專利名稱：一種查詢方法及系統(tǒng)的制作方法
技術領域：
本發(fā)明涉及信息檢索技術領域，特別是一種查詢方法及系統(tǒng)，提高查詢結(jié) 果的精度。
背景技術：
當前的查詢系統(tǒng)中，在用戶輸入一個查詢語句后，系統(tǒng)利用一定的算法從 一個特定的集合中查詢與當前查詢語句相關度符合要求的對象，并將查詢得到 的符合要求的對象展現(xiàn)給用戶。
而在使用推薦查詢，計算當前查詢語句與歷史查詢語句集中的歷史查詢語 句的相關度，并利用計算得到的相關度，從歷史查詢語句集中選擇預定數(shù)目的 歷史查詢語句作為相關查詢語句，并基于該相關查詢語句進行推薦。
發(fā)明人在實現(xiàn)本發(fā)明的過程中，發(fā)現(xiàn)現(xiàn)有的查詢方法和系統(tǒng)至少存在以下
問題
由于僅使用特定算法執(zhí)行一次查詢的過程，由于使用的查詢算法的局限 性，所以結(jié)果中存在很多與用戶需求不符的對象，查詢準確性低。
發(fā)明內(nèi)容
本發(fā)明的目的是提供一種用于查詢方法及系統(tǒng)，提高查詢的準確性。
為了實現(xiàn)上述目的，本發(fā)明實施例提供了一種查詢方法，包括
步驟A，利用查詢算法從查詢對象中獲取與當前查詢語句對應的原始查詢
結(jié)果集，所述原始查詢結(jié)果集包括至少一個查詢結(jié)果；
步驟B,利用相關度算法計算所述原始查詢結(jié)果集中的每個查詢結(jié)果與所
述當前查詢語句的相關度得分；
步驟C,從所述原始查詢結(jié)果集中刪除相關度得分低于預設閾值的查詢結(jié)
果，得到最終查詢結(jié)果集；步驟D，根據(jù)所述最終查詢結(jié)果集進行輸出處理。 上述的方法，其中
所述方法用于推薦查詢時，所述查詢對象為歷史查詢語句集，所述原始查
詢結(jié)果集為包括至少一個歷史查詢語句的原始相關查詢語句集；
所述步驟B具體為計算每一個第二查詢結(jié)果集與所述第一查詢結(jié)果集 的相關度得分，所述第一查詢結(jié)果集為利用所述當前查詢語句對數(shù)據(jù)庫執(zhí)行查 詢操作得到的查詢結(jié)果集，所述第二查詢結(jié)果集為分別利用所述原始相關查詢 語句集中的每一個歷史查詢語句對所述數(shù)據(jù)庫執(zhí)行查詢操作得到的查詢結(jié)果
集；
所述相關度得分低于預設閾值的查詢結(jié)果為相關度得分低于所述預設閾 值的第二查詢結(jié)果集所對應的歷史查詢語句。
上述的方法，其中，所述計算每一個第二查詢結(jié)果集與所述第一查詢結(jié)果 集的相關度得分時，所述第二查詢結(jié)果集與所述第一查詢結(jié)果集中相同的查詢 結(jié)果越多，則所述第二查詢結(jié)果集與所述第一查詢結(jié)果集的相關度得分越高。
上述的方法，其中，所述計算每一個第二查詢結(jié)果集與所述第一查詢結(jié)果 集的相關度得分時，所述第二查詢結(jié)果集中被用戶訪問過的查詢結(jié)果在所述第 一查詢結(jié)果集中出現(xiàn)的越多，所述第二查詢結(jié)果集與所述第一查詢結(jié)杲集的相 關度得分越高。
上述的方法，其中，所述步驟D具體為根據(jù)所述最終查詢結(jié)果集中的
部分或全部歷史查詢語句進行推薦輸出。
為了實現(xiàn)上述目的，本發(fā)明實施例還提供了一種查詢系統(tǒng)，其中，包括 主查詢模塊，用于利用查詢算法從查詢對象中獲取與當前查詢語句對應的
原始查詢結(jié)果集，所述原始查詢結(jié)果集包括至少一個查詢結(jié)果；
優(yōu)化模塊，用于利用相關度算法計算所述原始查詢結(jié)果集中的每個查詢結(jié) 果與所述當前查詢語句的相關度得分，并從所述原始查詢結(jié)果集中刪除相關度
得分低于預設閾值的查詢結(jié)果，得到最終查詢結(jié)果集；
輸出模塊，用于才艮據(jù)所述最終查詢結(jié)果集進行輸出處理。 上述的查詢系統(tǒng)，其中
所述查詢系統(tǒng)用于推薦查詢時，所述查詢對象為歷史查詢語句集，所述原始查詢結(jié)果集為包括至少一個歷史查詢語句的原始相關查詢語句集； 所述優(yōu)化模塊具體包括
計算單元，用于計算每一個第二查詢結(jié)果集與所述第一查詢結(jié)果集的相關
度得分，所述第一查詢結(jié)果集為利用所述當前查詢語句對數(shù)據(jù)庫執(zhí)行查詢操作 得到的查詢結(jié)果集，所述第二查詢結(jié)果集為分別利用所述原始相關查詢語句集 中的每一個歷史查詢語句對所述數(shù)據(jù)庫執(zhí)行查詢操作得到的查詢結(jié)果集；
刪除單元，從所述原始相關查詢語句集中刪除相關度得分低于所述預設閾 值的第二查詢結(jié)果集所對應的歷史查詢語句。
上述的查詢系統(tǒng)，其中，所述第二查詢結(jié)果集與所述第一查詢結(jié)果集中相 同的查詢結(jié)果越多，則所述第二查詢結(jié)果集與所述第一查詢結(jié)果集的相關度得 分越高。
上述的查詢系統(tǒng)，其中，所述第二查詢結(jié)果集中被用戶訪問過的查詢結(jié)果 在所述第一查詢結(jié)果集中出現(xiàn)的越多，所述第二查詢結(jié)果集與所述第一查詢結(jié) 果集的相關度得分越高。
上述的查詢系統(tǒng)，其中，所述輸出模塊具體用于根據(jù)所述最終查詢結(jié)果集 中的部分或全部歷史查詢語句進^f亍推薦輸出。
本發(fā)明實施例具有以下的有益效果
本發(fā)明實施例的方法和系統(tǒng)，通過使用其他的算法對第一次查詢得到的結(jié) 果進行篩選，從原始結(jié)果中排除與用戶需求不符的對象，提高了查詢準確性；
本發(fā)明實施例的方法和系統(tǒng)，應用于推薦查詢時，通過當前查詢語句獲取 一查詢結(jié)果，同時通過原始查詢結(jié)果集中的歷史查詢語句獲取另外一個查詢結(jié) 果，通過計算相關度得分，利用該得分刪除相關度得分低于預設閾值的查詢結(jié) 果對應的歷史查詢語句，提高了推薦查詢的準確性。
圖1為本發(fā)明實施例的查詢方法的流程示意圖2為本發(fā)明實施例的查詢方法用于推薦查詢時的流程示意圖。
具體實施例方式
6本發(fā)明實施例的查詢方法及系統(tǒng)，在獲取原始查詢結(jié)果后，利用一定的方 法對該原始查詢結(jié)果進行過濾，以得到準確度更高的查詢結(jié)果。
本發(fā)明實施例的查詢方法如圖1所示，包括
步驟11，利用第一算法從查詢對象中獲取與當前查詢語句對應的原始查 詢結(jié)果集，所述原始查詢結(jié)果集包括至少一個查詢結(jié)果；
步驟12，利用第二算法計算每個所述查詢結(jié)果與所述當前查詢語句的相 關度得分；
步驟13,從所述原始查詢結(jié)果集中刪除得分低于預設閾值的查詢結(jié)果， 得到最終查詢結(jié)果集；
步驟l4,根據(jù)所述最終查詢結(jié)果集進行輸出處理。 <具體實施例一>
在本發(fā)明的具體實施例一中，以從文檔數(shù)據(jù)庫中查詢?yōu)槔M行說明。
應用于文檔數(shù)據(jù)庫的查詢時，本發(fā)明實施例的方法包括
步驟Al 1 ，利用第一算法從文檔數(shù)據(jù)庫中獲取與當前查詢語句對應的原始
查詢結(jié)果集，所述原始查詢結(jié)果集包括至少一個文檔；
步驟A12，利用與第一算法不同的相關度算法(如BM25算法、RWR(隨
機游動)算法、TF/IDF ( Term Frequency/Inverse Document Frequency,詞步貞與
反向文件頻率)算法、Orion算法等算法中的一個或多個)計算原始查詢結(jié)果
集中的每個文檔與當前查詢語句的相關度得分；
步驟A13，刪除原始查詢結(jié)果集中的得分低于預設閾值的文檔，得到最終
查詢結(jié)果集；
步驟A14，輸出最終查詢結(jié)果集中的全部查詢結(jié)果或部分查詢結(jié)果。 具體說明如下。
假設當前查詢語句為A，通過隨機游動算法得到了一個原始查詢結(jié)果集， 其中包括A1、 A2、 A3.....An這n個文檔。
在步驟12中，利用BM25算法計算文檔Al與當前查詢語句A的相關度
得分X1、文檔A2與當前查詢語句A的相關度得分X2.....文檔An與當前
查詢語句A的相關度得分Xn。
在得到這些得分后，刪除低于預設閾值的得分所對應的查詢結(jié)果，最后輸
7出最終的結(jié)果。
通過本發(fā)明的實施例一的描述可以發(fā)現(xiàn)，通過另外的算法計算原始查詢結(jié) 果集中的文檔與當前查詢語句的相關度得分，因此，能從原始結(jié)果集中剔除那 些與當前查詢語句不太相關的文檔，提高了查詢的準確性。
<具體實施例二>
在本發(fā)明的具體實施例二中，以從歷史查詢語句集中查詢?yōu)槔M行說明。
應用于歷史查詢語句數(shù)據(jù)庫時，本發(fā)明實施例的方法包括
步驟A21 ，利用第一算法從歷史查詢語句集中獲取與當前查詢語句對應的 原始相關查詢語句集，所述原始相關查詢語句集包括至少一個歷史查詢語句；
步驟A22，利用與第一算法不同的相關度算法(如BM25算法、RWR (隨 才幾'游動)算'法、TF/IDF ( Term Frequency/Inverse Document Frequency, i司步貞與 反向文件頻率)算法、Orion算法等算法中的一個或多個)計算原始相關查詢 語句集中的每個歷史查詢語句與當前查詢語句的相關度得分；
步驟A23，刪除原始相關查詢語句集中的得分低于預設閾值的歷史查詢語 句，得到最終相關查詢語句集；
步驟A24，利用最終相關查詢語句集進行推薦查詢輸出。
通過本發(fā)明的實施例二的描述可以發(fā)現(xiàn)，通過另外的算法計算原始相關查 詢語句集中的歷史查詢語句與當前查詢語句的相關度得分，避免了單一算法的 局限性，因此，能從原始相關查詢語句集中剔除那些與當前查詢語句不太相關 的歷史查詢語句，"^是高了查詢的準確性。
<具體實施例三>
在本發(fā)明的具體實施例三中，還是以推薦查詢?yōu)槔龑Ρ景l(fā)明的方法進行詳 細i兌明。
如圖2所示，本發(fā)明實施例三的方法，包括
步驟21，利用第一算法計算歷史查詢語句集中的歷史查詢語句與當前查 詢語句的相關度；
步驟22，按照與當前查詢語句的相關度從大到小的順序，從歷史查詢語 句集中選擇預定數(shù)目的第一歷史查詢語句，組成原始相關查詢語句集；
步驟23,利用當前查詢語句對查詢對象(如文檔數(shù)據(jù)庫、圖片數(shù)據(jù)庫、本地數(shù)據(jù)庫或網(wǎng)絡數(shù)據(jù)庫等)執(zhí)行查詢操作，得到包括至少一個查詢結(jié)果(對
應的文檔或圖片等類型的文件)的第一查詢結(jié)果集；
步驟24，利用所述原始相關查詢語句集中的每一個第一歷史查詢語句對 所述查詢對象執(zhí)行查詢操作，得到與所述第一相關歷史查詢語句集中的每一個 第一歷史查詢語句對應的第二查詢結(jié)果集；在此，最好與步驟23采用相同的 查詢算法。
步驟25,計算每一個第二查詢結(jié)果集與所述第一查詢結(jié)果集的相關度； 步驟26,從所述原始相關查詢語句集中，排除相關度得分低于預設閾值 的第二查詢結(jié)果集所對應的第 一歷史查詢語句，得到最終相關查詢語句集；
步驟27，基于所述最終相關查詢語句集中的歷史查詢語句進行推薦。 下面對每個步驟進行詳細說明。
在步驟21中，該第一算法可以是BM25算法、RWR (隨^/L游動算法)、 TF/IDF ( Term Frequency/Inverse Document Frequency ， "^司步貞與反向文^牛步頁率) 算法中的一個或多個。
由于上述的算法都是非常成熟的算法，在此不對其具體的實現(xiàn)過程進行詳 細描述。
在步驟12中，按照與當前查詢語句的相關度從大到小的順序，從歷史查 詢語句集中選擇預定數(shù)目的第一歷史查詢語句，其中，該預定數(shù)目可以根據(jù)系 統(tǒng)的要求設置，可以設置多一些，也可以設置少一些。
通過步驟21和步驟22就得到了 一系列的與當前查詢語句相關的歷史查詢 語句，然而該得到的歷史查詢語句有可能有一些并不是用戶所需要的，也就是 說推薦不準確。
在第二實施例中，通過利用其他的算法計算歷史查詢語句和當前查詢語句 的相關度，進而利用相關度來剔除不滿足要求的歷史查詢語句，在本發(fā)明的第 三具體實施例中，進一步通過比較當前查詢語句與歷史查詢語句各自得到的查 詢結(jié)果集來對相關歷史查詢語句進行篩選，以提高推薦的準確性。
在步驟23和24中，使用查詢語句對查詢對象執(zhí)行查詢操作，在此，該查
詢對象可以是本地數(shù)據(jù)庫、網(wǎng)絡數(shù)據(jù)庫、文檔數(shù)據(jù)庫、圖片數(shù)據(jù)庫、視頻數(shù) 據(jù)庫等不同類型的數(shù)據(jù)庫中的一個或多個。假設當前查詢語句為A,通過步驟21和步驟22得到的原始相關查詢語句集中包括A1、 A2和A3，則在執(zhí)行步驟13和步驟14，得到以下的結(jié)果
利用A對查詢對象執(zhí)行查詢操作，得到與A對應的查詢結(jié)果集B;
利用Al對查詢對象執(zhí)行查詢操作，得到與Al對應的查詢結(jié)果集B1;
利用A2對查詢對象執(zhí)行查詢操作，得到與A2對應的查詢結(jié)果集B2;
利用A3對查詢對象執(zhí)行查詢操作，得到與A3對應的查詢結(jié)果集B3。
然后需要計算查詢結(jié)果集Bl與查詢結(jié)果集B的相關度X1、查詢結(jié)果集B2與查詢結(jié)果集B的相關度X2，以及查詢結(jié)果集B3與查詢結(jié)果集B的相關度X3。
在本發(fā)明的具體實施例中，對于查詢結(jié)果集中的相關度計算，可以選擇查詢結(jié)果集中所有的查詢結(jié)果進行計算，也可以分別取查詢結(jié)果集中排在前面的預定數(shù)目的查詢結(jié)果進行計算。
在本發(fā)明的第二具體實施例中，具體采用如下的方法來計算查詢結(jié)果之間的相關度。
<方式一〉
利用Objective Feedback (客觀反饋)算法。
每個查詢結(jié)果集中都包括多個查詢結(jié)果，在方式一中利用查詢結(jié)果集中的查詢結(jié)果的數(shù)目信息來計算查詢結(jié)果集之間的相關度。
查詢結(jié)果集A與查詢結(jié)果集B之間的相關度為查詢結(jié)果集A與查詢結(jié)果集B的交集所包括的查詢結(jié)果的數(shù)目與查詢結(jié)果集A與查詢結(jié)果集B的并集所包括的查詢結(jié)果的數(shù)目的商。
舉例說明如下。
假設查詢結(jié)果集A包括D1、 D2、 D3、 D5、 D8和D9這6個查詢結(jié)果，而查詢結(jié)果集B包括D1、 D2、 D4、 D5、 D6、 D7和D9這7個查詢結(jié)果，貝'J二者的交集為4個查詢結(jié)果，即D1、 D2、 D5和D9，而二者的并集為9個查詢結(jié)果，為D1到D9，則查詢結(jié)果集A與查詢結(jié)果集B之間的相關度為4/9。
當然，該相關度還可以是
查詢結(jié)果集A與查詢結(jié)果集B的交集所包括的查詢結(jié)果的數(shù)目與查詢結(jié)果集A的查詢結(jié)果的數(shù)目的商；
10查詢結(jié)果集A與查詢結(jié)果集B的交集所包括的查詢結(jié)果的數(shù)目與查詢結(jié)果集B的查詢結(jié)果的數(shù)目的商；或者
查詢結(jié)果集A與查詢結(jié)果集B的交集所包括的查詢結(jié)果的數(shù)目。<方式二〉
利用Subjective Feedback (主觀反饋)算法。
每個查詢結(jié)果集中都包括多個查詢結(jié)果，在方式二中利用查詢結(jié)果集中被用戶訪問的查詢結(jié)果的數(shù)目信息來計算查詢結(jié)果集之間的相關度。
查詢結(jié)果集A與查詢結(jié)果集B之間的相關度為歷史查詢語句對應的查詢結(jié)果集B中被用戶訪問的查詢結(jié)果在查詢結(jié)果集A中出現(xiàn)的數(shù)目與歷史查詢語句對應的查詢結(jié)果集B中被用戶訪問的查詢結(jié)果的數(shù)目的比值。
假設當前查詢語句的查詢結(jié)果集A包括D1到D9這9個查詢結(jié)果，而歷史查詢語句的查詢結(jié)果集B中包括D1到D12這12個查詢結(jié)果，而這12個查詢結(jié)果中D1、 D3、 D8、 D9、 D10和D12這6個查詢結(jié)果^皮用戶訪問過，此時，則查詢結(jié)果集A與查詢結(jié)果集B之間的相關度為4/6。
在上面詳細描述了兩種算法來計算查詢結(jié)果集的相關度，當然，還可以采用其他的算法來計算二者之間的相關度，在此不一一列舉。
同時，在上面的描述中是以兩個查詢結(jié)果集的所有查詢結(jié)果進行的說明，當然也可以同時從兩個查詢結(jié)果集中取部分查詢結(jié)果來進行計算。
本發(fā)明實施例的查詢系統(tǒng)包括
主查詢模塊，用于利用第一算法從查詢對象中獲取與當前查詢語句對應的原始查詢結(jié)果集，所述原始查詢結(jié)果集包括至少一個查詢結(jié)果；
優(yōu)化模塊，用于利用第二算法計算每個所述查詢結(jié)果與所述當前查詢語句的相關度得分，并從所述原始查詢結(jié)果集中刪除得分低于預設閾值的查詢結(jié)果，得到最終查詢結(jié)果集；
輸出模塊，用于根據(jù)所述最終查詢結(jié)果集進行輸出處理。
在用于推薦搜索時，所述查詢對象為歷史查詢語句集，所述原始查詢結(jié)果集為包括至少一個歷史查詢語句的原始相關查詢語句集，所述優(yōu)化模塊具體包括
第一查詢單元，用于利用當前查詢語句對查詢對象(如文檔數(shù)據(jù)庫、圖片數(shù)據(jù)庫、本地數(shù)據(jù)庫或網(wǎng)絡數(shù)據(jù)庫等)執(zhí)行查詢操作，得到包括至少 一個查詢結(jié)果(對應的文檔或圖片等類型的文件)的第一查詢結(jié)果集，并利用所述原始相關查詢語句集中的每一個歷史查詢語句對所述查詢對象執(zhí)行查詢操作，得到與所述原始相關查詢語句集的每一個歷史查詢語句對應的第二查詢結(jié)果集；計算單元，用于計算每一個第二查詢結(jié)果集與所述第一查詢結(jié)果集的相關度；.
排除單元，從所述原始相關查詢語句集中，排除相關度得分低于預設閾值
的第二查詢結(jié)果集所對應的第 一歷史查詢語句，得到最終相關查詢語句集；
所述輸出模塊具體用于基于所述最終相關查詢語句集中的歷史查詢語句進行推薦。
所述輸出模塊使用的推薦方法包括查詢擴展，推薦相關查詢語句，推薦相關文檔，推薦相關用戶等等。
以上所述僅是本發(fā)明的優(yōu)選實施方式，應當指出，對于本技術領域的普通技術人員來說，在不脫離本發(fā)明原理的前提下，還可以作出若干改進和潤飾，這些改進和潤飾也應^L為本發(fā)明的保護范圍。
權(quán)利要求
1.一種查詢方法，其特征在于，包括步驟A，利用查詢算法從查詢對象中獲取與當前查詢語句對應的原始查詢結(jié)果集，所述原始查詢結(jié)果集包括至少一個查詢結(jié)果；步驟B，利用相關度算法計算所述原始查詢結(jié)果集中的每個查詢結(jié)果與所述當前查詢語句的相關度得分；步驟C，從所述原始查詢結(jié)果集中刪除相關度得分低于預設閾值的查詢結(jié)果，得到最終查詢結(jié)果集；步驟D，根據(jù)所述最終查詢結(jié)果集進行輸出處理。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于所述方法用于推薦查詢時，所述查詢對象為歷史查詢語句集，所述原始查 詢結(jié)果集為包括至少一個歷史查詢語句的原始相關查詢語句集；所述步驟B具體為計算每一個第二查詢結(jié)果集與所述第一查詢結(jié)果集 的相關度得分，所述第一查詢結(jié)果集為利用所述當前查詢語句對數(shù)據(jù)庫執(zhí)行查 詢操作得到的查詢結(jié)果集，所述第二查詢結(jié)果集為分別利用所述原始相關查詢 語句集中的每一個歷史查詢語句對所述數(shù)據(jù)庫執(zhí)行查詢操作得到的查詢結(jié)果 集；所述相關度得分低于預設閾值的查詢結(jié)果為相關度得分低于所述預設閾 值的第二查詢結(jié)果集所對應的歷史查詢語句。
3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述計算每一個第二查詢 結(jié)果集與所述第一查詢結(jié)果集的相關度得分時，所述第二查詢結(jié)果集與所述第 一查詢結(jié)果集中相同的查詢結(jié)果越多，則所述第二查詢結(jié)果集與所述第一查詢 結(jié)果集的相關度得分越高。
4. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述計算每一個第二查詢 結(jié)果集與所述第一查詢結(jié)果集的相關度得分時，所述第二查詢結(jié)果集中被用戶 訪問過的查詢結(jié)果在所述第一查詢結(jié)果集中出現(xiàn)的越多，所述第二查詢結(jié)果集 與所述第一查詢結(jié)果集的相關度得分越高。
5. 根據(jù)權(quán)利要求2或3或4所述的方法，其特征在于，所述步驟D具體為根據(jù)所述最終查詢結(jié)果集中的部分或全部歷史查詢語句進行推薦輸出。
6. —種查詢系統(tǒng)，其特征在于，包括主查詢模塊，用于利用查詢算法從查詢對象中獲取與當前查詢語句對應的 原始查詢結(jié)果集，所述原始查詢結(jié)果集包括至少一個查詢結(jié)果；優(yōu)化模塊，用于利用相關度算法計算所述原始查詢結(jié)果集中的每個查詢結(jié) 果與所述當前查詢語句的相關度得分，并從所述原始查詢結(jié)果集中刪除相關度 得分低于預設閾值的查詢結(jié)果，得到最終查詢結(jié)果集；輸出模塊，用于根據(jù)所述最終查詢結(jié)果集進行輸出處理。
7. 根據(jù)權(quán)利要求6所述的查詢系統(tǒng)，其特征在于所述查詢系統(tǒng)用于推薦查詢時，所述查詢對象為歷史查詢語句集，所述原 始查詢結(jié)果集為包括至少一個歷史查詢語句的原始相關查詢語句集； 所述優(yōu)化模塊具體包括計算單元，用于計算每一個第二查詢結(jié)果集與所述第一查詢結(jié)果集的相關 度得分，所述第 一查詢結(jié)果集為利用所述當前查詢語句對數(shù)據(jù)庫執(zhí)行查詢操作 得到的查詢結(jié)果集，所述第二查詢結(jié)果集為分別利用所述原始相關查詢語句集 中的每一個歷史查詢語句對所述數(shù)據(jù)庫執(zhí)行查詢操作得到的查詢結(jié)果集；刪除單元，從所述原始相關查詢語句集中刪除相關度得分低于所述預設闊 值的第二查詢結(jié)果集所對應的歷史查詢語句。
8. 根據(jù)權(quán)利要求7所述的查詢系統(tǒng)，其特征在于，所述第二查詢結(jié)果集 與所述第一查詢結(jié)果集中相同的查詢結(jié)果越多，則所述第二查詢結(jié)果集與所述 第一查詢結(jié)果集的相關度得分越高。
9. 根據(jù)權(quán)利要求7所述的查詢系統(tǒng)，其特征在于，所述第二查詢結(jié)果集 中被用戶訪問過的查詢結(jié)果在所述第一查詢結(jié)果集中出現(xiàn)的越多，所述第二查 詢結(jié)果集與所述第一查詢結(jié)果集的相關度得分越高。
10. 根據(jù)權(quán)利要求7或8或9所述的查詢系統(tǒng)，其特征在于，所述輸出模 塊具體用于根據(jù)所述最終查詢結(jié)果集中的部分或全部歷史查詢語句進行推薦 輸出。
全文摘要
本發(fā)明提供一種查詢方法及系統(tǒng)，方法包括步驟A，利用查詢算法從查詢對象中獲取與當前查詢語句對應的原始查詢結(jié)果集，所述原始查詢結(jié)果集包括至少一個查詢結(jié)果；步驟B，利用相關度算法計算所述原始查詢結(jié)果集中的每個查詢結(jié)果與所述當前查詢語句的相關度得分；步驟C，從所述原始查詢結(jié)果集中刪除相關度得分低于預設閾值的查詢結(jié)果，得到最終查詢結(jié)果集；步驟D，根據(jù)所述最終查詢結(jié)果集進行輸出處理。本發(fā)明實施例通過使用其他的算法對第一次查詢得到的結(jié)果進行篩選，從原始結(jié)果中排除與用戶需求不符的對象，提高了查詢準確性。
文檔編號G06F17/30GK101661484SQ20081021268
公開日2010年3月3日 申請日期2008年8月29日 優(yōu)先權(quán)日2008年8月29日
發(fā)明者史達飛, 尹悅燕, 剛 李, 燕 李, 魯耀杰 申請人:株式會社理光