本發(fā)明涉及計算機(jī)軟件，尤其是涉及一種基于多維度特征的垂直搜索引擎精排方法及系統(tǒng)。

背景技術(shù)：

1、垂直搜索是一種專門針對特定領(lǐng)域或主題的搜索引擎技術(shù)，與通用搜索引擎（如谷歌、百度）不同，垂直搜索引擎專注于索引和檢索特定類型的信息，例如房地產(chǎn)、旅行、購物、政務(wù)服務(wù)或特定行業(yè)的數(shù)據(jù)。隨著信息技術(shù)的飛速發(fā)展，搜索引擎在人們獲取信息的過程中扮演著至關(guān)重要的角色。然而，傳統(tǒng)的通用搜索引擎在面對特定領(lǐng)域或主題的搜索需求時，往往無法提供足夠精確和相關(guān)的搜索結(jié)果，為了解決這一問題，垂直搜索引擎應(yīng)運(yùn)而生，垂直搜索引擎專注于特定領(lǐng)域或主題的信息索引和檢索，能夠更好地滿足用戶在特定領(lǐng)域的搜索需求。例如，在房地產(chǎn)、旅行、購物、政務(wù)服務(wù)等領(lǐng)域，垂直搜索引擎可以提供更加精準(zhǔn)和有針對性的搜索結(jié)果。

2、在垂直搜索引擎中，bm25算法是一種常用的信息檢索與網(wǎng)頁排名算法，它通過考慮查詢詞在文檔中出現(xiàn)的頻率和在所有文檔中出現(xiàn)的頻率，來評估文檔與用戶查詢的相關(guān)性。然而，傳統(tǒng)的bm25算法在垂直搜索中存在一些局限性，例如未考慮資源熱度、欄目權(quán)重和業(yè)務(wù)重點(diǎn)等因素，此外，特征提取是搜索引擎中的關(guān)鍵環(huán)節(jié)。有效的特征提取能夠捕捉到文檔的關(guān)鍵信息和潛在語義，但現(xiàn)有的特征提取方法可能無法充分涵蓋多維度的特征，導(dǎo)致搜索結(jié)果的相關(guān)性和準(zhǔn)確性受到影響，現(xiàn)階段需要一種基于多維度特征的垂直搜索引擎精排方法及系統(tǒng)。

技術(shù)實現(xiàn)思路

1、為了解決垂直搜索引擎的性能較差和搜索精確度低的問題，本發(fā)明提供一種基于多維度特征的垂直搜索引擎精排方法及系統(tǒng)。能夠綜合考慮資源熱度、欄目權(quán)重、用戶行為和用戶畫像因素，深入挖掘文檔的特征，從而提供更精準(zhǔn)、個性化的搜索結(jié)果。

2、第一方面，本發(fā)明提供的一種基于多維度特征的垂直搜索引擎精排方法，采用如下的技術(shù)方案：

3、一種基于多維度特征的垂直搜索引擎精排方法，包括：

4、獲取召回的資源信息，包括獲取文檔信息、資源熱度、欄目信息和用戶行為數(shù)據(jù)；

5、基于獲取的資源信息進(jìn)行特征提取，包括提取資源信息的文檔特征、資源熱度特征、欄目特征和用戶行為特征；

6、根據(jù)提取的資源信息特征進(jìn)行分類模型加權(quán)，包括利用卡方特征提取和貝葉斯分類相結(jié)合方式計算分類模型加權(quán)；

7、根據(jù)提取的資源信息特征進(jìn)行資源熱度加權(quán)，包括設(shè)置資源熱度超參數(shù)，用于調(diào)整資源熱度的權(quán)重；

8、將分類模型加權(quán)結(jié)果和資源熱度加權(quán)結(jié)果進(jìn)行模型整合，包括將分類模型加權(quán)結(jié)果作為基礎(chǔ)權(quán)重，通過乘法運(yùn)算結(jié)合資源熱度加權(quán)的結(jié)果；

9、利用模型整合后的權(quán)重進(jìn)行精排打分，根據(jù)最終的打分結(jié)果，對召回的資源進(jìn)行排序。

10、進(jìn)一步地，所述根據(jù)提取的資源信息特征進(jìn)行分類模型加權(quán)，包括通過計算每個特征在不同類別中的出現(xiàn)頻率和卡方統(tǒng)計量，篩選出具有區(qū)分能力的特征，通過貝葉斯分類計算每個詞在不同類別中的先驗概率和后驗概率，選擇后驗概率最大的類別作為文檔的分類，所述貝葉斯分類的計算公式為：

11、，

12、其中，表示為關(guān)鍵詞，表示為類別，表示為類別的先驗概率，表示為在類別下，文檔中出現(xiàn)詞的聯(lián)合概率，表示為文檔中出現(xiàn)詞的情況下，該文檔屬于類別的后驗概率。

13、進(jìn)一步地，所述根據(jù)提取的資源信息特征進(jìn)行分類模型加權(quán)，還包括利根據(jù)欄目信息對業(yè)務(wù)的重要性設(shè)置欄目系數(shù)，通過將貝葉斯后驗概率與欄目系數(shù)相乘，得到每個文檔的初步權(quán)重。

14、進(jìn)一步地，所述根據(jù)提取的資源信息特征進(jìn)行資源熱度加權(quán)，包括獲取搜索日志統(tǒng)計資源近期訪問量，并設(shè)置資源熱度超參數(shù)，用于調(diào)整資源熱度的權(quán)重，基于資源近期訪問量和熱度超參數(shù)進(jìn)行資源熱度加權(quán)的計算，所述計算公式為：

15、，

16、其中，表示為資源熱度超參數(shù)，表示為資源近期訪問量，表示為資源熱度加權(quán)后的權(quán)重。

17、進(jìn)一步地，所述將分類模型加權(quán)結(jié)果和資源熱度加權(quán)結(jié)果進(jìn)行模型整合，包括將分類模型加權(quán)得到的初步權(quán)重作為基礎(chǔ)權(quán)重，通過乘法運(yùn)算結(jié)合資源熱度加權(quán)的結(jié)果得到整合后的最終權(quán)重，所述最終權(quán)重表示為：

18、,

19、其中，表示為分類模型加權(quán)后的權(quán)重，表示為最終權(quán)重。

20、進(jìn)一步地，所述利用模型整合后的權(quán)重進(jìn)行精排打分，包括根據(jù)匹配規(guī)則計算粗排結(jié)果中的打分，利用模型整合后的權(quán)重計算最終的精排打分，并根據(jù)最終的打分結(jié)果，對召回的資源進(jìn)行排序，所述計算最終的精排打分公式為：

21、,

22、其中，表示為粗排結(jié)果中的打分，表示為最終的精排打分。

23、進(jìn)一步地，所述根據(jù)匹配規(guī)則計算粗排結(jié)果中的打分，包括選擇匹配規(guī)則并根據(jù)匹配規(guī)則確定匹配得分，利用詞頻-逆文檔頻率將文檔和關(guān)鍵詞轉(zhuǎn)換為向量，通過余弦相似度計算相關(guān)性得分，根據(jù)匹配得分和相關(guān)性得分確定粗排結(jié)果中的打分，設(shè)定得分閾值并剔除打分小于閾值的資源信息。

24、第二方面，一種基于多維度特征的垂直搜索引擎精排系統(tǒng)，包括：

25、數(shù)據(jù)獲取模塊，被配置為：獲取用戶的資源信息，包括獲取文檔信息、資源熱度、欄目信息和用戶行為數(shù)據(jù)；

26、特征提取模塊，被配置為：基于獲取的資源信息進(jìn)行特征提取，包括提取資源信息的文檔特征、資源熱度特征、欄目特征和用戶行為特征；

27、初步加權(quán)模塊，被配置為：根據(jù)提取的資源信息特征進(jìn)行分類模型加權(quán)，包括利用卡方特征提取和貝葉斯分類相結(jié)合方式計算分類模型加權(quán)；

28、熱度加權(quán)模塊，被配置為：根據(jù)提取的資源信息特征進(jìn)行資源熱度加權(quán)，包括設(shè)置資源熱度超參數(shù)，用于調(diào)整資源熱度的權(quán)重；

29、整合模塊，被配置為：將分類模型加權(quán)結(jié)果和資源熱度加權(quán)結(jié)果進(jìn)行模型整合，包括將分類模型加權(quán)結(jié)果作為基礎(chǔ)權(quán)重，通過乘法運(yùn)算結(jié)合資源熱度加權(quán)的結(jié)果；

30、精排模塊，被配置為：利用模型整合后的權(quán)重進(jìn)行精排打分，根據(jù)最終的打分結(jié)果，對召回的資源進(jìn)行排序。

31、第三方面，本發(fā)明提供一種計算機(jī)可讀存儲介質(zhì)，其中存儲有多條指令，所述指令適于由終端設(shè)備的處理器加載并執(zhí)行所述的一種基于多維度特征的垂直搜索引擎精排方法。

32、第四方面，本發(fā)明提供一種終端設(shè)備，包括處理器和計算機(jī)可讀存儲介質(zhì)，處理器用于實現(xiàn)各指令；計算機(jī)可讀存儲介質(zhì)用于存儲多條指令，所述指令適于由處理器加載并執(zhí)行所述的一種基于多維度特征的垂直搜索引擎精排方法。

33、綜上所述，本發(fā)明具有如下的有益技術(shù)效果：

34、1、本發(fā)明通過計算特征的出現(xiàn)頻率、卡方統(tǒng)計量和貝葉斯分類，能夠更精準(zhǔn)地確定文檔的類別，從而提高分類的準(zhǔn)確性和可靠性，設(shè)置欄目系數(shù)并與貝葉斯后驗概率相乘，能夠充分考慮欄目對業(yè)務(wù)的重要性，使分類結(jié)果更貼合實際業(yè)務(wù)需求，基于搜索日志統(tǒng)計資源近期訪問量并進(jìn)行熱度加權(quán)，能夠讓熱門資源在排序中更具優(yōu)勢，滿足用戶對熱門信息的需求。

35、2、本發(fā)明通過綜合考慮文檔特征、資源熱度特征、欄目特征和用戶行為特征，對搜索結(jié)果進(jìn)行合理的加權(quán)，從而實現(xiàn)精準(zhǔn)的搜索結(jié)果展示，避免了因無法充分涵蓋多維度的特征而導(dǎo)致的搜索精確度低的問題。