；以作弊搜索請(qǐng)求列表過(guò)濾短期搜索請(qǐng)求集合中 存在的作弊搜索請(qǐng)求，得出過(guò)濾后的短期搜索請(qǐng)求，并轉(zhuǎn)入聚類步驟。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，作弊搜索請(qǐng)求列表中包括關(guān)鍵詞集合，若短期搜索請(qǐng) 求集合中的搜索請(qǐng)求含有上述關(guān)鍵詞集合中的關(guān)鍵詞，則過(guò)濾該搜索請(qǐng)求。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，作弊搜索請(qǐng)求列表生成的過(guò)程包括動(dòng)態(tài)獲取敏感詞； 根據(jù)獲取的敏感詞生成動(dòng)態(tài)的作弊搜索請(qǐng)求列表；若短期搜索請(qǐng)求集合中的搜索請(qǐng)求在上 述動(dòng)態(tài)作弊搜索請(qǐng)求列表中，則過(guò)濾該搜索請(qǐng)求。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，在挑選步驟之后還包括用戶行為分析步驟進(jìn)行用 戶行為分析，獲知用戶關(guān)注的搜索請(qǐng)求類別；推薦步驟定位所述用戶關(guān)注的搜索請(qǐng)求類 別與所述熱搜詞分類所得類別的交集，并將所述交集類別中包含的熱搜詞作為個(gè)性化熱搜 詞推送給該用戶。本發(fā)明還提供了一種熱搜詞生成系統(tǒng)，包括搜索請(qǐng)求存儲(chǔ)模塊，對(duì)用戶向搜索引 擎發(fā)起的搜索請(qǐng)求進(jìn)行存儲(chǔ)；聚類模塊，對(duì)獲取的搜索請(qǐng)求進(jìn)行聚類運(yùn)算，得出搜索請(qǐng)求 簇；驗(yàn)證模塊，確定所述搜索請(qǐng)求簇中搜索最熱門的搜索請(qǐng)求；頁(yè)面搜索模塊，在垂直門戶 網(wǎng)頁(yè)中搜索上述最熱門的搜索請(qǐng)求，得出與該搜索請(qǐng)求相匹配的網(wǎng)頁(yè)數(shù)量；挑選模塊，取上 述網(wǎng)頁(yè)數(shù)量大于第一閾值時(shí)所關(guān)聯(lián)的搜索請(qǐng)求簇，并從該搜索請(qǐng)求簇中挑選熱搜詞。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，搜索請(qǐng)求存儲(chǔ)模塊還一并存儲(chǔ)輸入搜索請(qǐng)求的時(shí)間。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，聚類模塊預(yù)設(shè)的聚類運(yùn)算包括凝聚聚類算法、劃分式 聚類算法、基于密度的聚類算法，或者網(wǎng)格聚類算法。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，聚類模塊從搜索請(qǐng)求存儲(chǔ)模塊中獲取單位時(shí)間內(nèi)被存
7儲(chǔ)的搜索請(qǐng)求，并以預(yù)設(shè)的基于凝聚的層次聚類算法對(duì)上述獲取的搜索請(qǐng)求進(jìn)行運(yùn)算。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，聚類模塊中預(yù)設(shè)的基于凝聚的層次聚類算法是若兩個(gè) 所述被獲取的搜索請(qǐng)求之間的編輯距離小于等于第二閾值，則確定該兩個(gè)搜索請(qǐng)求為同一 搜索請(qǐng)求簇。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，驗(yàn)證模塊先計(jì)算聚類模塊得出的搜索請(qǐng)求簇的突發(fā)熱 度，當(dāng)所述突發(fā)熱度大于第三閾值時(shí)，再確定所述搜索請(qǐng)求簇中搜索最熱門的搜索請(qǐng)求。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，驗(yàn)證模塊計(jì)算突發(fā)熱度具體是分別對(duì)搜索請(qǐng)求簇中每 一搜索請(qǐng)求當(dāng)前一段時(shí)間的搜索頻次與昨日同期搜索頻次對(duì)比計(jì)算，得出該搜索請(qǐng)求的突 發(fā)熱度；將所述搜索請(qǐng)求簇中各搜索請(qǐng)求的突發(fā)熱度累加，得出該搜索請(qǐng)求簇的突發(fā)熱度。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，頁(yè)面搜索模塊判斷搜索請(qǐng)求與網(wǎng)頁(yè)相匹配的匹配條件 是所述最熱門的搜索請(qǐng)求在垂直門戶網(wǎng)頁(yè)中的權(quán)值大于第四閾值，則判定相互匹配。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，最熱門的搜索請(qǐng)求為搜索頻次最高的搜索請(qǐng)求；或者， 最熱門的搜索請(qǐng)求為突發(fā)熱度數(shù)值最大的搜索請(qǐng)求；或者，最熱門的搜索請(qǐng)求為單位時(shí)間 內(nèi)搜索次數(shù)最多的搜索請(qǐng)求。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，還包括第一過(guò)濾模塊，用于從搜索請(qǐng)求存儲(chǔ)模塊中獲 取單位時(shí)間內(nèi)被存儲(chǔ)的搜索請(qǐng)求作為短期搜索請(qǐng)求集合，以及從搜索請(qǐng)求存儲(chǔ)模塊中獲取 至少二個(gè)單位時(shí)間內(nèi)被存儲(chǔ)的搜索請(qǐng)求作為歷史搜索請(qǐng)求集合；并以所述歷史搜索請(qǐng)求集 合過(guò)濾短期搜索請(qǐng)求集合中存在的周期性突增搜索請(qǐng)求或/和歷史事件突增搜索請(qǐng)求，得 出過(guò)濾后的短期搜索請(qǐng)求，并輸出到聚類模塊。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，第一過(guò)濾模塊得出歷史搜索請(qǐng)求集合具體包括獲取 至少二個(gè)單位時(shí)間內(nèi)被存儲(chǔ)的，與所述短期搜索請(qǐng)求集合中的搜索請(qǐng)求同質(zhì)的搜索請(qǐng)求; 將所述獲取的搜索請(qǐng)求求并集，得出歷史搜索請(qǐng)求集合；以及第一過(guò)濾模塊以歷史搜索請(qǐng) 求集合過(guò)濾短期搜索請(qǐng)求集合具體包括短期搜索請(qǐng)求集合中的搜索請(qǐng)求在上述歷史搜索 請(qǐng)求集合中，則過(guò)濾該搜索請(qǐng)求。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，第一過(guò)濾模塊得出歷史搜索請(qǐng)求集合具體包括非在 線情況下，統(tǒng)計(jì)歷史熱門搜索請(qǐng)求集合；并且分析該歷史熱門搜索請(qǐng)求集合得到周期性突 發(fā)搜索請(qǐng)求集合作為上述歷史搜索請(qǐng)求集合；以及第一過(guò)濾模塊以歷史搜索請(qǐng)求集合過(guò)濾 短期搜索請(qǐng)求集合具體包括短期搜索請(qǐng)求集合中的搜索請(qǐng)求在上述歷史搜索請(qǐng)求集合 中，則過(guò)濾該搜索請(qǐng)求。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，還包括第二過(guò)濾模塊，用于從搜索請(qǐng)求存儲(chǔ)模塊中獲 取單位時(shí)間內(nèi)被存儲(chǔ)的搜索請(qǐng)求作為短期搜索請(qǐng)求集合；并以作弊搜索請(qǐng)求列表過(guò)濾短期 搜索請(qǐng)求集合中存在的作弊搜索請(qǐng)求，得出過(guò)濾后的短期搜索請(qǐng)求，并輸出到聚類模塊。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，第二過(guò)濾模塊中存儲(chǔ)的作弊搜索請(qǐng)求列表中包括關(guān)鍵 詞集合，若所述短期搜索請(qǐng)求集合中的搜索請(qǐng)求含有上述關(guān)鍵詞集合中的關(guān)鍵詞，則過(guò)濾 該搜索請(qǐng)求。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，第二過(guò)濾模塊動(dòng)態(tài)獲取敏感詞，并根據(jù)獲取的敏感詞 生成動(dòng)態(tài)的作弊搜索請(qǐng)求列表；若所述短期搜索請(qǐng)求集合中的搜索請(qǐng)求在上述動(dòng)態(tài)作弊搜 索請(qǐng)求列表中，則過(guò)濾該搜索請(qǐng)求。根據(jù)本發(fā)明一優(yōu)選實(shí)施例，還包括用戶行為分析模塊，用于進(jìn)行用戶行為分析，獲知用戶關(guān)注的搜索請(qǐng)求類別；推薦模塊，用于定位所述用戶關(guān)注的搜索請(qǐng)求類別與所述 熱搜詞分類所得類別的交集，并將所述交集類別中包含的熱搜詞作為個(gè)性化熱搜詞推送給 該用戶。通過(guò)上述方式，本發(fā)明通過(guò)分析用戶搜索請(qǐng)求的熱度變化，來(lái)找出當(dāng)前最具時(shí)效 性的搜索請(qǐng)求集合；然后利用搜索引擎收錄的資源來(lái)做驗(yàn)證，確保搜索請(qǐng)求是有用的資訊。 亦即，將搜索請(qǐng)求的熱搜詞(即搜索請(qǐng)求簇中搜索最熱門的搜索請(qǐng)求)和垂直門戶網(wǎng)頁(yè)進(jìn) 行驗(yàn)證，辨別出新聞或事件相關(guān)的搜索請(qǐng)求熱搜詞，從而一方面補(bǔ)充各個(gè)新聞分類下的熱 搜詞，亦即結(jié)合了檢索和瀏覽的功能，提供給用戶一種比瀏覽新聞更簡(jiǎn)潔明了的獲取信息 的方式，另一方面，幫助機(jī)器自動(dòng)完成焦點(diǎn)選取，進(jìn)而給予用戶更優(yōu)的搜索和瀏覽體驗(yàn)，此 外，經(jīng)過(guò)驗(yàn)證后的熱搜詞可以對(duì)用戶作個(gè)性化的推送，提高用戶的搜索感受。。

圖1是本發(fā)明實(shí)施例中熱搜詞生成方法的流程圖。圖2是本發(fā)明優(yōu)選實(shí)施例中的熱搜詞生成方法的流程圖。圖3是本發(fā)明優(yōu)選實(shí)施例中的熱搜詞生成方法的流程圖。圖4是本發(fā)明優(yōu)選實(shí)施例中的熱搜詞生成方法的流程圖。圖5是本發(fā)明實(shí)施例中熱搜詞生成系統(tǒng)的示意圖。圖6是本發(fā)明優(yōu)選實(shí)施例中的熱搜詞生成系統(tǒng)的示意圖。圖7是本發(fā)明優(yōu)選實(shí)施例中的熱搜詞生成系統(tǒng)的示意圖。圖8是本發(fā)明優(yōu)選實(shí)施例中的熱搜詞生成系統(tǒng)的示意圖。
具體實(shí)施方式下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明。如圖1所示，為本發(fā)明實(shí)施例的熱搜詞生成方法流程圖，包括下列步驟101、對(duì)用戶向搜索引擎發(fā)起的搜索請(qǐng)求Query (以下實(shí)施例中對(duì)搜索請(qǐng)求簡(jiǎn)稱為 Query，不再贅述)進(jìn)行存儲(chǔ)；102、對(duì)Query進(jìn)行聚類運(yùn)算，得出搜索請(qǐng)求簇Query cluster(以下實(shí)施例中對(duì)搜 索請(qǐng)求簇簡(jiǎn)稱為Query cluster，不再贅述)；103、確定 Query cluster 中搜索最熱門的 Query ；104、在垂直門戶網(wǎng)頁(yè)中搜索上述最熱門的Query，得出與該Query相匹配的網(wǎng)頁(yè)
數(shù)量；105、取上述網(wǎng)頁(yè)數(shù)量大于第一閾值時(shí)所關(guān)聯(lián)的Query cluster，并從該Query cluster中挑選熱搜詞。為了達(dá)到更優(yōu)的效果，結(jié)合圖1進(jìn)一步對(duì)本發(fā)明的優(yōu)選實(shí)施方案描述如下101、對(duì)用戶向搜索引擎發(fā)起的Query進(jìn)行存儲(chǔ)，并且其中還存儲(chǔ)了輸入及發(fā)起 Query的時(shí)間。102、獲取單位時(shí)間內(nèi)被存儲(chǔ)的Query，上述單位時(shí)間例如1小時(shí)。其后對(duì)獲取的 Query進(jìn)行聚類運(yùn)算，最終得出Query cluster。本實(shí)施例中采用但不限于基于凝聚的層次 聚類算法，還可采用凝聚聚類算法、劃分式聚類算法、基于密度的聚類算法、網(wǎng)格聚類算法，
9或者其它能將相似Query歸類在一起的算法(比如按照Query檢索返回的頁(yè)面來(lái)做關(guān)聯(lián)性 分析等)。更為具體的，通過(guò)層次聚類算法直到Query cluster之間的距離大于第二閾值， 例如第二閾值設(shè)定為0. 4。計(jì)算Query cluster之間距離的方法為計(jì)算兩個(gè)Querycluster 之間兩兩Query組合的平均編輯距離。上述編輯距離的計(jì)算以漢字或者字母為單位，每一 次增、刪、改都計(jì)為一次編輯，得出的編輯次數(shù)除以兩個(gè)Query之間較長(zhǎng)Query的長(zhǎng)度即為 編輯距離，值域?yàn)?br> ο103、步驟102中得出Query cluster后，進(jìn)一步計(jì)算該Query cluster的突發(fā)熱 度，更為具體的，分別對(duì)Query cluster中每一 Query當(dāng)前一段時(shí)間的搜索頻次與昨日同期 搜索頻次對(duì)比計(jì)算，得出該Query的突發(fā)熱度，再將Query cluster中各Query的突發(fā)熱度 累加，得出該Query cluster的突發(fā)熱度。如果得出的Query cluster突發(fā)熱度大于第三閾值，則確定該Querycluster中 最熱門的Query，否則，舍棄該Query cluster，并獲取其他經(jīng)由步驟102聚類得出的Query cluster,重復(fù)步驟103前述操作。第三閾值可根據(jù)需求設(shè)定，第三閾值越高，則得到的 Query cluster突發(fā)性越強(qiáng)，但被舍棄的Query cluster也越多。需要說(shuō)明的是，最熱門的 Query包括但不限于搜索頻次最高的Query，突發(fā)熱度數(shù)值最大的Query，或者單位時(shí)間內(nèi) 搜索次數(shù)最多的Query。104、在垂直門戶網(wǎng)頁(yè)中搜索上述最熱門的Query，例如，如果返回的某篇網(wǎng)頁(yè)的相 關(guān)權(quán)值大于第四閾值，則判定搜索到一篇與該Query相匹配的網(wǎng)頁(yè)。最終得出與該Query 相匹配的網(wǎng)頁(yè)數(shù)量。設(shè)定第四閾值是需要保證確實(shí)找到相關(guān)的網(wǎng)頁(yè)，否則起不到驗(yàn)證的作 用。其中，垂直門戶網(wǎng)頁(yè)可包括但不限于新聞、論壇、圖片、視頻、音樂(lè)、貼吧。進(jìn)一步還可通 過(guò)控制第四閾值相應(yīng)控制前述數(shù)量，例如控制到0 10條24小時(shí)內(nèi)的新聞網(wǎng)頁(yè)，但不局限 于0 10條，也不局限于24小時(shí)內(nèi)，可依照新聞或事件的熱門程度、時(shí)效性、發(fā)布媒體的數(shù) 量、發(fā)布新聞時(shí)間做彈性調(diào)整。105、取上述網(wǎng)頁(yè)數(shù)量大于第一閾值時(shí)所關(guān)聯(lián)的Query cluster，由于步驟104中 與該Query相匹配的網(wǎng)頁(yè)數(shù)量值域?yàn)?br> ，故本實(shí)施例中第一閾值可為0 10間的正整 數(shù)，并從該Query cluster中挑選熱搜詞。其中，熱搜詞挑選的原則可以根據(jù)需要擇定，包 括但不限于選擇突發(fā)性最強(qiáng)的，或者選擇最精簡(jiǎn)的，或者在Query cluster分析的基礎(chǔ)上， 重新生成。需要說(shuō)明的是，步驟102中通過(guò)聚類算法計(jì)算后，得出的Query cluster可能不止 一個(gè)，若為多個(gè)，則從每一滿足上述條件的Query cluster中分別挑選1個(gè)Query作為熱搜 詞，并且被挑選出的Query互不重復(fù)，進(jìn)而可生成突增熱搜詞集合?？梢?jiàn)，本實(shí)施例中步驟101 —并存儲(chǔ)了發(fā)起Query的時(shí)間，為后續(xù)流程提供了基 礎(chǔ)。步驟102中獲取單位時(shí)間內(nèi)被存儲(chǔ)的Query，可保持所生成的熱搜詞之時(shí)效性，單位時(shí) 間也可被理解熱搜詞所需要分析的時(shí)效性而增加或縮短；通過(guò)聚類算法計(jì)算，可以幫助更 精確的統(tǒng)計(jì)每一類事件Query的突增變化，從而更準(zhǔn)確地把握突增。步驟103中引入突發(fā)熱 度機(jī)制，保證與Query所匹配的網(wǎng)頁(yè)具備突發(fā)熱度，降低“噪聲”，可給予用戶更好的體驗(yàn)。為了達(dá)到更優(yōu)的效果，本發(fā)明還提供了優(yōu)選實(shí)施例，參見(jiàn)圖2所示，包括下列步 驟201、對(duì)用戶向搜索引擎發(fā)起的Query進(jìn)行存儲(chǔ)，并且其中還存儲(chǔ)了輸入及發(fā)起Query的時(shí)間。202、獲取單位時(shí)間內(nèi)被存儲(chǔ)的Query作為短期Query集合(小時(shí)級(jí)突增)，以及 獲取至少二個(gè)單位時(shí)間內(nèi)被存儲(chǔ)的Query作為歷史Query集合(例如歷史)。之后以歷史 Query集合過(guò)濾短期Query集合中存在的周期性突增Query或/和歷史事件突增Query， 得出過(guò)濾后的短期Query。更為具體的，可以積累一定周期(一周，一個(gè)月)的同質(zhì)的歷史 數(shù)據(jù)，同質(zhì)是指具有相同突發(fā)性質(zhì)的Query，比如昨天、前天的突發(fā)Query，求并集得到歷史 Query集合，如果當(dāng)前分析的Query在歷史Query集合中，則過(guò)濾掉。也可以，線下統(tǒng)計(jì)歷 史熱門Query集合，并分析得到周期性突發(fā)的Query集合作為歷史Query集合，如果短期 Query集合中的Query在歷史Query集合中，則過(guò)濾該Query。203、取步驟202過(guò)濾后的短期Query，對(duì)獲取的Query進(jìn)行聚類運(yùn)算，最終得出 Query cluster。本實(shí)施例中采用但不限于基于凝聚的層次聚類算法，還可采用凝聚聚類算 法、劃分式聚類算法、基于密度的聚類算法、網(wǎng)格聚類算法，或者其它能將相似Query歸類 在一起的算法(比如按照Query檢索返回的頁(yè)面來(lái)做關(guān)聯(lián)性分析等)。更為具體的，通過(guò)層 次聚類算法直到Querycluster之間的距離大于第二閾值，例如第二閾值設(shè)定為0. 4。計(jì)算 Querycluster之間距離的方法為計(jì)算兩個(gè)Query cluster之間兩兩Query組合的平均編 輯距離。上述編輯距離的計(jì)算以漢字或者字母為單位，每一次增、刪、改都計(jì)為一次編輯，得 出的編輯次數(shù)除以兩個(gè)Query之間較長(zhǎng)Query的長(zhǎng)度即為編輯距離，值域?yàn)閃，1]。204、步驟203中得出Query cluster后，進(jìn)一步計(jì)算該Query cluster的突發(fā)熱 度，更為具體的，分別對(duì)Query cluster中每一 Query當(dāng)前一段時(shí)間的搜索頻次與昨日同期 搜索頻次對(duì)比計(jì)算，得出該Query的突發(fā)熱度，再將Query cluster中各Query的突發(fā)熱度 累加，得出該Query cluster的突發(fā)熱度。如果得出的Query cluster突發(fā)熱度大于第三閾值，則確定該Querycluster中 最熱門的Query，否則，含棄該Query cluster，并獲取其他經(jīng)由步驟203聚類得出的Query cluster,重復(fù)步驟204前述操作。第三閾值可根據(jù)需求設(shè)定，第三閾值越高，則得到的 Query cluster突發(fā)性越強(qiáng)，但被舍棄的Query cluster也越多。需要說(shuō)明的是，最熱門的 Query包括但不限于搜索頻次最高的Query，突發(fā)熱度數(shù)值最大的Query，或者單位時(shí)間內(nèi) 搜索次數(shù)最多的Query。205、在垂直門戶網(wǎng)頁(yè)中搜索上述最熱門的Query，例如，如果返回的某篇網(wǎng)頁(yè)的相 關(guān)權(quán)值大于第四閾值，則判定搜索到一篇與該Query相匹配的網(wǎng)頁(yè)。最終得出與該Query 相匹配的網(wǎng)頁(yè)數(shù)量。設(shè)定第四閾值是需要保證確實(shí)找到相關(guān)的網(wǎng)頁(yè)，否則起不到驗(yàn)證的作 用。其中，垂直門戶網(wǎng)頁(yè)可包括但不限于新聞、論壇、圖片、視頻、音樂(lè)、貼吧。進(jìn)一步還可通 過(guò)控制第四閾值相應(yīng)控制前述數(shù)量，例如控制到0 10條24小時(shí)內(nèi)的新聞網(wǎng)頁(yè)，但不局限 于0 10條，也不局限于24小時(shí)內(nèi)，可依照新聞或事件的熱門程度、時(shí)效性、發(fā)布媒體的數(shù) 量、發(fā)布新聞時(shí)間做彈性調(diào)整。206、取上述網(wǎng)頁(yè)數(shù)量大于第一閾值時(shí)所關(guān)聯(lián)的Query cluster，由于步驟205中 與該Query相匹配的網(wǎng)頁(yè)數(shù)量值域?yàn)?br> ，故本實(shí)施例中第一閾值可為0 10間的正整 數(shù)，并從該Query cluster中挑選熱搜詞。其中，熱搜詞挑選的原則可以根據(jù)需要擇定，包 括但不限于選擇突發(fā)性最強(qiáng)的，或者選擇最精簡(jiǎn)的，或者在Query cluster分析的基礎(chǔ)上， 重新生成。需要說(shuō)明的是，步驟203中通過(guò)聚類算法計(jì)算后，得出的Query cluster可能不止一個(gè)，若為多個(gè)，則從每一滿足上述條件的Query cluster中分別挑選1個(gè)Query作為熱 搜詞，并且被挑選出的Query互不重復(fù)，進(jìn)而可生成突增熱搜詞集合?？梢?jiàn)，本實(shí)施例中步驟201 —并存儲(chǔ)了發(fā)起Query的時(shí)間，為后續(xù)流程提供了基 礎(chǔ)。步驟202中引入了過(guò)濾機(jī)制，以歷史Query集合過(guò)濾短期Query集合中存在的周期性 突增Query或/和歷史事件突增Query，得出過(guò)濾后的短期Query，為后續(xù)聚類運(yùn)算提供了 優(yōu)質(zhì)的Query源。步驟203中，獲取的Query為短期Query，即單位時(shí)間的Query，因此可保 持所生成的熱搜詞之時(shí)效性，單位時(shí)間也可被理解熱搜詞所需要分析的時(shí)效性而增加或縮 短；通過(guò)聚類算法計(jì)算，可以幫助更精確的統(tǒng)計(jì)每一類事件Query的突增變化，從而更準(zhǔn)確 地把握突增。步驟204中引入突發(fā)熱度機(jī)制，保證與Query所匹配的網(wǎng)頁(yè)具備突發(fā)熱度，降 低“噪聲”，可給予用戶更好的體驗(yàn)。為了達(dá)到更優(yōu)的效果，本發(fā)明還提供了優(yōu)選實(shí)施例，參見(jiàn)圖3所示，包括下列步 驟301、對(duì)用戶向搜索引擎發(fā)起的Query進(jìn)行存儲(chǔ)，并且其中還存儲(chǔ)了輸入及發(fā)起 Query的時(shí)間。302、獲取單位時(shí)間內(nèi)被存儲(chǔ)的Query作為短期Query集合，以作弊Query列表過(guò) 濾短期Query集合中存在的作弊Query，得出過(guò)濾后的短期Query。作弊Query列表可以為 靜態(tài)，即作弊Query列表中包括關(guān)鍵詞集合，若短期Query集合中的Query含有上述關(guān)鍵詞 集合中的關(guān)鍵詞，則過(guò)濾該Query。作弊Query列表可以為動(dòng)態(tài)，即動(dòng)態(tài)獲取敏感詞，并根 據(jù)獲取的敏感詞生成動(dòng)態(tài)的作弊Query列表，若短期Query集合中的Query在上述動(dòng)態(tài)作 弊Query列表中，則過(guò)濾該Query。上述作弊Query列表中具體包括黃色、反動(dòng)、限制級(jí)的 Query 等。303、取步驟302過(guò)濾后的短期Query，對(duì)獲取的Query進(jìn)行聚類運(yùn)算，最終得出 Query cluster。本實(shí)施例中采用但不限于基于凝聚的層次聚類算法，還可采用凝聚聚類算 法、劃分式聚類算法、基于密度的聚類算法、網(wǎng)格聚類算法，或者其它能將相似Query歸類 在一起的算法(比如按照Query檢索返回的頁(yè)面來(lái)做關(guān)聯(lián)性分析等)。更為具體的，通過(guò)層 次聚類算法直到Querycluster之間的距離大于第二閾值，例如第二閾值設(shè)定為0. 4。計(jì)算 Querycluster之間距離的方法為計(jì)算兩個(gè)Query cluster之間兩兩Query組合的平均編 輯距離。上述編輯距離的計(jì)算以漢字或者字母為單位，每一次增、刪、改都計(jì)為一次編輯，得 出的編輯次數(shù)除以兩個(gè)Query之間較長(zhǎng)Query的長(zhǎng)度即為編輯距離，值域?yàn)?br> 。304、步驟303中得出Query cluster后，進(jìn)一步計(jì)算該Query cluster的突發(fā)熱 度，更為具體的，分別對(duì)Query cluster中每一 Query當(dāng)前一段時(shí)間的搜索頻次與昨日同期 搜索頻次對(duì)比計(jì)算，得出該Query的突發(fā)熱度，再將Query cluster中各Query的突發(fā)熱度 累加，得出該Query cluster的突發(fā)熱度。如果得出的Query cluster突發(fā)熱度大于第三閾值，則確定該Querycluster中 最熱門的Query，否則，舍棄該Query cluster，并獲取其他經(jīng)由步驟303聚類得出的Query cluster,重復(fù)步驟304前述操作。第三閾值可根據(jù)需求設(shè)定，第三閾值越高，則得到的 Query cluster突發(fā)性越強(qiáng)，但被舍棄的Query cluster也越多。需要說(shuō)明的是，最熱門的 Query包括但不限于搜索頻次最高的Query，突發(fā)熱度數(shù)值最大的Query，或者單位時(shí)間內(nèi) 搜索次數(shù)最多的Query。
12
305、在垂直門戶網(wǎng)頁(yè)中搜索上述最熱門的Query，例如，如果返回的某篇網(wǎng)頁(yè)的相 關(guān)權(quán)值大于第四閾值，則判定搜索到一篇與該Query相匹配的網(wǎng)頁(yè)。最終得出與該Query 相匹配的網(wǎng)頁(yè)數(shù)量。設(shè)定第四閾值是需要保證確實(shí)找到相關(guān)的網(wǎng)頁(yè)，否則起不到驗(yàn)證的作 用。其中，垂直門戶網(wǎng)頁(yè)可包括但不限于新聞、論壇、圖片、視頻、音樂(lè)、貼吧。進(jìn)一步還可通 過(guò)控制第四閾值相應(yīng)控制前述數(shù)量，例如控制到0 10條24小時(shí)內(nèi)的新聞網(wǎng)頁(yè)，但不局限 于0 10條，也不局限于24小時(shí)內(nèi)，可依照新聞或事件的熱門程度、時(shí)效性、發(fā)布媒體的數(shù) 量、發(fā)布新聞時(shí)間做彈性調(diào)整。306、取上述網(wǎng)頁(yè)數(shù)量大于第一閾值時(shí)所關(guān)聯(lián)的Query cluster，由于步驟305中 與該Query相匹配的網(wǎng)頁(yè)數(shù)量值域?yàn)?br> ，故本實(shí)施例中第一閾值可為0 10間的正整 數(shù)，并從該Query cluster中挑選熱搜詞。其中，熱搜詞挑選的原則可以根據(jù)需要擇定，包 括但不限于選擇突發(fā)性最強(qiáng)的，或者選擇最精簡(jiǎn)的，或者在Query cluster分析的基礎(chǔ)上， 重新生成。需要說(shuō)明的是，步驟303中通過(guò)聚類算法計(jì)算后，得出的Query cluster可能不 止一個(gè)，若為多個(gè)，則從每一滿足上述條件的Query cluster中分別挑選1個(gè)Query作為熱 搜詞，并且被挑選出的Query互不重復(fù)，進(jìn)而可生成突增熱搜詞集合?？梢?jiàn)，本實(shí)施例中步驟301 —并存儲(chǔ)了發(fā)起Query的時(shí)間，為后續(xù)流程提供了基 礎(chǔ)。步驟302中引入了過(guò)濾機(jī)制，以作弊Query列表過(guò)濾短期Query集合中存在的作弊 Query，為后續(xù)聚類運(yùn)算提供了優(yōu)質(zhì)的Query源。步驟303中，獲取的Query為短期Query， 即單位時(shí)間的Query，因此可保持所生成的熱搜詞之時(shí)效性，單位時(shí)間也可被理解熱搜詞所 需要分析的時(shí)效性而增加或縮短；通過(guò)聚類算法計(jì)算，可以幫助更精確的統(tǒng)計(jì)每一類事件 Query的突增變化，從而更準(zhǔn)確地把握突增。步驟304中引入突發(fā)熱度機(jī)制，保證與Query 所匹配的網(wǎng)頁(yè)具備突發(fā)熱度，降低“噪聲”，可給予用戶更好的體驗(yàn)。為了達(dá)到更優(yōu)的效果，進(jìn)一步提高用戶的搜索感受，本發(fā)明還提供了優(yōu)選實(shí)施例， 經(jīng)過(guò)驗(yàn)證后的熱搜詞進(jìn)一步可以對(duì)用戶作個(gè)性化的推送，參見(jiàn)圖4所示，包括下列步驟401、對(duì)用戶向搜索引擎發(fā)起的Query進(jìn)行存儲(chǔ)；402、對(duì) Query 進(jìn)行聚類運(yùn)算，得出 Query cluster ；403、確定 Query cluster 中搜索最熱門的 Query ；404、在垂直門戶網(wǎng)頁(yè)中搜索上述最熱門的Query，得出與該Query相匹配的網(wǎng)頁(yè) 數(shù)量及其每個(gè)網(wǎng)頁(yè)是哪個(gè)分類屬性，進(jìn)而，可以據(jù)此得知上述最熱門的Query是哪個(gè)類別， 可以是單一類別，也可以是多個(gè)類別。在具體實(shí)現(xiàn)中，對(duì)于每篇網(wǎng)頁(yè)，可以通過(guò)分類或者打 標(biāo)簽等方式得到其類別，該類別的粒度可大可小，大粒度如體育，娛樂(lè)，軍事；細(xì)一些的粒 度，則如明星、電影、武器、拆遷等；甚至更精準(zhǔn)的粒度，如曼聯(lián)等。對(duì)于細(xì)粒度的分類可 允許一篇網(wǎng)頁(yè)有多個(gè)類別。405、取上述網(wǎng)頁(yè)數(shù)量大于第一閾值時(shí)所關(guān)聯(lián)的Query cluster，并從該Query cluster中挑選熱搜詞。406、對(duì)用戶行為分析，獲知該用戶關(guān)注的Query類別。具體可獲取該用戶以往的 Query,對(duì)獲取的Query進(jìn)行行為分析，從而獲知用戶喜好或關(guān)注的Query類別；也可獲取用 戶當(dāng)前瀏覽的網(wǎng)頁(yè)，例如用戶當(dāng)前瀏覽娛樂(lè)新聞網(wǎng)頁(yè)，根據(jù)網(wǎng)頁(yè)中的信息進(jìn)行用戶行為分 析，從而獲知用戶喜好或關(guān)注的Query類別。407、向用戶推送個(gè)性化熱搜詞。個(gè)性化熱搜詞具體可從定位用戶關(guān)注的Query類別與所述熱搜詞分類所得類別的交集獲取。例如用戶關(guān)注的Query類別為娛樂(lè)新聞和體 育新聞，熱搜詞類別包括社會(huì)新聞、政治新聞、財(cái)經(jīng)新聞、科技新聞、法律新聞、娛樂(lè)新聞和 體育新聞，那么交集為娛樂(lè)新聞和體育新聞；進(jìn)一步提取娛樂(lè)新聞和體育新聞?lì)悇e的熱搜 詞作為個(gè)性化熱搜詞推送給該用戶?？梢?jiàn)，本實(shí)施例除了確定哪些是熱搜詞，熱搜詞之間的關(guān)聯(lián)還可以進(jìn)一步分類，分 類后的熱搜詞可以和用戶行為建立關(guān)聯(lián)，達(dá)到個(gè)性化的熱搜詞推薦、推送。即前臺(tái)可以做到 區(qū)分展示，具體來(lái)說(shuō)，用戶在看娛樂(lè)新聞的時(shí)候，熱搜詞的集合只推薦娛樂(lè)新聞相關(guān)的。因 此可以給予用戶更優(yōu)的搜索體驗(yàn)。需要說(shuō)明的是，上述步驟406和407，也可接續(xù)到上述步驟105、206和306之后，形 成另外幾個(gè)方法實(shí)施例，在此不再贅述，都應(yīng)在本發(fā)明保護(hù)范圍之內(nèi)。如圖5所示，為本發(fā)明實(shí)施例的熱搜詞生成系統(tǒng)示意圖，包括搜索請(qǐng)求存儲(chǔ)模塊501，用于對(duì)用戶向搜索引擎發(fā)起的Query進(jìn)行存儲(chǔ)；聚類模塊502，可以從搜索請(qǐng)求存儲(chǔ)模塊501獲取Query并進(jìn)行聚類運(yùn)算，得出 Query cluster，并輸出到驗(yàn)證模塊503 ；驗(yàn)證模塊503，用于確定Query cluster中搜索最熱門的Query，并向頁(yè)面搜索模 塊504發(fā)起驗(yàn)證請(qǐng)求，以及接收頁(yè)面搜索模塊504返回的驗(yàn)證結(jié)果；頁(yè)面搜索模塊504，根據(jù)驗(yàn)證模塊503發(fā)來(lái)的驗(yàn)證請(qǐng)求中攜帶的上述最熱門的 Query，在垂直門戶網(wǎng)頁(yè)中搜索該Query，得出與該Query相匹配的網(wǎng)頁(yè)數(shù)量，并將該網(wǎng)頁(yè)數(shù) 量作為驗(yàn)證結(jié)果向驗(yàn)證模塊503返回；挑選模塊505，從驗(yàn)證模塊503得到上述網(wǎng)頁(yè)數(shù)量，并且取上述網(wǎng)頁(yè)數(shù)量大于第一 閾值時(shí)所關(guān)聯(lián)的Query cluster，以及從該Query cluster中挑選熱搜詞。為了達(dá)到更優(yōu)的效果，結(jié)合圖5進(jìn)一步對(duì)本發(fā)明的優(yōu)選實(shí)施方案描述如下搜索請(qǐng)求存儲(chǔ)模塊501，用于對(duì)用戶向搜索引擎發(fā)起的Query進(jìn)行存儲(chǔ)，并且其中 還存儲(chǔ)了輸入及發(fā)起Query的時(shí)間。聚類模塊502，用于獲取單位時(shí)間內(nèi)被搜索請(qǐng)求存儲(chǔ)模塊501存儲(chǔ)的Query，上述 單位時(shí)間例如1小時(shí)。其后對(duì)獲取的Query進(jìn)行聚類運(yùn)算，最終得出Query cluster，并輸 出到驗(yàn)證模塊503。本實(shí)施例中采用但不限于基于凝聚的層次聚類算法，還可采用凝聚聚類 算法、劃分式聚類算法、基于密度的聚類算法、網(wǎng)格聚類算法，或者其它能將相似Query歸 類在一起的算法(比如按照Query檢索返回的頁(yè)面來(lái)做關(guān)聯(lián)性分析等)。更為具體的，通過(guò) 層次聚類算法直到Query cluster之間的距離大于第二閾值，例如第二閾值設(shè)定為0. 4。計(jì) 算Query cluster之間距離的方法為計(jì)算兩個(gè)Query cluster之間兩兩Query組合的平 均編輯距離。上述編輯距離的計(jì)算以漢字或者字母為單位，每一次增、刪、改都計(jì)為一次編 輯，得出的編輯次數(shù)除以兩個(gè)Query之間較長(zhǎng)Query的長(zhǎng)度即為編輯距離，值域?yàn)閃，1]。驗(yàn)證模塊503，接收到聚類模塊502輸出的Query cluster后，進(jìn)一步計(jì)算該Query cluster的突發(fā)熱度，更為具體的，分別對(duì)Query cluster中每一 Query當(dāng)前一段時(shí)間的搜 索頻次與昨日同期搜索頻次對(duì)比計(jì)算，得出該Query的突發(fā)熱度，再將Query cluster中各 Query的突發(fā)熱度累加，得出該Query cluster的突發(fā)熱度。如果得出的Query cluster突發(fā)熱度大于第三閾值，則確定該Querycluster中 最熱門的Query，并向頁(yè)面搜索模塊504發(fā)起驗(yàn)證請(qǐng)求，以及接收頁(yè)面搜索模塊504返回的驗(yàn)證結(jié)果；否則，舍棄該Query cluster,并獲取其他經(jīng)由聚類模塊502聚類得出的 Query cluster，重復(fù)前述操作。第三閾值可根據(jù)需求設(shè)定，第三閾值越高，則得到的Query cluster突發(fā)性越強(qiáng)，但被舍棄的Query cluster也越多。需要說(shuō)明的是，最熱門的Query 包括但不限于搜索頻次最高的Query，突發(fā)熱度數(shù)值最大的Query，或者單位時(shí)間內(nèi)搜索次 數(shù)最多的Query。頁(yè)面搜索模塊504，根據(jù)驗(yàn)證模塊503發(fā)來(lái)的驗(yàn)證請(qǐng)求中攜帶的上述最熱門的 Query，在垂直門戶網(wǎng)頁(yè)中搜索該Query，得出與該Query相匹配的網(wǎng)頁(yè)數(shù)量，并將該網(wǎng)頁(yè)數(shù) 量作為驗(yàn)證結(jié)果向驗(yàn)證模塊503返回。例如，如果返回的某篇網(wǎng)頁(yè)的相關(guān)權(quán)值大于第四閾 值，則判定搜索到一篇與該Query相匹配的網(wǎng)頁(yè)。最終得出與該Query相匹配的網(wǎng)頁(yè)數(shù)量。 設(shè)定第四閾值是需要保證確實(shí)找到相關(guān)的網(wǎng)頁(yè)，否則起不到驗(yàn)證的作用。其中，垂直門戶網(wǎng) 頁(yè)可包括但不限于新聞、論壇、圖片、視頻、音樂(lè)、貼吧。進(jìn)一步還可通過(guò)控制第四閾值相應(yīng) 控制前述數(shù)量，如控制到0 10條24小時(shí)內(nèi)的新聞網(wǎng)頁(yè)，但不局限于0 10條，也不局限 于24小時(shí)內(nèi)，可依照新聞或事件的熱門程度、時(shí)效性、發(fā)布媒體的數(shù)量、發(fā)布新聞時(shí)間做彈 性調(diào)整。挑選模塊505，從驗(yàn)證模塊503得到上述網(wǎng)頁(yè)數(shù)量，取上述網(wǎng)頁(yè)數(shù)量大于第一閾 值時(shí)所關(guān)聯(lián)的Query cluster，由于該Query相匹配網(wǎng)頁(yè)數(shù)量的值域在本實(shí)施例為
，故本實(shí)施例中第一閾值可為0 10間的正整數(shù)，并從該Query cluster中挑選熱搜 詞。其中，熱搜詞挑選的原則可以根據(jù)需要擇定，包括但不限于選擇突發(fā)性最強(qiáng)的，或者選 擇最精簡(jiǎn)的，或者在Query cluster分析的基礎(chǔ)上，重新生成。需要說(shuō)明的是，經(jīng)由聚類模 塊502計(jì)算后，得出的Query cluster可能不止一個(gè)，若為多個(gè)，則從每一滿足上述條件的 Querycluster中分別挑選1個(gè)Query作為熱搜詞，并且被挑選出的Query互不重復(fù)，進(jìn)而可 生成突增熱搜詞集合?？梢?jiàn)，本實(shí)施例中搜索請(qǐng)求存儲(chǔ)模塊501 —并存儲(chǔ)了發(fā)起Query的時(shí)間，為后續(xù)操 作提供了基礎(chǔ)。聚類模塊502獲取單位時(shí)間內(nèi)被存儲(chǔ)的Query，可保持所生成的熱搜詞之時(shí) 效性，單位時(shí)間也可被理解熱搜詞所需要分析的時(shí)效性而增加或縮短；通過(guò)聚類算法計(jì)算， 可以幫助更精確的統(tǒng)計(jì)每一類事件Query的突增變化，從而更準(zhǔn)確地把握突增。驗(yàn)證模塊 503引入突發(fā)熱度機(jī)制，保證與Query所匹配的網(wǎng)頁(yè)具備突發(fā)熱度，降低“噪聲”，可給予用 戶更好的體驗(yàn)。為了達(dá)到更優(yōu)的效果，本發(fā)明還提供了優(yōu)選實(shí)施例，參見(jiàn)圖6所示，包括搜索請(qǐng)求存儲(chǔ)模塊601，用于對(duì)用戶向搜索引擎發(fā)起的Query進(jìn)行存儲(chǔ)，并且其中 還存儲(chǔ)了輸入及發(fā)起Query的時(shí)間。第一過(guò)濾模塊602，用于獲取單位時(shí)間內(nèi)被存儲(chǔ)的Query作為短期Query集合(小 時(shí)級(jí)突增)，以及獲取至少二個(gè)單位時(shí)間內(nèi)被存儲(chǔ)的Query作為歷史Query集合(例如歷 史)。之后以歷史Query集合過(guò)濾短期Query集合中存在的周期性突增Query或/和歷史 事件突增Query，得出過(guò)濾后的短期Query。更為具體的，第一過(guò)濾模塊602可以從搜索請(qǐng) 求存儲(chǔ)模塊601中獲取積累一定周期(一周，一個(gè)月)的同質(zhì)的歷史數(shù)據(jù)，同質(zhì)是指具有相 同突發(fā)性質(zhì)的Query，比如昨天、前天的突發(fā)Query，求并集得到歷史Query集合，如果判定 當(dāng)前分析的Query在歷史Query集合中，則過(guò)濾掉該Query。第一過(guò)濾模塊602也可以線下 統(tǒng)計(jì)歷史熱門Query集合，并分析得到周期性突發(fā)的Query集合作為歷史Query集合，如果
15短期Query集合中的Query在歷史Query集合中，則過(guò)濾該Query。聚類模塊603，取第一過(guò)濾模塊602過(guò)濾后的短期Query，對(duì)獲取的Query進(jìn)行聚 類運(yùn)算，最終得出Query cluster，并輸出到驗(yàn)證模塊604。本實(shí)施例中采用但不限于基于 凝聚的層次聚類算法，還可采用凝聚聚類算法、劃分式聚類算法、基于密度的聚類算法、網(wǎng) 格聚類算法，或者其它能將相似Query歸類在一起的算法(比如按照Query檢索返回的頁(yè) 面來(lái)做關(guān)聯(lián)性分析等)。更為具體的，通過(guò)層次聚類算法直到Query cluster之間的距離 大于第二閾值，例如第二閾值設(shè)定為0.4。計(jì)算Query cluster之間距離的方法為計(jì)算兩 個(gè)Query cluster之間兩兩Query組合的平均編輯距離。上述編輯距離的計(jì)算以漢字或者 字母為單位，每一次增、刪、改都計(jì)為一次編輯，得出的編輯次數(shù)除以兩個(gè)Query之間較長(zhǎng) Query的長(zhǎng)度即為編輯距離，值域?yàn)閃，1]。驗(yàn)證模塊604，接收到聚類模塊603輸出的Query cluster后，進(jìn)一步計(jì)算該Query cluster的突發(fā)熱度，更為具體的，分別對(duì)Query cluster中每一 Query當(dāng)前一段時(shí)間的搜 索頻次與昨日同期搜索頻次對(duì)比計(jì)算，得出該Query的突發(fā)熱度，再將Query cluster中各 Query的突發(fā)熱度累加，得出該Query cluster的突發(fā)熱度。如果得出的Query cluster突發(fā)熱度大于第三閾值，則確定該Querycluster中 最熱門的Query，并向頁(yè)面搜索模塊605發(fā)起驗(yàn)證請(qǐng)求，以及接收頁(yè)面搜索模塊605返 回的驗(yàn)證結(jié)果；否則，舍棄該Query cluster,并獲取其他經(jīng)由聚類模塊603聚類得出的 Query cluster，重復(fù)前述操作。第三閾值可根據(jù)需求設(shè)定，第三閾值越高，則得到的Query cluster突發(fā)性越強(qiáng)，但被舍棄的Query cluster也越多。需要說(shuō)明的是，最熱門的Query 包括但不限于搜索頻次最高的Query，突發(fā)熱度數(shù)值最大的Query，或者單位時(shí)間內(nèi)搜索次 數(shù)最多的Query。頁(yè)面搜索模塊605，根據(jù)驗(yàn)證模塊604發(fā)來(lái)的驗(yàn)證請(qǐng)求中攜帶的上述最熱門的 Query，在垂直門戶網(wǎng)頁(yè)中搜索該Query，得出與該Query相匹配的網(wǎng)頁(yè)數(shù)量，并將該網(wǎng)頁(yè)數(shù) 量作為驗(yàn)證結(jié)果向驗(yàn)證模塊604返回。例如，如果返回的某篇網(wǎng)頁(yè)的相關(guān)權(quán)值大于第四閾 值，則判定搜索到一篇與該Query相匹配的網(wǎng)頁(yè)。最終得出與該Query相匹配的網(wǎng)頁(yè)數(shù)量。 設(shè)定第四閾值是需要保證確實(shí)找到相關(guān)的網(wǎng)頁(yè)，否則起不到驗(yàn)證的作用。其中，垂直門戶網(wǎng) 頁(yè)可包括但不限于新聞、論壇、圖片、視頻、音樂(lè)、貼吧。進(jìn)一步還可通過(guò)控制第四閾值相應(yīng) 控制前述數(shù)量，如控制到0 10條24小時(shí)內(nèi)的新聞網(wǎng)頁(yè)，但不局限于0 10條，也不局限 于24小時(shí)內(nèi)，可依照新聞或事件的熱門程度、時(shí)效性、發(fā)布媒體的數(shù)量、發(fā)布新聞時(shí)間做彈 性調(diào)整。挑選模塊606，從驗(yàn)證模塊604得到上述網(wǎng)頁(yè)數(shù)量，取上述網(wǎng)頁(yè)數(shù)量大于第一閾 值時(shí)所關(guān)聯(lián)的Query cluster，由于該Query相匹配網(wǎng)頁(yè)數(shù)量的值域在本實(shí)施例為
，故本實(shí)施例中第一閾值可為0 10間的正整數(shù)，并從該Query cluster中挑選熱搜 詞。其中，熱搜詞挑選的原則可以根據(jù)需要擇定，包括但不限于選擇突發(fā)性最強(qiáng)的，或者選 擇最精簡(jiǎn)的，或者在Query cluster分析的基礎(chǔ)上，重新生成。需要說(shuō)明的是，經(jīng)由聚類模 塊603計(jì)算后，得出的Query cluster可能不止一個(gè)，若為多個(gè)，則從每一滿足上述條件的 Querycluster中分別挑選1個(gè)Query作為熱搜詞，并且被挑選出的Query互不重復(fù)，進(jìn)而可 生成突增熱搜詞集合?？梢?jiàn)，本實(shí)施例中搜索請(qǐng)求存儲(chǔ)模塊601 —并存儲(chǔ)了發(fā)起Query的時(shí)間，為后續(xù)操作提供了基礎(chǔ)。第一過(guò)濾模塊602引入了過(guò)濾機(jī)制，以歷史Query集合過(guò)濾短期Query集 合中存在的周期性突增Query或/和歷史事件突增Query，得出過(guò)濾后的短期Query，為聚 類模塊603提供了優(yōu)質(zhì)的Query源。聚類模塊603獲取的Query為短期Query，即單位時(shí)間 的Query，因此可保持所生成的熱搜詞之時(shí)效性，單位時(shí)間也可被理解熱搜詞所需要分析的 時(shí)效性而增加或縮短；通過(guò)聚類算法計(jì)算，可以幫助更精確的統(tǒng)計(jì)每一類事件Query的突 增變化，從而更準(zhǔn)確地把握突增。驗(yàn)證模塊604引入突發(fā)熱度機(jī)制，保證與Query所匹配的 網(wǎng)頁(yè)具備突發(fā)熱度，降低“噪聲”，可給予用戶更好的體驗(yàn)。為了達(dá)到更優(yōu)的效果，本發(fā)明還提供了優(yōu)選實(shí)施例，參見(jiàn)圖7所示，包括搜索請(qǐng)求存儲(chǔ)模塊701，用于對(duì)用戶向搜索引擎發(fā)起的Query進(jìn)行存儲(chǔ)，并且其中 還存儲(chǔ)了輸入及發(fā)起Query的時(shí)間。第二過(guò)濾模塊702，用于獲取單位時(shí)間內(nèi)被存儲(chǔ)的Query作為短期Query集合，以 作弊Query列表過(guò)濾短期Query集合中存在的作弊Query，得出過(guò)濾后的短期Query。第二 過(guò)濾模塊702所使用的作弊Query列表可以為靜態(tài)，即第二過(guò)濾模塊702預(yù)設(shè)的作弊Query 列表中包括關(guān)鍵詞集合，若短期Query集合中的Query含有上述關(guān)鍵詞集合中的關(guān)鍵詞，則 過(guò)濾該Query。第二過(guò)濾模塊702所使用的作弊Query列表可以為動(dòng)態(tài)，即第二過(guò)濾模塊 702動(dòng)態(tài)獲取敏感詞，并根據(jù)獲取的敏感詞生成動(dòng)態(tài)的作弊Query列表，若短期Query集合 中的Query在上述動(dòng)態(tài)作弊Query列表中，則過(guò)濾該Query。上述作弊Query列表中具體包 括黃色、反動(dòng)、限制級(jí)的Query等。聚類模塊703，取第二過(guò)濾模塊702過(guò)濾后的短期Query，對(duì)獲取的Query進(jìn)行聚 類運(yùn)算，最終得出Query cluster，并輸出到驗(yàn)證模塊704。本實(shí)施例中采用但不限于基于 凝聚的層次聚類算法，還可采用凝聚聚類算法、劃分式聚類算法、基于密度的聚類算法、網(wǎng) 格聚類算法，或者其它能將相似Query歸類在一起的算法(比如按照Query檢索返回的頁(yè) 面來(lái)做關(guān)聯(lián)性分析等)。更為具體的，通過(guò)層次聚類算法直到Query cluster之間的距離 大于第二閾值，例如第二閾值設(shè)定為0.4。計(jì)算Query cluster之間距離的方法為計(jì)算兩 個(gè)Query cluster之間兩兩Query組合的平均編輯距離。上述編輯距離的計(jì)算以漢字或者 字母為單位，每一次增、刪、改都計(jì)為一次編輯，得出的編輯次數(shù)除以兩個(gè)Query之間較長(zhǎng) Query的長(zhǎng)度即為編輯距離，值域?yàn)?br> 。驗(yàn)證模塊704，接收到聚類模塊703輸出的Query cluster后，進(jìn)一步計(jì)算該Query cluster的突發(fā)熱度，更為具體的，分別對(duì)Query cluster中每一 Query當(dāng)前一段時(shí)間的搜 索頻次與昨日同期搜索頻次對(duì)比計(jì)算，得出該Query的突發(fā)熱度，再將Query cluster中各 Query的突發(fā)熱度累加，得出該Query cluster的突發(fā)熱度。如果得出的Query cluster突發(fā)熱度大于第三閾值，則確定該Querycluster中 最熱門的Query，并向頁(yè)面搜索模塊705發(fā)起驗(yàn)證請(qǐng)求，以及接收頁(yè)面搜索模塊705返 回的驗(yàn)證結(jié)果；否則，舍棄該Query cluster,并獲取其他經(jīng)由聚類模塊703聚類得出的 Query cluster，重復(fù)前述操作。第三閾值可根據(jù)需求設(shè)定，第三閾值越高，則得到的Query cluster突發(fā)性越強(qiáng)，但被舍棄的Query cluster也越多。需要說(shuō)明的是，最熱門的Query 包括但不限于搜索頻次最高的Query，突發(fā)熱度數(shù)值最大的Query，或者單位時(shí)間內(nèi)搜索次 數(shù)最多的Query。頁(yè)面搜索模塊705，根據(jù)驗(yàn)證模塊704發(fā)來(lái)的驗(yàn)證請(qǐng)求中攜帶的上述最熱門的Query，在垂直門戶網(wǎng)頁(yè)中搜索該Query，得出與該Query相匹配的網(wǎng)頁(yè)數(shù)量，并將該網(wǎng)頁(yè)數(shù) 量作為驗(yàn)證結(jié)果向驗(yàn)證模塊704返回。例如，如果返回的某篇網(wǎng)頁(yè)的相關(guān)權(quán)值大于第四閾 值，則判定搜索到一篇與該Query相匹配的網(wǎng)頁(yè)。最終得出與該Query相匹配的網(wǎng)頁(yè)數(shù)量。 設(shè)定第四閾值是需要保證確實(shí)找到相關(guān)的網(wǎng)頁(yè)，否則起不到驗(yàn)證的作用。其中，垂直門戶網(wǎng) 頁(yè)可包括但不限于新聞、論壇、圖片、視頻、音樂(lè)、貼吧。進(jìn)一步還可通過(guò)控制第四閾值相應(yīng) 控制前述數(shù)量，如控制到0 10條24小時(shí)內(nèi)的新聞網(wǎng)頁(yè)，但不局限于0 10條，也不局限 于24小時(shí)內(nèi)，可依照新聞或事件的熱門程度、時(shí)效性、發(fā)布媒體的數(shù)量、發(fā)布新聞時(shí)間做彈 性調(diào)整。挑選模塊706，從驗(yàn)證模塊704得到上述網(wǎng)頁(yè)數(shù)量，取上述網(wǎng)頁(yè)數(shù)量大于第一閾 值時(shí)所關(guān)聯(lián)的Query cluster，由于該Query相匹配網(wǎng)頁(yè)數(shù)量的值域在本實(shí)施例為
，故本實(shí)施例中第一閾值可為0 10間的正整數(shù)，并從該Query cluster中挑選熱搜 詞。其中，熱搜詞挑選的原則可以根據(jù)需要擇定，包括但不限于選擇突發(fā)性最強(qiáng)的，或者選 擇最精簡(jiǎn)的，或者在Query cluster分析的基礎(chǔ)上，重新生成。需要說(shuō)明的是，經(jīng)由聚類模 塊703計(jì)算后，得出的Query cluster可能不止一個(gè)，若為多個(gè)，則從每一滿足上述條件的 Querycluster中分別挑選1個(gè)Query作為熱搜詞，并且被挑選出的Query互不重復(fù)，進(jìn)而可 生成突增熱搜詞集合。可見(jiàn)，本實(shí)施例中搜索請(qǐng)求存儲(chǔ)模塊701 —并存儲(chǔ)了發(fā)起Query的時(shí)間，為后續(xù)操 作提供了基礎(chǔ)。第二過(guò)濾模塊702引入了過(guò)濾機(jī)制，以作弊Query列表過(guò)濾短期Query集合 中存在的作弊Query，為后續(xù)聚類運(yùn)算提供了優(yōu)質(zhì)的Query源。聚類模塊703獲取的Query 為短期Query，即單位時(shí)間的Query，因此可保持所生成的熱搜詞之時(shí)效性，單位時(shí)間也可 被理解熱搜詞所需要分析的時(shí)效性而增加或縮短；通過(guò)聚類算法計(jì)算，可以幫助更精確的 統(tǒng)計(jì)每一類事件Query的突增變化，從而更準(zhǔn)確地把握突增。驗(yàn)證模塊704引入突發(fā)熱度 機(jī)制，保證與Query所匹配的網(wǎng)頁(yè)具備突發(fā)熱度，降低“噪聲”，可給予用戶更好的體驗(yàn)。為了達(dá)到更優(yōu)的效果，進(jìn)一步提高用戶的搜索感受，本發(fā)明還提供了優(yōu)選實(shí)施例， 經(jīng)過(guò)驗(yàn)證后的熱搜詞進(jìn)一步可以對(duì)用戶作個(gè)性化的推送，參見(jiàn)圖8所示，包括搜索請(qǐng)求存儲(chǔ)模塊801，用于對(duì)用戶向搜索引擎發(fā)起的Query進(jìn)行存儲(chǔ)；聚類模塊802，可以從搜索請(qǐng)求存儲(chǔ)模塊801獲取Query并進(jìn)行聚類運(yùn)算，得出 Query cluster,并輸出到驗(yàn)證模塊803 ；驗(yàn)證模塊803，用于確定Query cluster中搜索最熱門的Query，并向頁(yè)面搜索模 塊804發(fā)起驗(yàn)證請(qǐng)求，以及接收頁(yè)面搜索模塊804返回的驗(yàn)證結(jié)果；頁(yè)面搜索模塊804，根據(jù)驗(yàn)證模塊803發(fā)來(lái)的驗(yàn)證請(qǐng)求中攜帶的上述最熱門的 Query，在垂直門戶網(wǎng)頁(yè)中搜索該Query，得出與該Query相匹配的網(wǎng)頁(yè)數(shù)量及其每個(gè)網(wǎng)頁(yè) 是哪個(gè)分類屬性，并將該網(wǎng)頁(yè)數(shù)量及每個(gè)網(wǎng)頁(yè)的分類屬性作為驗(yàn)證結(jié)果向驗(yàn)證模塊803返 回，進(jìn)而，驗(yàn)證模塊803可以從驗(yàn)證結(jié)果得知用來(lái)驗(yàn)證的最熱門Query是哪個(gè)類別，可以是 單一類別，也可以是多個(gè)類別。在具體實(shí)現(xiàn)中，對(duì)于每篇網(wǎng)頁(yè)，可以通過(guò)分類或者打標(biāo)簽等 方式得到其類別，該類別的粒度可大可小，大粒度如體育，娛樂(lè)，軍事；細(xì)一些的粒度，則 如明星、電影、武器、拆遷等；甚至更精準(zhǔn)的粒度，如曼聯(lián)等。對(duì)于細(xì)粒度的分類可允許一 篇網(wǎng)頁(yè)有多個(gè)類別。挑選模塊805，從驗(yàn)證模塊803得到上述網(wǎng)頁(yè)數(shù)量，并且取上述網(wǎng)頁(yè)數(shù) 量大于第一閾值時(shí)所關(guān)聯(lián)的Query cluster，以及從該Query cluster中挑選熱搜詞。
18
用戶行為分析模塊806，用于進(jìn)行用戶行為分析，獲知該用戶關(guān)注的Query類別。 具體可從搜索請(qǐng)求存儲(chǔ)模塊801中獲取該用戶以往的Query，對(duì)獲取的Query進(jìn)行行為分 析，從而獲知用戶喜好或關(guān)注的Query類別；也可獲取用戶當(dāng)前瀏覽的網(wǎng)頁(yè)，例如用戶當(dāng) 前瀏覽娛樂(lè)新聞網(wǎng)頁(yè)，根據(jù)網(wǎng)頁(yè)中的信息進(jìn)行用戶行為分析，從而獲知用戶喜好或關(guān)注的 Query類別。推薦模塊807，用于向所述用戶推送個(gè)性化熱搜詞。個(gè)性化熱搜詞具體可從定位用 戶關(guān)注的Query類別與所述熱搜詞分類所得類別的交集獲取。例如用戶關(guān)注的Query類 別為娛樂(lè)新聞和體育新聞，熱搜詞類別包括社會(huì)新聞、政治新聞、財(cái)經(jīng)新聞、科技新聞、法律 新聞、娛樂(lè)新聞和體育新聞，那么交集為娛樂(lè)新聞和體育新聞；進(jìn)一步提取挑選模塊805挑 選出的娛樂(lè)新聞和體育新聞?lì)悇e的熱搜詞作為個(gè)性化熱搜詞；最后，推薦模塊807向所述 用戶推送得到的個(gè)性化熱搜詞?？梢?jiàn)，本實(shí)施例除了確定哪些是熱搜詞，熱搜詞之間的關(guān)聯(lián)還可以進(jìn)一步分類，分 類后的熱搜詞可以和用戶行為建立關(guān)聯(lián)，達(dá)到個(gè)性化的熱搜詞推薦、推送。即前臺(tái)可以做到 區(qū)分展示，具體來(lái)說(shuō)，用戶在看娛樂(lè)新聞的時(shí)候，熱搜詞的集合只推薦娛樂(lè)新聞相關(guān)的。因 此可以給予用戶更優(yōu)的搜索體驗(yàn)。需要說(shuō)明的是，用戶行為分析模塊806和推薦模塊807，也可與上述系統(tǒng)實(shí)施例組 合，形成另外幾個(gè)系統(tǒng)實(shí)施例，在此不再贅述，都應(yīng)在本發(fā)明保護(hù)范圍之內(nèi)。在上述實(shí)施例中，僅對(duì)本發(fā)明進(jìn)行了示范性描述，但是本領(lǐng)域技術(shù)人員在閱讀本 專利申請(qǐng)后可以在不脫離本發(fā)明的精神和范圍的情況下對(duì)本發(fā)明進(jìn)行各種修改。
權(quán)利要求
一種熱搜詞生成方法，其特征在于，包括下列步驟搜索請(qǐng)求存儲(chǔ)步驟對(duì)用戶向搜索引擎發(fā)起的搜索請(qǐng)求進(jìn)行存儲(chǔ)；聚類步驟對(duì)搜索請(qǐng)求進(jìn)行聚類運(yùn)算，得出搜索請(qǐng)求簇；驗(yàn)證步驟確定搜索請(qǐng)求簇中最熱門的搜索請(qǐng)求；頁(yè)面搜索步驟在垂直門戶網(wǎng)頁(yè)中搜索上述最熱門的搜索請(qǐng)求，得出與該搜索請(qǐng)求相匹配的網(wǎng)頁(yè)數(shù)量；挑選步驟取上述網(wǎng)頁(yè)數(shù)量大于第一閾值時(shí)所關(guān)聯(lián)的搜索請(qǐng)求簇，并從該搜索請(qǐng)求簇中挑選熱搜詞。
2.根據(jù)權(quán)利要求1所述的熱搜詞生成方法，其特征在于，所述搜索請(qǐng)求存儲(chǔ)步驟中，還 一并存儲(chǔ)輸入搜索請(qǐng)求的時(shí)間。
3.根據(jù)權(quán)利要求1所述的熱搜詞生成方法，其特征在于，所述聚類步驟中的聚類運(yùn)算 包括凝聚聚類算法、劃分式聚類算法、基于密度的聚類算法，或者網(wǎng)格聚類算法。
4.根據(jù)權(quán)利要求1所述的熱搜詞生成方法，其特征在于，所述聚類步驟中進(jìn)一步包括 獲取單位時(shí)間內(nèi)被存儲(chǔ)的搜索請(qǐng)求；采用基于凝聚的層次聚類算法對(duì)上述獲取的搜索請(qǐng)求進(jìn)行運(yùn)算，得出搜索請(qǐng)求簇。
5.根據(jù)權(quán)利要求4所述的熱搜詞生成方法，其特征在于，所述基于凝聚的層次聚類算 法具體包括若兩個(gè)所述被獲取的搜索請(qǐng)求之間的編輯距離小于等于第二閾值，則確定該 兩個(gè)搜索請(qǐng)求為同一搜索請(qǐng)求簇。
6.根據(jù)權(quán)利要求1所述的熱搜詞生成方法，其特征在于，所述驗(yàn)證步驟之前還包括 計(jì)算聚類步驟中得出的搜索請(qǐng)求簇的突發(fā)熱度，當(dāng)所述突發(fā)熱度大于第三閾值時(shí)，轉(zhuǎn)入驗(yàn)證步驟。
7.根據(jù)權(quán)利要求6所述的熱搜詞生成方法，其特征在于，所述計(jì)算突發(fā)熱度具體包括 分別對(duì)搜索請(qǐng)求簇中每一搜索請(qǐng)求當(dāng)前一段時(shí)間的搜索頻次與昨日同期搜索頻次對(duì)比計(jì)算，得出該搜索請(qǐng)求的突發(fā)熱度；將所述搜索請(qǐng)求簇中各搜索請(qǐng)求的突發(fā)熱度累加，得出該搜索請(qǐng)求簇的突發(fā)熱度。
8.根據(jù)權(quán)利要求1所述的熱搜詞生成方法，其特征在于，頁(yè)面搜索步驟中所述匹配的 條件具體為所述最熱門的搜索請(qǐng)求在垂直門戶網(wǎng)頁(yè)中的權(quán)值大于第四閾值，則判定相互匹配。
9.根據(jù)權(quán)利要求1或8所述的熱搜詞生成方法，其特征在于，所述最熱門的搜索請(qǐng)求為 搜索頻次最高的搜索請(qǐng)求；或者，所述最熱門的搜索請(qǐng)求為突發(fā)熱度數(shù)值最大的搜索請(qǐng)求； 或者，所述最熱門的搜索請(qǐng)求為單位時(shí)間內(nèi)搜索次數(shù)最多的搜索請(qǐng)求。
10.根據(jù)權(quán)利要求1所述的熱搜詞生成方法，其特征在于，在聚類步驟之前還包括過(guò)濾步驟獲取單位時(shí)間內(nèi)被存儲(chǔ)的搜索請(qǐng)求作為短期搜索請(qǐng)求集合，以及獲取至少 二個(gè)單位時(shí)間內(nèi)被存儲(chǔ)的搜索請(qǐng)求作為歷史搜索請(qǐng)求集合；以所述歷史搜索請(qǐng)求集合過(guò)濾短期搜索請(qǐng)求集合中存在的周期性突增搜索請(qǐng)求或/ 和歷史事件突增搜索請(qǐng)求，得出過(guò)濾后的短期搜索請(qǐng)求，并轉(zhuǎn)入聚類步驟。
11.根據(jù)權(quán)利要求10所述的熱搜詞生成方法，其特征在于，所述過(guò)濾步驟中，得出歷史 搜索請(qǐng)求集合具體包括獲取至少二個(gè)單位時(shí)間內(nèi)被存儲(chǔ)的，與所述短期搜索請(qǐng)求集合中的搜索請(qǐng)求同質(zhì)的搜索請(qǐng)求；將所述獲取的搜索請(qǐng)求求并集，得出歷史搜索請(qǐng)求集合；以及，所述以歷史搜索請(qǐng)求集合過(guò)濾短期搜索請(qǐng)求集合具體包括短期搜索請(qǐng)求集合 中的搜索請(qǐng)求在上述歷史搜索請(qǐng)求集合中，則過(guò)濾該搜索請(qǐng)求。
12.根據(jù)權(quán)利要求10所述的熱搜詞生成方法，其特征在于，所述過(guò)濾步驟中，得出歷史 搜索請(qǐng)求集合具體包括非在線情況下，統(tǒng)計(jì)歷史熱門搜索請(qǐng)求集合；并且分析該歷史熱 門搜索請(qǐng)求集合得到周期性突發(fā)搜索請(qǐng)求集合作為上述歷史搜索請(qǐng)求集合；以及，所述以歷史搜索請(qǐng)求集合過(guò)濾短期搜索請(qǐng)求集合具體包括短期搜索請(qǐng)求集合 中的搜索請(qǐng)求在上述歷史搜索請(qǐng)求集合中，則過(guò)濾該搜索請(qǐng)求。
13.根據(jù)權(quán)利要求1所述的熱搜詞生成方法，其特征在于，在聚類步驟之前還包括過(guò)濾步驟獲取單位時(shí)間內(nèi)被存儲(chǔ)的搜索請(qǐng)求作為短期搜索請(qǐng)求集合；以作弊搜索請(qǐng)求列表過(guò)濾短期搜索請(qǐng)求集合中存在的作弊搜索請(qǐng)求，得出過(guò)濾后的短 期搜索請(qǐng)求，并轉(zhuǎn)入聚類步驟。
14.根據(jù)權(quán)利要求13所述的熱搜詞生成方法，其特征在于，所述作弊搜索請(qǐng)求列表中 包括關(guān)鍵詞集合，若所述短期搜索請(qǐng)求集合中的搜索請(qǐng)求含有上述關(guān)鍵詞集合中的關(guān)鍵 詞，則過(guò)濾該搜索請(qǐng)求。
15.根據(jù)權(quán)利要求13所述的熱搜詞生成方法，其特征在于，所述作弊搜索請(qǐng)求列表生 成的過(guò)程包括動(dòng)態(tài)獲取敏感詞；根據(jù)獲取的敏感詞生成動(dòng)態(tài)的作弊搜索請(qǐng)求列表；若所述短期搜索請(qǐng)求集合中的搜索請(qǐng)求在上述動(dòng)態(tài)作弊搜索請(qǐng)求列表中，則過(guò)濾該搜 索請(qǐng)求。
16.根據(jù)權(quán)利要求1所述的熱搜詞生成方法，其特征在于，在挑選步驟之后還包括用戶行為分析步驟進(jìn)行用戶行為分析，獲知用戶關(guān)注的搜索請(qǐng)求類別；推薦步驟定位所述用戶關(guān)注的搜索請(qǐng)求類別與所述熱搜詞分類所得類別的交集，并 將所述交集類別中包含的熱搜詞作為個(gè)性化熱搜詞推送給該用戶。
17.一種熱搜詞生成系統(tǒng)，其特征在于，包括搜索請(qǐng)求存儲(chǔ)模塊，對(duì)用戶向搜索引擎發(fā)起的搜索請(qǐng)求進(jìn)行存儲(chǔ)；聚類模塊，對(duì)獲取的搜索請(qǐng)求進(jìn)行聚類運(yùn)算，得出搜索請(qǐng)求簇；驗(yàn)證模塊，確定所述搜索請(qǐng)求簇中最熱門的搜索請(qǐng)求；頁(yè)面搜索模塊，在垂直門戶網(wǎng)頁(yè)中搜索上述最熱門的搜索請(qǐng)求，得出與該搜索請(qǐng)求相 匹配的網(wǎng)頁(yè)數(shù)量；挑選模塊，取上述網(wǎng)頁(yè)數(shù)量大于第一閾值時(shí)所關(guān)聯(lián)的搜索請(qǐng)求簇，并從該搜索請(qǐng)求簇 中挑選熱搜詞。
18.根據(jù)權(quán)利要求17所述的熱搜詞生成系統(tǒng)，其特征在于，所述搜索請(qǐng)求存儲(chǔ)模塊還 一并存儲(chǔ)輸入搜索請(qǐng)求的時(shí)間。
19.根據(jù)權(quán)利要求17所述的熱搜詞生成系統(tǒng)，其特征在于，所述聚類模塊預(yù)設(shè)的聚類 運(yùn)算包括凝聚聚類算法、劃分式聚類算法、基于密度的聚類算法，或者網(wǎng)格聚類算法。
20.根據(jù)權(quán)利要求17所述的熱搜詞生成系統(tǒng)，其特征在于，所述聚類模塊從搜索請(qǐng)求 存儲(chǔ)模塊中獲取單位時(shí)間內(nèi)被存儲(chǔ)的搜索請(qǐng)求，并以預(yù)設(shè)的基于凝聚的層次聚類算法對(duì)上 述獲取的搜索請(qǐng)求進(jìn)行運(yùn)算。
21.根據(jù)權(quán)利要求20所述的熱搜詞生成系統(tǒng)，其特征在于，所述聚類模塊中預(yù)設(shè)的基于凝聚的層次聚類算法是若兩個(gè)所述被獲取的搜索請(qǐng)求之間的編輯距離小于等于第二閾 值，則確定該兩個(gè)搜索請(qǐng)求為同一搜索請(qǐng)求簇。
22.根據(jù)權(quán)利要求17所述的熱搜詞生成系統(tǒng)，其特征在于，驗(yàn)證模塊先計(jì)算聚類模塊 得出的搜索請(qǐng)求簇的突發(fā)熱度，當(dāng)所述突發(fā)熱度大于第三閾值時(shí)，再確定所述搜索請(qǐng)求簇 中搜索最熱門的搜索請(qǐng)求。
23.根據(jù)權(quán)利要求22所述的熱搜詞生成系統(tǒng)，其特征在于，所述驗(yàn)證模塊計(jì)算突發(fā)熱 度具體是分別對(duì)搜索請(qǐng)求簇中每一搜索請(qǐng)求當(dāng)前一段時(shí)間的搜索頻次與昨日同期搜索頻 次對(duì)比計(jì)算，得出該搜索請(qǐng)求的突發(fā)熱度；將所述搜索請(qǐng)求簇中各搜索請(qǐng)求的突發(fā)熱度累 加，得出該搜索請(qǐng)求簇的突發(fā)熱度。
24.根據(jù)權(quán)利要求17所述的熱搜詞生成系統(tǒng)，其特征在于，所述頁(yè)面搜索模塊判斷搜 索請(qǐng)求與網(wǎng)頁(yè)相匹配的匹配條件是所述最熱門的搜索請(qǐng)求在垂直門戶網(wǎng)頁(yè)中的權(quán)值大于 第四閾值，則判定相互匹配。
25.根據(jù)權(quán)利要求17或24所述的熱搜詞生成系統(tǒng)，其特征在于，所述最熱門的搜索請(qǐng) 求為搜索頻次最高的搜索請(qǐng)求；或者，所述最熱門的搜索請(qǐng)求為突發(fā)熱度數(shù)值最大的搜索請(qǐng)求；或者，所述最熱門的搜索請(qǐng)求為單位時(shí)間內(nèi)搜索次數(shù)最多的搜索請(qǐng)求。
26.根據(jù)權(quán)利要求17所述的熱搜詞生成系統(tǒng)，其特征在于，還包括第一過(guò)濾模塊，用 于從搜索請(qǐng)求存儲(chǔ)模塊中獲取單位時(shí)間內(nèi)被存儲(chǔ)的搜索請(qǐng)求作為短期搜索請(qǐng)求集合，以及 從搜索請(qǐng)求存儲(chǔ)模塊中獲取至少二個(gè)單位時(shí)間內(nèi)被存儲(chǔ)的搜索請(qǐng)求作為歷史搜索請(qǐng)求集 合；并以所述歷史搜索請(qǐng)求集合過(guò)濾短期搜索請(qǐng)求集合中存在的周期性突增搜索請(qǐng)求或/ 和歷史事件突增搜索請(qǐng)求，得出過(guò)濾后的短期搜索請(qǐng)求，并輸出到聚類模塊。
27.根據(jù)權(quán)利要求26所述的熱搜詞生成系統(tǒng)，其特征在于，所述第一過(guò)濾模塊得出歷 史搜索請(qǐng)求集合具體包括獲取至少二個(gè)單位時(shí)間內(nèi)被存儲(chǔ)的，與所述短期搜索請(qǐng)求集合 中的搜索請(qǐng)求同質(zhì)的搜索請(qǐng)求；將所述獲取的搜索請(qǐng)求求并集，得出歷史搜索請(qǐng)求集合； 以及第一過(guò)濾模塊以歷史搜索請(qǐng)求集合過(guò)濾短期搜索請(qǐng)求集合具體包括短期搜索請(qǐng)求集 合中的搜索請(qǐng)求在上述歷史搜索請(qǐng)求集合中，則過(guò)濾該搜索請(qǐng)求。
28.根據(jù)權(quán)利要求26所述的熱搜詞生成系統(tǒng)，其特征在于，所述第一過(guò)濾模塊得出歷 史搜索請(qǐng)求集合具體包括非在線情況下，統(tǒng)計(jì)歷史熱門搜索請(qǐng)求集合；并且分析該歷史 熱門搜索請(qǐng)求集合得到周期性突發(fā)搜索請(qǐng)求集合作為上述歷史搜索請(qǐng)求集合；以及第一過(guò) 濾模塊以歷史搜索請(qǐng)求集合過(guò)濾短期搜索請(qǐng)求集合具體包括短期搜索請(qǐng)求集合中的搜索 請(qǐng)求在上述歷史搜索請(qǐng)求集合中，則過(guò)濾該搜索請(qǐng)求。
29.根據(jù)權(quán)利要求17所述的熱搜詞生成系統(tǒng)，其特征在于，還包括第二過(guò)濾模塊，用 于從搜索請(qǐng)求存儲(chǔ)模塊中獲取單位時(shí)間內(nèi)被存儲(chǔ)的搜索請(qǐng)求作為短期搜索請(qǐng)求集合；并以 作弊搜索請(qǐng)求列表過(guò)濾短期搜索請(qǐng)求集合中存在的作弊搜索請(qǐng)求，得出過(guò)濾后的短期搜索 請(qǐng)求，并輸出到聚類模塊。
30.根據(jù)權(quán)利要求29所述的熱搜詞生成系統(tǒng)，其特征在于，所述第二過(guò)濾模塊中存儲(chǔ) 的作弊搜索請(qǐng)求列表中包括關(guān)鍵詞集合，若所述短期搜索請(qǐng)求集合中的搜索請(qǐng)求含有上述 關(guān)鍵詞集合中的關(guān)鍵詞，則過(guò)濾該搜索請(qǐng)求。
31.根據(jù)權(quán)利要求29所述的熱搜詞生成系統(tǒng)，其特征在于，所述第二過(guò)濾模塊動(dòng)態(tài)獲取敏感詞，并根據(jù)獲取的敏感詞生成動(dòng)態(tài)的作弊搜索請(qǐng)求列表；若所述短期搜索請(qǐng)求集合 中的搜索請(qǐng)求在上述動(dòng)態(tài)作弊搜索請(qǐng)求列表中，則過(guò)濾該搜索請(qǐng)求。
32.根據(jù)權(quán)利要求17所述的熱搜詞生成系統(tǒng)，其特征在于，還包括 用戶行為分析模塊，用于進(jìn)行用戶行為分析，獲知用戶關(guān)注的搜索請(qǐng)求類別； 推薦模塊，用于定位所述用戶關(guān)注的搜索請(qǐng)求類別與所述熱搜詞分類所得類別的交 集，并將所述交集類別中包含的熱搜詞作為個(gè)性化熱搜詞推送給該用戶。
全文摘要
本發(fā)明公開了一種熱搜詞生成方法及系統(tǒng)，涉及信息處理領(lǐng)域，用以解決現(xiàn)有技術(shù)未將搜索請(qǐng)求Query熱搜詞與垂直門戶網(wǎng)頁(yè)關(guān)聯(lián)，用戶的搜索體驗(yàn)有待提升的問(wèn)題。方法包括對(duì)用戶向搜索引擎發(fā)起的搜索請(qǐng)求進(jìn)行存儲(chǔ)；對(duì)搜索請(qǐng)求進(jìn)行聚類運(yùn)算，得出搜索請(qǐng)求簇；確定搜索請(qǐng)求簇中最熱門的搜索請(qǐng)求；在垂直門戶網(wǎng)頁(yè)中搜索上述最熱門的搜索請(qǐng)求，得出與該搜索請(qǐng)求相匹配的網(wǎng)頁(yè)數(shù)量；取上述網(wǎng)頁(yè)數(shù)量大于第一閾值時(shí)所關(guān)聯(lián)的搜索請(qǐng)求簇，并從該搜索請(qǐng)求簇中挑選熱搜詞。系統(tǒng)包括搜索請(qǐng)求存儲(chǔ)模塊，聚類模塊，驗(yàn)證模塊，頁(yè)面搜索模塊和挑選模塊。本發(fā)明將搜索請(qǐng)求熱搜詞和垂直門戶網(wǎng)頁(yè)進(jìn)行驗(yàn)證，可辨別出新聞或事件相關(guān)的搜索請(qǐng)求熱搜詞。
文檔編號(hào)G06F17/30GK101984423SQ20101051448
公開日2011年3月9日 申請(qǐng)日期2010年10月21日 優(yōu)先權(quán)日2010年10月21日
發(fā)明者劉濤, 彭學(xué)政, 蔡勛梁, 黃煒 申請(qǐng)人:百度在線網(wǎng)絡(luò)技術(shù)(北京)有限公司