一种热词推荐方法及装置制造方法及图纸

本申请实施例提供了一种热词推荐方法及装置，其中，该方法通过预先对备选热词进行分类，确定各备选热词的所属类别，在为用户在目标搜索引擎的信息搜索框中输入的查询关键词匹配推荐热词时，基于各备选热词的所属类别选取与该查询关键词匹配的多个目标热词作为推荐热词，同时在目标搜索引擎的搜索页面上的指定区域将选取出的推荐热词分类展示给用户，这样既能够提高确定出的推荐热词的准确度，又能够保证推荐热词展示的规律性，使得用户按热词类别快速准确锁定到自己真正需要查询的热词，从而提高用户获取自身感兴趣信息的时效性。

【技术实现步骤摘要】
一种热词推荐方法及装置
本申请涉及信息推荐领域，尤其涉及一种热词推荐方法及装置。
技术介绍
目前，随着互联网与新媒体的快速发展，通过在搜索引擎的信息查询框中输入查询词来获取用户所需的咨询信息，已经成为人们日常生活中获取信息的主要手段，然而，这种方式给用户带来了海量的咨询信息的同时，也带来了大量无效、冗余或者用户并不感兴趣的咨询信息。为了提高最终展示的与查询词对应的咨询信息的准确度，一旦检测到用户通过搜索引擎搜索某个查询词时，将在信息查询框的下拉列表中显示为用户推荐的与该查询词相关的目标热词。当前，相关技术中提供了一种热词推荐的方法，主要是：获取用户在信息搜索框中输入的查询关键词，在包含该查询关键词的多个备选热词中，选取热度排序靠前的预设数量的备选热词作为目标热词，再将选取出的多个目标热词展示于信息输入框下方。例如，在百度搜索引擎的信息搜索框中输入“区块链”，对应展示的目标热词有“区块链是什么、区块链培训班、区块链趋势、区块链投资骗局、区块链技术是什么”等等。然而，基于现有技术中的热词推荐方法确定出的目标热词存在准确度低的问题，且热词展示方式不具有规律性，使得用户无法快速准确锁定到自己本文档来自技高网...

【技术保护点】
1.一种热词推荐方法，其特征在于，包括：获取用户在目标搜索引擎的信息搜索框中输入的查询关键词，其中，所述目标搜索引擎包括：具有既定类别的垂直搜索引擎、或者不分类别的通用搜索引擎；以及，获取待推荐的多个备选热词各自对应的所属类别，其中，所述备选热词的所述所属类别是基于热词来源信息、热词分类模型、人工标记信息中至少一种确定的；基于各所述备选热词的所述所属类别，选取与所述查询关键词匹配的多个目标热词，将所述多个目标热词作为针对所述查询关键词的推荐热词；在所述目标搜索引擎的搜索页面上的指定区域，根据各所述推荐热词的所述所属类别，分类展示多个所述推荐热词。

【技术特征摘要】
1.一种热词推荐方法，其特征在于，包括：获取用户在目标搜索引擎的信息搜索框中输入的查询关键词，其中，所述目标搜索引擎包括：具有既定类别的垂直搜索引擎、或者不分类别的通用搜索引擎；以及，获取待推荐的多个备选热词各自对应的所属类别，其中，所述备选热词的所述所属类别是基于热词来源信息、热词分类模型、人工标记信息中至少一种确定的；基于各所述备选热词的所述所属类别，选取与所述查询关键词匹配的多个目标热词，将所述多个目标热词作为针对所述查询关键词的推荐热词；在所述目标搜索引擎的搜索页面上的指定区域，根据各所述推荐热词的所述所属类别，分类展示多个所述推荐热词。2.根据权利要求1所述的方法，其特征在于，在获取用户在目标搜索引擎的信息搜索框中输入的查询关键词之前，还包括：根据待分类的备选热词的热词来源信息，确定所述备选热词的所属类别；或者，利用预先训练的热词分类模型，确定待分类的备选热词的所属类别，其中，所述热词分类模型是利用机器学习方法并基于全网样本热词与其所属类别的对应关系训练得到的；或者，根据对待分类的备选热词的人工标记信息，确定所述备选热词的所属类别。3.根据权利要求2所述的方法，其特征在于，所述利用预先训练的热词分类模型，确定待分类的备选热词的所属类别，包括：针对每个预先划分的分类类别，利用预先训练的热词分类模型确定所述备选热词与该分类类别下的样本热词之间的相关程度；根据确定出的多个所述相关程度，确定所述备选热词属于所述分类类别的预测概率；将所述预测概率大于预设概率阈值的所述分类类别确定为所述备选热词的所属类别。4.根据权利要求1所述的方法，其特征在于，所述基于各所述备选热词的所述所属类别，选取与所述查询关键词匹配的多个目标热词，包括：基于各所述备选热词的所述所属类别，确定与所述查询关键词相关的多个目标类别；将所述查询关键词与所述目标类别下的所述备选热词进行语义匹配，得到各所述备选词对应的语义相似度；针对每个所述目标类别，根据该目标类别下的各所述备选热词对应的所述语义相似度，选择排序靠前的目标推荐数量的多个所述备选热词作为与所述查询关键词匹配的目标热词。5.根据权利要求4所述的方法，其特征在于，所述基于各所述备选热词的所述所属类别，确定与所述查询关键词相关的多个目标类别，包括：若所述目标搜索引擎为具有既定类别的垂直搜索引擎，则在各所述备选热词的所述所属类别中，将与所述既定类别对应的所述所属类别确定为与所述查询关键词相关的多个目标类别；若所述目标搜索引擎为不分类别的通用搜索引擎，则利用预先训练的热词分类模型，确定所述查询关键词的分类类别；以及在各所述备选热词的所述所属类别中，将与所述分类类别对应的所述所属类别确定为与所述查询关键词相关的多个目标类别。6.根据权利要求4所述的方法，其特征在于，在选择排序靠前的目标推荐数量的多个所述备选热词作为与所述查询关键词匹配的目标热词之前，还包括：针对每个所述目标类别，根据预先确定的所述用户的偏好信息，确定所述用户对所述目标类别的用户关注度；根据所述目标类别对应的所述用户关注度，确定所述目标类别下的备选热词的推荐比重；根据确定出的所述推荐比重和预设推荐总数，确定所述目标类别对应的备选热词的目标推荐数量。7.根据权利要求4所述的方法，其特征在于，所述根据各所述推荐热词的所述所属类别，分类展示多个所述推荐热词，包括：根据预先确定的所述用户的偏好信息，对所述目标类别进行排序，得到类别排序结果；根据各所述推荐热词的所述所属类别和所述类别排序结果，分类并按序展示针对所述查询关键词的多个所述推荐热词。8.根据权利要求7所述的方法，其特征在于，所述根据各所述推荐热词的所述所属类别和所述类别排序结果，分类并按序展示针对所述查询关键词的多个所述推荐热词，包括：针对...

【专利技术属性】
技术研发人员：赵爽，颜冬，李涛，
申请(专利权)人：麒麟合盛网络技术股份有限公司，
类型：发明
国别省市：北京,11