基于用戶(hù)搜索日志的興趣實(shí)體獲得方法及裝置【技術(shù)領(lǐng)域】本發(fā)明涉及數(shù)據(jù)挖掘技術(shù)，尤其涉及一種基于用戶(hù)搜索日志的興趣實(shí)體獲得方法及裝置。

背景技術(shù)：
隨著互聯(lián)網(wǎng)信息技術(shù)的發(fā)展，用戶(hù)對(duì)獲取信息的準(zhǔn)確性要求越來(lái)越高。為了滿足用戶(hù)的需求，大量?jī)?nèi)容推薦技術(shù)被應(yīng)用于互聯(lián)網(wǎng)領(lǐng)域。在進(jìn)行內(nèi)容推薦前，首先可以根據(jù)用戶(hù)搜索的歷史信息獲取用戶(hù)關(guān)注或者感興趣的實(shí)體即興趣實(shí)體，然后利用這些興趣實(shí)體，向用戶(hù)推薦相應(yīng)或類(lèi)似的信息和服務(wù)?，F(xiàn)有技術(shù)中，通過(guò)在指定用戶(hù)的用戶(hù)搜索日志所劃分的會(huì)話(Session)段中，直接匹配完整的興趣實(shí)體的名稱(chēng)。其中，Session段是一個(gè)邏輯意義，它代表一個(gè)用戶(hù)在某段時(shí)間內(nèi)的一個(gè)行為意圖，從用戶(hù)的瀏覽行為來(lái)看，Session段具體可以規(guī)約成在語(yǔ)義上具有相同關(guān)聯(lián)的連續(xù)搜索行為。然而，在一些情況下，例如，Session段中所包含的詞(term)的順序與興趣實(shí)體中所包含的term的順序不一致，等情況，使得直接匹配完整的興趣實(shí)體的名稱(chēng)無(wú)法獲得對(duì)應(yīng)的興趣實(shí)體，從而導(dǎo)致了興趣實(shí)體的召回率的降低。

技術(shù)實(shí)現(xiàn)要素：
本發(fā)明的多個(gè)方面提供一種基于用戶(hù)搜索日志的興趣實(shí)體獲得方法及裝置，用以提高興趣實(shí)體的召回率。本發(fā)明的一方面，提供一種基于用戶(hù)搜索日志的興趣實(shí)體獲得方法，包括：獲得待匹配的Session段，所述Session段中包括客戶(hù)端的至少一個(gè)用戶(hù)搜索日志；對(duì)每個(gè)所述用戶(hù)搜索日志的query和title進(jìn)行切詞處理，以獲得每個(gè)所述用戶(hù)搜索日志的多個(gè)第一term；根據(jù)預(yù)先設(shè)置的實(shí)體庫(kù)，匹配出與每個(gè)所述用戶(hù)搜索日志的所述多個(gè)第一term相關(guān)的候選實(shí)體；利用所述Session段的特征、所述候選實(shí)體的特征、以及所述Session段與所述候選實(shí)體的關(guān)聯(lián)特征中的至少一項(xiàng)，對(duì)所述候選實(shí)體進(jìn)行過(guò)濾，以獲得興趣實(shí)體。如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述根據(jù)預(yù)先設(shè)置的實(shí)體庫(kù)，匹配出與每個(gè)所述用戶(hù)搜索日志的第一term相關(guān)的候選實(shí)體，包括：根據(jù)預(yù)先設(shè)置的實(shí)體庫(kù)，建立實(shí)體的倒排索引；根據(jù)所述倒排索引，獲得與每個(gè)所述用戶(hù)搜索日志的第一term相關(guān)的實(shí)體；根據(jù)所述實(shí)體的term重要性權(quán)值覆蓋率，對(duì)所述實(shí)體進(jìn)行排序；選擇所述term重要性權(quán)值覆蓋率最高的指定數(shù)量的所述實(shí)體，以作為所述候選實(shí)體。如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述利用所述Session段的特征、所述候選實(shí)體的特征、以及所述Session段與所述候選實(shí)體的關(guān)聯(lián)特征中的至少一項(xiàng)，對(duì)所述候選實(shí)體進(jìn)行過(guò)濾，以獲得興趣實(shí)體，包括下列中的至少一項(xiàng)：利用所述Session段的特征、所述候選實(shí)體的特征、以及所述Session段與所述候選實(shí)體的關(guān)聯(lián)特征中的至少一項(xiàng)，作為輸入，運(yùn)行GBDT模型，以獲得每個(gè)所述候選實(shí)體的預(yù)測(cè)label；若所述候選實(shí)體的預(yù)測(cè)label大于或等于預(yù)先設(shè)置的label閾值，保留所述候選實(shí)體，以作為所述興趣實(shí)體，若所述候選實(shí)體的預(yù)測(cè)label小于預(yù)先設(shè)置的label閾值，過(guò)濾掉所述候選實(shí)體；根據(jù)所述候選實(shí)體的預(yù)測(cè)label、所述候選實(shí)體的名稱(chēng)長(zhǎng)度、所述候選實(shí)體完整匹配的次數(shù)、所述候選實(shí)體的預(yù)設(shè)屬性是否匹配到所述Session段、以及所述候選實(shí)體的所有屬性匹配到所述Session段中的個(gè)數(shù)中的至少一項(xiàng)，獲得所述候選實(shí)體的排序分?jǐn)?shù)；若所述候選實(shí)體的排序分?jǐn)?shù)小于預(yù)先設(shè)置的第一分?jǐn)?shù)閾值，過(guò)濾掉所述候選實(shí)體；若所述候選實(shí)體的排序分?jǐn)?shù)大于或等于預(yù)先設(shè)置的第一分?jǐn)?shù)閾值，且小于預(yù)先設(shè)置的第二分?jǐn)?shù)閾值，若所述候選實(shí)體的排序分?jǐn)?shù)大于或等于所述預(yù)測(cè)label，保留所述候選實(shí)體，以作為所述興趣實(shí)體，若所述候選實(shí)體的排序分?jǐn)?shù)小于所述預(yù)測(cè)label，過(guò)濾掉所述候選實(shí)體；若所述候選實(shí)體的排序分?jǐn)?shù)大于或等于預(yù)先設(shè)置的第二閾值分?jǐn)?shù)，保留所述候選實(shí)體，以作為所述興趣實(shí)體；其中，所述第二分?jǐn)?shù)閾值大于所述第一分?jǐn)?shù)閾值；以及根據(jù)所述候選實(shí)體的名稱(chēng)，確定存在名稱(chēng)包含關(guān)系的候選實(shí)體，保留包含其他候選實(shí)體的名稱(chēng)的候選實(shí)體，以作為興趣實(shí)體。如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述Session段的特征包括下列中的至少一個(gè)：所述Session段所包含的所有第一term的長(zhǎng)度之和。如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述候選實(shí)體的特征包括下列中的至少一個(gè)：所述候選實(shí)體的名稱(chēng)長(zhǎng)度之和；所述候選實(shí)體的名稱(chēng)中所包含的所有第二term的term重要性權(quán)值之和；以及所述候選實(shí)體的名稱(chēng)中所包含的所有第二term的IDF權(quán)值之和；其中，所述第二term為對(duì)所述候選實(shí)體的名稱(chēng)進(jìn)行切詞處理獲得。如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述Session段與所述候選實(shí)體的關(guān)聯(lián)特征包括下列中的至少一個(gè)：所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的長(zhǎng)度之和；所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的長(zhǎng)度之和與所述候選實(shí)體的名稱(chēng)長(zhǎng)度之和的比值；所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的term重要性權(quán)值之和；所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的term重要性權(quán)值之和與所述候選實(shí)體的名稱(chēng)中所包含的所有第二term的term重要性權(quán)值之和的比值；所述Session段所包含的所有第一term中出現(xiàn)的所述候選實(shí)體的名稱(chēng)中所包含的第二term的最大term重要性權(quán)值；所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的IDF權(quán)值之和；所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的IDF權(quán)值之和與所述候選實(shí)體的名稱(chēng)中所包含的所有第二term的IDF權(quán)值之和的比值；所述Session段所包含的所有第一term中出現(xiàn)的所述候選實(shí)體的名稱(chēng)中所包含的第二term的最大IDF權(quán)值；以及所述Session段所包含的所有第一term中完整匹配所述候選實(shí)體的名稱(chēng)的次數(shù)；其中，所述第二term為對(duì)所述候選實(shí)體的名稱(chēng)進(jìn)行切詞處理獲得。本發(fā)明的另一方面，提供一種基于用戶(hù)搜索日志的興趣實(shí)體獲得裝置，包括：獲得單元，用于獲得待匹配的Session段，所述Session段中包括客戶(hù)端的至少一個(gè)用戶(hù)搜索日志；切詞單元，用于對(duì)每個(gè)所述用戶(hù)搜索日志的query和title進(jìn)行切詞處理，以獲得每個(gè)所述用戶(hù)搜索日志的多個(gè)第一term；匹配單元，用于根據(jù)預(yù)先設(shè)置的實(shí)體庫(kù)，匹配出與每個(gè)所述用戶(hù)搜索日志的所述多個(gè)第一term相關(guān)的候選實(shí)體；過(guò)濾單元，用于利用所述Session段的特征、所述候選實(shí)體的特征、以及所述Session段與所述候選實(shí)體的關(guān)聯(lián)特征中的至少一項(xiàng)，對(duì)所述候選實(shí)體進(jìn)行過(guò)濾，以獲得興趣實(shí)體。如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述匹配單元，具體用于根據(jù)預(yù)先設(shè)置的實(shí)體庫(kù)，建立實(shí)體的倒排索引；根據(jù)所述倒排索引，獲得與每個(gè)所述用戶(hù)搜索日志的第一term相關(guān)的實(shí)體；根據(jù)所述實(shí)體的term重要性權(quán)值覆蓋率，對(duì)所述實(shí)體進(jìn)行排序；選擇所述term重要性權(quán)值覆蓋率最高的指定數(shù)量的所述實(shí)體，以作為所述候選實(shí)體。如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述過(guò)濾單元，具體用于執(zhí)行下列中的至少一項(xiàng)：利用所述Session段的特征、所述候選實(shí)體的特征、以及所述Session段與所述候選實(shí)體的關(guān)聯(lián)特征中的至少一項(xiàng)，作為輸入，運(yùn)行GBDT模型，以獲得每個(gè)所述候選實(shí)體的預(yù)測(cè)label；若所述候選實(shí)體的預(yù)測(cè)label大于或等于預(yù)先設(shè)置的label閾值，保留所述候選實(shí)體，以作為所述興趣實(shí)體，若所述候選實(shí)體的預(yù)測(cè)label小于預(yù)先設(shè)置的label閾值，過(guò)濾掉所述候選實(shí)體；根據(jù)所述候選實(shí)體的預(yù)測(cè)label、所述候選實(shí)體的名稱(chēng)長(zhǎng)度、所述候選實(shí)體完整匹配的次數(shù)、所述候選實(shí)體的預(yù)設(shè)屬性是否匹配到所述Session段、以及所述候選實(shí)體的所有屬性匹配到所述Session段中的個(gè)數(shù)中的至少一項(xiàng)，獲得所述候選實(shí)體的排序分?jǐn)?shù)；若所述候選實(shí)體的排序分?jǐn)?shù)小于預(yù)先設(shè)置的第一分?jǐn)?shù)閾值，過(guò)濾掉所述候選實(shí)體；若所述候選實(shí)體的排序分?jǐn)?shù)大于或等于預(yù)先設(shè)置的第一分?jǐn)?shù)閾值，且小于預(yù)先設(shè)置的第二分?jǐn)?shù)閾值，若所述候選實(shí)體的排序分?jǐn)?shù)大于或等于所述預(yù)測(cè)label，保留所述候選實(shí)體，以作為所述興趣實(shí)體，若所述候選實(shí)體的排序分?jǐn)?shù)小于所述預(yù)測(cè)label，過(guò)濾掉所述候選實(shí)體；若所述候選實(shí)體的排序分?jǐn)?shù)大于或等于預(yù)先設(shè)置的第二閾值分?jǐn)?shù)，保留所述候選實(shí)體，以作為所述興趣實(shí)體；其中，所述第二分?jǐn)?shù)閾值大于所述第一分?jǐn)?shù)閾值；以及根據(jù)所述候選實(shí)體的名稱(chēng)，確定存在名稱(chēng)包含關(guān)系的候選實(shí)體，保留包含其他候選實(shí)體的名稱(chēng)的候選實(shí)體，以作為興趣實(shí)體。如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述Session段的特征包括下列中的至少一個(gè)：所述Session段所包含的所有第一term的長(zhǎng)度之和。如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述候選實(shí)體的特征包括下列中的至少一個(gè)：所述候選實(shí)體的名稱(chēng)長(zhǎng)度之和；所述候選實(shí)體的名稱(chēng)中所包含的所有第二term的term重要性權(quán)值之和；以及所述候選實(shí)體的名稱(chēng)中所包含的所有第二term的IDF權(quán)值之和；其中，所述第二term為對(duì)所述候選實(shí)體的名稱(chēng)進(jìn)行切詞處理獲得。如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述Session段與所述候選實(shí)體的關(guān)聯(lián)特征包括下列中的至少一個(gè)：所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的長(zhǎng)度之和；所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的長(zhǎng)度之和與所述候選實(shí)體的名稱(chēng)長(zhǎng)度之和的比值；所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的term重要性權(quán)值之和；所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的term重要性權(quán)值之和與所述候選實(shí)體的名稱(chēng)中所包含的所有第二term的term重要性權(quán)值之和的比值；所述Session段所包含的所有第一term中出現(xiàn)的所述候選實(shí)體的名稱(chēng)中所包含的第二term的最大term重要性權(quán)值；所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的IDF權(quán)值之和；所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的IDF權(quán)值之和與所述候選實(shí)體的名稱(chēng)中所包含的所有第二term的IDF權(quán)值之和的比值；所述Session段所包含的所有第一term中出現(xiàn)的所述候選實(shí)體的名稱(chēng)中所包含的第二term的最大IDF權(quán)值；以及所述Session段所包含的所有第一term中完整匹配所述候選實(shí)體的名稱(chēng)的次數(shù)；其中，所述第二term為對(duì)所述候選實(shí)體的名稱(chēng)進(jìn)行切詞處理獲得。由上述技術(shù)方案可知，本發(fā)明實(shí)施例通過(guò)對(duì)待匹配的Session段中所包括的每個(gè)所述用戶(hù)搜索日志的query和title進(jìn)行切詞處理，以獲得每個(gè)所述用戶(hù)搜索日志的第一term，進(jìn)而根據(jù)預(yù)先設(shè)置的實(shí)體庫(kù)，匹配出與每個(gè)所述用戶(hù)搜索日志的第一term相關(guān)的候選實(shí)體，使得能夠利用所述Session段的特征、所述候選實(shí)體的特征、以及所述Session段與所述候選實(shí)體的關(guān)聯(lián)特征中的至少一項(xiàng)，對(duì)所述候選實(shí)體進(jìn)行過(guò)濾，以獲得興趣實(shí)體，由于采用相關(guān)匹配方法即匹配出與每個(gè)所述用戶(hù)搜索日志的第一term相關(guān)的候選實(shí)體，而不再采用完整匹配方法即直接匹配出完整的興趣實(shí)體的名稱(chēng)，從而提高了興趣實(shí)體的召回率?！靖綀D說(shuō)明】為了更清楚地說(shuō)明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明一實(shí)施例提供的基于用戶(hù)搜索日志的興趣實(shí)體獲得方法的流程示意圖；圖2為本發(fā)明另一實(shí)施例提供的基于用戶(hù)搜索日志的興趣實(shí)體獲得裝置的結(jié)構(gòu)示意圖?！揪唧w實(shí)施方式】為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)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)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)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。需要說(shuō)明的是，本發(fā)明實(shí)施例中所涉及的終端可以包括但不限于手機(jī)、個(gè)人數(shù)字助理(PersonalDigitalAssistant，PDA)、無(wú)線手持裝置、無(wú)線上網(wǎng)本、個(gè)人電腦、便攜電腦、MP3播放器、MP4播放器等。另外，本文中術(shù)語(yǔ)“和/或”，僅僅是一種描述關(guān)聯(lián)對(duì)象的關(guān)聯(lián)關(guān)系，表示可以存在三種關(guān)系，例如，A和/或B，可以表示：?jiǎn)为?dú)存在A，同時(shí)存在A和B，單獨(dú)存在B這三種情況。另外，本文中字符“/”，一般表示前后關(guān)聯(lián)對(duì)象是一種“或”的關(guān)系。圖1為本發(fā)明一實(shí)施例提供的基于用戶(hù)搜索日志的興趣實(shí)體獲得方法的流程示意圖，如圖1所示。101、獲得待匹配的Session段，所述Session段中包括客戶(hù)端的至少一個(gè)用戶(hù)搜索日志。102、對(duì)每個(gè)所述用戶(hù)搜索日志的檢索關(guān)鍵詞(query)和用戶(hù)點(diǎn)擊的網(wǎng)頁(yè)標(biāo)題(title)進(jìn)行切詞處理，以獲得每個(gè)所述用戶(hù)搜索日志的第一term。103、根據(jù)預(yù)先設(shè)置的實(shí)體庫(kù)，匹配出與每個(gè)所述用戶(hù)搜索日志的第一term相關(guān)的候選實(shí)體。104、利用所述Session段的特征、所述候選實(shí)體的特征、以及所述Session段與所述候選實(shí)體的關(guān)聯(lián)特征中的至少一項(xiàng)，對(duì)所述候選實(shí)體進(jìn)行過(guò)濾，以獲得興趣實(shí)體。所謂興趣實(shí)體，即一個(gè)抽象概念的實(shí)例化，由名稱(chēng)(以及別名)和描述該實(shí)體的屬性標(biāo)簽(Tag)組成。例如，一個(gè)明星實(shí)體的名稱(chēng)可以是“周杰倫”，一個(gè)電影實(shí)體的名稱(chēng)可以是《泰坦尼克號(hào)》，一個(gè)手機(jī)實(shí)體的名稱(chēng)可以是“蘋(píng)果iPhone4s”；再例如，對(duì)于《泰坦尼克號(hào)》這個(gè)電影實(shí)體，可以有“電影”、“美國(guó)”、“愛(ài)情”、“災(zāi)難”、“1997”這樣的Tag。需要說(shuō)明的是，101～104的執(zhí)行主體可以是服務(wù)引擎，例如，搜索引擎或推薦引擎等，可以位于本地的客戶(hù)端中，以進(jìn)行離線服務(wù)，或者還可以位于網(wǎng)絡(luò)側(cè)的服務(wù)器中，以進(jìn)行在線服務(wù)，本實(shí)施例對(duì)此不進(jìn)行限定?？梢岳斫獾氖?，所述客戶(hù)端可以是安裝在終端上的應(yīng)用程序，或者還可以是瀏覽器的一個(gè)網(wǎng)頁(yè)，只要能夠?qū)崿F(xiàn)興趣實(shí)體的獲得，以提供相應(yīng)服務(wù)的客觀存在形式都可以，本實(shí)施例對(duì)此不進(jìn)行限定。這樣，通過(guò)對(duì)待匹配的Session段中所包括的每個(gè)所述用戶(hù)搜索日志的query和title進(jìn)行切詞處理，以獲得每個(gè)所述用戶(hù)搜索日志的第一term，進(jìn)而根據(jù)預(yù)先設(shè)置的實(shí)體庫(kù)，匹配出與每個(gè)所述用戶(hù)搜索日志的第一term相關(guān)的候選實(shí)體，使得能夠利用所述Session段的特征、所述候選實(shí)體的特征、以及所述Session段與所述候選實(shí)體的關(guān)聯(lián)特征中的至少一項(xiàng)，對(duì)所述候選實(shí)體進(jìn)行過(guò)濾，以獲得興趣實(shí)體，由于采用相關(guān)匹配方法即匹配出與每個(gè)所述用戶(hù)搜索日志的第一term相關(guān)的候選實(shí)體，而不再采用完整匹配方法即直接匹配出完整的興趣實(shí)體的名稱(chēng)，能夠有效擴(kuò)大興趣實(shí)體的召回，從而提高了興趣實(shí)體的召回率。另外，采用本發(fā)明提供的技術(shù)方案，由于利用所述Session段的特征、所述候選實(shí)體的特征、以及所述Session段與所述候選實(shí)體的關(guān)聯(lián)特征中的至少一項(xiàng)，對(duì)所述候選實(shí)體進(jìn)行過(guò)濾，以獲得興趣實(shí)體，可以避免現(xiàn)有技術(shù)中由于采用完整匹配方法即直接匹配出完整的興趣實(shí)體的名稱(chēng)而導(dǎo)致的匹配出錯(cuò)誤的興趣實(shí)體的問(wèn)題，例如，根據(jù)“高清手機(jī)電影下載”，直接匹配出《手機(jī)》這部電影，能夠有效提高興趣實(shí)體獲得的準(zhǔn)確率，從而提高了興趣實(shí)體獲得的可靠性。可選地，在本實(shí)施例的一個(gè)可能的實(shí)現(xiàn)方式中，在103中，具體可以根據(jù)預(yù)先設(shè)置的實(shí)體庫(kù)，建立實(shí)體的倒排索引。進(jìn)而，根據(jù)所述倒排索引，獲得與每個(gè)所述用戶(hù)搜索日志的第一term相關(guān)的實(shí)體。然后，根據(jù)所述實(shí)體的term重要性權(quán)值覆蓋率，對(duì)所述實(shí)體進(jìn)行排序，以及選擇所述term重要性權(quán)值覆蓋率最高的指定數(shù)量的所述實(shí)體，例如，最高的50個(gè)，以作為所述候選實(shí)體。其中，所述實(shí)體的term重要性權(quán)值覆蓋率可以為所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的term重要性權(quán)值之和與所述候選實(shí)體的名稱(chēng)中所包含的所有第二term的term重要性權(quán)值之和的比值。需要說(shuō)明的是，根據(jù)預(yù)先設(shè)置的實(shí)體庫(kù)，建立實(shí)體的倒排索引，這一操作，可以在102之后執(zhí)行，或者還可以進(jìn)一步前移到服務(wù)引擎初始化的流程中即在101之前執(zhí)行，本實(shí)施例對(duì)此不進(jìn)行特別的限定。具體地，具體可以對(duì)實(shí)體庫(kù)中所包括的全部實(shí)體的名稱(chēng)進(jìn)行切詞處理(包括停用詞處理)，以獲得每個(gè)實(shí)體的第二term；然后，根據(jù)每個(gè)實(shí)體的第二term，建立實(shí)體的倒排索引，即第二term→實(shí)體的倒排索引。可選地，在本實(shí)施例的一個(gè)可能的實(shí)現(xiàn)方式中，在104中，具體可以執(zhí)行下列三項(xiàng)操作中的至少一項(xiàng)操作：操作一、利用所述Session段的特征、所述候選實(shí)體的特征、以及所述Session段與所述候選實(shí)體的關(guān)聯(lián)特征中的至少一項(xiàng)，作為輸入，運(yùn)行梯度提升決策樹(shù)(GradientBoostDecisionTree，GBDT)模型，以獲得每個(gè)所述候選實(shí)體的預(yù)測(cè)標(biāo)簽(label)；若所述候選實(shí)體的預(yù)測(cè)label大于或等于預(yù)先設(shè)置的label閾值，保留所述候選實(shí)體，以作為所述興趣實(shí)體，若所述候選實(shí)體的預(yù)測(cè)label小于預(yù)先設(shè)置的label閾值，過(guò)濾掉所述候選實(shí)體。具體地，所述Session段的特征可以包括但不限于下列中的至少一個(gè)：所述Session段所包含的所有第一term的長(zhǎng)度之和。具體地，所述候選實(shí)體的特征可以包括但不限于下列中的至少一個(gè)：所述候選實(shí)體的名稱(chēng)長(zhǎng)度之和；所述候選實(shí)體的名稱(chēng)中所包含的所有第二term的term重要性權(quán)值之和，即term重要性權(quán)值和；以及所述候選實(shí)體的名稱(chēng)中所包含的所有第二term的IDF權(quán)值之和，即IDF權(quán)值和；其中，所述第二term為對(duì)所述候選實(shí)體的名稱(chēng)進(jìn)行切詞處理獲得。具體地，所述Session段與所述候選實(shí)體的關(guān)聯(lián)特征可以包括但不限于下列中的至少一個(gè)：所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的長(zhǎng)度之和，即長(zhǎng)度覆蓋；所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的長(zhǎng)度之和與所述候選實(shí)體的名稱(chēng)長(zhǎng)度之和的比值，即長(zhǎng)度覆蓋率；所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的term重要性權(quán)值之和，即term重要性權(quán)值覆蓋；所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的term重要性權(quán)值之和與所述候選實(shí)體的名稱(chēng)中所包含的所有第二term的term重要性權(quán)值之和的比值，即term重要性權(quán)值覆蓋率；所述Session段所包含的所有第一term中出現(xiàn)的所述候選實(shí)體的名稱(chēng)中所包含的第二term的最大term重要性權(quán)值，即最大term重要性權(quán)值；所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的逆文檔頻率(InverseDocumentFrequency，IDF)權(quán)值之和，即IDF權(quán)值覆蓋；所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的IDF權(quán)值之和與所述候選實(shí)體的名稱(chēng)中所包含的所有第二term的IDF權(quán)值之和的比值，即IDF權(quán)值覆蓋率；所述Session段所包含的所有第一term中出現(xiàn)的所述候選實(shí)體的名稱(chēng)中所包含的第二term的最大IDF權(quán)值，即最大IDF權(quán)值；以及所述Session段所包含的所有第一term中完整匹配所述候選實(shí)體的名稱(chēng)的次數(shù)；其中，所述第二term為對(duì)所述候選實(shí)體的名稱(chēng)進(jìn)行切詞處理獲得。操作二、根據(jù)所述候選實(shí)體的預(yù)測(cè)label、所述候選實(shí)體的名稱(chēng)長(zhǎng)度、所述候選實(shí)體完整匹配的次數(shù)、所述候選實(shí)體的預(yù)設(shè)屬性是否匹配到所述Session段、以及所述候選實(shí)體的所有屬性匹配到所述Session段中的個(gè)數(shù)中的至少一項(xiàng)，獲得所述候選實(shí)體的排序分?jǐn)?shù)；若所述候選實(shí)體的排序分?jǐn)?shù)小于預(yù)先設(shè)置的第一分?jǐn)?shù)閾值，過(guò)濾掉所述候選實(shí)體；若所述候選實(shí)體的排序分?jǐn)?shù)大于或等于預(yù)先設(shè)置的第一分?jǐn)?shù)閾值，且小于預(yù)先設(shè)置的第二分?jǐn)?shù)閾值，若所述候選實(shí)體的排序分?jǐn)?shù)大于或等于所述預(yù)測(cè)label，保留所述候選實(shí)體，以作為所述興趣實(shí)體，若所述候選實(shí)體的排序分?jǐn)?shù)小于所述預(yù)測(cè)label，過(guò)濾掉所述候選實(shí)體；若所述候選實(shí)體的排序分?jǐn)?shù)大于或等于預(yù)先設(shè)置的第二閾值分?jǐn)?shù)，保留所述候選實(shí)體，以作為所述興趣實(shí)體；其中，所述第二分?jǐn)?shù)閾值大于所述第一分?jǐn)?shù)閾值。操作三、根據(jù)所述候選實(shí)體的名稱(chēng)，確定存在名稱(chēng)包含關(guān)系的候選實(shí)體，保留包含其他候選實(shí)體的名稱(chēng)的候選實(shí)體，以作為興趣實(shí)體。也就說(shuō)是說(shuō)，過(guò)濾掉候選實(shí)體的名稱(chēng)被其他候選實(shí)體的名稱(chēng)包含的候選實(shí)體?？梢岳斫獾氖牵鰐erm重要性權(quán)值，用于衡量第二term在候選實(shí)體的名稱(chēng)中的重要程度，詳細(xì)描述可以參見(jiàn)現(xiàn)有技術(shù)中的相關(guān)內(nèi)容，此處不再贅述；所述IDF權(quán)值，用于衡量第二term在文檔中的重要程度，即每個(gè)候選實(shí)體的名稱(chēng)當(dāng)作一個(gè)文檔，詳細(xì)描述可以參見(jiàn)現(xiàn)有技術(shù)中的相關(guān)內(nèi)容，此處不再贅述。這樣，通過(guò)采用本實(shí)施例提供的技術(shù)方案，能夠有效擴(kuò)大興趣實(shí)體的召回，從而提高了興趣實(shí)體的召回率。為使得本發(fā)明實(shí)施例提供的方法更加清楚，下面將以表1所示的一個(gè)Session段和表2所示的實(shí)體庫(kù)作為舉例。表1Session段QueryTitle美食祈禱和戀愛(ài)美食祈禱和戀愛(ài)美食祈禱和戀愛(ài)的相關(guān)電影在線觀看表2實(shí)體庫(kù)如表1所示，在這個(gè)Session段中，包含了一個(gè)電影實(shí)體《美食祈禱和戀愛(ài)》。采用現(xiàn)有技術(shù)中提供的技術(shù)方案即直接匹配完整的興趣實(shí)體的名稱(chēng)，則無(wú)法準(zhǔn)確地獲得電影實(shí)體《美食、祈禱和戀愛(ài)》，使得正確的興趣實(shí)體無(wú)法被召回，卻能夠錯(cuò)誤地獲得電影實(shí)體《戀愛(ài)》、電影實(shí)體《祈禱》和電視劇實(shí)體《祈禱和戀愛(ài)》，使得錯(cuò)誤的興趣實(shí)體被召回。采用本發(fā)明提供的技術(shù)方案，可以執(zhí)行如下操作：步驟一、初始化處理。具體地，具體可以根據(jù)表2所示的實(shí)體庫(kù)，建立每個(gè)實(shí)體的倒排索引。即對(duì)實(shí)體庫(kù)中所包括的全部實(shí)體的名稱(chēng)進(jìn)行切詞處理(包括停用詞處理)，以獲得每個(gè)實(shí)體的第二term。例如，電影實(shí)體《美食、祈禱和戀愛(ài)》，切詞處理之后的結(jié)果為“美食”、“祈禱”、“戀愛(ài)”；或者，再例如，電影實(shí)體《戀愛(ài)》，切詞處理之后的結(jié)果為“戀愛(ài)”；或者，再例如，電影實(shí)體《祈禱》，切詞處理之后的結(jié)果為“祈禱”；或者，再例如，電影實(shí)體《祈禱和戀愛(ài)》，切詞處理之后的結(jié)果為“祈禱”、“和”、“戀愛(ài)”；或者，再例如，電影實(shí)體《正在戀愛(ài)中》，切詞處理之后的結(jié)果為“正在”、“戀愛(ài)”、“中”。然后，根據(jù)每個(gè)實(shí)體的第二term，建立實(shí)體的倒排索引，即第二term→實(shí)體的倒排索引，如表3所示。表3倒排索引步驟二、對(duì)Session段中所包括的用戶(hù)搜索日志的query和title進(jìn)行切詞處理(包括停用詞處理)，以獲得每個(gè)所述用戶(hù)搜索日志的第一term。例如，切詞處理之后的結(jié)果為“美食”、“祈禱”、“和”、“戀愛(ài)”、“美食”、“祈禱”、“和”、“戀愛(ài)”、“相關(guān)”、“電影”、“在線”、“觀看”。步驟三、根據(jù)實(shí)體庫(kù)中所包括的每個(gè)實(shí)體的倒排索引，匹配出與每個(gè)所述用戶(hù)搜索日志的第一term相關(guān)的實(shí)體；根據(jù)所述實(shí)體的term重要性權(quán)值覆蓋率，對(duì)所述實(shí)體進(jìn)行排序，如表4所示，以及選擇所述term重要性權(quán)值覆蓋率最高的指定數(shù)量的所述實(shí)體，例如，最高的n個(gè)，以作為所述候選實(shí)體。具體地，假設(shè)第二term的term重要性權(quán)值覆蓋率分別如下：“祈禱”：0.35；“戀愛(ài)”：0.21；“美食”：0.38；“和”：0.11；“正在”：0.16；“中”：0.13；“、”：0.01。表4實(shí)體與term重要性權(quán)值覆蓋率的對(duì)應(yīng)關(guān)系實(shí)體的名稱(chēng)term重要性權(quán)值覆蓋率祈禱和戀愛(ài)(0.35+0.11+0.21)/(0.35+0.11+0.21)＝1.0祈禱0.35/0.35＝1.0戀愛(ài)0.21/0.21＝1.0美食、祈禱和戀愛(ài)(0.38+0.35+0.11+0.21)/(0.38+0.01+0.35+0.11+0.21)＝0.99正在戀愛(ài)中0.21/(0.16+0.21+0.13)＝0.42例如，可以選擇term重要性權(quán)值覆蓋率最高的5個(gè)所述實(shí)體，以作為所述候選實(shí)體，即電影實(shí)體《祈禱和戀愛(ài)》、電影實(shí)體《祈禱》、電影實(shí)體《戀愛(ài)》：、電影實(shí)體《美食、祈禱和戀愛(ài)》、電視劇實(shí)體《正在戀愛(ài)中》。步驟四、提取候選實(shí)體的特征，即Session段的特征、候選實(shí)體的特征、以及Session段與候選實(shí)體的關(guān)聯(lián)特征，作為輸入，運(yùn)行GBDT模型，以獲得每個(gè)所述候選實(shí)體的預(yù)測(cè)label，如表5所示。表5候選實(shí)體與預(yù)測(cè)label的對(duì)應(yīng)關(guān)系實(shí)體的名稱(chēng)預(yù)測(cè)label是否過(guò)濾掉祈禱和戀愛(ài)0.86否祈禱0.24是戀愛(ài)0.21是美食、祈禱和戀愛(ài)0.92否正在戀愛(ài)中0.02是若所述候選實(shí)體的預(yù)測(cè)label大于或等于預(yù)先設(shè)置的label閾值，例如0.4，保留所述候選實(shí)體，以作為所述興趣實(shí)體，若所述候選實(shí)體的預(yù)測(cè)label小于預(yù)先設(shè)置的label閾值，例如0.4，過(guò)濾掉所述候選實(shí)體。步驟五、根據(jù)所述候選實(shí)體的預(yù)測(cè)label、所述候選實(shí)體的名稱(chēng)長(zhǎng)度、所述候選實(shí)體完整匹配的次數(shù)、所述候選實(shí)體的預(yù)設(shè)屬性是否匹配到所述Session段、以及所述候選實(shí)體的所有屬性匹配到所述Session段中的個(gè)數(shù)，獲得所述候選實(shí)體的排序分?jǐn)?shù)，如表6所示。表6候選實(shí)體與排序分?jǐn)?shù)的對(duì)應(yīng)關(guān)系實(shí)體的名稱(chēng)排序分?jǐn)?shù)是否過(guò)濾掉祈禱和戀愛(ài)0.85是美食、祈禱和戀愛(ài)1.03否若所述候選實(shí)體的排序分?jǐn)?shù)小于預(yù)先設(shè)置的第一分?jǐn)?shù)閾值，例如，0.5，過(guò)濾掉所述候選實(shí)體；若所述候選實(shí)體的排序分?jǐn)?shù)大于或等于預(yù)先設(shè)置的第一分?jǐn)?shù)閾值，且小于預(yù)先設(shè)置的第二分?jǐn)?shù)閾值，例如，0.8，若所述候選實(shí)體的排序分?jǐn)?shù)大于或等于所述預(yù)測(cè)label，保留所述候選實(shí)體，以作為所述興趣實(shí)體，若所述候選實(shí)體的排序分?jǐn)?shù)小于所述預(yù)測(cè)label，過(guò)濾掉所述候選實(shí)體；若所述候選實(shí)體的排序分?jǐn)?shù)大于或等于預(yù)先設(shè)置的第二閾值分?jǐn)?shù)，保留所述候選實(shí)體，以作為所述興趣實(shí)體；其中，所述第二分?jǐn)?shù)閾值大于所述第一分?jǐn)?shù)閾值。這樣，就可以獲得一個(gè)候選實(shí)體即電影實(shí)體《美食、祈禱和戀愛(ài)》，以作為興趣實(shí)體。如果此時(shí)獲得候選實(shí)體為兩個(gè)，即電影實(shí)體《美食、祈禱和戀愛(ài)》和電影實(shí)體《祈禱和戀愛(ài)》，那么由于《祈禱和戀愛(ài)》被完整包含在《美食、祈禱和戀愛(ài)》中，因此，電影實(shí)體《祈禱和戀愛(ài)》也同樣是要被過(guò)濾掉的。本實(shí)施例中，通過(guò)對(duì)待匹配的Session段中所包括的每個(gè)所述用戶(hù)搜索日志的query和title進(jìn)行切詞處理，以獲得每個(gè)所述用戶(hù)搜索日志的第一term，進(jìn)而根據(jù)預(yù)先設(shè)置的實(shí)體庫(kù)，匹配出與每個(gè)所述用戶(hù)搜索日志的第一term相關(guān)的候選實(shí)體，使得能夠利用所述Session段的特征、所述候選實(shí)體的特征、以及所述Session段與所述候選實(shí)體的關(guān)聯(lián)特征中的至少一項(xiàng)，對(duì)所述候選實(shí)體進(jìn)行過(guò)濾，以獲得興趣實(shí)體，由于采用相關(guān)匹配方法即匹配出與每個(gè)所述用戶(hù)搜索日志的第一term相關(guān)的候選實(shí)體，而不再采用完整匹配方法即直接匹配出完整的興趣實(shí)體的名稱(chēng)，能夠有效擴(kuò)大興趣實(shí)體的召回，從而提高了興趣實(shí)體的召回率。另外，采用本發(fā)明提供的技術(shù)方案，由于利用所述Session段的特征、所述候選實(shí)體的特征、以及所述Session段與所述候選實(shí)體的關(guān)聯(lián)特征中的至少一項(xiàng)，對(duì)所述候選實(shí)體進(jìn)行過(guò)濾，以獲得興趣實(shí)體，可以避免現(xiàn)有技術(shù)中由于采用完整匹配方法即直接匹配出完整的興趣實(shí)體的名稱(chēng)而導(dǎo)致的匹配出錯(cuò)誤的興趣實(shí)體的問(wèn)題，例如，根據(jù)“高清手機(jī)電影下載”，直接匹配出《手機(jī)》這部電影，能夠有效提高興趣實(shí)體獲得的準(zhǔn)確率，從而提高了興趣實(shí)體獲得的可靠性。需要說(shuō)明的是，對(duì)于前述的各方法實(shí)施例，為了簡(jiǎn)單描述，故將其都表述為一系列的動(dòng)作組合，但是本領(lǐng)域技術(shù)人員應(yīng)該知悉，本發(fā)明并不受所描述的動(dòng)作順序的限制，因?yàn)橐罁?jù)本發(fā)明，某些步驟可以采用其他順序或者同時(shí)進(jìn)行。其次，本領(lǐng)域技術(shù)人員也應(yīng)該知悉，說(shuō)明書(shū)中所描述的實(shí)施例均屬于優(yōu)選實(shí)施例，所涉及的動(dòng)作和模塊并不一定是本發(fā)明所必須的。在上述實(shí)施例中，對(duì)各個(gè)實(shí)施例的描述都各有側(cè)重，某個(gè)實(shí)施例中沒(méi)有詳述的部分，可以參見(jiàn)其他實(shí)施例的相關(guān)描述。圖2為本發(fā)明另一實(shí)施例提供的基于用戶(hù)搜索日志的興趣實(shí)體獲得裝置的結(jié)構(gòu)示意圖，如圖2所示。本實(shí)施例的基于用戶(hù)搜索日志的興趣實(shí)體獲得裝置可以包括獲得單元21、切詞單元22、匹配單元23和過(guò)濾單元24。其中，獲得單元21，用于獲得待匹配的Session段，所述Session段中包括客戶(hù)端的至少一個(gè)用戶(hù)搜索日志；切詞單元22，用于對(duì)每個(gè)所述用戶(hù)搜索日志的query和title進(jìn)行切詞處理，以獲得每個(gè)所述用戶(hù)搜索日志的第一term；匹配單元23，用于根據(jù)預(yù)先設(shè)置的實(shí)體庫(kù)，匹配出與每個(gè)所述用戶(hù)搜索日志的第一term相關(guān)的候選實(shí)體；過(guò)濾單元24，用于利用所述Session段的特征、所述候選實(shí)體的特征、以及所述Session段與所述候選實(shí)體的關(guān)聯(lián)特征中的至少一項(xiàng)，對(duì)所述候選實(shí)體進(jìn)行過(guò)濾，以獲得興趣實(shí)體。所謂興趣實(shí)體，即一個(gè)抽象概念的實(shí)例化，由名稱(chēng)(以及別名)和描述該實(shí)體的屬性標(biāo)簽(Tag)組成。例如，一個(gè)明星實(shí)體的名稱(chēng)可以是“周杰倫”，一個(gè)電影實(shí)體的名稱(chēng)可以是《泰坦尼克號(hào)》，一個(gè)手機(jī)實(shí)體的名稱(chēng)可以是“蘋(píng)果iPhone4s”；再例如，對(duì)于《泰坦尼克號(hào)》這個(gè)電影實(shí)體，可以有“電影”、“美國(guó)”、“愛(ài)情”、“災(zāi)難”、“1997”這樣的Tag。需要說(shuō)明的是，本實(shí)施例提供的裝置可以是服務(wù)引擎，例如，搜索引擎或推薦引擎等，可以位于本地的客戶(hù)端中，以進(jìn)行離線服務(wù)，或者還可以位于網(wǎng)絡(luò)側(cè)的服務(wù)器中，以進(jìn)行在線服務(wù)，本實(shí)施例對(duì)此不進(jìn)行限定?？梢岳斫獾氖?，所述客戶(hù)端可以是安裝在終端上的應(yīng)用程序，或者還可以是瀏覽器的一個(gè)網(wǎng)頁(yè)，只要能夠?qū)崿F(xiàn)興趣實(shí)體的獲得，以提供相應(yīng)服務(wù)的客觀存在形式都可以，本實(shí)施例對(duì)此不進(jìn)行限定。這樣，通過(guò)切詞單元對(duì)獲得單元所獲得的待匹配的Session段中所包括的每個(gè)所述用戶(hù)搜索日志的query和title進(jìn)行切詞處理，以獲得每個(gè)所述用戶(hù)搜索日志的第一term，進(jìn)而由匹配單元根據(jù)預(yù)先設(shè)置的實(shí)體庫(kù)，匹配出與每個(gè)所述用戶(hù)搜索日志的第一term相關(guān)的候選實(shí)體，使得過(guò)濾單元能夠利用所述Session段的特征、所述候選實(shí)體的特征、以及所述Session段與所述候選實(shí)體的關(guān)聯(lián)特征中的至少一項(xiàng)，對(duì)所述候選實(shí)體進(jìn)行過(guò)濾，以獲得興趣實(shí)體，由于采用相關(guān)匹配方法即匹配出與每個(gè)所述用戶(hù)搜索日志的第一term相關(guān)的候選實(shí)體，而不再采用完整匹配方法即直接匹配出完整的興趣實(shí)體的名稱(chēng)，能夠有效擴(kuò)大興趣實(shí)體的召回，從而提高了興趣實(shí)體的召回率。另外，采用本發(fā)明提供的技術(shù)方案，由于利用所述Session段的特征、所述候選實(shí)體的特征、以及所述Session段與所述候選實(shí)體的關(guān)聯(lián)特征中的至少一項(xiàng)，對(duì)所述候選實(shí)體進(jìn)行過(guò)濾，以獲得興趣實(shí)體，可以避免現(xiàn)有技術(shù)中由于采用完整匹配方法即直接匹配出完整的興趣實(shí)體的名稱(chēng)而導(dǎo)致的匹配出錯(cuò)誤的興趣實(shí)體的問(wèn)題，例如，根據(jù)“高清手機(jī)電影下載”，直接匹配出《手機(jī)》這部電影，能夠有效提高興趣實(shí)體獲得的準(zhǔn)確率，從而提高了興趣實(shí)體獲得的可靠性?？蛇x地，在本實(shí)施例的一個(gè)可能的實(shí)現(xiàn)方式中，所述匹配單元23，具體可以用于根據(jù)預(yù)先設(shè)置的實(shí)體庫(kù)，建立實(shí)體的倒排索引；根據(jù)所述倒排索引，獲得與每個(gè)所述用戶(hù)搜索日志的第一term相關(guān)的實(shí)體；根據(jù)所述實(shí)體的term重要性權(quán)值覆蓋率，對(duì)所述實(shí)體進(jìn)行排序；以及選擇所述term重要性權(quán)值覆蓋率最高的指定數(shù)量的所述實(shí)體，例如，最高的50個(gè)，以作為所述候選實(shí)體。其中，所述實(shí)體的term重要性權(quán)值覆蓋率可以為所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的term重要性權(quán)值之和與所述候選實(shí)體的名稱(chēng)中所包含的所有第二term的term重要性權(quán)值之和的比值。需要說(shuō)明的是，根據(jù)預(yù)先設(shè)置的實(shí)體庫(kù)，建立實(shí)體的倒排索引，這一操作，可以在切詞單元執(zhí)行對(duì)應(yīng)的操作之后執(zhí)行，或者還可以進(jìn)一步前移到服務(wù)引擎初始化的流程中即在獲得單元執(zhí)行對(duì)應(yīng)的操作之前執(zhí)行，本實(shí)施例對(duì)此不進(jìn)行特別的限定。具體地，具體可以對(duì)實(shí)體庫(kù)中所包括的全部實(shí)體的名稱(chēng)進(jìn)行切詞處理(包括停用詞處理)，以獲得每個(gè)實(shí)體的第二term；然后，根據(jù)每個(gè)實(shí)體的第二term，建立實(shí)體的倒排索引，即第二term→實(shí)體的倒排索引?？蛇x地，在本實(shí)施例的一個(gè)可能的實(shí)現(xiàn)方式中，所述過(guò)濾單元24，具體可以用于執(zhí)行下列中的至少一項(xiàng)：利用所述Session段的特征、所述候選實(shí)體的特征、以及所述Session段與所述候選實(shí)體的關(guān)聯(lián)特征中的至少一項(xiàng)，作為輸入，運(yùn)行GBDT模型，以獲得每個(gè)所述候選實(shí)體的預(yù)測(cè)label；若所述候選實(shí)體的預(yù)測(cè)label大于或等于預(yù)先設(shè)置的label閾值，保留所述候選實(shí)體，以作為所述興趣實(shí)體，若所述候選實(shí)體的預(yù)測(cè)label小于預(yù)先設(shè)置的label閾值，過(guò)濾掉所述候選實(shí)體；根據(jù)所述候選實(shí)體的預(yù)測(cè)label、所述候選實(shí)體的名稱(chēng)長(zhǎng)度、所述候選實(shí)體完整匹配的次數(shù)、所述候選實(shí)體的預(yù)設(shè)屬性是否匹配到所述Session段、以及所述候選實(shí)體的所有屬性匹配到所述Session段中的個(gè)數(shù)中的至少一項(xiàng)，獲得所述候選實(shí)體的排序分?jǐn)?shù)；若所述候選實(shí)體的排序分?jǐn)?shù)小于預(yù)先設(shè)置的第一分?jǐn)?shù)閾值，過(guò)濾掉所述候選實(shí)體；若所述候選實(shí)體的排序分?jǐn)?shù)大于或等于預(yù)先設(shè)置的第一分?jǐn)?shù)閾值，且小于預(yù)先設(shè)置的第二分?jǐn)?shù)閾值，若所述候選實(shí)體的排序分?jǐn)?shù)大于或等于所述預(yù)測(cè)label，保留所述候選實(shí)體，以作為所述興趣實(shí)體，若所述候選實(shí)體的排序分?jǐn)?shù)小于所述預(yù)測(cè)label，過(guò)濾掉所述候選實(shí)體；若所述候選實(shí)體的排序分?jǐn)?shù)大于或等于預(yù)先設(shè)置的第二閾值分?jǐn)?shù)，保留所述候選實(shí)體，以作為所述興趣實(shí)體；其中，所述第二分?jǐn)?shù)閾值大于所述第一分?jǐn)?shù)閾值；以及根據(jù)所述候選實(shí)體的名稱(chēng)，確定存在名稱(chēng)包含關(guān)系的候選實(shí)體，保留包含其他候選實(shí)體的名稱(chēng)的候選實(shí)體，以作為興趣實(shí)體。具體地，所述Session段的特征可以包括但不限于下列中的至少一個(gè)：所述Session段所包含的所有第一term的長(zhǎng)度之和。具體地，所述候選實(shí)體的特征可以包括但不限于下列中的至少一個(gè)：所述候選實(shí)體的名稱(chēng)長(zhǎng)度之和；所述候選實(shí)體的名稱(chēng)中所包含的所有第二term的term重要性權(quán)值之和，即term重要性權(quán)值和；以及所述候選實(shí)體的名稱(chēng)中所包含的所有第二term的IDF權(quán)值之和，即IDF權(quán)值和；其中，所述第二term為對(duì)所述候選實(shí)體的名稱(chēng)進(jìn)行切詞處理獲得。具體地，所述Session段與所述候選實(shí)體的關(guān)聯(lián)特征可以包括但不限于下列中的至少一個(gè)：所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的長(zhǎng)度之和，即長(zhǎng)度覆蓋；所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的長(zhǎng)度之和與所述候選實(shí)體的名稱(chēng)長(zhǎng)度之和的比值，即長(zhǎng)度覆蓋率；所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的term重要性權(quán)值之和，即term重要性權(quán)值覆蓋；所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的term重要性權(quán)值之和與所述候選實(shí)體的名稱(chēng)中所包含的所有第二term的term重要性權(quán)值之和的比值，即term重要性權(quán)值覆蓋率；所述Session段所包含的所有第一term中出現(xiàn)的所述候選實(shí)體的名稱(chēng)中所包含的第二term的最大term重要性權(quán)值，即最大term重要性權(quán)值；所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的逆文檔頻率(InverseDocumentFrequency，IDF)權(quán)值之和，即IDF權(quán)值覆蓋；所述候選實(shí)體的名稱(chēng)在所述Session段所包含的所有第一term中出現(xiàn)的所有第二term的IDF權(quán)值之和與所述候選實(shí)體的名稱(chēng)中所包含的所有第二term的IDF權(quán)值之和的比值，即IDF權(quán)值覆蓋率；所述Session段所包含的所有第一term中出現(xiàn)的所述候選實(shí)體的名稱(chēng)中所包含的第二term的最大IDF權(quán)值，即最大IDF權(quán)值；以及所述Session段所包含的所有第一term中完整匹配所述候選實(shí)體的名稱(chēng)的次數(shù)；其中，所述第二term為對(duì)所述候選實(shí)體的名稱(chēng)進(jìn)行切詞處理獲得。可以理解的是，所述term重要性權(quán)值，用于衡量第二term在候選實(shí)體的名稱(chēng)中的重要程度，詳細(xì)描述可以參見(jiàn)現(xiàn)有技術(shù)中的相關(guān)內(nèi)容，此處不再贅述；所述IDF權(quán)值，用于衡量第二term在文檔中的重要程度，即每個(gè)候選實(shí)體的名稱(chēng)當(dāng)作一個(gè)文檔，詳細(xì)描述可以參見(jiàn)現(xiàn)有技術(shù)中的相關(guān)內(nèi)容，此處不再贅述。這樣，通過(guò)采用本實(shí)施例提供的技術(shù)方案，能夠有效擴(kuò)大興趣實(shí)體的召回，從而提高了興趣實(shí)體的召回率。為使得本發(fā)明實(shí)施例提供的方法更加清楚，下面將以表1所示的一個(gè)Session段和表2所示的實(shí)體庫(kù)作為舉例。表1Session段QueryTitle美食祈禱和戀愛(ài)美食祈禱和戀愛(ài)美食祈禱和戀愛(ài)的相關(guān)電影在線觀看表2實(shí)體庫(kù)如表1所示，在這個(gè)Session段中，包含了一個(gè)電影實(shí)體《美食祈禱和戀愛(ài)》。采用現(xiàn)有技術(shù)中提供的技術(shù)方案即直接匹配完整的興趣實(shí)體的名稱(chēng)，則無(wú)法準(zhǔn)確地獲得電影實(shí)體《美食、祈禱和戀愛(ài)》，使得正確的興趣實(shí)體無(wú)法被召回，卻能夠錯(cuò)誤地獲得電影實(shí)體《戀愛(ài)》、電影實(shí)體《祈禱》和電視劇實(shí)體《祈禱和戀愛(ài)》，使得錯(cuò)誤的興趣實(shí)體被召回。采用本發(fā)明提供的技術(shù)方案，可以執(zhí)行如下操作：步驟一、匹配單元進(jìn)行初始化處理。具體地，匹配單元具體可以根據(jù)表2所示的實(shí)體庫(kù)，建立每個(gè)實(shí)體的倒排索引。即對(duì)實(shí)體庫(kù)中所包括的全部實(shí)體的名稱(chēng)進(jìn)行切詞處理(包括停用詞處理)，以獲得每個(gè)實(shí)體的第二term。例如，電影實(shí)體《美食、祈禱和戀愛(ài)》，切詞處理之后的結(jié)果為“美食”、“祈禱”、“戀愛(ài)”；或者，再例如，電影實(shí)體《戀愛(ài)》，切詞處理之后的結(jié)果為“戀愛(ài)”；或者，再例如，電影實(shí)體《祈禱》，切詞處理之后的結(jié)果為“祈禱”；或者，再例如，電影實(shí)體《祈禱和戀愛(ài)》，切詞處理之后的結(jié)果為“祈禱”、“和”、“戀愛(ài)”；或者，再例如，電影實(shí)體《正在戀愛(ài)中》，切詞處理之后的結(jié)果為“正在”、“戀愛(ài)”、“中”。然后，匹配單元根據(jù)每個(gè)實(shí)體的第二term，建立實(shí)體的倒排索引，即第二term→實(shí)體的倒排索引，如表3所示。表3倒排索引步驟二、切詞單元對(duì)Session段中所包括的用戶(hù)搜索日志的query和title進(jìn)行切詞處理(包括停用詞處理)，以獲得每個(gè)所述用戶(hù)搜索日志的第一term。例如，切詞處理之后的結(jié)果為“美食”、“祈禱”、“和”、“戀愛(ài)”、“美食”、“祈禱”、“和”、“戀愛(ài)”、“相關(guān)”、“電影”、“在線”、“觀看”。步驟三、匹配單元根據(jù)實(shí)體庫(kù)中所包括的每個(gè)實(shí)體的倒排索引，匹配出與每個(gè)所述用戶(hù)搜索日志的第一term相關(guān)的實(shí)體；根據(jù)所述實(shí)體的term重要性權(quán)值覆蓋率，對(duì)所述實(shí)體進(jìn)行排序，如表4所示，以及選擇所述term重要性權(quán)值覆蓋率最高的指定數(shù)量的所述實(shí)體，例如，最高的n個(gè)，以作為所述候選實(shí)體。具體地，假設(shè)第二term的term重要性權(quán)值覆蓋率分別如下：“祈禱”：0.35；“戀愛(ài)”：0.21；“美食”：0.38；“和”：0.11；“正在”：0.16；“中”：0.13；“、”：0.01。表4實(shí)體與term重要性權(quán)值覆蓋率的對(duì)應(yīng)關(guān)系例如，匹配單元可以選擇term重要性權(quán)值覆蓋率最高的5個(gè)所述實(shí)體，以作為所述候選實(shí)體，即電影實(shí)體《祈禱和戀愛(ài)》、電影實(shí)體《祈禱》、電影實(shí)體《戀愛(ài)》：、電影實(shí)體《美食、祈禱和戀愛(ài)》、電視劇實(shí)體《正在戀愛(ài)中》。步驟四、過(guò)濾單元提取候選實(shí)體的特征，即Session段的特征、候選實(shí)體的特征、以及Session段與候選實(shí)體的關(guān)聯(lián)特征，作為輸入，運(yùn)行GBDT模型，以獲得每個(gè)所述候選實(shí)體的預(yù)測(cè)label，如表5所示。表5候選實(shí)體與預(yù)測(cè)label的對(duì)應(yīng)關(guān)系實(shí)體的名稱(chēng)預(yù)測(cè)label是否過(guò)濾掉祈禱和戀愛(ài)0.86否祈禱0.24是戀愛(ài)0.21是美食、祈禱和戀愛(ài)0.92否正在戀愛(ài)中0.02是若所述候選實(shí)體的預(yù)測(cè)label大于或等于預(yù)先設(shè)置的label閾值，例如0.4，過(guò)濾單元?jiǎng)t可以保留所述候選實(shí)體，以作為所述興趣實(shí)體，若所述候選實(shí)體的預(yù)測(cè)label小于預(yù)先設(shè)置的label閾值，例如0.4，過(guò)濾單元?jiǎng)t可以過(guò)濾掉所述候選實(shí)體。步驟五、過(guò)濾單元根據(jù)所述候選實(shí)體的預(yù)測(cè)label、所述候選實(shí)體的名稱(chēng)長(zhǎng)度、所述候選實(shí)體完整匹配的次數(shù)、所述候選實(shí)體的預(yù)設(shè)屬性是否匹配到所述Session段、以及所述候選實(shí)體的所有屬性匹配到所述Session段中的個(gè)數(shù)，獲得所述候選實(shí)體的排序分?jǐn)?shù)，如表6所示。表6候選實(shí)體與排序分?jǐn)?shù)的對(duì)應(yīng)關(guān)系實(shí)體的名稱(chēng)排序分?jǐn)?shù)是否過(guò)濾掉祈禱和戀愛(ài)0.85是美食、祈禱和戀愛(ài)1.03否若所述候選實(shí)體的排序分?jǐn)?shù)小于預(yù)先設(shè)置的第一分?jǐn)?shù)閾值，例如，0.5，過(guò)濾單元?jiǎng)t可以過(guò)濾掉所述候選實(shí)體；若所述候選實(shí)體的排序分?jǐn)?shù)大于或等于預(yù)先設(shè)置的第一分?jǐn)?shù)閾值，且小于預(yù)先設(shè)置的第二分?jǐn)?shù)閾值，例如，0.8，若所述候選實(shí)體的排序分?jǐn)?shù)大于或等于所述預(yù)測(cè)label，過(guò)濾單元?jiǎng)t可以保留所述候選實(shí)體，以作為所述興趣實(shí)體，若所述候選實(shí)體的排序分?jǐn)?shù)小于所述預(yù)測(cè)label，過(guò)濾單元?jiǎng)t可以過(guò)濾掉所述候選實(shí)體；若所述候選實(shí)體的排序分?jǐn)?shù)大于或等于預(yù)先設(shè)置的第二閾值分?jǐn)?shù)，過(guò)濾單元?jiǎng)t可以保留所述候選實(shí)體，以作為所述興趣實(shí)體；其中，所述第二分?jǐn)?shù)閾值大于所述第一分?jǐn)?shù)閾值。這樣，過(guò)濾單元就可以獲得一個(gè)候選實(shí)體即電影實(shí)體《美食、祈禱和戀愛(ài)》，以作為興趣實(shí)體。如果此時(shí)過(guò)濾單元獲得候選實(shí)體為兩個(gè)，即電影實(shí)體《美食、祈禱和戀愛(ài)》和電影實(shí)體《祈禱和戀愛(ài)》，那么由于《祈禱和戀愛(ài)》被完整包含在《美食、祈禱和戀愛(ài)》中，因此，電影實(shí)體《祈禱和戀愛(ài)》也同樣是要被過(guò)濾掉的。本實(shí)施例中，通過(guò)切詞單元對(duì)獲得單元所獲得的待匹配的Session段中所包括的每個(gè)所述用戶(hù)搜索日志的query和title進(jìn)行切詞處理，以獲得每個(gè)所述用戶(hù)搜索日志的第一term，進(jìn)而由匹配單元根據(jù)預(yù)先設(shè)置的實(shí)體庫(kù)，匹配出與每個(gè)所述用戶(hù)搜索日志的第一term相關(guān)的候選實(shí)體，使得過(guò)濾單元能夠利用所述Session段的特征、所述候選實(shí)體的特征、以及所述Session段與所述候選實(shí)體的關(guān)聯(lián)特征中的至少一項(xiàng)，對(duì)所述候選實(shí)體進(jìn)行過(guò)濾，以獲得興趣實(shí)體，由于采用相關(guān)匹配方法即匹配出與每個(gè)所述用戶(hù)搜索日志的第一term相關(guān)的候選實(shí)體，而不再采用完整匹配方法即直接匹配出完整的興趣實(shí)體的名稱(chēng)，能夠有效擴(kuò)大興趣實(shí)體的召回，從而提高了興趣實(shí)體的召回率。另外，采用本發(fā)明提供的技術(shù)方案，由于利用所述Session段的特征、所述候選實(shí)體的特征、以及所述Session段與所述候選實(shí)體的關(guān)聯(lián)特征中的至少一項(xiàng)，對(duì)所述候選實(shí)體進(jìn)行過(guò)濾，以獲得興趣實(shí)體，可以避免現(xiàn)有技術(shù)中由于采用完整匹配方法即直接匹配出完整的興趣實(shí)體的名稱(chēng)而導(dǎo)致的匹配出錯(cuò)誤的興趣實(shí)體的問(wèn)題，例如，根據(jù)“高清手機(jī)電影下載”，直接匹配出《手機(jī)》這部電影，能夠有效提高興趣實(shí)體獲得的準(zhǔn)確率，從而提高了興趣實(shí)體獲得的可靠性。所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡(jiǎn)潔，上述描述的系統(tǒng)，裝置和單元的具體工作過(guò)程，可以參考前述方法實(shí)施例中的對(duì)應(yīng)過(guò)程，在此不再贅述。在本發(fā)明所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的系統(tǒng)，裝置和方法，可以通過(guò)其它的方式實(shí)現(xiàn)。例如，以上所描述的裝置實(shí)施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過(guò)一些接口，裝置或單元的間接耦合或通信連接，可以是電性，機(jī)械或其它的形式。所述作為分離部件說(shuō)明的單元可以是或者也可以不是物理上分開(kāi)的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部單元來(lái)實(shí)現(xiàn)本實(shí)施例方案的目的。另外，在本發(fā)明各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以?xún)蓚€(gè)或兩個(gè)以上單元集成在一個(gè)單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用硬件加軟件功能單元的形式實(shí)現(xiàn)。上述以軟件功能單元的形式實(shí)現(xiàn)的集成的單元，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中。上述軟件功能單元存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)裝置(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)裝置等)或處理器(processor)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的部分步驟。而前述的存儲(chǔ)介質(zhì)包括：U盤(pán)、移動(dòng)硬盤(pán)、只讀存儲(chǔ)器(Read-OnlyMemory，ROM)、隨機(jī)存取存儲(chǔ)器(RandomAccessMemory，RAM)、磁碟或者光盤(pán)等各種可以存儲(chǔ)程序代碼的介質(zhì)。最后應(yīng)說(shuō)明的是：以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的精神和范圍。