基于用户搜索日志的兴趣实体获得方法及装置与流程

技术特征：
1.一种基于用户搜索日志的兴趣实体获得方法，其特征在于，包括：获得待匹配的Session段，所述Session段中包括客户端的至少一个用户搜索日志；对每个所述用户搜索日志的query和title进行切词处理，以获得每个所述用户搜索日志的第一term；根据预先设置的实体库，匹配出与每个所述用户搜索日志的第一term相关的候选实体；利用所述Session段的特征、所述候选实体的特征、以及所述Session段与所述候选实体的关联特征中的至少一项，对所述候选实体进行过滤，以获得兴趣实体；其中，所述利用所述Session段的特征、所述候选实体的特征、以及所述Session段与所述候选实体的关联特征中的至少一项，对所述候选实体进行过滤，以获得兴趣实体，包括下列中的至少一项：利用所述Session段的特征、所述候选实体的特征、以及所述Session段与所述候选实体的关联特征中的至少一项，作为输入，运行GBDT模型，以获得每个所述候选实体的预测label；若所述候选实体的预测label大于或等于预先设置的label阈值，保留所述候选实体，以作为所述兴趣实体，若所述候选实体的预测label小于预先设置的label阈值，过滤掉所述候选实体；以及根据所述候选实体的预测label、所述候选实体的名称长度、所述候选实体完整匹配的次数、所述候选实体的预设属性是否匹配到所述Session段、以及所述候选实体的所有属性匹配到所述Session段中的个数中的至少一项，获得所述候选实体的排序分数；若所述候选实体的排序分数小于预先设置的第一分数阈值，过滤掉所述候选实体；若所述候选实体的排序分数大于或等于预先设置的第一分数阈值，且小于预先设置的第二分数阈值，若所述候选实体的排序分数大于或等于所述预测label，保留所述候选实体，以作为所述兴趣实体，若所述候选实体的排序分数小于所述预测label，过滤掉所述候选实体；若所述候选实体的排序分数大于或等于预先设置的第二阈值分数，保留所述候选实体，以作为所述兴趣实体；其中，所述第二分数阈值大于所述第一分数阈值。2.根据权利要求1所述的方法，其特征在于，所述根据预先设置的实体库，匹配出与每个所述用户搜索日志的第一term相关的候选实体，包括：根据预先设置的实体库，建立实体的倒排索引；根据所述倒排索引，获得与每个所述用户搜索日志的第一term相关的实体；根据所述实体的term重要性权值覆盖率，对所述实体进行排序；选择所述term重要性权值覆盖率最高的指定数量的所述实体，以作为所述候选实体。3.根据权利要求1～2任一权利要求所述的方法，其特征在于，所述Session段的特征包括下列中的至少一个：所述Session段所包含的所有第一term的长度之和。4.根据权利要求1～2任一权利要求所述的方法，其特征在于，所述候选实体的特征包括下列中的至少一个：所述候选实体的名称长度之和；所述候选实体的名称中所包含的所有第二term的term重要性权值之和；以及所述候选实体的名称中所包含的所有第二term的IDF权值之和；其中，所述第二term为对所述候选实体的名称进行切词处理获得。5.根据权利要求1～2任一权利要求所述的方法，其特征在于，所述Session段与所述候选实体的关联特征包括下列中的至少一个：所述候选实体的名称在所述Session段所包含的所有第一term中出现的所有第二term的长度之和；所述候选实体的名称在所述Session段所包含的所有第一term中出现的所有第二term的长度之和与所述候选实体的名称长度之和的比值；所述候选实体的名称在所述Session段所包含的所有第一term中出现的所有第二term的term重要性权值之和；所述候选实体的名称在所述Session段所包含的所有第一term中出现的所有第二term的term重要性权值之和与所述候选实体的名称中所包含的所有第二term的term重要性权值之和的比值；所述Session段所包含的所有第一term中出现的所述候选实体的名称中所包含的第二term的最大term重要性权值；所述候选实体的名称在所述Session段所包含的所有第一term中出现的所有第二term的IDF权值之和；所述候选实体的名称在所述Session段所包含的所有第一term中出现的所有第二term的IDF权值之和与所述候选实体的名称中所包含的所有第二term的IDF权值之和的比值；所述Session段所包含的所有第一term中出现的所述候选实体的名称中所包含的第二term的最大IDF权值；以及所述Session段所包含的所有第一term中完整匹配所述候选实体的名称的次数；其中，所述第二term为对所述候选实体的名称进行切词处理获得。6.一种基于用户搜索日志的兴趣实体获得装置，其特征在于，包括：获得单元，用于获得待匹配的Session段，所述Session段中包括客户端的至少一个用户搜索日志；切词单元，用于对每个所述用户搜索日志的query和title进行切词处理，以获得每个所述用户搜索日志的第一term；匹配单元，用于根据预先设置的实体库，匹配出与每个所述用户搜索日志的第一term相关的候选实体；过滤单元，用于利用所述Session段的特征、所述候选实体的特征、以及所述Session段与所述候选实体的关联特征中的至少一项，对所述候选实体进行过滤，以获得兴趣实体；其中，所述过滤单元，具体用于执行下列中的至少一项：利用所述Session段的特征、所述候选实体的特征、以及所述Session段与所述候选实体的关联特征中的至少一项，作为输入，运行GBDT模型，以获得每个所述候选实体的预测label；若所述候选实体的预测label大于或等于预先设置的label阈值，保留所述候选实体，以作为所述兴趣实体，若所述候选实体的预测label小于预先设置的label阈值，过滤掉所述候选实体；以及根据所述候选实体的预测label、所述候选实体的名称长度、所述候选实体完整匹配的次数、所述候选实体的预设属性是否匹配到所述Session段、以及所述候选实体的所有属性匹配到所述Session段中的个数中的至少一项，获得所述候选实体的排序分数；若所述候选实体的排序分数小于预先设置的第一分数阈值，过滤掉所述候选实体；若所述候选实体的排序分数大于或等于预先设置的第一分数阈值，且小于预先设置的第二分数阈值，若所述候选实体的排序分数大于或等于所述预测label，保留所述候选实体，以作为所述兴趣实体，若所述候选实体的排序分数小于所述预测label，过滤掉所述候选实体；若所述候选实体的排序分数大于或等于预先设置的第二阈值分数，保留所述候选实体，以作为所述兴趣实体；其中，所述第二分数阈值大于所述第一分数阈值。7.根据权利要求6所述的装置，其特征在于，所述匹配单元，具体用于根据预先设置的实体库，建立实体的倒排索引；根据所述倒排索引，获得与每个所述用户搜索日志的第一term相关的实体；根据所述实体的term重要性权值覆盖率，对所述实体进行排序；选择所述term重要性权值覆盖率最高的指定数量的所述实体，以作为所述候选实体。8.根据权利要求6～7任一权利要求所述的装置，其特征在于，所述Session段的特征包括下列中的至少一个：所述Session段所包含的所有第一term的长度之和。9.根据权利要求6～7任一权利要求所述的装置，其特征在于，所述候选实体的特征包括下列中的至少一个：所述候选实体的名称长度之和；所述候选实体的名称中所包含的所有第二term的term重要性权值之和；以及所述候选实体的名称中所包含的所有第二term的IDF权值之和；其中，所述第二term为对所述候选实体的名称进行切词处理获得。10.根据权利要求6～7任一权利要求所述的装置，其特征在于，所述Session段与所述候选实体的关联特征包括下列中的至少一个：所述候选实体的名称在所述Session段所包含的所有第一term中出现的所有第二term的长度之和；所述候选实体的名称在所述Session段所包含的所有第一term中出现的所有第二term的长度之和与所述候选实体的名称长度之和的比值；所述候选实体的名称在所述Session段所包含的所有第一term中出现的所有第二term的term重要性权值之和；所述候选实体的名称在所述Session段所包含的所有第一term中出现的所有第二term的term重要性权值之和与所述候选实体的名称中所包含的所有第二term的term重要性权值之和的比值；所述Session段所包含的所有第一term中出现的所述候选实体的名称中所包含的第二term的最大term重要性权值；所述候选实体的名称在所述Session段所包含的所有第一term中出现的所有第二term的IDF权值之和；所述候选实体的名称在所述Session段所包含的所有第一term中出现的所有第二term的IDF权值之和与所述候选实体的名称中所包含的所有第二term的IDF权值之和的比值；所述Session段所包含的所有第一term中出现的所述候选实体的名称中所包含的第二term的最大IDF权值；以及所述Session段所包含的所有第一term中完整匹配所述候选实体的名称的次数；其中，所述第二term为对所述候选实体的名称进行切词处理获得。