CN107832468B - 需求识别方法和装置 - Google Patents
需求识别方法和装置 Download PDFInfo
- Publication number
- CN107832468B CN107832468B CN201711223802.9A CN201711223802A CN107832468B CN 107832468 B CN107832468 B CN 107832468B CN 201711223802 A CN201711223802 A CN 201711223802A CN 107832468 B CN107832468 B CN 107832468B
- Authority
- CN
- China
- Prior art keywords
- demand
- user
- sentence
- query sentence
- target category
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了需求识别方法和装置。该方法的一具体实施方式包括:获取用户查询语句和利用用户查询语句进行搜索得到的搜索结果对应的访问数据;在预存的查询语句字典中查询出用户查询语句对应的网络数据;基于用户查询语句对应的网络数据,采用已训练的需求识别模型对用户查询语句进行目标类别的需求的识别;对利用用户查询语句进行搜索得到的搜索结果对应的访问数据按照需求类别进行统计,得到用户查询语句关于各需求类别的访问数据分布;基于用户查询语句的目标类别的需求识别结果和用户查询语句关于各需求类别的用户访问数据分布,确定用户查询语句所包含的目标类别的需求的需求强度。该实施方式提升了需求识别的准确率。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及搜索技术领域,尤其涉及需求识别方法和装置。
背景技术
随着搜索技术的发展,搜索服务已经不仅仅局限于提供与用户输入的查询语句匹配的结果。为了更好地满足用户的搜索需求,可以对用户的查询式进行需求识别。通过需求识别,可以在搜索结果召回及排序中对满足用户需求的内容进行提权,以使用户能够快速地获取需要的信息。
传统的需求识别方案依赖于人的先验知识来挖掘相关词表,在线基于词表匹配以及规则匹配来确定用户需求,用户针对特定类别内容(例如图片、小说、游戏、视频等)的需求识别也采用基于词表和规则匹配的方法。
发明内容
本申请实施例提出了需求识别方法和装置。
第一方面,本申请实施例提供了一种需求识别方法,包括:获取用户查询语句和利用用户查询语句进行搜索得到的搜索结果对应的访问数据;在预存的查询语句字典中查询出用户查询语句对应的网络数据,其中,查询语句字典是基于具有目标类别的需求的各查询语句及与具有目标类别的需求的各查询语句相关的网络数据构建的;基于用户查询语句对应的网络数据,采用已训练的需求识别模型对用户查询语句进行目标类别的需求的识别;对利用用户查询语句进行搜索得到的搜索结果对应的访问数据按照需求类别进行统计,得到用户查询语句关于各需求类别的访问数据分布;基于用户查询语句的目标类别的需求识别结果和用户查询语句关于各需求类别的用户访问数据分布,确定用户查询语句所包含的目标类别的需求的需求强度。
在一些实施例中,上述基于所述用户查询语句对应的网络数据,采用已训练的需求识别模型对所述用户查询语句进行目标类别的需求的识别,包括:对所述用户查询语句对应的网络数据进行特征提取;将提取出的特征输入所述已训练的需求识别模型进行目标类别的需求的识别。
在一些实施例中,上述方法还包括:基于具有目标类别的需求的历史查询语句及与具有目标类别的需求的历史查询语句相关的网络数据构建查询语句字典的步骤,包括:获取具有目标类别的需求的各历史查询语句相关的用户点击日志和页面展现日志;构建各历史查询语句的词条,根据所述用户点击日志和页面展现日志进行用户点击数据和页面展现数据的统计分析,并在所述历史查询语句的词条中将对应的用户点击数据和页面展现数据的统计分析结果与所述历史查询语句关联;根据所述用户点击日志和页面展现日志确定与所述具有目标类别的需求的历史查询语句相关的站点数据,并在所述历史查询语句的词条中将所述站点数据与对应的历史查询语句关联。
在一些实施例中,上述方法还包括基于标记的样本查询语句训练所述需求识别模型的步骤,包括:在所述预存的查询语句字典中查询与各样本查询语句对应的网络数据;基于所述需求识别模型对所述样本查询语句对应的网络数据进行预测,并根据预测结果和标记结果之间的差异调整所述需求识别模型的参数,以使所述预测结果与标记结果之间的差异满足预设的收敛条件。
在一些实施例中,上述目标类别的需求包括图片类需求。
第二方面,本申请实施例提供了一种需求识别装置,包括:获取单元,用于获取用户查询语句和利用所述用户查询语句进行搜索得到的搜索结果对应的访问数据;查询单元,用于在预存的查询语句字典中查询出所述用户查询语句对应的网络数据,其中,所述查询语句字典是基于具有目标类别的需求的各查询语句及与具有目标类别的需求的各查询语句相关的网络数据构建的;识别单元,用于基于所述用户查询语句对应的网络数据,采用已训练的需求识别模型对所述用户查询语句进行目标类别的需求的识别;统计单元,用于对利用所述用户查询语句进行搜索得到的搜索结果对应的访问数据按照需求类别进行统计,得到所述用户查询语句关于各需求类别的访问数据分布;确定单元,用于基于所述用户查询语句的目标类别的需求识别结果和所述用户查询语句关于各需求类别的用户访问数据分布,确定所述用户查询语句所包含的所述目标类别的需求的需求强度。
在一些实施例中,上述识别单元进一步用于按照如下方式对所述用户查询语句进行目标类别的需求的识别:对所述用户查询语句对应的网络数据进行特征提取;将提取出的特征输入所述已训练的需求识别模型进行目标类别的需求的识别。
在一些实施例中,上述装置还包括:构建单元,用于基于具有目标类别的需求的历史查询语句及与具有目标类别的需求的历史查询语句相关的网络数据构建查询语句字典;所述构建单元用于按照如下方式构建所述查询语句字典:获取具有目标类别的需求的各历史查询语句相关的用户点击日志和页面展现日志;构建各历史查询语句的词条,根据所述用户点击日志和页面展现日志进行用户点击数据和页面展现数据的统计分析,并在所述历史查询语句的词条中将对应的用户点击数据和页面展现数据的统计分析结果与所述历史查询语句关联;根据所述用户点击日志和页面展现日志确定与所述具有目标类别的需求的历史查询语句相关的站点数据,并在所述历史查询语句的词条中将所述站点数据与对应的历史查询语句关联。
在一些实施例中,上述装置还包括:训练单元,用于基于标记的样本查询语句训练所述需求识别模型;所述训练单元用于按照如下方式训练所述需求识别模型:在所述预存的查询语句字典中查询与各样本查询语句对应的网络数据;基于所述需求识别模型对所述样本查询语句对应的网络数据进行预测,并根据预测结果和标记结果之间的差异调整所述需求识别模型的参数,以使所述预测结果与标记结果之间的差异满足预设的收敛条件。
在一些实施例中,上述目标类别的需求包括图片类需求。
本申请实施例提供的需求识别方法和装置,通过获取用户查询语句和利用用户查询语句进行搜索得到的搜索结果对应的访问数据,随后在预存的查询语句字典中查询出用户查询语句对应的网络数据,其中,查询语句字典是基于具有目标类别的需求的各查询语句及与具有目标类别的需求的各查询语句相关的网络数据构建的,而后基于用户查询语句对应的网络数据,采用已训练的需求识别模型对用户查询语句进行目标类别的需求的识别,之后对利用用户查询语句进行搜索得到的搜索结果对应的访问数据按照需求类别进行统计,得到用户查询语句关于各需求类别的访问数据分布,最后基于用户查询语句的目标类别的需求识别结果和用户查询语句关于各需求类别的用户访问数据分布,确定用户查询语句所包含的目标类别的需求的需求强度,实现了不依赖人的先验知识对用户查询语句的目标类别的需求识别,该识别方法泛化能力较强,能够提升识别的召回率和准确率,有利于节约人力成本。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的需求识别方法的一个实施例的流程图;
图3是根据本申请的需求识别方法的一个应用场景示意图;
图4是根据本申请的需求识别方法的另一个实施例的流程实现原理图;
图5是根据本申请实施例的需求识别装置的一个结构示意图;
图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的需求识别方法或需求识别装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户110可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有与服务器105进行交互的应用,例如网页浏览器应用、社交平台应用、邮箱客户端等。终端设备101、102、103可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、台式计算机、智能手表等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的搜索结果内容进行支持的后台搜索引擎服务器。搜索引擎服务器可以对用户110通过终端设备101、102、103发出的搜索请求进行分析、查询等处理,并将处理结果(例如搜索结果页面)发送至终端设备101、102、103。
需要说明的是,本申请实施例所提供需求识别方法一般由服务器105执行,相应地,需求识别装置一般设置于服务器105中。
应该理解,图1中的终端、设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。例如服务器可以为集群式的服务器,包括部署了不同进程的多台服务器。
继续参考图2,其示出了根据本申请的需求识别的方法的一个实施例的流程200。该需求识别方法包括以下步骤:
步骤201,获取用户查询语句和利用用户查询语句进行搜索得到的搜索结果对应的访问数据。
在本实施例中,上述需求识别方法运行于其上的电子设备(例如图1所述服务器)可以获取用户输入的搜索词,生成用户查询语句query,然后采用搜索引擎对用户查询语句进行搜索,得到搜索结果。还可以通过查询搜索日志来获取该用户查询语句的搜索结果对应的访问数据。在这里,访问数据可以包括点击次数、各搜索结果的点击次数在所有搜索结果的点击次数中所占的比例、页面展现次数、各搜索结果的页面展现次数在所有搜索结果的页面展现次数中所占的比例、点击进入页面后的浏览时间等。可选地,访问数据可以是预设时间段内的访问数据,例如最近一周或一个月内的访问数据。
通常用户可以在搜索界面中输入搜索词,发起搜索请求。上述电子设备可以接收该搜索请求,根据搜索词生成查询语句并进行相关信息的查询。可以查找到与用户查询语句匹配的多个搜索结果,并在搜索结果页面中展现各搜索结果的链接,用户可以点击链接来访问对应的页面。上述电子设备可以以预设的时间周期(例如一周或一个月)对该查询语句的搜索结果的访问数据进行统计,在对用户查询语句进行需求识别时,可以首先获取统计得到的该用户查询语句的访问数据。
在本实施例的一些可选的实现方式中,上述访问数据可以包括但不限于:每个搜索结果的展现次数和/或频率、总展现次数和/或频率、每个搜索结果的点击次数和/或频率、总点击次数和/或频率。可选地,搜索引擎可以在提供搜索结果是推荐一些关联的标签,例如推荐一些相似度较高的查询语句,用户可以点击这些推荐的标签来访问相关的页面,也可以根据这些推荐的标签切换查询语句,重新进行查询。这时,上述访问数据还可以包括用户点击推荐的标签的次数和/或频率、根据推荐的标签切换查询语句的次数和/或频率、根据推荐的标签切换查询语句的次数在总点击次数中所占的比例、各搜索结果在用户根据推荐的标签切换查询语句后的展现次数等。可选地,可以对上述访问数据进行分类,例如可以基于数据类型为点击类或展现类来分类,基于数据产生时间分类,或者基于数据来源为移动端或PC端等进行分类。
步骤202,在预存的查询语句字典中查询出用户查询语句对应的网络数据。
其中,查询语句字典是基于具有目标类别的需求的各查询语句及与具有目标类别的需求的各查询语句相关的网络数据构建的。
在本实施例中,上述电子设备可以在查询语句字典中查询出步骤201获取的用户查询语句对应的网络数据。在这里,网络数据可以是网络中的电子数据,包括网络页面的内容、用户在网络中的操作行为等数据。在一些可选的实现方式中,网络数据可以包括各用户查询语句对应的搜索结果的访问数据。
网络中已有的查询语句可以具有不同的需求类别。需求类别可以是查询语句所指向的用户需求的类别,可以并表示发出查询的用户获取某一类别资源的需求。具体来说,需求类别可以包括图片类、视频类、小说类、游戏类等等。通过定位用户查询语句的需求类别,可以更精准地对筛选出符合用户需求的类别的资源、在本实施例中,上述预存的查询语句字典可以是预先构建的,可以是用于保存具有目标类别的查询语句和与其相关的网络数据的关联关系的字典。在这里,目标类别是上述需求类别中的一种,本实施例可以对用户查询语句所包含的目标类别的需求进行识别。可选地,目标类别的需求包括图片类需求。
上述电子设备可以搜集具有目标类别的需求的查询语句,并获取这些查询语句相关的网络数据,从而构建上述查询字典。其中,具有目标类别的查询语句可以通过识别查询语句中的指示目标类别的关键词来获取,例如查询语句“三国演义小说”包含用于指示小说类需求的关键词“小说”,“适合做壁纸的图”包含用于指示图片类需求的关键词“图”;也可以基于查询语句的搜索结果中各类别搜索结果的统计数据来获取,将搜索结果数量最多或排序最靠前的类别作为该查询语句的类别需求识别结果,例如查询语句“巴黎时装周造型”的搜索结果中图片类结果的比例为60%,视频类结果的比例为25%,其他类结果的比例为15%,则可以确定该查询语句为具有图片类需求的查询语句。
在确定各查询语句所具有的需求类别之后,从中选出具有目标类别的需求的查询语句来构建上述查询语句字典。可以获取这些具有目标类别的需求的查询语句的查询结果、这些查询结果的点击、展现数据。进一步地,可以统计这些查询语句对应的推荐标签的点击数据、展现数据,还可以统计具有目标类别的关键词的查询语句(例如具有图片类后缀的查询语句)的点击/展现数据在总点击/展现数据中的比例、不同设备端类型(例如移动端、个人电脑端)的点击数据和展现数据等。在构建的字典中将这些网络数据与查询语句关联起来存储。这样,在步骤201获取用户查询语句之后,可以利用已构建的字典查找到用户查询语句相关的网络数据。
步骤203,基于用户查询语句对应的网络数据,采用已训练的需求识别模型对用户查询语句进行目标类别的需求的识别。
接着,可以将步骤202查询到的上述用户查询语句对应的网络数据输入已训练的需求识别模型,采用需求识别模型来识别用户查询语句的需求。具体地,已训练的需求识别模型可以是识别用户查询语句所包含的目标类别的需求的需求强度的模型,或者是识别用户查询语句是否包含目标类别的需求的模型。该需求识别模型可以是基于样本训练数据,采用诸如随机森林、支持向量机、逻辑回归、神经网络等的机器学习方法训练得出的用于识别目标类别的需求的模型。在将步骤202查询到的网络数据输入上述需求识别模型之后,可以得到用户查询语句的目标类别的需求识别结果。
步骤204,对利用用户查询语句进行搜索得到的搜索结果对应的访问数据按照需求类别进行统计,得到用户查询语句关于各需求类别的访问数据分布。
在本实施例中,可以对步骤201获取的、利用用户查询语句进行搜索得到的搜索结果对应的访问数据按照需求类别进行统计,即统计与每个需求类别关联的访问数据,从而得出用户查询语句关于各需求类别的访问数据分布。
具体来说,访问数据所对应的需求类别可以基于产生该访问数据的网络资源的类别来确定,例如图片点击数据对应利用上述用户查询语句进行搜索时,访问图片类资源所产生的点击数据,则图片点击数据对应图片类需求。这样,可以根据访问数据所针对的网络资源的类别对访问数据进行分类统计,统计每个类别的访问数据,从而得出访问数据关于类别的分布。在这里,访问数据的分布具体可以为访问数据中对应各需求类别的比例。
步骤205,基于用户查询语句的目标类别的需求识别结果和用户查询语句关于各需求类别的用户访问数据分布,确定用户查询语句所包含的目标类别的需求的需求强度。
可以结合步骤203的识别结果以及步骤204的访问数据分布统计结果来确定用户查询语句包含的目标类别的需求的需求强度。其中,需求识别模型得出的需求识别结果可以包含目标类别的需求的强度等级,该强度等级表示用户查询语句所包含的该目标类别的需求的强烈程度,或用户查询语句包含该目标类别的需求的可能性大小。从访问数据分布中可以得出目标类别的访问数据在总访问数据中的比例。可以对采用需求识别模型得到的需求识别结果和根据访问数据的分布确定的目标类别的访问数据所占的比例进行加权求和,或者可以将需求识别结果和目标类别的访问数据所占的比例相乘,得到用户查询语句包含的目标类别的需求的需求强度。
本申请上述实施例的需求识别方法,通过获取用户查询语句和利用用户查询语句进行搜索得到的搜索结果对应的访问数据,随后在预存的查询语句字典中查询出用户查询语句对应的网络数据,其中,查询语句字典是基于具有目标类别的需求的各查询语句及与具有目标类别的需求的各查询语句相关的网络数据构建的,而后基于用户查询语句对应的网络数据,采用已训练的需求识别模型对用户查询语句进行目标类别的需求的识别,之后对利用用户查询语句进行搜索得到的搜索结果对应的访问数据按照需求类别进行统计,得到用户查询语句关于各需求类别的访问数据分布,最后基于用户查询语句的目标类别的需求识别结果和用户查询语句关于各需求类别的用户访问数据分布,确定用户查询语句所包含的目标类别的需求的需求强度,实现了不依赖人的先验知识对用户查询语句的目标类别的需求识别,该识别方法泛化能力较强,能够提升识别的召回率和准确率,有利于节约人力成本。
请参考图3,其示出了根据本申请实施例的需求识别方法的一个应用场景示意图。如图3所示,用户A在终端设备B的搜索页面输入用户查询式“巴黎时装周”,终端设备B将用户查询式发送给服务器C。服务器C可以对用户查询式所包含的图片类需求进行识别,具体可以采用结合图2所描述的需求识别方法来识别用户查询式所包含的图片类需求的强度,识别结果为图片类需求强度为90%,则服务器C可以在搜索结果排序时增大图片类搜索结果的权重,向终端设备B返回包含“巴黎时装周图片”的搜索结果。
在一些实施例中,上述基于用户查询语句对应的网络数据,采用已训练的需求识别模型对用户查询语句进行目标类别的需求的识别的步骤203可以包括:对用户查询语句对应的网络数据进行特征提取;将提取出的特征输入已训练的需求识别模型进行目标类别的需求的识别。具体来说,可以对网络数据进行筛选和过滤,去除一些不可信的数据,可以提取点击数据和展现数据的时间特征(例如随时间变化的特征),站点的类型特征、内容特征等。然后将这些特征融合,并输入需求识别模型进行识别。可选地,融合后可以采用降维方法对特征进行降维处理,以加快识别速度。可选地,还可以利用常用的特征提取模型来提取上述网络数据的特征,例如可以采用支持向量机、神经网网络等模型对查询出的网络数据进行处理,得出以向量或其他数据形式表示的网络数据的特征。
在一些实施例中,上述需求识别方法还可以包括基于具有目标类别的需求的历史查询语句及与具有目标类别的需求的历史查询语句相关的网络数据构建查询语句字典的步骤。该步骤包括:获取具有目标类别的需求的各历史查询语句相关的用户点击日志和页面展现日志;构建各历史查询语句的词条,根据用户点击日志和页面展现日志进行用户点击数据和页面展现数据的统计分析,并在历史查询语句的词条中将对应的用户点击数据和页面展现数据的统计分析结果与历史查询语句关联;根据用户点击日志和页面展现日志确定与具有目标类别的需求的各查询语句相关的站点数据,并在历史查询语句的词条中将站点数据与对应的历史查询语句关联。
具体来说,可以首先在保存的网络日志中抽取出具有目标类别的需求的历史查询语句相关的用户点击日志、页面展现日志,然后对用户点击日志和页面展现日志进行数据挖掘,统计各时间段内对提供的搜索结果的点击次数、点击搜索结果的用户数、搜索结果所指向的页面或站点的展现次数、用户点击推荐的标签的次数、在用户点击推荐标签后展现的页面/或站点的展现次数、查询语句中包含目标类别的关键词的搜索结果的点击次数和展现次数等等,通过对用户点击日志和页面展现日志的统计分析,得到用户点击数据的统计分析结果和页面展现数据的统计分析结果并将统计结果与对应的历史查询语句在构建的该历史查询语句的词条中相关联。
同时,可以根据用户点击日志和页面展现日志确定出用户点击过和/或展现过的站点的相关特征数据,包括站点的类型、站点的标题、摘要、内容等,还可以包括用户在站点内的其他操作数据,例如用户收藏或保存站点内容的操作数据、点击站点内链接的操作数据等。然后再查询语句字典中将站点的相关特征数据与对应的历史查询语句相关联。这样,就生成了包含多个具有目标类别的需求的历史查询语句词条的字典。在获取到用户查询语句并对其进行需求分析时,可以利用该已构建的字典查找用户查询语句的词条,查找到关联的网络数据。
由于上述字典是基于搜索引擎所获取的大量的历史查询语句和历史查询语句相关的用户点击日志和页面展现日志构建的,字典覆盖的查询语句较全面,且包含了丰富的网络数据,可以为用户查询语句的需求识别提供可靠的数据支持。
在一些实施例中,上述需求识别方法还可以包括基于标记的样本查询语句训练需求识别模型的步骤。该基于标记的样本查询语句训练需求识别模型的步骤可以包括:在查询语句字典中查询与各样本查询语句对应的网络数据;基于需求识别模型对样本查询语句对应的网络数据进行预测,并根据预测结果和标记结果之间的差异调整需求识别模型的参数,以使预测结果与标记结果之间的差异满足预设的收敛条件。
具体地,可以选择一些已有的查询语句作为样本查询语句,对这些样本查询语句的需求类别进行标记,可选地,还可以对这些样本查询语句对应的各类别需求的需求强度进行标记。之后构建需求识别模型,利用构建的模型预测样本语句的需求类别,可选地,还可以利用构建的模型预测各样本语句对应目标类别的需求的需求强度,然后比对标记结果和模型的预测结果,根据标记结果和预测结果之间的差异,采用例如梯度下降等方式调整模型参数,返回重复执行上述将样本查询语句输入模型进行预测、比对标记结果和预测结果的步骤,直到预测结果与标记结果之间的差异收敛,这时得到的模型即为已训练的需求识别模型。通过采用已标记的样本查询语句训练需求识别模型,可以提升需求识别的泛化能力。
请参考图4,其示出了根据本申请的需求识别方法的另一个实施例的流程实现原理图。其中,以目标类别的需求为图片类需求为例。
如图4所示,可以对搜索日志和图片需求query进行日志挖掘,统计其中的点击/展现数据以及分析图片站点来进行字典构建,得到query字典。在这里,query字典包括多个query及相关的点击/展现数据、和站点分析数据。
可以构建训练样本,利用query字典对训练样本进行特征计算,这里的特征计算可以包括查找query字典中训练样本中的query对应的点击/展现数据、和站点分析数据,也可以包括基于查找出的这些数据进行特征提取得到的向量或其他数据形式的特征。然后利用训练样本的特征计算结果进行模型训练,得到需求识别模型。
在对用户输入的目标query进行识别时,首先可以利用query字典对目标query进行特征计算,具体可以查找到目标query对应的数据,还可以对这些数据进行特征提取,然后利用训练好的模型进行预测,得到模型预测结果,之后可以对目标query的点击/展现分布进行计算,得到目标query的历史搜索结果关于各类别的分布,最后结合目标query的点击/展现分布和模型预测结果得出需求识别结果。
从图4可以看出,通过构建query(查询语句)字典,可以在训练需求识别模型和对目标query进行需求识别时提取出query的大量相关数据,以这些数据作为query的特征进行模型训练或识别,由于query字典是基于网络中的搜索日志挖掘生成的,所提取出的数据具有较高的可靠性,使得模型训练和需求识别过程的可靠性提升,同时,由于结合了目标query的搜索结果的分布特征,可以进一步提升需求识别的准确性。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种需求识别装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的需求识别装置500包括:获取单元501、查询单元502、识别单元503、统计单元504以及确定单元505。其中,获取单元501可以用于获取用户查询语句和利用用户查询语句进行搜索得到的搜索结果对应的访问数据;查询单元502可以用于在预存的查询语句字典中查询出用户查询语句对应的网络数据,其中,查询语句字典是基于具有目标类别的需求的各查询语句及与具有目标类别的需求的各查询语句相关的网络数据构建的;识别单元503可以用于基于用户查询语句对应的网络数据,采用已训练的需求识别模型对用户查询语句进行目标类别的需求的识别;统计单元504可以用于对利用用户查询语句进行搜索得到的搜索结果对应的访问数据按照需求类别进行统计,得到用户查询语句关于各需求类别的访问数据分布;确定单元505可以用于基于用户查询语句的目标类别的需求识别结果和用户查询语句关于各需求类别的用户访问数据分布,确定用户查询语句所包含的目标类别的需求的需求强度。
在本实施例中,获取单元501可以获取用户输入的搜索词,生成用户查询语句,并获取采用搜索引擎对用户查询语句进行搜索得到的搜索结果对应的访问数据,具体可以通过分析搜索日志来获取对应的访问数据。
查询单元502可以在查询语句字典中查询出获取单元501获取的用户查询语句对应的网络数据,网络数据可以包括用户点击数据、页面展现数据、相关站点数据等。
识别单元503可以将查询单元502查询到的网络数据输入已训练的需求识别模型,该需求识别模型可以识别用户查询语是否包含目标类别的需求的模型以及所包含的目标类别的需求的需求强度。
统计单元504可以对获取单元501获取的、利用用户查询语句进行搜索得到的搜索结果对应的访问数据按照需求类别进行统计,即统计与每个需求类别关联的访问数据,从而得出用户查询语句关于各需求类别的访问数据分布。
确定单元505可以结合识别单元503的识别结果以及统计单元504对访问数据关于各需求类别分布的统计结果来确定用户查询语句包含的目标类别的需求的需求强度。可以对采用需求识别模型得到的需求识别结果和根据访问数据的分布确定的目标类别的访问数据所占的比例进行加权求和,或者可以将需求识别结果和目标类别的访问数据所占的比例相乘,得到用户查询语句包含的目标类别的需求的需求强度。
在一些实施例中,识别单元503可以进一步用于按照如下方式对用户查询语句进行目标类别的需求的识别:对用户查询语句对应的网络数据进行特征提取;将提取出的特征输入已训练的需求识别模型进行目标类别的需求的识别。
在一些实施例中,上述装置500还可以包括:构建单元,用于基于具有目标类别的需求的历史查询语句及与具有目标类别的需求的历史查询语句相关的网络数据构建查询语句字典。构建单元用于按照如下方式构建查询语句字典:获取具有目标类别的需求的各历史查询语句相关的用户点击日志和页面展现日志;构建各历史查询语句的词条,根据用户点击日志和页面展现日志进行用户点击数据和页面展现数据的统计分析,并在历史查询语句的词条中将对应的用户点击数据和页面展现数据的统计分析结果与历史查询语句关联;根据用户点击日志和页面展现日志确定与具有目标类别的需求的历史查询语句相关的站点数据,并在历史查询语句的词条中将站点数据与对应的历史查询语句关联。
在一些实施例中,上述装置500还可以包括:训练单元,用于基于标记的样本查询语句训练需求识别模型。训练单元可以用于按照如下方式训练需求识别模型:在预存的查询语句字典中查询与各样本查询语句对应的网络数据;基于需求识别模型对样本查询语句对应的网络数据进行预测,并根据预测结果和标记结果之间的差异调整需求识别模型的参数,以使预测结果与标记结果之间的差异满足预设的收敛条件。
在一些实施例中,上述目标类别的需求可以包括但不限于图片类需求。
应当理解,装置500中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作和特征同样适用于装置500及其中包含的单元,在此不再赘述。
本申请上述实施例的需求识别装置500,通过获取单元获取用户查询语句和利用用户查询语句进行搜索得到的搜索结果对应的访问数据,随后查询单元在预存的查询语句字典中查询出用户查询语句对应的网络数据,其中,查询语句字典是基于具有目标类别的需求的各查询语句及与具有目标类别的需求的各查询语句相关的网络数据构建的,而后识别单元基于用户查询语句对应的网络数据,采用已训练的需求识别模型对用户查询语句进行目标类别的需求的识别,之后统计单元对利用用户查询语句进行搜索得到的搜索结果对应的访问数据按照需求类别进行统计,得到用户查询语句关于各需求类别的访问数据分布,最后确定单元基于用户查询语句的目标类别的需求识别结果和用户查询语句关于各需求类别的用户访问数据分布,确定用户查询语句所包含的目标类别的需求的需求强度,实现了不依赖人的先验知识对用户查询语句的目标类别的需求识别,该识别方法泛化能力较强,能够提升识别的召回率和准确率,有利于节约人力成本。
下面参考图6,其示出了适于用来实现本申请实施例的服务器的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、查询单元、识别单元、统计单元以及确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取用户查询语句和利用用户查询语句进行搜索得到的搜索结果对应的访问数据的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:获取用户查询语句和利用用户查询语句进行搜索得到的搜索结果对应的访问数据;在预存的查询语句字典中查询出用户查询语句对应的网络数据,其中,查询语句字典是基于具有目标类别的需求的各查询语句及与具有目标类别的需求的各查询语句相关的网络数据构建的;基于用户查询语句对应的网络数据,采用已训练的需求识别模型对用户查询语句进行目标类别的需求的识别;对利用用户查询语句进行搜索得到的搜索结果对应的访问数据按照需求类别进行统计,得到用户查询语句关于各需求类别的访问数据分布;基于用户查询语句的目标类别的需求识别结果和用户查询语句关于各需求类别的用户访问数据分布,确定用户查询语句所包含的目标类别的需求的需求强度。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (12)
1.一种需求识别方法,包括:
获取用户查询语句和利用所述用户查询语句进行搜索得到的搜索结果对应的访问数据;
在预存的查询语句字典中查询出所述用户查询语句对应的网络数据,其中,所述查询语句字典是基于具有目标类别的需求的各查询语句及与具有目标类别的需求的各查询语句相关的网络数据构建的;
基于所述用户查询语句对应的网络数据,采用已训练的需求识别模型对所述用户查询语句进行目标类别的需求的识别;
对利用所述用户查询语句进行搜索得到的搜索结果对应的访问数据按照需求类别进行统计,得到所述用户查询语句关于各需求类别的访问数据分布;
基于所述用户查询语句的目标类别的需求识别结果和所述用户查询语句关于各需求类别的用户访问数据分布,确定所述用户查询语句所包含的所述目标类别的需求的需求强度。
2.根据权利要求1所述的方法,其中,所述基于所述用户查询语句对应的网络数据,采用已训练的需求识别模型对所述用户查询语句进行目标类别的需求的识别,包括:
对所述用户查询语句对应的网络数据进行特征提取;
将提取出的特征输入所述已训练的需求识别模型进行目标类别的需求的识别。
3.根据权利要求1所述的方法,其中,所述方法还包括:
基于具有目标类别的需求的历史查询语句及与具有目标类别的需求的历史查询语句相关的网络数据构建查询语句字典的步骤,包括:
获取具有目标类别的需求的各历史查询语句相关的用户点击日志和页面展现日志;
构建各历史查询语句的词条,根据所述用户点击日志和页面展现日志进行用户点击数据和页面展现数据的统计分析,并在所述历史查询语句的词条中将对应的用户点击数据和页面展现数据的统计分析结果与所述历史查询语句关联;
根据所述用户点击日志和页面展现日志确定与所述具有目标类别的需求的历史查询语句相关的站点数据,并在所述历史查询语句的词条中将所述站点数据与对应的历史查询语句关联。
4.根据权利要求1所述的方法,其中,所述方法还包括基于标记的样本查询语句训练所述需求识别模型的步骤,包括:
在所述预存的查询语句字典中查询与各样本查询语句对应的网络数据;
基于所述需求识别模型对所述样本查询语句对应的网络数据进行预测,并根据预测结果和标记结果之间的差异调整所述需求识别模型的参数,以使所述预测结果与标记结果之间的差异满足预设的收敛条件。
5.根据权利要求1-4任一项所述的方法,其中所述目标类别的需求包括图片类需求。
6.一种需求识别装置,包括:
获取单元,用于获取用户查询语句和利用所述用户查询语句进行搜索得到的搜索结果对应的访问数据;
查询单元,用于在预存的查询语句字典中查询出所述用户查询语句对应的网络数据,其中,所述查询语句字典是基于具有目标类别的需求的各查询语句及与具有目标类别的需求的各查询语句相关的网络数据构建的;
识别单元,用于基于所述用户查询语句对应的网络数据,采用已训练的需求识别模型对所述用户查询语句进行目标类别的需求的识别;
统计单元,用于对利用所述用户查询语句进行搜索得到的搜索结果对应的访问数据按照需求类别进行统计,得到所述用户查询语句关于各需求类别的访问数据分布;
确定单元,用于基于所述用户查询语句的目标类别的需求识别结果和所述用户查询语句关于各需求类别的用户访问数据分布,确定所述用户查询语句所包含的所述目标类别的需求的需求强度。
7.根据权利要求6所述的装置,其中,所述识别单元进一步用于按照如下方式对所述用户查询语句进行目标类别的需求的识别:
对所述用户查询语句对应的网络数据进行特征提取;
将提取出的特征输入所述已训练的需求识别模型进行目标类别的需求的识别。
8.根据权利要求6所述的装置,其中,所述装置还包括:
构建单元,用于基于具有目标类别的需求的历史查询语句及与具有目标类别的需求的历史查询语句相关的网络数据构建查询语句字典;
所述构建单元用于按照如下方式构建所述查询语句字典:
获取具有目标类别的需求的各历史查询语句相关的用户点击日志和页面展现日志;
构建各历史查询语句的词条,根据所述用户点击日志和页面展现日志进行用户点击数据和页面展现数据的统计分析,并在所述历史查询语句的词条中将对应的用户点击数据和页面展现数据的统计分析结果与所述历史查询语句关联;
根据所述用户点击日志和页面展现日志确定与所述具有目标类别的需求的历史查询语句相关的站点数据,并在所述历史查询语句的词条中将所述站点数据与对应的历史查询语句关联。
9.根据权利要求6所述的装置,其中,所述装置还包括:训练单元,用于基于标记的样本查询语句训练所述需求识别模型;
所述训练单元用于按照如下方式训练所述需求识别模型:
在所述预存的查询语句字典中查询与各样本查询语句对应的网络数据;
基于所述需求识别模型对所述样本查询语句对应的网络数据进行预测,并根据预测结果和标记结果之间的差异调整所述需求识别模型的参数,以使所述预测结果与标记结果之间的差异满足预设的收敛条件。
10.根据权利要求6-9任一项所述的装置,其中,所述目标类别的需求包括图片类需求。
11.一种服务器,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711223802.9A CN107832468B (zh) | 2017-11-29 | 2017-11-29 | 需求识别方法和装置 |
US16/134,273 US10671684B2 (en) | 2017-11-29 | 2018-09-18 | Method and apparatus for identifying demand |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711223802.9A CN107832468B (zh) | 2017-11-29 | 2017-11-29 | 需求识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107832468A CN107832468A (zh) | 2018-03-23 |
CN107832468B true CN107832468B (zh) | 2019-05-10 |
Family
ID=61646509
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711223802.9A Active CN107832468B (zh) | 2017-11-29 | 2017-11-29 | 需求识别方法和装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10671684B2 (zh) |
CN (1) | CN107832468B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110516226A (zh) * | 2018-05-22 | 2019-11-29 | 广东神马搜索科技有限公司 | 搜索语句处理方法、装置及服务器 |
CN109189984B (zh) * | 2018-08-15 | 2022-04-19 | 百度在线网络技术(北京)有限公司 | 用于显示信息的方法及装置 |
CN109684361B (zh) * | 2018-12-14 | 2020-10-16 | 武汉达梦数据库有限公司 | 一种规则分析方法以及相应的用于规则分析的装置 |
CN109753556A (zh) * | 2018-12-24 | 2019-05-14 | 出门问问信息科技有限公司 | 一种查询类别推测方法、装置、设备及存储介质 |
CN111737606B (zh) * | 2019-03-25 | 2024-05-14 | 阿里巴巴集团控股有限公司 | 搜索结果的展现方法、装置、设备及可读存储介质 |
CN109977215B (zh) * | 2019-03-29 | 2021-06-18 | 百度在线网络技术(北京)有限公司 | 基于关联兴趣点的语句推荐方法和装置 |
CN110222160B (zh) * | 2019-05-06 | 2023-09-15 | 平安科技(深圳)有限公司 | 智能语义文档推荐方法、装置及计算机可读存储介质 |
CN111078744A (zh) * | 2019-12-19 | 2020-04-28 | 武汉理工大学 | 一种预对接和引导科技需求的方法、设备及存储介质 |
CN111324701B (zh) * | 2020-02-24 | 2023-04-07 | 腾讯科技(深圳)有限公司 | 内容补充方法、装置、计算机设备和存储介质 |
CN112598405B (zh) * | 2021-02-20 | 2021-11-05 | 苏州天合启信科技有限公司 | 一种基于大数据的商业项目数据管理方法及系统 |
CN114757267A (zh) * | 2022-03-25 | 2022-07-15 | 北京爱奇艺科技有限公司 | 识别噪声query的方法、装置、电子设备和可读存储介质 |
CN114780842B (zh) * | 2022-04-20 | 2022-12-13 | 北京字跳网络技术有限公司 | 一种数据处理方法、装置、设备及存储介质 |
CN116680323B (zh) * | 2023-06-20 | 2024-02-06 | 深圳市优品投资顾问有限公司 | 基于大数据安全平台的用户需求挖掘方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102033877A (zh) * | 2009-09-27 | 2011-04-27 | 阿里巴巴集团控股有限公司 | 检索方法和装置 |
CN103020083A (zh) * | 2011-09-23 | 2013-04-03 | 北京百度网讯科技有限公司 | 需求识别模板的自动挖掘方法、需求识别方法及对应装置 |
CN103186573A (zh) * | 2011-12-29 | 2013-07-03 | 北京百度网讯科技有限公司 | 一种确定搜索需求强度的方法、需求识别的方法及其装置 |
CN104462272A (zh) * | 2014-11-25 | 2015-03-25 | 百度在线网络技术(北京)有限公司 | 搜索需求分析方法和装置 |
CN106951503A (zh) * | 2017-03-16 | 2017-07-14 | 百度在线网络技术(北京)有限公司 | 信息提供方法、装置、设备以及存储介质 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120173373A1 (en) * | 2005-09-14 | 2012-07-05 | Adam Soroca | System for retrieving mobile communication facility user data from a plurality of providers |
US8370336B2 (en) * | 2009-04-08 | 2013-02-05 | Ebay Inc. | Methods and systems for deriving demand metrics used in ordering item listings presented in a search results page |
US8190601B2 (en) * | 2009-05-22 | 2012-05-29 | Microsoft Corporation | Identifying task groups for organizing search results |
WO2011094734A2 (en) * | 2010-02-01 | 2011-08-04 | Jumptap, Inc. | Integrated advertising system |
CN102760138B (zh) * | 2011-04-26 | 2015-03-11 | 北京百度网讯科技有限公司 | 用户网络行为的分类方法和装置及对应的搜索方法和装置 |
CN102810096B (zh) * | 2011-06-02 | 2016-03-16 | 阿里巴巴集团控股有限公司 | 一种基于单字索引系统的检索方法和装置 |
CN105095187A (zh) * | 2015-08-07 | 2015-11-25 | 广州神马移动信息科技有限公司 | 一种搜索意图识别方法及装置 |
CN105159884B (zh) * | 2015-09-23 | 2018-06-29 | 百度在线网络技术(北京)有限公司 | 行业词典的建立方法和装置及行业识别方法和装置 |
CN106445989A (zh) * | 2016-06-03 | 2017-02-22 | 新乡学院 | 基于查询点击图的检索推荐模型优化 |
US10423600B2 (en) * | 2016-09-16 | 2019-09-24 | Oracle International Corporation | Low latency query processing over a series of redo records |
CN107153672A (zh) * | 2017-03-22 | 2017-09-12 | 中国科学院自动化研究所 | 基于言语行为理论的用户交互意图识别方法及系统 |
CN107315841A (zh) * | 2017-07-20 | 2017-11-03 | 北京三快在线科技有限公司 | 一种信息搜索方法、装置及系统 |
-
2017
- 2017-11-29 CN CN201711223802.9A patent/CN107832468B/zh active Active
-
2018
- 2018-09-18 US US16/134,273 patent/US10671684B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102033877A (zh) * | 2009-09-27 | 2011-04-27 | 阿里巴巴集团控股有限公司 | 检索方法和装置 |
CN103020083A (zh) * | 2011-09-23 | 2013-04-03 | 北京百度网讯科技有限公司 | 需求识别模板的自动挖掘方法、需求识别方法及对应装置 |
CN103186573A (zh) * | 2011-12-29 | 2013-07-03 | 北京百度网讯科技有限公司 | 一种确定搜索需求强度的方法、需求识别的方法及其装置 |
CN104462272A (zh) * | 2014-11-25 | 2015-03-25 | 百度在线网络技术(北京)有限公司 | 搜索需求分析方法和装置 |
CN106951503A (zh) * | 2017-03-16 | 2017-07-14 | 百度在线网络技术(北京)有限公司 | 信息提供方法、装置、设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US10671684B2 (en) | 2020-06-02 |
US20190179966A1 (en) | 2019-06-13 |
CN107832468A (zh) | 2018-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107832468B (zh) | 需求识别方法和装置 | |
CN107105031A (zh) | 信息推送方法和装置 | |
CN107908789A (zh) | 用于生成信息的方法和装置 | |
CN108090162A (zh) | 基于人工智能的信息推送方法和装置 | |
CN109460513A (zh) | 用于生成点击率预测模型的方法和装置 | |
CN107256267A (zh) | 查询方法和装置 | |
CN109684530B (zh) | 基于web管理与手机小程序应用的信息推送服务系统 | |
CN107844586A (zh) | 新闻推荐方法和装置 | |
CN107679217B (zh) | 基于数据挖掘的关联内容提取方法和装置 | |
CN109582982A (zh) | 用于翻译语音的方法和装置 | |
CN109976997A (zh) | 测试方法和装置 | |
CN106484766B (zh) | 基于人工智能的搜索方法和装置 | |
CN104115147B (zh) | 位置感知应用搜索 | |
CN109388548A (zh) | 用于生成信息的方法和装置 | |
CN107193974A (zh) | 基于人工智能的地域性信息确定方法和装置 | |
CN108268635A (zh) | 用于获取数据的方法和装置 | |
CN109389182A (zh) | 用于生成信息的方法和装置 | |
CN109241722A (zh) | 用于获取信息的方法、电子设备和计算机可读介质 | |
CN107977678A (zh) | 用于输出信息的方法和装置 | |
CN110457476A (zh) | 用于生成分类模型的方法和装置 | |
CN108140055A (zh) | 触发应用信息 | |
CN109766418A (zh) | 用于输出信息的方法和装置 | |
CN106354856A (zh) | 基于人工智能的深度神经网络强化搜索方法和装置 | |
CN108959087A (zh) | 测试方法和装置 | |
CN108287927A (zh) | 用于获取信息的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |