【技术实现步骤摘要】
识别噪声query的方法、装置、电子设备和可读存储介质
[0001]本申请涉及大数据领域，尤其涉及一种识别噪声query的方法、装置、电子设备和可读存储介质。
技术介绍
[0002]搜索引擎经常会收到用户输入的无意义的噪声查询词，即噪声query，噪声query通常是长尾低频query，不会命中搜索结果缓存，甚至会触发二级索引甚至多级索引，导致在线服务压力变大，服务器不稳定，因此服务器需要识别噪声query。
[0003]目前识别query识别主要依靠噪声模板完成，噪声模板包括query过长 (例如超过50个字符)；query为重复单字(例如“我我我我我我”)；query 为无单词拉丁字符(例如“asdfghjkl”)，噪声模板特征可以表征query是否为噪声query。
[0004]但是仅依靠噪声模板只能是识别少数的部分噪声query，对于复杂的噪声query，仅利用噪声模板是无法有效识别噪声query的，这导致现有技术中噪声query的识别覆盖率低。
技术实现思路
[0005]为了解决上述...
【技术保护点】
【技术特征摘要】
1.一种识别噪声query的方法，其特征在于，所述方法包括：获取目标query，其中，所述目标query用于指示搜索引擎接收到的查询词句；将所述目标query输入特征抽取模块，得到目标query的特征，其中，所述目标query的特征包括模板匹配特征、搜索文档生成概率和搜索日志生成概率，所述搜索文档生成概率用于指示所述目标query在搜索文档集中的稀疏性特征，所述搜索日志生成概率用于指示所述目标query在搜索日志集中的稀疏性特征；将所述目标query的特征输入目标识别模型，得到识别结果，其中，所述识别结果用于指示所述目标query是否为噪声query。2.根据权利要求1所述的方法，其特征在于，所述得到目标query的特征包括：根据预设的噪声模板获取目标query的模板匹配特征；根据所述目标query的每个目标N元组在所述搜索文档集中的文档频率特征，确定所述目标query的搜索文档生成概率，其中，所述目标N元组包括所述目标query的N个连续的词汇；根据所述目标query的每个目标N元组在预设时段内的搜索日志集中的日志频率特征，确定所述目标query的搜索日志生成概率。3.根据权利要求2所述的方法，其特征在于，所述根据所述目标query在所述搜索文档集中的文档频率特征，确定所述目标query的搜索文档生成概率包括：将所述目标query拆分为多个目标N元组；根据预设的第一字典，确定每个目标N元组针对搜索文档集出现的文档频率特征，其中，所述第一字典中包含所述搜索文档集下第一N元组和第一频率特征之间的对应关系；根据所述目标query的每个文档频率特征，生成所述搜索文档生成概率。4.根据权利要求3所述的方法，其特征在于，根据预设的第一字典确定每个目标N元组针对搜索文档集出现的文档频率特征之前，所述方法还包括：获取多个第一N元组，其中，所述第一N元组是通过对所述搜索文档集中的样本搜索记录进行拆分得到的，所述第一N元组包括所述样本搜索记录的N个连续的词汇；获取包含所述第一N元组的样本文档数量；根据所述样本文档数量和所述搜索文档集中的搜索文档总数，确定所述第一N元组的第一频率特征；根据所述第一N元组和所述第一频率特征之间的对应关系，构建所述第一字典。5.根据权利要求2所述的方法，其特征在于，所述根据所述目标query在预设时段内的所述搜索日志集中的日志频率特征，确定所述目标query的搜索日志生成概率包括：将所述目标query拆分为多个目标N元组，其中，所述N元组中包含多个连续的词汇；根据预设的第二字典，确定每个目标N元组针对所述预设时段内的搜索日志集出现的日志频率特征，其中，所述第二字典中包含所述搜索日...
【专利技术属性】
技术研发人员：王亮，
申请(专利权)人：北京爱奇艺科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。