数据挖掘之同义词挖掘

Posted 2023-05-10

参考技术A 在搜索过程中，需要使用同义词来达到提高召回的目的，例如用户搜索：口红，但是商品名称却不含口红关键词，比如商品名为：xxx彩色唇膏。但其实两个词是指代同一产品。那么在用户搜索的时候，就搜不到对应的产品。这时可以 同义词词典来解决这个问题，使用Elasticsearch做搜索引擎，在query和索引数据时，先将query和doc分词，然后使用同义词替换，将特定词替换成同义词索引。

如：同义词词典 口红 => 彩色唇膏 彩色唇蜜

那么问题又来了？同义词词典怎么构建呢？

首先，很多人会想到使用word2vec来挖掘同义词，实际上根据word2vec的原理可知，其挖掘的topK相近词其实是基于 共现关系的相关词，并不是只有近义词，因此会出现很大的噪声。
使用word2vec挖掘

如上所示，虽然富裕的相近词，富有，富足有返回，但是穷困，平穷也有返回，词义恰恰是反义词，因此使用完全无监督的word2vec挖掘近义词效果并不好。
关于word2vec挖掘同义词还有两个思路。

参考：
https://zhuanlan.zhihu.com/p/33942535
https://www.zhihu.com/question/40777785/answer/88189037
http://www.mamicode.com/info-detail-2486542.html

2017-6-9长尾关键词优化

挖掘长尾思路和方法：

1.工具：词库 5118

2.分析同行网站关键词

潜在客户和目标客户可能搜素的词

精准用户：用seo举例，seo圈内人，

潜在客户：网站管理员，

分析精准用户和潜在客户搜索的词  、

1.他们的常见问题

2.使用工具

3.关注名人

4.关注的书籍

从上面4个分析分析精准用户和潜在客户搜索的词 ，放到词库和5118来挖掘。

高级方法： 非常牛逼方法

同义词替换+排列组合

比如：母婴用品网站

宝宝早期教育  分成两个词 宝宝 和早期教育，分别为这两个词找同义词 

 

更高级方法   ：比如2017清华大学 高考分数  重庆火锅点装修方案  重庆火锅店装修效果 火锅店替换：麻辣烫等 装修安案：