一種視頻推薦方法及裝置的制造方法
【專利摘要】本發(fā)明實(shí)施例公開了一種視頻推薦方法及裝置，應(yīng)用于服務(wù)器，方法包括：獲得用戶輸入的文本串，并識別出該文本串中所包括的至少一個分詞；基于識別出的每個分詞的自身文本信息，確定每個分詞對應(yīng)的文本系數(shù)；分別判斷每一分詞是否與預(yù)設(shè)的加權(quán)詞庫中的歷史搜索詞相同，如果判斷結(jié)果為是，利用與該分詞相同的歷史搜索詞所對應(yīng)的加權(quán)系數(shù)，對該分詞對應(yīng)的文本系數(shù)加權(quán)，得到該分詞對應(yīng)的推薦系數(shù)；如果判斷結(jié)果為否，利用預(yù)定加權(quán)系數(shù)，對該分詞對應(yīng)文本系數(shù)加權(quán)，得到該分詞對應(yīng)的推薦系數(shù)；歸一化每個分詞的推薦系數(shù)；基于歸一化得到的各個分詞所對應(yīng)的標(biāo)準(zhǔn)推薦系數(shù)，按照預(yù)設(shè)方式向用戶推薦視頻。本發(fā)明實(shí)施例推薦視頻更加準(zhǔn)確，用戶感受更佳。
【專利說明】
一種視頻推薦方法及裝置
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及視頻應(yīng)用系統(tǒng)，特別涉及一種視頻推薦方法及裝置。
【背景技術(shù)】
[0002] 現(xiàn)在視頻網(wǎng)站常設(shè)置有向用戶推薦視頻的功能，該功能可以提供給用戶更多的相 關(guān)視頻的選擇，進(jìn)一步增加了視頻網(wǎng)站的點(diǎn)擊量和關(guān)注度。
[0003] 現(xiàn)有技術(shù)推薦視頻時，是利用用戶在搜索框中輸入的文本串的自身文本信息進(jìn)行 推薦，具體的一種實(shí)現(xiàn)方式為：首先，獲得用戶輸入的文本串；其次，利用詞頻-逆向文件頻 率（TF-IDF)算法確定該文本串中的每個分詞的第一權(quán)重；再次，參考該文本串中的每個分 詞的詞性，在上述第一權(quán)重基礎(chǔ)上對每個分詞加權(quán)，得到文本系數(shù)；最后，將該文本系數(shù)直 接作為視頻的推薦系數(shù)，并按照該推薦系數(shù)的大小向用戶推薦視頻。在上述具體實(shí)現(xiàn)方式 中，一般默認(rèn)名詞的加權(quán)系數(shù)大于動詞或者形容詞的加權(quán)系數(shù)，但是當(dāng)用戶輸入的文本串 中既有名詞又有動詞，且動詞的預(yù)期權(quán)重大于名詞時，例如："密碼的破解"這個文本串，用 戶所希望的主要是"破解"，即動詞"破解"的預(yù)期權(quán)重大于名詞"密碼"，按照上述具體實(shí)現(xiàn) 方式，詞性加權(quán)與用戶預(yù)期不吻合，導(dǎo)致最后得到的推薦系數(shù)不準(zhǔn)確，進(jìn)而向用戶推薦的視 頻也不準(zhǔn)確，用戶感受不佳。

【發(fā)明內(nèi)容】

[0004] 基于上述問題，本發(fā)明實(shí)施例公開了一種視頻推薦方法及裝置，以使得推薦的視 頻更加準(zhǔn)確。技術(shù)方案如下：
[0005] 本發(fā)明實(shí)施例提供了一種視頻推薦方法，應(yīng)用于服務(wù)器，可以包括：
[0006] 獲得用戶輸入的文本串，并識別出所述文本串中所包括的至少一個分詞；
[0007] 基于識別出的每個分詞的自身文本信息，確定每個分詞對應(yīng)的文本系數(shù)；
[0008] 分別判斷每一分詞是否與預(yù)設(shè)的加權(quán)詞庫中的歷史搜索詞相同，如果判斷結(jié)果為 是，利用與所述分詞相同的歷史搜索詞所對應(yīng)的加權(quán)系數(shù)，對所述分詞對應(yīng)的文本系數(shù)加 權(quán)，得到所述分詞對應(yīng)的推薦系數(shù)；如果判斷結(jié)果為否，利用預(yù)定加權(quán)系數(shù)，對所述分詞對 應(yīng)文本系數(shù)加權(quán)，得到所述分詞對應(yīng)的推薦系數(shù)，其中，所述歷史搜索詞所對應(yīng)的加權(quán)系數(shù) 大于所述預(yù)定加權(quán)系數(shù)；
[0009] 對每個分詞的推薦系數(shù)進(jìn)行歸一化處理，得到每個分詞對應(yīng)的標(biāo)準(zhǔn)推薦系數(shù)；
[0010] 基于各個分詞所對應(yīng)的標(biāo)準(zhǔn)推薦系數(shù)，按照預(yù)設(shè)方式向用戶推薦視頻。
[0011] 可選的，預(yù)設(shè)的加權(quán)詞庫的形成過程，包括：
[0012] 獲取多個歷史搜索詞以及每個歷史搜索詞對應(yīng)的搜索量；
[0013] 將每個歷史搜索詞對應(yīng)的搜索量進(jìn)行歸一化處理，以得到每個歷史搜索詞對應(yīng)的 加權(quán)系數(shù)，將每個歷史搜索詞及其對應(yīng)的加權(quán)系數(shù)的集合作為加權(quán)詞庫。
[0014] 可選的，所述將每個歷史搜索詞對應(yīng)的搜索量進(jìn)行歸一化處理，以得到每個歷史 搜索詞對應(yīng)的加權(quán)系數(shù)，包括：
[0015] 采用min-max標(biāo)準(zhǔn)化方法，將每個歷史搜索詞對應(yīng)的搜索量映射到0. 0~1. 0范 圍內(nèi)，得到初級加權(quán)系數(shù)；
[0016] 采用sigmoid函數(shù)將所述初級加權(quán)系數(shù)映射到0. 5~1. 0范圍內(nèi)，得到每個歷史 搜索詞對應(yīng)的加權(quán)系數(shù)。
[0017] 可選的，所述預(yù)定加權(quán)系數(shù)為大于0且小于0. 5的范圍內(nèi)的指定值。
[0018] 可選的，所述對每個分詞的推薦系數(shù)進(jìn)行歸一化處理，得到每個分詞對應(yīng)的標(biāo)準(zhǔn) 推薦系數(shù)，包括：
[0019] 以所有分詞的推薦系數(shù)的平方和開方的值作為分母，以每個分詞的推薦系數(shù)作為 分子，經(jīng)計(jì)算得到每個分詞對應(yīng)的標(biāo)準(zhǔn)推薦系數(shù)。
[0020] 本發(fā)明實(shí)施例還提供了一種視頻推薦裝置，應(yīng)用于服務(wù)器，可以包括：識別單元、 確定單元、加權(quán)單元、歸一化單元和推薦單元；其中，
[0021] 所述識別單元，用于獲得用戶輸入的文本串，并識別出所述文本串中所包括的至 少一個分詞；
[0022] 所述確定單元，用于基于所述識別單元識別出的每個分詞的自身文本信息，確定 每個分詞對應(yīng)的文本系數(shù)；
[0023] 所述加權(quán)單元，用于分別判斷每一分詞是否與預(yù)設(shè)的加權(quán)詞庫中的歷史搜索詞相 同，如果判斷結(jié)果為是，利用與所述分詞相同的歷史搜索詞所對應(yīng)的加權(quán)系數(shù)，對所述分詞 對應(yīng)的文本系數(shù)加權(quán)，得到所述分詞對應(yīng)的推薦系數(shù)；如果判斷結(jié)果為否，利用預(yù)定加權(quán)系 數(shù)，對所述分詞對應(yīng)文本系數(shù)加權(quán)，得到所述分詞對應(yīng)的推薦系數(shù)，其中，所述歷史搜索詞 所對應(yīng)的加權(quán)系數(shù)大于所述預(yù)定加權(quán)系數(shù)；
[0024] 所述歸一化單元，用于對所述加權(quán)單元得到的每個分詞的推薦系數(shù)進(jìn)行歸一化處 理，得到每個分詞對應(yīng)的標(biāo)準(zhǔn)推薦系數(shù)；
[0025] 所述推薦單元，用于基于各個分詞所對應(yīng)的所述歸一化單元所得到的標(biāo)準(zhǔn)推薦系 數(shù)，按照預(yù)設(shè)方式向用戶推薦視頻。
[0026] 可選的，還包括：詞庫形成單元，其中，所述詞庫形成單元，包括：獲取子單元和形 成子單元，
[0027] 所述獲取子單元，用于獲取多個歷史搜索詞以及每個歷史搜索詞對應(yīng)的搜索量；
[0028] 所述形成子單元，用于將每個歷史搜索詞對應(yīng)的搜索量進(jìn)行歸一化處理，以得到 每個歷史搜索詞對應(yīng)的加權(quán)系數(shù)，將每個歷史搜索詞及其對應(yīng)的加權(quán)系數(shù)的集合作為加權(quán) 詞庫。
[0029] 可選的，所述形成子單元，包括：第一映射模塊、第二映射模塊；其中，
[0030] 所述第一映射模塊，用于采用min-max標(biāo)準(zhǔn)化方法，將每個歷史搜索詞對應(yīng)的搜 索量映射到〇. 〇~1. 〇范圍內(nèi)，得到初級加權(quán)系數(shù)；
[0031] 所述第二映射模塊，用于采用sigmoid函數(shù)將所述初級加權(quán)系數(shù)映射到0. 5~1. 0 范圍內(nèi)，得到每個歷史搜索詞對應(yīng)的加權(quán)系數(shù)，將每個歷史搜索詞及其對應(yīng)的加權(quán)系數(shù)的 集合作為加權(quán)詞庫。
[0032] 可選的，所述預(yù)定加權(quán)系數(shù)為大于0且小于0. 5的范圍內(nèi)的指定值。
[0033] 可選的，所述歸一化單元，具體用于：以所有分詞的推薦系數(shù)的平方和開方的值作 為分母，以每個分詞的推薦系數(shù)作為分子，經(jīng)計(jì)算得到每個分詞對應(yīng)的標(biāo)準(zhǔn)推薦系數(shù)。
[0034] 本發(fā)明實(shí)施例中，服務(wù)器獲得用戶輸入的文本串，并識別出所述文本串中所包括 的至少一個分詞；基于識別出的每個分詞的自身文本信息，確定每個分詞對應(yīng)的文本系數(shù)； 分別判斷每一分詞是否與預(yù)設(shè)的加權(quán)詞庫中的歷史搜索詞相同，如果判斷結(jié)果為是，利用 與所述分詞相同的歷史搜索詞所對應(yīng)的加權(quán)系數(shù)，對所述分詞對應(yīng)的文本系數(shù)加權(quán)，得到 所述分詞對應(yīng)的推薦系數(shù)；如果判斷結(jié)果為否，利用預(yù)定加權(quán)系數(shù)，對所述分詞對應(yīng)文本系 數(shù)加權(quán)，得到所述分詞對應(yīng)的推薦系數(shù)；歸一化每個分詞的推薦系數(shù)；基于歸一化得到的 各個分詞所對應(yīng)的標(biāo)準(zhǔn)推薦系數(shù)，按照預(yù)設(shè)方式向用戶推薦視頻。與現(xiàn)有技術(shù)相比，本發(fā) 明實(shí)施例在用戶輸入的文本串對應(yīng)的部分分詞的文本系數(shù)基礎(chǔ)上，按照加權(quán)庫中的加權(quán)系 數(shù)，對文本系數(shù)加權(quán)，另一部分分詞按照預(yù)定系數(shù)加權(quán)，進(jìn)而根據(jù)加權(quán)后的推薦系數(shù)進(jìn)行推 薦視頻。因?yàn)榧訖?quán)庫中的加權(quán)系數(shù)是根據(jù)眾多用戶的歷史搜索量等因素確定的，所以，相對 現(xiàn)有技術(shù)直接將分詞的文本系數(shù)確定為推薦系數(shù)，加權(quán)后的推薦系數(shù)更加真實(shí)，能夠更準(zhǔn) 確的反映分詞的熱度。利用這樣的推薦系數(shù)推薦的視頻也就更加準(zhǔn)確，更加符合用戶的意 愿，用戶感受更佳。
【附圖說明】
[0035] 為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以 根據(jù)這些附圖獲得其他的附圖。
[0036] 圖1為本發(fā)明實(shí)施例所提供的一種視頻推薦方法的流程圖；
[0037] 圖2為初級加權(quán)系數(shù)的大致映射分布圖；
[0038] 圖3為加權(quán)系數(shù)的大致映射分布圖；
[0039] 圖4為本發(fā)明實(shí)施例所提供的一種視頻推薦裝置的一種結(jié)構(gòu)示意圖；
[0040] 圖5為本發(fā)明實(shí)施例所提供的一種視頻推薦裝置的另一種結(jié)構(gòu)示意圖；
[0041] 圖6為本發(fā)明實(shí)施例所提供的一種視頻推薦裝置的另一種結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0042] 下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；?本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他 實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0043] 本發(fā)明實(shí)施例提供了一種視頻推薦方法及裝置，應(yīng)用于服務(wù)器，所述方法包括以 下步驟：
[0044] 獲得用戶輸入的文本串，并識別出所述文本串中所包括的至少一個分詞；
[0045] 基于識別出的每個分詞的自身文本信息，確定每個分詞對應(yīng)的文本系數(shù)；分別判 斷每一分詞是否與預(yù)設(shè)的加權(quán)詞庫中的歷史搜索詞相同，如果判斷結(jié)果為是，利用與所述 分詞相同的歷史搜索詞所對應(yīng)的加權(quán)系數(shù)，對所述分詞對應(yīng)的文本系數(shù)加權(quán)，得到所述分 詞對應(yīng)的推薦系數(shù)；如果判斷結(jié)果為否，利用預(yù)定加權(quán)系數(shù)，對所述分詞對應(yīng)文本系數(shù)加 權(quán)，得到所述分詞對應(yīng)的推薦系數(shù)，其中，所述歷史搜索詞所對應(yīng)的加權(quán)系數(shù)大于所述預(yù)定 加權(quán)系數(shù)；
[0046] 對每個分詞的推薦系數(shù)進(jìn)行歸一化處理，得到每個分詞對應(yīng)的標(biāo)準(zhǔn)推薦系數(shù)；
[0047] 基于各個分詞所對應(yīng)的標(biāo)準(zhǔn)推薦系數(shù)，按照預(yù)設(shè)方式向用戶推薦視頻。
[0048] 需要說明的是，本發(fā)明實(shí)施例所提供的一種視頻推薦方法應(yīng)用于服務(wù)器，用戶一 般通過搜索引擎、視頻網(wǎng)站等軟件的搜索框輸入文本串，上述服務(wù)器即為搜索引擎、網(wǎng)站等 軟件對應(yīng)的服務(wù)器，該文本串可以是影視劇的名稱或者標(biāo)簽，也可以是對影視劇的描述。
[0049] 與現(xiàn)有技術(shù)相比，本發(fā)明實(shí)施例在用戶輸入的文本串對應(yīng)的部分分詞的文本系數(shù) 基礎(chǔ)上，按照加權(quán)庫中的加權(quán)系數(shù)，對文本系數(shù)加權(quán)，另一部分分詞按照預(yù)定系數(shù)加權(quán)，進(jìn) 而根據(jù)加權(quán)后的推薦系數(shù)進(jìn)行推薦視頻，因?yàn)榧訖?quán)庫中的加權(quán)系數(shù)是根據(jù)眾多用戶的歷史 搜索量等因素確定的，所以，相對現(xiàn)有技術(shù)直接將分詞的文本系數(shù)確定為推薦系數(shù)，加權(quán)后 的推薦系數(shù)更加真實(shí)，能夠更準(zhǔn)確的反映分詞的熱度，利用這樣的推薦系數(shù)推薦的視頻也 就更加準(zhǔn)確，更加符合用戶的意愿，用戶感受更佳。
[0050] 圖1為本發(fā)明實(shí)施例所提供的一種視頻推薦方法的一種流程圖，該方法應(yīng)用于服 務(wù)器，可以包括以下步驟：
[0051] S101，獲得用戶輸入的文本串，并識別出所述文本串中所包括的至少一個分詞；
[0052] 需要說明的是，上述的用戶輸入的文本串可以是單字、詞語，還可以是描述性質(zhì)的 一段話，該文本串可以被分成至少一個分詞，其中，該至少一個分詞的詞性可以為名詞、動 詞或形容詞。
[0053] 具體的，當(dāng)用戶通過帶有搜索功能的軟件的搜索框輸入文本串時，該帶有搜索功 能的軟件接收用戶輸入的文本串，并將該文本串發(fā)送給服務(wù)器，然后按照相應(yīng)的分詞方法 對該文本串分割成若干詞語。常用的一種分詞方法是：將該文本串與本地存儲的詞庫中的 分詞去比較，得到該文本串對應(yīng)的若干個分詞；當(dāng)然，也可以利用本領(lǐng)域技術(shù)人員所公知的 其他分詞方法，本發(fā)明實(shí)施例并不對此進(jìn)行限定。如果文本串中只是一個單字或者單個詞 語，服務(wù)器識別出的只是一個分詞；如果文本串是一段描述，服務(wù)器識別出的則是若干個分 。
[0054] S102,基于識別出的每個分詞的自身文本信息，確定每個分詞對應(yīng)的文本系數(shù)；
[0055] 需要說明的是，上述自身文本信息指的是對于分詞的多維度的表達(dá)信息，比如可 以利用分詞詞性這個維度表達(dá)該分詞，也可以利用分詞詞意這個維度表達(dá)該分詞，當(dāng)然，還 可以利用其它維度的特征表達(dá)該分詞。分詞的自身文本信息只跟分詞本身有關(guān)，與分詞所 處的語境、出處等無關(guān)。
[0056] 具體的，S101步驟中，識別出文本串所包括的至少一個分詞后，每個分詞的自身文 本信息可輕易得知，利用每個分詞的自身文本信息，可確定每個分詞對應(yīng)的文本系數(shù)。該文 本系數(shù)可以是基于分詞的自身文本信息預(yù)先計(jì)算好的，在需要時直接調(diào)用，也可以臨時計(jì) 算得出。確定文本系數(shù)的方式很多，這里簡單介紹一種：利用詞頻-逆向文件頻率（TF-IDF) 算法和詞性加權(quán)的方法，確定每個分詞的文本系數(shù)。
[0057] 其中，詞頻_逆向文件頻率（TF-IDF)算法是一種統(tǒng)計(jì)方法，用以評估一個字詞對 于一個文件集或一個語料庫中的其中一份文件的重要程度。字詞的重要性隨著它在文件中 出現(xiàn)的次數(shù)成正比增加，但同時會隨著它在語料庫中出現(xiàn)的頻率成反比下降。詞性即為分 詞的性質(zhì)，比如：名詞性質(zhì)的分詞、動詞性質(zhì)的分詞等。
[0058] 為了方便描述，這里以任意一個分詞來說明確定其文本系數(shù)的過程，該分詞是與 視頻內(nèi)容有關(guān)的一個分詞。利用詞頻-逆向文件頻率（TF-IDF)算法和詞性加權(quán)的方法，確 定任意一個分詞的文本系數(shù)的具體步驟為：對于識別出的文本串中任意一個分詞，統(tǒng)計(jì)其 在預(yù)設(shè)的一個視頻文本中的出現(xiàn)次數(shù)，然后除以該視頻文本的所有詞語總數(shù)，得到該分詞 在該視頻文本中的概率，即為TF ;統(tǒng)計(jì)在預(yù)設(shè)的視頻文本集中，出現(xiàn)該分詞的視頻文本數(shù) 量，由該視頻文本集中的所有視頻文本除以出現(xiàn)該分詞的視頻文本數(shù)量，然后對商取對數(shù)， 得到的數(shù)值為IDF ;最后TF乘以IDF即為該分詞的TF-IDF系數(shù)；按照預(yù)設(shè)的詞性加權(quán)系數(shù) 對得到的TF-IDF系數(shù)加權(quán)，得到的結(jié)果為該分詞的文本系數(shù)。其他分詞的文本系數(shù)也可以 由上述方法得到，這里不再贅述。
[0059] 當(dāng)然，上述詞頻-逆向文件頻率（TF-IDF)算法和詞性加權(quán)的方法只是確定分詞文 本系數(shù)的一種常用方法，本領(lǐng)域技術(shù)人員還可以利用其他公知方法確定分詞的文本系數(shù)， 本發(fā)明實(shí)施例并不對此進(jìn)行限定。
[0060] S103,分別判斷每一分詞是否與預(yù)設(shè)的加權(quán)詞庫中的歷史搜索詞相同，如果判斷 結(jié)果為是，執(zhí)行S104步驟；如果判斷結(jié)果為否，執(zhí)行S105步驟；
[0061] S104,利用與所述分詞相同的歷史搜索詞所對應(yīng)的加權(quán)系數(shù)，對所述分詞對應(yīng)的 文本系數(shù)加權(quán)，得到所述分詞對應(yīng)的推薦系數(shù)；
[0062] S105,利用預(yù)定加權(quán)系數(shù)，對所述分詞對應(yīng)文本系數(shù)加權(quán)，得到所述分詞對應(yīng)的推 薦系數(shù)；
[0063] 其中，所述歷史搜索詞所對應(yīng)的加權(quán)系數(shù)大于所述預(yù)定加權(quán)系數(shù)；
[0064] 需要說明的是，上述加權(quán)詞庫中至少包括以下內(nèi)容：歷史搜索詞和其對應(yīng)的加權(quán) 系數(shù)，該歷史搜索詞是用戶在歷史時間段內(nèi)的搜索詞，加權(quán)系數(shù)為根據(jù)歷史搜索詞的搜索 量歸一化后的系數(shù)。該加權(quán)詞庫會實(shí)時更新，提供給用戶最準(zhǔn)確的數(shù)值，且用戶搜索過的大 部分詞語會出現(xiàn)在該加權(quán)詞庫中，當(dāng)然，大部分詞語的加權(quán)系數(shù)是不一樣的。
[0065] 具體的，S101步驟識別出的每個分詞與該加權(quán)庫中的歷史搜索詞進(jìn)行比較，判斷 該加權(quán)庫中是否存在和識別出的分詞相同的歷史搜索詞，判斷結(jié)束后，對于存在相同的歷 史搜索詞的分詞，按照相同的歷史搜索詞對應(yīng)的加權(quán)系數(shù)對由S102步驟確定的文本系數(shù) 加權(quán)，得到該類分詞的推薦系數(shù)；對于不存在相同的歷史搜索詞的分詞，按照預(yù)定加權(quán)系數(shù) 對由S102步驟確定的文本系數(shù)加權(quán)，得到該類分詞的推薦系數(shù)。一般情況下，在加權(quán)詞庫 中的歷史搜索詞是用戶搜索頻率比較高的詞語，所以歷史搜索詞對應(yīng)的加權(quán)系數(shù)大于預(yù)定 加權(quán)系數(shù)。
[0066] 下面對加權(quán)詞庫的形成過程進(jìn)行詳細(xì)描述。預(yù)設(shè)的加權(quán)詞庫的形成過程，可以包 括以下步驟：
[0067] 獲取多個歷史搜索詞以及每個歷史搜索詞對應(yīng)的搜索量；
[0068] 將每個歷史搜索詞對應(yīng)的搜索量進(jìn)行歸一化處理，以得到每個歷史搜索詞對應(yīng)的 加權(quán)系數(shù)，將每個歷史搜索詞及其對應(yīng)的加權(quán)系數(shù)的集合作為加權(quán)詞庫。
[0069] 需要說明的是，用戶的歷史搜索詞存儲于特定文件中，相應(yīng)的歷史搜索詞對應(yīng)的 搜索量可被統(tǒng)計(jì)并存儲于該特定文件中，當(dāng)然，歷史搜索詞對應(yīng)的搜索量也可以不存儲，而 是在需要時被臨時計(jì)算。服務(wù)器可直接從該特定文件中獲取該歷史搜索詞，得到對應(yīng)的搜 索量。對于百度用戶搜索記錄來說，歷史搜索詞會定期寫入龍?jiān)吹臄?shù)據(jù)表中，服務(wù)器可實(shí)時 從該龍?jiān)吹臄?shù)據(jù)表中獲取歷史搜索詞，得到對應(yīng)的搜索量，也可以通過定時任務(wù)從該龍?jiān)?的數(shù)據(jù)表中定期獲取歷史搜索詞，得到對應(yīng)的搜索量。
[0070] 具體的，獲取多個歷史搜索詞以及每個歷史搜索詞對應(yīng)的搜索量，然后對每個歷 史搜索詞對應(yīng)的搜索量進(jìn)行歸一化處理，得到每個歷史搜索詞對應(yīng)的加權(quán)系數(shù)，這些獲取 的所有歷史搜索詞以及對應(yīng)的加權(quán)系數(shù)共同構(gòu)成加權(quán)詞庫。
[0071] 實(shí)際中，歷史搜索詞可能是在不同領(lǐng)域中的詞語，所以對應(yīng)的搜索量就可能具有 不同的量綱，這樣不利于比較和分析，所以常將歷史搜索詞對應(yīng)的搜索量進(jìn)行歸一化，歸一 化的方法眾多，常用的有兩種：min-max標(biāo)準(zhǔn)化法和z-score標(biāo)準(zhǔn)化方法，因?yàn)檫@兩種方法 是本領(lǐng)域技術(shù)人員所公知的技術(shù)，所以這里只對min-max標(biāo)準(zhǔn)化法簡單介紹下，Z-score標(biāo) 準(zhǔn)化方法不再介紹，可參照相關(guān)技術(shù)文檔獲知。
[0072] 利用min-max標(biāo)準(zhǔn)化法，將歸一化處理分為數(shù)據(jù)預(yù)處理和sigmoid函數(shù)歸一化兩 個步驟進(jìn)行。則在預(yù)設(shè)的加權(quán)詞庫的形成過程的第二步驟：所述將每個歷史搜索詞對應(yīng)的 搜索量進(jìn)行歸一化處理，以得到每個歷史搜索詞對應(yīng)的加權(quán)系數(shù)，可以包括以下步驟：
[0073] a采用min-max標(biāo)準(zhǔn)化方法，將每個歷史搜索詞對應(yīng)的搜索量映射到0. 0~1. 0范 圍內(nèi)，得到初級加權(quán)系數(shù)；
[0074] b采用sigmoid函數(shù)將所述初級加權(quán)系數(shù)映射到0. 5~1. 0范圍內(nèi)，得到每個歷史 搜索詞對應(yīng)的加權(quán)系數(shù)。
[0075] 具體的，在a步驟中，采用公式（1)對歷史搜索詞對應(yīng)的搜索量進(jìn)行計(jì)算，將搜索 量映射到〇. 〇~1. 〇范圍內(nèi)，得到初級加權(quán)系數(shù)；
(1)
[0077] 其中x為歷史搜索詞對應(yīng)的搜索量，m為得到的初級加權(quán)系數(shù)。
[0078] 在b步驟中，采用公式（2)對a步驟得到的初級加權(quán)系數(shù)進(jìn)行計(jì)算，將初級加權(quán)系 數(shù)映射到〇. 5~1. 0范圍內(nèi)，得到每個歷史搜索詞對應(yīng)的加權(quán)系數(shù)。
⑵
[0080] 其中m為初級加權(quán)系數(shù)，n為最后得到的加權(quán)系數(shù)。
[0081] 舉例說明，服務(wù)器特定文件中，存在四對歷史搜索詞和對應(yīng)的搜索量，分別如下所 示：
[0082] 奔跑吧兄弟 4034940 今日說法 87116 死不瞑目 1254 聲音魔術(shù)師 128
[0083] 其中，左列為歷史搜索詞，右列為對應(yīng)的搜索量。
[0084] 經(jīng)過a步驟后得到的初級加權(quán)系數(shù)的大致映射分布圖如圖2所示，其中，橫軸表示 搜索量，縱軸為經(jīng)過min-max標(biāo)準(zhǔn)化后得到的初級加權(quán)系數(shù)。經(jīng)過b步驟后得到的加權(quán)系 數(shù)的大致映射分布圖如圖3所示，其中，橫軸表示初級加權(quán)系數(shù)，縱軸為經(jīng)過sigmoid函數(shù) 歸一化后得到的加權(quán)系數(shù)。
[0085] 經(jīng)過上述步驟，形成的加權(quán)詞庫包括以下內(nèi)容：
[0086] 奔跑吧兄弟 0.9933 今丨_1說法 0.9591 死不瞑目 0.7534 聲音魔術(shù)師 0.5057
[0087] 其中，左列為歷史搜索詞，右列為對應(yīng)的加權(quán)系數(shù)。這樣就將歷史搜索詞對應(yīng)的搜 索量歸一到0. 5~1.0范圍內(nèi)了，從而得到加權(quán)次數(shù)。
[0088] -般情況下，在加權(quán)詞庫中的歷史搜索詞是用戶搜索頻率比較高的詞語，所以歷 史搜索詞對應(yīng)的加權(quán)系數(shù)大于預(yù)定加權(quán)系數(shù)。上述加權(quán)系數(shù)在〇. 5~1. 0范圍內(nèi)，故可以設(shè) 定所述預(yù)定加權(quán)系數(shù)為大于〇且小于〇. 5的范圍內(nèi)的指定值。假設(shè)預(yù)定加權(quán)系數(shù)為0. 4,那 么則是對與歷史搜索詞相同的分詞，按照加權(quán)詞庫中對應(yīng)的加權(quán)系數(shù)加權(quán)，該加權(quán)系數(shù)都 是在0. 5~1. 0之間的數(shù)值，而其他查找不到與歷史搜索詞相同的分詞，則按照0. 4加權(quán)。
[0089] S106,對每個分詞的推薦系數(shù)進(jìn)行歸一化處理，得到每個分詞對應(yīng)的標(biāo)準(zhǔn)推薦系 數(shù)；
[0090] 具體的，S103步驟得到分詞對應(yīng)的推薦系數(shù)，該推薦系數(shù)是在文本系數(shù)基礎(chǔ)上乘 以對應(yīng)的加權(quán)系數(shù)后的數(shù)值?；诜衷~自身文本信息得到的文本系數(shù)不具有統(tǒng)一性，相應(yīng) 的，推薦系數(shù)也不具有統(tǒng)一性，無法進(jìn)行直接比較。因此這時常常對它們進(jìn)行歸一化，以使 得推薦系數(shù)能夠處于同一數(shù)量級，這樣更有可比性，歸一化后可得到每個分詞對應(yīng)的標(biāo)準(zhǔn) 推薦系數(shù)。
[0091] 下面對一種歸一化方法進(jìn)行簡述，則該步驟中，對每個分詞的推薦系數(shù)進(jìn)行歸一 化處理，得到每個分詞對應(yīng)的標(biāo)準(zhǔn)推薦系數(shù)，可以包括：
[0092] 以所有分詞的推薦系數(shù)的平方和開方的值作為分母，以每個分詞的推薦系數(shù)作為 分子，經(jīng)計(jì)算得到每個分詞對應(yīng)的標(biāo)準(zhǔn)推薦系數(shù)。
[0093] 具體的，以所有分詞的推薦系數(shù)的平方和開方的值作為分母，以每個分詞的推薦 系數(shù)作為分子，即可得出每個分詞對應(yīng)的標(biāo)準(zhǔn)推薦系數(shù)。舉例說明，文本串對應(yīng)的所有分 詞的推薦系數(shù)依次是：〇. 5,1. 2,那么按照該歸一化方法后得到的標(biāo)準(zhǔn)推薦系數(shù)則依次為：
即依次約等于：0.4,0.9。
[0094] S107,基于各個分詞所對應(yīng)的標(biāo)準(zhǔn)推薦系數(shù)，按照預(yù)設(shè)方式向用戶推薦視頻。
[0095] 具體的，S106步驟得到標(biāo)準(zhǔn)推薦系數(shù)后，按照預(yù)設(shè)方式向用戶推薦視頻。該預(yù)設(shè)方 式為對標(biāo)準(zhǔn)推薦系數(shù)按照預(yù)定的規(guī)則選取的方法，推薦視頻時，可以選取最大標(biāo)準(zhǔn)推薦系 數(shù)對應(yīng)的分詞去推薦視頻，也可以按照大小排列的前幾名標(biāo)準(zhǔn)推薦系數(shù)對應(yīng)的分詞共同決 定推薦的視頻。例如：文本串對應(yīng)的分詞的標(biāo)準(zhǔn)推薦系數(shù)依次為：〇. 51，0. 49,0. 54,0. 88， 〇, 78,如果預(yù)設(shè)方式為選取最大的標(biāo)準(zhǔn)推薦系數(shù)推薦視頻，則該例子中，則是按照0. 88對 應(yīng)的分詞推薦視頻。
[0096] 本發(fā)明實(shí)施例中，服務(wù)器獲得用戶輸入的文本串，并識別出所述文本串中所包括 的至少一個分詞；基于識別出的每個分詞的自身文本信息，確定每個分詞對應(yīng)的文本系數(shù)； 分別判斷每一分詞是否與預(yù)設(shè)的加權(quán)詞庫中的歷史搜索詞相同，如果判斷結(jié)果為是，利用 與所述分詞相同的歷史搜索詞所對應(yīng)的加權(quán)系數(shù)，對所述分詞對應(yīng)的文本系數(shù)加權(quán)，得到 所述分詞對應(yīng)的推薦系數(shù)；如果判斷結(jié)果為否，利用預(yù)定加權(quán)系數(shù)，對所述分詞對應(yīng)文本系 數(shù)加權(quán)，得到所述分詞對應(yīng)的推薦系數(shù)；歸一化每個分詞的推薦系數(shù)；基于歸一化得到的 各個分詞所對應(yīng)的標(biāo)準(zhǔn)推薦系數(shù)，按照預(yù)設(shè)方式向用戶推薦視頻。與現(xiàn)有技術(shù)相比，本發(fā) 明實(shí)施例在用戶輸入的文本串對應(yīng)的部分分詞的文本系數(shù)基礎(chǔ)上，按照加權(quán)庫中的加權(quán)系 數(shù)，對文本系數(shù)加權(quán)，另一部分分詞按照預(yù)定系數(shù)加權(quán)，進(jìn)而根據(jù)加權(quán)后的推薦系數(shù)進(jìn)行推 薦視頻。因?yàn)榧訖?quán)庫中的加權(quán)系數(shù)是根據(jù)眾多用戶的歷史搜索量等因素確定的，所以，相對 現(xiàn)有技術(shù)直接將分詞的文本系數(shù)確定為推薦系數(shù)，加權(quán)后的推薦系數(shù)更加真實(shí)，能夠更準(zhǔn) 確的反映分詞的熱度。利用這樣的推薦系數(shù)推薦的視頻也就更加準(zhǔn)確，更加符合用戶的意 愿，用戶感受更佳。
[0097] 對應(yīng)于上述方法實(shí)施例，本發(fā)明實(shí)施例還提供了一種視頻推薦裝置，如圖4所示， 該裝置可以包括：識別單元210、確定單元220、加權(quán)單元230、歸一化單元220和推薦單元 250 ;其中，
[0098] 所述識別單元210,用于獲得用戶輸入的文本串，并識別出所述文本串中所包括的 至少一個分詞；
[0099] 所述確定單元220,用于基于所述識別單元210識別出的每個分詞的自身文本信 息，確定每個分詞對應(yīng)的文本系數(shù)；
[0100] 所述加權(quán)單元230,用于分別判斷每一分詞是否與預(yù)設(shè)的加權(quán)詞庫中的歷史搜索 詞相同，如果判斷結(jié)果為是，利用與所述分詞相同的歷史搜索詞所對應(yīng)的加權(quán)系數(shù)，對所述 分詞對應(yīng)的文本系數(shù)加權(quán)，得到所述分詞對應(yīng)的推薦系數(shù)；如果判斷結(jié)果為否，利用預(yù)定加 權(quán)系數(shù)，對所述分詞對應(yīng)文本系數(shù)加權(quán)，得到所述分詞對應(yīng)的推薦系數(shù)，其中，所述歷史搜 索詞所對應(yīng)的加權(quán)系數(shù)大于所述預(yù)定加權(quán)系數(shù)；
[0101] 所述歸一化單元240,用于對所述加權(quán)單元230得到的每個分詞的推薦系數(shù)進(jìn)行 歸一化處理，得到每個分詞對應(yīng)的標(biāo)準(zhǔn)推薦系數(shù)；
[0102] 所述推薦單元250,用于基于各個分詞所對應(yīng)的所述歸一化單元240所得到的標(biāo) 準(zhǔn)推薦系數(shù)，按照預(yù)設(shè)方式向用戶推薦視頻。
[0103] 本發(fā)明實(shí)施例中，服務(wù)器獲得用戶輸入的文本串，并識別出所述文本串中所包括 的至少一個分詞；基于識別出的每個分詞的自身文本信息，確定每個分詞對應(yīng)的文本系數(shù)； 分別判斷每一分詞是否與預(yù)設(shè)的加權(quán)詞庫中的歷史搜索詞相同，如果判斷結(jié)果為是，利用 與所述分詞相同的歷史搜索詞所對應(yīng)的加權(quán)系數(shù)，對所述分詞對應(yīng)的文本系數(shù)加權(quán)，得到 所述分詞對應(yīng)的推薦系數(shù)；如果判斷結(jié)果為否，利用預(yù)定加權(quán)系數(shù)，對所述分詞對應(yīng)文本系 數(shù)加權(quán)，得到所述分詞對應(yīng)的推薦系數(shù)；歸一化每個分詞的推薦系數(shù)；基于歸一化得到的 各個分詞所對應(yīng)的標(biāo)準(zhǔn)推薦系數(shù)，按照預(yù)設(shè)方式向用戶推薦視頻。與現(xiàn)有技術(shù)相比，本發(fā) 明實(shí)施例在用戶輸入的文本串對應(yīng)的部分分詞的文本系數(shù)基礎(chǔ)上，按照加權(quán)庫中的加權(quán)系 數(shù)，對文本系數(shù)加權(quán)，另一部分分詞按照預(yù)定系數(shù)加權(quán)，進(jìn)而根據(jù)加權(quán)后的推薦系數(shù)進(jìn)行推 薦視頻。因?yàn)榧訖?quán)庫中的加權(quán)系數(shù)是根據(jù)眾多用戶的歷史搜索量等因素確定的，所以，相對 現(xiàn)有技術(shù)直接將分詞的文本系數(shù)確定為推薦系數(shù)，加權(quán)后的推薦系數(shù)更加真實(shí)，能夠更準(zhǔn) 確的反映分詞的熱度。利用這樣的推薦系數(shù)推薦的視頻也就更加準(zhǔn)確，更加符合用戶的意 愿，用戶感受更佳。
[0104] 如圖5所示，為本發(fā)明實(shí)施例所提供的一種視頻推薦裝置的另一種結(jié)構(gòu)示意圖， 與圖4所示裝置相比，圖5所示裝置還包括：詞庫形成單元，其中，所述詞庫形成單元，包括： 獲取子單元310a和形成子單元310b，
[0105] 所述獲取子單元310a，用于獲取多個歷史搜索詞以及每個歷史搜索詞對應(yīng)的搜索 量；
[0106] 所述形成子單元310b，用于將每個歷史搜索詞對應(yīng)的搜索量進(jìn)行歸一化處理，以 得到每個歷史搜索詞對應(yīng)的加權(quán)系數(shù)，將每個歷史搜索詞及其對應(yīng)的加權(quán)系數(shù)的集合作為 加權(quán)詞庫。
[0107] 如圖6所示，為本發(fā)明實(shí)施例所提供的一種視頻推薦裝置的另一種結(jié)構(gòu)示意圖， 在圖6所示裝置中，圖5所示裝置中的形成子單元310b，可以包括：第一映射模塊310bl、第 二映射模塊310b2 ;其中，
[0108] 所述第一映射模塊310bl，用于采用min-max標(biāo)準(zhǔn)化方法，將每個歷史搜索詞對應(yīng) 的搜索量映射到〇. 〇~1. 〇范圍內(nèi)，得到初級加權(quán)系數(shù)；
[0109] 所述第二映射模塊310b2,用于采用sigmoid函數(shù)將所述初級加權(quán)系數(shù)映射到 0. 3~1. 0范圍內(nèi)，得到每個歷史搜索詞對應(yīng)的加權(quán)系數(shù)，將每個歷史搜索詞及其對應(yīng)的加 權(quán)系數(shù)的集合作為加權(quán)詞庫。
[0110] 在圖6所示實(shí)施例基礎(chǔ)上，所述預(yù)定加權(quán)系數(shù)為大于0且小于0. 5的范圍內(nèi)的指 定值。
[0111] 在圖4所示實(shí)施例基礎(chǔ)上，所述歸一化單元240,具體用于：以所有分詞的推薦系 數(shù)的平方和開方的值作為分母，以每個分詞的推薦系數(shù)作為分子，經(jīng)計(jì)算得到每個分詞對 應(yīng)的標(biāo)準(zhǔn)推薦系數(shù)。
[0112] 對于系統(tǒng)或裝置實(shí)施例而言，由于其基本相似于方法實(shí)施例，所以描述的比較簡 單，相關(guān)之處參見方法實(shí)施例的部分說明即可。
[0113] 需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個實(shí) 體或者操作與另一個實(shí)體或操作區(qū)分開來，而不一定要求或者暗示這些實(shí)體或操作之間存 在任何這種實(shí)際的關(guān)系或者順序。而且，術(shù)語"包括"、"包含"或者其任何其他變體意在涵 蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要 素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備 所固有的要素。在沒有更多限制的情況下，由語句"包括一個……"限定的要素，并不排除 在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。
[0114] 本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述方法實(shí)施方式中的全部或部分步驟是可 以通過程序來指令相關(guān)的硬件來完成，所述的程序可以存儲于計(jì)算機(jī)可讀取存儲介質(zhì)中， 這里所稱得的存儲介質(zhì)，如：R0M/RAM、磁碟、光盤等。
[0115] 以上所述僅為本發(fā)明的較佳實(shí)施例而已，并非用于限定本發(fā)明的保護(hù)范圍。凡在 本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換、改進(jìn)等，均包含在本發(fā)明的保護(hù)范圍
【主權(quán)項(xiàng)】
1. 一種視頻推薦方法，其特征在于，應(yīng)用于服務(wù)器，包括： 獲得用戶輸入的文本串，并識別出所述文本串中所包括的至少一個分詞； 基于識別出的每個分詞的自身文本信息，確定每個分詞對應(yīng)的文本系數(shù)； 分別判斷每一分詞是否與預(yù)設(shè)的加權(quán)詞庫中的歷史搜索詞相同，如果判斷結(jié)果為是， 利用與所述分詞相同的歷史搜索詞所對應(yīng)的加權(quán)系數(shù)，對所述分詞對應(yīng)的文本系數(shù)加權(quán)， 得到所述分詞對應(yīng)的推薦系數(shù)；如果判斷結(jié)果為否，利用預(yù)定加權(quán)系數(shù)，對所述分詞對應(yīng)文 本系數(shù)加權(quán)，得到所述分詞對應(yīng)的推薦系數(shù)，其中，所述歷史搜索詞所對應(yīng)的加權(quán)系數(shù)大于 所述預(yù)定加權(quán)系數(shù)； 對每個分詞的推薦系數(shù)進(jìn)行歸一化處理，得到每個分詞對應(yīng)的標(biāo)準(zhǔn)推薦系數(shù)； 基于各個分詞所對應(yīng)的標(biāo)準(zhǔn)推薦系數(shù)，按照預(yù)設(shè)方式向用戶推薦視頻。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，預(yù)設(shè)的加權(quán)詞庫的形成過程，包括： 獲取多個歷史搜索詞以及每個歷史搜索詞對應(yīng)的搜索量； 將每個歷史搜索詞對應(yīng)的搜索量進(jìn)行歸一化處理，以得到每個歷史搜索詞對應(yīng)的加權(quán) 系數(shù)，將每個歷史搜素詞及其對應(yīng)的加權(quán)系數(shù)的集合作為加權(quán)詞庫。3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述將每個歷史搜索詞對應(yīng)的搜索量進(jìn) 行歸一化處理，以得到每個歷史搜索詞對應(yīng)的加權(quán)系數(shù)，包括： 采用min-max標(biāo)準(zhǔn)化方法，將每個歷史搜索詞對應(yīng)的搜索量映射到0.0 ~1.0 范圍內(nèi)， 得到初級加權(quán)系數(shù)； 采用sigmoid函數(shù)將所述初級加權(quán)系數(shù)映射到0. 5~I. 0范圍內(nèi)，得到每個歷史搜索 詞對應(yīng)的加權(quán)系數(shù)。4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述預(yù)定加權(quán)系數(shù)為大于0且小于0. 5的 范圍內(nèi)的指定值。5. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對每個分詞的推薦系數(shù)進(jìn)行歸一化 處理，得到每個分詞對應(yīng)的標(biāo)準(zhǔn)推薦系數(shù)，包括： 以所有分詞的推薦系數(shù)的平方和開方的值作為分母，以每個分詞的推薦系數(shù)作為分 子，經(jīng)計(jì)算得到每個分詞對應(yīng)的標(biāo)準(zhǔn)推薦系數(shù)。6. -種視頻推薦裝置，其特征在于，應(yīng)用于服務(wù)器，包括：識別單元、確定單元、加權(quán)單 元、歸一化單元和推薦單元；其中， 所述識別單元，用于獲得用戶輸入的文本串，并識別出所述文本串中所包括的至少一 個分詞； 所述確定單元，用于基于所述識別單元識別出的每個分詞的自身文本信息，確定每個 分詞對應(yīng)的文本系數(shù)； 所述加權(quán)單元，用于分別判斷每一分詞是否與預(yù)設(shè)的加權(quán)詞庫中的歷史搜索詞相同， 如果判斷結(jié)果為是，利用與所述分詞相同的歷史搜索詞所對應(yīng)的加權(quán)系數(shù)，對所述分詞對 應(yīng)的文本系數(shù)加權(quán)，得到所述分詞對應(yīng)的推薦系數(shù)；如果判斷結(jié)果為否，利用預(yù)定加權(quán)系 數(shù)，對所述分詞對應(yīng)文本系數(shù)加權(quán)，得到所述分詞對應(yīng)的推薦系數(shù)，其中，所述歷史搜索詞 所對應(yīng)的加權(quán)系數(shù)大于所述預(yù)定加權(quán)系數(shù)； 所述歸一化單元，用于對所述加權(quán)單元得到的每個分詞的推薦系數(shù)進(jìn)行歸一化處理， 得到每個分詞對應(yīng)的標(biāo)準(zhǔn)推薦系數(shù)； 所述推薦單元，用于基于各個分詞所對應(yīng)的所述歸一化單元所得到的標(biāo)準(zhǔn)推薦系數(shù)， 按照預(yù)設(shè)方式向用戶推薦視頻。7. 根據(jù)權(quán)利要求6所述的裝置，其特征在于，還包括：詞庫形成單元，其中，所述詞庫形 成單元，包括：獲取子單元和形成子單元， 所述獲取子單元，用于獲取多個歷史搜索詞以及每個歷史搜索詞對應(yīng)的搜索量； 所述形成子單元，用于將每個歷史搜索詞對應(yīng)的搜索量進(jìn)行歸一化處理，以得到每個 歷史搜索詞對應(yīng)的加權(quán)系數(shù)，將每個歷史搜索詞及其對應(yīng)的加權(quán)系數(shù)的集合作為加權(quán)詞 庫。8. 根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述形成子單元，包括：第一映射模塊、第 二映射模塊；其中， 所述第一映射模塊，用于采用min-max標(biāo)準(zhǔn)化方法，將每個歷史搜索詞對應(yīng)的搜索量 映射到0.0 ~1.0 范圍內(nèi)，得到初級加權(quán)系數(shù)； 所述第二映射模塊，用于采用sigmoid函數(shù)將所述初級加權(quán)系數(shù)映射到0. 5~I. 0范 圍內(nèi)，得到每個歷史搜索詞對應(yīng)的加權(quán)系數(shù)，將每個歷史搜索詞及其對應(yīng)的加權(quán)系數(shù)的集 合作為加權(quán)詞庫。9. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述預(yù)定加權(quán)系數(shù)為大于0且小于0. 5的 范圍內(nèi)的指定值。10. 根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述歸一化單元，具體用于：以所有分詞 的推薦系數(shù)的平方和開方的值作為分母，以每個分詞的推薦系數(shù)作為分子，經(jīng)計(jì)算得到每 個分詞對應(yīng)的標(biāo)準(zhǔn)推薦系數(shù)。
【文檔編號】G06F17/30GK105893397SQ201510379649
【公開日】2016年8月24日
【申請日】2015年6月30日
【發(fā)明人】孫國宇, 周燕紅
【申請人】北京愛奇藝科技有限公司