CN101661476A - 一种搜索方法和系统 - Google Patents
一种搜索方法和系统 Download PDFInfo
- Publication number
- CN101661476A CN101661476A CN200810187020A CN200810187020A CN101661476A CN 101661476 A CN101661476 A CN 101661476A CN 200810187020 A CN200810187020 A CN 200810187020A CN 200810187020 A CN200810187020 A CN 200810187020A CN 101661476 A CN101661476 A CN 101661476A
- Authority
- CN
- China
- Prior art keywords
- search
- search results
- user
- searcher
- interest model
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 149
- 238000004422 calculation algorithm Methods 0.000 claims description 103
- 239000000284 extract Substances 0.000 claims description 41
- 230000003068 static effect Effects 0.000 claims description 37
- 239000013598 vector Substances 0.000 claims description 30
- 238000011156 evaluation Methods 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000000605 extraction Methods 0.000 description 35
- 238000010586 diagram Methods 0.000 description 32
- 238000009826 distribution Methods 0.000 description 28
- 238000012545 processing Methods 0.000 description 22
- 238000001914 filtration Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000001737 promoting effect Effects 0.000 description 6
- 230000000295 complement effect Effects 0.000 description 4
- 238000013075 data extraction Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000007635 classification algorithm Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
Images
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
Abstract
本发明提供了一种搜索方法，用于为搜索客户端用户提供个性化搜索，该个性化搜索可以根据搜索客户端用户的兴趣模型提供相关的搜索结果，其特征在于，搜索方法包括如下步骤：接收搜索客户端发送的搜索请求，该搜索请求中包含一个或多个搜索关键字；根据用户的个性化数据提取用户的兴趣模型；将一个或多个搜索关键字和兴趣模型分发给一个或多个成员搜索装置；接收一个或多个成员搜索装置返回的搜索结果及根据兴趣模型计算得到的搜索结果相应的评分值；根据评分值对搜索结果进行排序得到最终搜索结果，返回给搜索客户端。同时，还提供了一种搜索系统。本发明使得搜索结果更加个性化，有利于搜索业务的推广使用。
Description
技术领域
本发明涉及通信领域，尤其涉及一种搜索方法和系统。
背景技术
随着科学的发展和进步，通信技术也随着飞速发展，其中移动搜索的也是一个在伴随着通信技术发展的新亮点。移动搜索技术的研究也成为业界研发的重点。传统的移动搜索技术很大程度上依赖于用户输入的关键词，根据用户提供的关键词给用户提供相关的搜索结果。发明人在实现本发明的过程中发现：在互联网领域的今天，根据用户关键词搜索的结果可能有会成百上千个，提供给用户的搜索结果很大程度上不能很好满足用户的搜索需求。
发明内容
有鉴于此，有必要提供一种搜索方法，来解决现有技术中搜索结果不能很好的满足用户需求的问题。
同时，提供了计算机可读存储介质、搜索装置和搜索系统。
一种搜索方法，用于为搜索客户端用户提供个性化搜索，该个性化搜索可以根据所述搜索客户端用户的兴趣模型提供相关的搜索结果，所述搜索方法包括如下步骤：
接收搜索客户端发送的搜索请求，该搜索请求中包含一个或多个搜索关键字；
根据用户的个性化数据提取用户的兴趣模型；
将所述一个或多个搜索关键字和所述兴趣模型分发给一个或多个成员搜索装置；
接收所述一个或多个成员搜索装置返回的搜索结果及根据所述兴趣模型计算得到的搜索结果相应的评分值；
根据所述评分值对所述搜索结果进行排序得到最终搜索结果，返回给所述搜索客户端。
一种搜索方法，包括：
接收搜索客户端发送的搜索请求，该搜索请求中包含一个或多个搜索关键字及用户标识信息；
将所述一个或多个关键字及所述用户标识信息分发给一个或多个成员搜索装置；
接收所述一个或多个成员搜索装置根据用户的个性化数据提取的兴趣模型搜索到的搜索结果；
向所述搜索客户端发送搜索结果。
一种搜索方法，包括：
接收搜索请求，该搜索请求中包含一个或多个关键字；
根据所述一个或多个关键字进行搜索；
根据用户的个性化数据提取的兴趣模型对搜索结果进行评分和排序；
返回所述排序后的搜索结果。
一种搜索方法，该方法包括：
接收搜索客户端发送的搜索请求，该搜索请求中包含一个或多个搜索关键字；
将所述一个或多个搜索关键字分发给搜索装置；
接收搜索装置返回的搜索结果；
根据用户的个性化数据提取用户的兴趣模型，并根据所述兴趣模型计算搜索结果的评分值；
根据所述评分值对搜索结果进行排序；
向所述搜索客户端发送排序后的搜索结果。
一种计算机可读存储介质，包括计算机程序，该计算机程序运行时可以使得一个或多个处理器执行如下步骤：
接收搜索客户端发送的搜索请求，该搜索请求中包含一个或多个搜索关键字；
根据用户的个性化数据提取用户的兴趣模型；
根据所述一个或多个搜索关键字进行搜索，并根据所述兴趣模型对搜索结果进行相关性排序；
向所述搜索客户端发送相关性排序后的搜索结果。
一种搜索装置，该装置包括：
用于接收搜索请求的工具；
用于根据用户的个性化数据提取用户的兴趣模型的工具；
用于将所述请求和所述兴趣模型分发给成员搜索装置的工具；
用于接收成员搜索装置返回的搜索结果及搜索结果评分值的工具；
用于根据所述评分值对搜索结果进行排序的工具；
用于将搜索结果返回给搜索客户端的工具。
一种搜索装置，该装置包括：
用于接收搜索客户端搜索请求的工具；
用于根据用户的个性化数据提取用户的兴趣模型的工具；
用于根据所述兴趣模型对所述搜索请求搜索得到的搜索结果进行相关性排序的工具；
用于向所述搜索客户端发送所述搜索结果的工具。
一种搜索装置，该装置包括：
用于接收搜索请求的工具；
用于根据用户的个性化数据提取的兴趣模型及所述搜索请求进行搜索得到搜索结果的工具；
用于返回所述搜索结果的工具。
一种搜索系统，包括：搜索服务器，可以与一个或多个成员搜索装置进行搜索通信；所述搜索服务器，用于接收搜索客户端的搜索请求，向所述一个或多个成员搜索装置分发所述搜索请求，并接收所述一个或多个成员搜索装置返回的搜索结果；所述一个或多个成员搜索装置，用于根据所述搜索请求搜索得到所述搜索结果；所述搜索服务器或所述一个或多个成员搜索装置，还可以被配置为根据用户数据提取的兴趣模型，并根据所述兴趣模型计算所述搜索结果的评分值并进行相关性排序。
一种搜索系统，该系统包括：搜索服务器，可以与一个或多个成员搜索装置进行搜索通信；所述搜索服务器，用于接收搜索客户端的搜索请求，根据用户的个性化数据提取用户的兴趣模型，向所述一个或多个成员搜索装置分发所述搜索请求和所述兴趣模型，并接收所述一个或多个成员搜索装置返回的搜索结果及搜索结果的评分值，根据所述评分值对搜索结果进行排序，并向搜索客户端返回排序后的搜索结果；所述一个或多个成员搜索装置，用于根据所述搜索请求搜索得到所述搜索结果；并根据所述兴趣模型计算所述搜索结果的所述评分值。
一种搜索方法，包括：接收搜索请求，该搜索请求中包含一个或多个搜索关键字；将所述一个或多个搜索关键字分发给搜索装置；返回搜索结果后，根据用户的个性化数据提取的用户兴趣模型计算的搜索结果的评分值对搜索结果进行排序；返回排序后的搜索结果。
一种搜索方法，包括：接收搜索请求；携带用户兴趣模型，将所述搜索请求分发给搜索装置；接收所述搜索装置返回的根据所述兴趣模型的个性化搜索结果，并返回所述个性化搜索结果。
一种搜索方法，包括：接收搜索客户端的搜索请求；根据用户兴趣模型数据提取用户的兴趣模型或取出预先存储的所述用户的兴趣模型；携带所述用户的兴趣模型，向搜索服务器发送所述搜索请求；接收所述搜索服务器返回的根据所述用户的兴趣模型个性化的搜索结果；向所述搜索客户端返回所述个性化处理后的搜索结果。
一种搜索方法，该方法包括：接收搜索请求和用户的兴趣模型；根据所述搜索请求搜索得到搜索结果；根据所述用户的兴趣模型对所述搜索结果进行个性化处理；返回所述个性化处理后的搜索结果。
一种搜索装置，包括：用于接收搜索请求工具；用于将所述搜索请求分发给搜索装置的工具；用于接收搜索装置返回的搜索结果的工具；用于根据用户的个性化数据提取的用户兴趣模型计算搜索结果的评分值的工具；用于根据所述评分值对搜索结果进行排序的工具；和用于返回排序后的搜索结果的工具。
一种搜索装置，包括；用于接收搜索请求的工具；用于携带用户兴趣模型，将所述搜索请求分发给搜索装置的工具；用于接收所述搜索装置返回的根据所述兴趣模型的个性化搜索结果的工具；和用于返回所述个性化搜索结果的工具。
一种搜索装置，包括：用于接收搜索客户端的搜索请求的工具；用于根据用户兴趣模型数据提取用户的兴趣模型或取出预先存储的所述用户的兴趣模型的工具；用于携带所述用户的兴趣模型，向搜索服务器发送所述搜索请求的工具；用于接收所述搜索服务器返回的根据所述用户的兴趣模型个性化的搜索结果；用于向所述搜索客户端返回所述个性化处理后的搜索结果的工具。
一种搜索装置，包括：搜索请求接收模块，用于接收搜索请求和用户的兴趣模型；搜索处理模块，用于根据所述搜索请求搜索得到搜索结果；搜索结果个性化处理模块，用于根据所述用户的兴趣模型对所述搜索结果进行个性化处理；和搜索结果返回模块，用于返回所述个性化处理后的搜索结果。
一种搜索系统，包括：搜索服务器，可以与一个或多个成员搜索装置进行搜索通信；所述搜索服务器，用于接收搜索请求，携带用户兴趣模型，将所述搜索请求分发给所述一个或多个成员搜索装置；所述一个或多个成员搜索装置，用于根据所述搜索请求搜索得到搜索结果，并根据所述用户的兴趣模型计算该搜索结果的评分值，并返回给所述搜索服务器；所述搜索服务器接收所述一个或多个成员搜索装置返回的根据所述兴趣模型的个性化搜索结果，并返回所述个性化搜索结果。
在一个实施例中通过根据用户的个性化数据提取的兴趣模型及所述搜索请求进行搜索得到搜索结果，使得用户得到搜索结果更加贴近用户需求，不同的用户可以得到不同的搜索结果，使得搜索结果更加个性化，有利于搜索业务的推广使用。
附图说明
图1是一个搜索系统实施例的框架图。
图2是一个搜索系统实施例的内部结构图。
图3是一个搜索系统实施例的框架图。
图4是一个搜索系统实施例的内部结构图。
图5是一个搜索系统实施例的框架图。
图6是一个搜索系统实施例的内部结构图。
图7是一个搜索方法实施例的流程图。
图8是一个搜索方法实施例的流程图。
图9是一个搜索方法实施例的流程图。
图10是一个搜索系统实施例的框架图。
图11是一个搜索系统实施例的内部结构图。
图12是一个搜索系统实施例的框架图。
图13是一个搜索系统实施例的内部结构图。
图14是一个搜索系统实施例的框架图。
图15是一个搜索系统实施例的内部结构图。
图16是一个搜索系统实施例的框架图。
图17是一个搜索系统实施例的内部结构图。
图18是一个搜索系统实施例的框架图。
图19是一个搜索系统实施例的内部结构图。
图20是一个搜索系统实施例的框架图。
图21是一个搜索系统实施例的内部结构图。
图22是一个搜索方法实施例的流程图。
图23是一个搜索方法实施例的消息流程图。
图24是一个搜索方法实施例的流程图。
图25是一个搜索方法实施例的流程图。
图26是一个搜索方法实施例的流程图。
图27是一个搜索方法实施例的流程图。
具体实施方式
请参看图1，是一个搜索系统实施例100的框架图，在本实施例中，搜索系统100包括：搜索客户端102、搜索服务器104、用户数据存储设备106及一个或多个成员搜索装置108。
搜索客户端102，用于根据用户输入的关键字向搜索服务器104发送搜索请求，并接收搜索服务器104返回的搜索结果。本实施例中，搜索客户端102可以是个人电脑(PC，Personal Computer)、笔记本电脑(NB，NotebookComputer)、个人数字助理(PDA，Personal Digital Assistant)、手机(HS，Handset)和智能光碟机(IODD，Intelligent Optical Disk Drive)等具有通信功能的终端设备。本实施例中，以手机为例进行说明。
搜索服务器104，可以与一个或多个成员搜索装置108进行搜索通信，用于接收搜索客户端102的搜索请求，根据用户数据提取用户的兴趣模型，向成员搜索装置108分发所述搜索请求和兴趣模型，并接收一个或多个成员搜索装置108返回的搜索结果及搜索结果的评分值，并根据评分值对搜索结果进行相关性排序，发送给搜索客户端102。一个或多个成员搜索装置108，用于根据搜索请求搜索得到搜索结果，并根据兴趣模型计算搜索结果的评分值，返回给搜索服务器104。
其中，用户数据存储设备106，用于存储用户数据，例如用户静态的Profile(描述)、兴趣爱好、搜索历史、位置信息和呈现信息等。在本实施例中，用户数据存储设备106可以设置于运营商侧的内部系统中。
成员搜索装置108负责接收搜索服务器104分发的搜索请求，完成搜索，并根据相同的个性化评分算法及传送过来的用户兴趣模型对搜索结果进行评分与排序，并将个性化的搜索结果及评分值返回给搜索服务器104。
在其他实施例中，可选地，搜索服务器104或一个或多个成员搜索装置108，还用于根据搜索结果及兴趣模型计算出的评分值对搜索结果进行过滤。
在其他实施例中，可选地，搜索服务器104可以指明成员搜索装置108采用某种统一的个性化评分算法对搜索结果进行个性化处理，并在各个成员搜索装置108按指定的个性化评分算法对搜索结果进行评分再返回个性化搜索结果及评分值后，搜索服务器104对搜索结果进行汇总并根据用同一种个性化评分算法算出来的评分值对搜索结果进行综合的排序，然后将最终的个性化搜索结果返回给搜索客户端102。
请结合参看图2，其中搜索服务器104还可以包括：搜索请求接收模块202、兴趣模型提取模块204、个性化搜索请求分发模块206、个性化搜索结果排序模块216和最终搜索结果返回模块218。
搜索请求接收模块202，用于接收搜索客户端102的搜索请求，该搜索请求中可以包含用户输入的一个或多个搜索关键字。兴趣模型提取模块204，用于根据用户的个性化数据提取用户的兴趣模型，本实施例中，用户数据可以包括：用户的静态Profile、用户的搜索历史、用户的位置信息、用户的呈现信息等。个性化搜索请求分发模块206，用于将携带兴趣模型的个性化搜索请求分发给一个或多个成员搜索装置108，同时，个性化搜索请求分发模块206可以同时为这一个或多个成员搜索装置108指定统一的个性化评分算法对搜索结果进行个性化处理，该统一的个性化评分算法可以通过一个算法标识ID来表示。个性化搜索结果排序模块216，用于对成员搜索装置108的搜索结果进行汇总，并根据统一的个性化评分算法来计算出搜索结果的评分值，对各个成员搜索装置的搜索结果进行综合性排序，例如，将相关性高的搜索结果排在靠前的位置，或将相关性高的搜索结果排在竞价排名的搜索结果之后。这样有利于用户能快速浏览到其需要搜索的相关性高的结果。最终搜索结果返回模块218，用于向搜索客户端102发送最终的搜索结果，该搜索结果可以是经过过滤后的只包含相关性比较高的搜索结果，向用户提供部分搜索结果，可以减少网络的流量，减轻搜索客户端102的压力。
成员搜索装置108，还可以包括：个性化搜索请求接收模块208、搜索处理模块210、搜索结果个性化处理模块212和个性化搜索结果返回模块214。
个性化搜索请求接收模块208，用于接收搜索请求，本实施例中，搜索请求可以来自于搜索服务器104，个性化搜索请求接收模块208还可以接收搜索服务器104发送的用户兴趣模型和评分算法ID。搜索处理模块210，用于根据搜索关键字进行搜索得到搜索结果。搜索结果个性化处理模块212，用于根据用户的兴趣模型对搜索结果进行个性化处理，同时，也可以采用被指定的统一的个性化评分算法。个性化搜索结果返回模块214，用于返回搜索结果，也可以返回搜索结果的评分值，本实施例中，返回搜索结果及评分值给搜索服务器104。
请参看图3，是一个搜索系统实施例300的框架图，在本实施例中，搜索系统包括：搜索客户端302、搜索服务器304、用户数据存储设备306、及一个或多个成员搜索装置308。本实施例中，成员搜索装置308可以访问用户数据存储设备306，不需要搜索服务器304通过分发用户的兴趣模型，可以节省网络资源。
搜索客户端302，用于根据用户输入的关键字向搜索服务器304发送搜索请求，并接收搜索服务器304返回的搜索结果。本实施例中，搜索客户端302可以是个人电脑(PC，Personal Computer)、笔记本电脑(NB，NotebookComputer)、个人数字助理(PDA，Personal Digital Assistant)、手机(HS，Handset)和智能光碟机(IODD，Intelligent Optical Disk Drive)等具有通信功能的终端设备。本实施例中，以手机为例进行说明。
搜索服务器304，可以与一个或多个成员搜索装置进行搜索通信，用于接收搜索客户端302的搜索请求，向成员搜索装置308分发所述搜索请求(搜索请求中包含用户的ID)，并接收一个或多个成员搜索装置308返回的搜索结果及搜索结果的评分值，根据评分值对搜索结果进行相关性排序，发送给搜索客户端302。一个或多个成员搜索装置308，也可以被配置成根据用户数据提取的兴趣模型，并根据兴趣模型及统一的个性化评分算法计算搜索结果的评分值，返回给搜索服务器304。
其中，用户数据存储设备306，用于存储用户数据，例如用户静态的Profile(描述)、兴趣爱好、搜索历史、位置信息和呈现信息等。在本实施例中，用户数据存储设备306可以设置于运营商侧的内部系统中，并与成员搜索装置308连接。
搜索服务器304负责接收搜索客户端302的搜索请求(搜索请求中包含用户的ID)，将搜索请求分发给一个或多个成员搜索装置308，并在这一个或多个成员搜索装置根据提取的兴趣模型对搜索结果进行评分，再返回个性化搜索结果及评分后，搜索服务器304对这一个或多个成员搜索装置308返回的搜索结果进行汇总，并根据成员搜索装置308返回的搜索结果评分值对搜索结果进行一个综合的排序，然后将最后的个性化搜索结果返回给搜索客户端302。
成员搜索装置308负责接收搜索服务器304分发过来的搜索请求(搜索请求中包含用户的ID)，根据用户ID访问用户数据存储设备306，从用户数据中提取兴趣模型，完成搜索，并根据提取的兴趣模型用相同的个性化评分算法对搜索结果进行评分与排序，并将个性化的搜索结果及其评分值返回给搜索服务器304。
在其他实施例中，可选地，搜索服务器304或一个或多个成员搜索装置308，还用于根据搜索结果及兴趣模型计算出的评分值对搜索结果进行过滤。
在其他实施例中，可选地，搜索服务器304可以指明成员搜索装置308采用某种统一的个性化评分算法对搜索结果进行个性化处理，并在各个成员搜索装置308按指定的个性化评分算法对搜索结果进行评分再返回个性化搜索结果及评分值后，搜索服务器304对搜索结果进行汇总并根据用同一种个性化评分算法算出来的评分值对搜索结果进行综合的排序，然后将最终的个性化搜索结果返回给搜索客户端302。
请结合参看图4，其中搜索服务器304还可以包括：搜索请求接收模块402、个性化搜索请求分发模块404、个性化搜索结果排序模块416和最终搜索结果返回模块418。
搜索请求接收模块402，用于接收搜索客户端302的搜索请求，该搜索请求中可以包含用户输入的一个或多个搜索关键字。个性化搜索请求分发模块404，用于将搜索请求分发给一个或多个成员搜索装置308，同时，个性化搜索请求分发模块404可以同时为这一个或多个成员搜索装置308指定统一的个性化评分算法对搜索结果进行个性化处理，本实施例中，通过一个算法ID来指明采用统一的评分算法。个性化搜索结果排序模块416，用于将根据兴趣模型计算搜索结果得到的评分值，对搜索结果进行相关性排序，例如，将相关性高的搜索结果排在靠前的位置，或将相关性高的搜索结果排在竞价排名的搜索结果之后。这样有利于用户能快速浏览到其需要搜索的相关性高的结果。最终搜索结果返回模块418，用于向搜索客户端302发送最终的搜索结果，该搜索结果可以是经过过滤后的只包含相关性比较高的搜索结果，向用户提供部分搜索结果，可以减少网络的流量，减轻搜索客户端302的压力。
本实施例中，成员搜索装置308还可以包括：个性化搜索请求接收模块406、搜索处理模块408、兴趣模型提取模块410、搜索结果个性化处理模块412和个性化搜索结果返回模块414。
个性化搜索请求接收模块406，用于接收搜索请求，本实施例中，搜索请求可以来自于搜索服务器304，搜索请求中可以包含搜索关键字及用户ID，而不包含用户的用于搜索的个性化数据。搜索处理模块408，用于根据搜索关键字进行搜索得到搜索结果。兴趣模型提取模块410，用于根据用户的个性化数据提取用户的兴趣模型，本实施例中，用户数据可以包括：用户的静态Profile、用户的搜索历史、用户的位置信息、用户的呈现信息等。搜索结果个性化处理模块412，用于根据用户的兴趣模型对搜索结果进行个性化处理，同时，也可以采用被指定的统一的个性化评分算法。个性化搜索结果返回模块414，用于返回搜索结果，也可以返回搜索结果的评分值，本实施例中，返回搜索结果及评分值给搜索服务器304。
在一个实施例中通过根据用户的个性化数据提取的兴趣模型及所述搜索请求进行搜索得到搜索结果，使得用户得到搜索结果更加贴近用户需求，不同的用户可以得到不同的搜索结果，使得搜索结果更加个性化，有利于搜索业务的推广使用。
请参看图5，是一个搜索系统实施例500的框架图，在本实施例中，搜索系统500包括：搜索客户端502、搜索服务器504、用户数据存储设备506及一个或多个成员搜索装置508。本实施例中，搜索服务器504，使用用户的兴趣模型对搜索结果进行评分和排序，不用分发兴趣模型给成员搜索装置508，节省网络资源。
搜索客户端502，用于根据用户输入的关键字向搜索服务器504发送搜索请求，并接收搜索服务器504返回的搜索结果。本实施例中，搜索客户端502可以是个人电脑(PC，Personal Computer)、笔记本电脑(NB，NotebookComputer)、个人数字助理(PDA，Personal Digital Assistant)、手机(HS，Handset)和智能光碟机(IODD，Intelligent Optical Disk Drive)等具有通信功能的终端设备。本实施例中，以手机为例进行说明。
搜索服务器504，可以与一个或多个成员搜索装置508进行搜索通信，用于接收搜索客户端502的搜索请求，根据用户数据提取用户的兴趣模型，向成员搜索装置508分发所述搜索请求，并接收一个或多个成员搜索装置508返回的搜索结果，根据兴趣模型计算搜索结果的评分值，并根据评分值对搜索结果进行相关性排序，发送给搜索客户端502。一个或多个成员搜索装置508，用于根据搜索请求搜索得到搜索结果返回给搜索服务器504。
其中，用户数据存储设备506，用于存储用户数据，例如用户静态的Profile(描述)、兴趣爱好、搜索历史、位置信息和呈现信息等。在本实施例中，用户数据存储设备506可以设置于运营商侧的内部系统中。
成员搜索装置508负责接收搜索服务器504分发的搜索请求，完成搜索，并将搜索结果返回给搜索服务器504。
在其他实施例中，可选地，搜索服务器504，还可以被配置为根据搜索结果及兴趣模型计算出的评分值，根据预设的阈值对搜索结果进行过滤。
请结合参看图6，其中搜索服务器504还可以包括：搜索请求接收模块602、搜索请求分发模块604、兴趣模型提取模块612、个性化搜索结果排序模块614和最终搜索结果返回模块616。
搜索请求接收模块602，用于接收搜索客户端502的搜索请求，该搜索请求中可以包含用户输入的一个或多个搜索关键字。个性化搜索请求分发模块604，用于将搜索请求分发给一个或多个成员搜索装置508。兴趣模型提取模块612，用于根据用户数据提取用户的兴趣模型。个性化搜索结果排序模块614，用于将根据兴趣模型计算搜索结果得到的评分值，对搜索结果进行相关性排序，例如，将相关性高的搜索结果排在靠前的位置，或将相关性高的搜索结果排在竞价排名的搜索结果之后。这样有利于用户能快速浏览到其需要搜索的相关性高的结果。最终搜索结果返回模块616，用于向搜索客户端502发送最终的搜索结果，该搜索结果可以是经过过滤后的只包含相关性比较高的搜索结果，向用户提供部分搜索结果，可以减少网络的流量，减轻搜索客户端502的压力。
本实施例中，成员搜索装置508还可以包括：搜索请求接收模块606、搜索处理模块608和搜索结果返回模块610。
搜索请求接收模块606，用于接收搜索请求，本实施例中，搜索请求可以来自于搜索服务器504，搜索请求中可以包含搜索关键字，而不包含用户的用于搜索的个性化数据。搜索处理模块608，用于根据搜索关键字进行搜索得到搜索结果。搜索结果返回模块610，用于返回搜索结果给搜索服务器504。
在一个实施例中通过根据用户的个性化数据提取的兴趣模型及所述搜索请求进行搜索得到搜索结果，使得用户得到搜索结果更加贴近用户需求，不同的用户可以得到不同的搜索结果，使得搜索结果更加个性化，有利于搜索业务的推广使用。
请结合参看图7，一种搜索方法实施例，可用于基于上述的搜索系统，用于为搜索客户端用户提供个性化搜索，该个性化搜索可以根据搜索客户端用户的兴趣模型提供相关的搜索结果，该方法包括如下步骤：
步骤702，接收搜索客户端发送的搜索请求，该搜索请求中包含一个或多个搜索关键字。该搜索请求可以是移动终端向网络侧发出的一个信号。
步骤704，根据用户的个性化数据提取用户的兴趣模型。本实施例中，用户的个性化数据包括以下一种或多种：静态用户档案User Profile、搜索历史、位置信息或呈现信息。兴趣模型为：用户对N个维度的评分值所组成的兴趣模型向量，N＞＝2。
步骤706，将所述搜索一个或多个搜索关键字和所述兴趣模型分发给一个或多个成员搜索装置。本实施例中，携带用户兴趣模型将搜索请求分发给成员搜索装置，并指明采用统一的算法对搜索结果做个性化处理。
步骤708，这一个或多个成员搜索装置完成搜索，并应用搜索服务器发送过来的用户的兴趣模型及指定的相同算法计算搜索结果的评分值，根据评分值对搜索结果进行排序。同时也可以根据预设的阈值，对搜索结果进行过滤。
步骤710，接收成员搜索装置返回的个性化搜索结果及相应的评分值。
步骤712，根据搜索结果的评分值对各个成员搜索装置返回的搜索结果进行综合的个性化相关性排序。进行相关性排序后，该方法还可以包括：根据评分值对搜索结果进行过滤包括：根据设定的阈值，保留评分值大于或等于所述设定阈值的搜索结果，该域值例如相关性大于等于0.8的搜索结果予以保留。
步骤714，向搜索客户端用户发送最终的个性化搜索结果。
请结合参看图8，一种搜索方法，可用于基于上述的搜索系统，用于为搜索客户端用户提供个性化搜索，该个性化搜索可以根据搜索客户端用户的兴趣模型提供相关的搜索结果，该方法包括如下步骤：
步骤802，搜索客户端将搜索请求发送给搜索服务器，该搜索请求中包含一个或多个搜索关键字，本实施例中，以移动终端为例，移动终端向搜索服务器发送搜索信号。
步骤804，搜索服务器将搜索请求及用户ID分发给成员搜索装置。
步骤806，成员搜索装置根据用户ID访问用户数据存储设备，从用户的个性化数据中提取用户兴趣模型数据。
步骤808，各成员搜索装置完成搜索，并根据提取的用户兴趣模型，用相同的个性化评分算法对搜索结果进行个性化相关性评分与排序。
步骤810，成员搜索装置向搜索服务器返回个性化搜索结果及相应的评分值。
步骤812，根据搜索结果的评分值对各个成员搜索装置返回的搜索结果进行综合的个性化相关性排序。进行相关性排序后，该方法还可以包括：根据评分值对搜索结果进行过滤包括：根据设定的阈值，保留评分值大于或等于所述设定阈值的搜索结果，该域值例如相关性大于等于0.8的搜索结果予以保留。
步骤814，搜索服务器向搜索客户端用户返回最终的个性化搜索结果。
请结合参看图9，一种搜索方法，可用于基于上述的搜索系统，用于为搜索客户端用户提供个性化搜索，该个性化搜索可以根据搜索客户端用户的兴趣模型提供相关的搜索结果，该方法包括如下步骤：
步骤902，搜索客户端将搜索请求发送给搜索服务器，该搜索请求中包含一个或多个搜索关键字，本实施例中，以移动终端为例，移动终端向搜索服务器发送搜索信号。
步骤904，搜索服务器将搜索请求分发给成员搜索装置。
步骤906，成员搜索装置根据这一个或多个关键字搜索得到搜索结果。
步骤908，成员搜索装置向搜索服务器返回搜索结果。
步骤910，根据用户数据提取用户的兴趣模型，根据兴趣模型计算搜索结果的评分值，根据搜索结果的评分值对各个成员搜索装置返回的搜索结果进行综合的个性化相关性排序。进行相关性排序后，该方法还可以包括：根据评分值对搜索结果进行过滤包括：根据设定的阈值，保留评分值大于或等于所述设定阈值的搜索结果，该域值例如相关性大于等于0.8的搜索结果予以保留。
步骤912，搜索服务器向搜索客户端用户返回最终的个性化搜索结果。
以下举一个具体的应用实例说明
1.兴趣模型的定义
将用户的兴趣用n个维度来表示如：新闻、体育、娱乐、财经、科技、房产、游戏、女性、论坛、天气、商品、家电、音乐、读书、博客、手机、军事、教育、旅游、彩信、彩铃、餐饮、民航、工业、农业、电脑、地理等。用户对每个维度的兴趣的评分值所组成的一个向量W(r1，r2，r3，……，rn)则为用户的兴趣模型。
2.搜索服务器从用户数据中提取兴趣模型
(1)用户的静态profile所对应的静态兴趣模型W1
W1＝(p1，p2，p3，…+pi+…，pn)，其中pi为静态profile中类型属于第i个兴趣维度的所有词的词频之和。
(2)用户的搜索点击历史所对应的动态兴趣模型W2
W2＝d1+d2+d3+…+di+…dm，其中di为用户某个点击文档所对应的兴趣模型向量。
di＝(t1，t2，t3，…….，tn)，当用户最新点击了这个文档，tj等于文档中类型属于第j个兴趣维度的所有词的词频之和。如果用户对某个点击过的文档进行评价，如果评价好，di向量乘以一个正的常数c(c＞1)表示文档的重要性增加di＝c*di＝(c*ti，c*t2，c*t3，......，c*tn)，如果评价不好，di向量乘以一个正的常数c的倒数表示文档的重要性减小di＝1/c*di＝(1/c*ti，1/c*t2，1/c*t3，......，1/c*tn)；
过了一段时间，tj的值又自动减少一定的百分比，表示随着时间的推移其重要性减弱，直到过了较长的时间tj的值减为零为止，这时将di从历史记录中删除。(例如，每过一个月，tj的值减少10％)
(3)综合的兴趣模型，将W1和W2分别归一化后相加，即：兴趣模型向量W＝W1+W2，或者加权相加，如兴趣模型向量W＝W1*30％+W2*70％，然后再对W进行归一化处理。本领域普通技术人员可知，上述特征也可以应用与本发明的其他实施例中，不再赘述。
3.元搜索引擎携带提取的兴趣模型数据向一个或多个成员搜索装置发起个性化搜索请求，并指明多个成员搜索装置采用某种指定的个性化算法对搜索结果进行个性化的处理。
4.某个成员搜索装置用指定个性化算法进行个性化的搜索
(1)成员搜索装置根据倒排索引检索出候选的结果文档。
(2)成员搜索装置根据兴趣模型数据和指定的个性化算法对候选的结果文档进行个性化相关性评分与排序
算法(a)：兴趣模型向量W＝(r1，r2，r3，……，rn)为搜索服务器传过来的兴趣模型向量，D＝(t1，t2，t3，…….，tn)为文档所对应的兴趣模型向量
Ranking score＝W*D＝r1*t1+r2*t2+r3*t3+……，+rn*tn
或者
用算法(b)：W＝(r1，r2，r3，……，rn)为元搜索引擎传过来的兴趣模型向量，
用通用的文档分类算法如Knn，Cvm等对文档进行分类，分类的结果文档属于C的类型，用类型C与兴趣模型各个维度所属的类型相匹配，将兴趣模型中与文档类型相匹配的某个维度i对应的评分值ri付给该文档
Ranking score＝ri.
(3)成员搜索装置返回最相关(评分值最大)的n个文档以及文档的个性化相关性评分值
5.元搜索引擎将各个成员搜索装置返回的个性化搜索结果根据用同一种算法算出来的相关性评分值的大小做一个综合的相关性排序，并将最相关的结果返回给搜索客户端。上述实施例中的兴趣模型向量也可以应用与本发明的其他实施例中，不再赘述。
本领域普通技术人员可以理解，上述方法中的全部或部分步骤可以通过程序指令相关的硬件完成，该程序可以使得一个或多个计算机处理器执行上述方法，并且，该程序可以存储于计算机可读存储介质中，该计算机可读存储介质，例如ROM、RAM或光盘等。
在一个实施例中通过根据用户的个性化数据提取的兴趣模型及所述搜索请求进行搜索得到搜索结果，使得用户得到搜索结果更加贴近用户需求，不同的用户可以得到不同的搜索结果，使得搜索结果更加个性化，有利于搜索业务的推广使用。
在一个实施例中个性化评分的过程由成员搜索装置来完成，使得成员搜索装置能够返回最相关的个性化搜索结果，使得最后元搜索引擎综合的个性化搜索结果更加精确。
在本发明实施例中，指明各个成员搜索装置用同一种算法进行个性化的处理，使得各个成员搜索装置返回的评分具有可比性，搜索服务器只需要对各个成员搜索装置返回的评分做一个综合的排序，就能达到搜索结果综合个性化排序的目的，而不用取回所有文档的快照进行实时切词与评分，大大较少来网络的流量，大大减少了元搜索引擎的负担，提高个性化搜索的效率。
请结合参看图10，是一个搜索系统实施例的框架图，在本实施例中，搜索系统1000包括：搜索客户端1002、搜索服务器1004、用户数据存储设备1006、一个或多个成员搜索装置1008、成员搜索服务器1010及一个或多个下一级成员引擎1012。
搜索客户端1002，用于根据用户以文本方式或语音方式输入的关键字，向搜索服务器1004发送搜索请求，并接收搜索服务器1004返回的搜索结果。本实施例中，搜索客户端可以是个人电脑(PC，Personal Computer)、笔记本电脑(NB，Notebook Computer)、个人数字助理(PDA，Personal DigitalAssistant)、手机(HS，Handset)和智能光碟机(IODD，Intelligent OpticalDisk Drive)等具有通信功能的终端设备。本发明实施例中，以手机为例进行说明，不再赘述。
搜索服务器1004，可以与一个或多个成员搜索装置进行搜索通信，其中成员搜索装置还包括成员搜索服务器1010。搜索服务器1004用于接收搜索请求，携带用户兴趣模型，将搜索请求分发给一个或多个成员搜索装置1008和搜索服务器1010，并接收一个或多个成员搜索装置1008或成员搜索服务器1010返回的根据兴趣模型的个性化搜索结果，返回该搜索结果。本实施例中，搜索服务器1004从用户数据(用户静态profile、搜索历史等)中提取用户的兴趣模型或直接取出预先根据用户数据提取的兴趣模型，携带兴趣模型将个性化的搜索请求分发给一个或多个成员搜索装置1008及成员搜索服务器1010，并利用统一的算法ID指明个性化评分算法对搜索结果进行评分，再返回个性化的搜索结果及评分后，搜索服务器1004对搜索结果进行汇总，并根据同一种个性化评分算法计算出来的搜索结果的评分值对搜索结果进行综合性排序，然后将最后的个性化搜索结果返回给搜索客户端1002。
其中，用户数据存储设备1006，用于存储用户数据，包括：用户的兴趣模型，例如用户静态的Profile(描述)、兴趣爱好、搜索历史、位置信息和呈现信息等。在本实施例中，用户数据存储设备1006可以设置于运营商侧的内部系统中。
成员搜索装置1008可以为单独的垂直引擎，成员搜索服务器1010可以再连接下一级成员引擎1012。成员搜索装置1008根据搜索请求搜索得到搜索结果，并根据用户的兴趣模型计算该搜索结果的评分值，将搜索结果和评分值返回给搜索服务器1004，成员搜索装置1008也可以排序后发送给搜索服务器1004。成员搜索服务器1010可以将搜索请求分发给下一级成员引擎1012，成员搜索服务器1010或下一级成员引擎1012也可以针对搜索结果进行个性化处理，不再赘述。
请结合参看图11，其中搜索服务器1004还可以包括：搜索请求接收模块1102、兴趣模型提取模块1104、搜索请求分发模块1106、个性化搜索结果排序模块1116和最终搜索结果返回模块1118。
搜索请求接收模块1102，用于接收搜索客户端1002的搜索请求，该搜索请求中可以包含用户输入的一个或多个搜索关键字，该关键字可以由用户以文本方式或语音方式输入。兴趣模型提取模块1104，用于根据用户的个性化数据提取用户的兴趣模型，本实施例中，用户数据可以包括：用户的静态Profile、用户的搜索历史、用户的位置信息、用户的呈现信息等。搜索请求分发模块1106，用于将携带兴趣模型的个性化搜索请求分发给一个或多个成员搜索装置1008和成员搜索服务器1010。同时，个性化搜索请求分发模块1106可以同时为这一个或多个成员搜索装置1008指定统一的个性化评分算法对搜索结果进行个性化处理，该统一的个性化评分算法可以通过一个算法标识ID来表示。个性化搜索结果排序模块1116，用于对成员搜索装置1008及成员搜索服务器1010的搜索结果进行汇总，并根据一个性化评分算法进行综合排序。例如，将相关性高的搜索结果排在靠前的位置，或将相关性高的搜索结果排在竞价排名的搜索结果之后。这样有利于用户能快速浏览到其需要搜索的相关性高的结果，在其他实施例中，该排序还包括成员搜索装置的优先级信息和相关因素信息(如价格因素信息等)。最终搜索结果返回模块1118，用于向搜索客户端1002发送最终的搜索结果，该搜索结果可以是经过过滤后的只包含相关性比较高的搜索结果，向用户提供部分搜索结果，可以减少网络的流量，减轻搜索客户端1002的压力。
成员搜索装置1008还可以包括：搜索请求接收模块1108、搜索处理模块1110、搜索结果个性化处理模块1112及搜索结果返回模块1114。
搜索请求接收模块1108，用于接收搜索请求，本实施例中，搜索请求可以来自于搜索服务器1004，个性化搜索请求接收模块1108还可以接收搜索服务器1004发送的用户兴趣模型和评分算法ID。搜索处理模块1110，用于根据搜索关键字进行搜索得到搜索结果。搜索结果个性化处理模块1112，用于根据用户的兴趣模型对搜索结果进行个性化处理，同时，也可以采用被指定的统一的个性化评分算法。个性化搜索结果返回模块1114，用于返回搜索结果，也可以返回搜索结果的评分值，本实施例中，返回搜索结果及评分值给搜索服务器1004。
请结合参看图12，是一个搜索系统实施例的框架图，该实施例中搜索系统1200通过向搜索服务器仅发送搜索请求，而不发送用户的兴趣模型数据，由搜索服务器完成个性化处理。搜索系统1200包括：搜索客户端1202、搜索服务器1204、用户数据存储设备1206、一个或多个成员搜索装置1208、成员搜索服务器1210及一个或多个下一级成员引擎1212。
搜索客户端1202，用于根据用户以文本方式或语音方式输入的关键字，向搜索服务器1204发送搜索请求，并接收搜索服务器1204返回的搜索结果。
搜索服务器1204，可以与一个或多个成员搜索装置1208进行搜索通信，其中成员搜索装置还包括成员搜索服务器1210。搜索服务器1204用于接收搜索请求，将搜索请求分发给一个或多个成员搜索装置1208或搜索服务器1210，并接收一个或多个成员搜索装置1208或成员搜索服务器1210返回的搜索结果，将搜索结果进行个性化处理后返回该个性化处理后的搜索结果。本实施例中，搜索服务器1204从用户数据(用户静态profile、搜索历史等)中提取用户的兴趣模型或直接取出预先根据用户数据提取的兴趣模型，根据该兴趣模型对搜索结果进行个性化处理。
其中用户数据存储设备1206，用于存储用户数据，包括：用户的兴趣模型，例如用户静态的Profile(描述)、兴趣爱好、搜索历史、位置信息和呈现信息等。在本实施例中，用户数据存储设备1206可以设置于运营商侧的内部系统中。
成员搜索装置1208可以为单独的垂直引擎，成员搜索服务器1210可以再连接下一级成员引擎1212。成员搜索装置1208根据搜索请求搜索得到搜索结果，并返回给搜索服务器1204，其中成员搜索服务器1210可以将搜索请求分发给下一级成员引擎1212，由下一级成员引擎1212完成搜索。
请结合参看图13，其中搜索服务器1204还可以包括：搜索请求接收模块1302、搜索请求分发模块1304、兴趣模型提取模块1312、个性化搜索结果排序模块1314和最终搜索结果返回模块1316。
搜索请求接收模块1302，用于接收搜索客户端1202的搜索请求，该搜索请求中可以包含用户输入的一个或多个搜索关键字，该关键字可以由用户以文本方式或语音方式输入。搜索请求分发模块1304，用于将搜索请求分发给成员搜索装置1208和成员搜索服务器1210。兴趣模型提取模块1312，用于根据用户的个性化数据提取用户的兴趣模型，本实施例中，用户数据可以包括：用户的静态Profile、用户的搜索历史、用户的位置信息、用户的呈现信息等。个性化搜索排序模块1314，用于对成员搜索装置1208和成员搜索服务器1210的搜索结果进行汇总，并根据兴趣模型提取模块1312提取的兴趣模型计算搜索结果的评分值，并根据该评分值对搜索结果进行排序。例如，将相关性高的搜索结果排在靠前的位置，或将相关性高的搜索结果排在竞价排名的搜索结果之后。这样有利于用户能快速浏览到其需要搜索的相关性高的结果，在其他实施例中，该排序还包括成员搜索装置的级别评分信息和相关因素信息(如价格因素信息等)。最终搜索结果返回模块1318，用于向搜索客户端1202发送最终的搜索结果，该搜索结果可以是经过过滤后的只包含相关性比较高的搜索结果，向用户提供部分搜索结果，可以减少网络的流量，减轻搜索客户端1202的压力。
成员搜索装置1308还可以包括：搜索请求接收模块1306、搜索处理模块1308和搜索结果返回模块1310。
搜索请求接收模块1306，用于接收搜索请求，本实施例中，搜索请求来自与搜索服务器1204，不包含用户的兴趣模型数据。搜索处理模块1308，用于根据搜索关键字进行搜索得到搜索结果。搜索结果返回模块1310，用于返回搜索结果。
请结合参看图14，是一个搜索系统实施例的框架图，在本实施例中，搜索服务器将搜索请求及兴趣模型分发给成员搜索装置，成员搜索装置根据兴趣模型计算搜索结果的评分值，返回给搜索服务器，搜索服务器进行个性化重评分(re-ranking)和排序，得到个性化搜索结果后返回给搜索客户端。搜索系统1400包括：搜索客户端1402、搜索服务器1404、用户数据存储设备1406、成员搜索装置1408、成员搜索服务器1410及下一级成员引擎1412。
搜索客户端1402，用于根据用户以文本方式或语音方式输入的关键字，向搜索服务器1404发送搜索请求，并接收搜索服务器1404返回的搜索结果。
搜索服务器1404，可以与一个或多个成员搜索装置1408进行搜索通信，其中成员搜索装置还包括成员搜索服务器1410。搜索服务器1404用于接收搜索请求，携带用户兴趣模型，将搜索请求分发给一个或多个成员搜索装置1408和搜索服务器1410，并接收成员搜索装置1408和成员搜索服务器1410返回的根据兴趣模型的个性化搜索结果，进行re-ranking，根据re-ranking的结果对搜索结果进行排序，将排序后的搜索结果返回给搜索客户端1402。其中搜索服务器1404携带用户兴趣模型分发搜索请求时，可以指定或不指定评分算法。
其中，用户数据存储设备1406，用于存储用户数据，包括：用户的兴趣模型，例如用户静态的Profile(描述)、兴趣爱好、搜索历史、位置信息和呈现信息等。在本实施例中，用户数据存储设备1006可以设置于运营商侧的内部系统中。本实施例中，用户数据设备1406与搜索服务器1404相连。
成员搜索装置1408可以为单独的垂直引擎，成员搜索服务器1410可以再连接下一级成员引擎1412，其功能可以与搜索服务器1404类似，也可以不同。成员搜索装置1408根据搜索请求搜索得到搜索结果，并根据用户的兴趣模型计算该搜索结果的评分值。其中，该计算评分值在搜索服务器1404指定评分算法时可以用指定评分算法计算搜索结果的评分值，若没有指定评分算法，成员搜索装置1408可以利用其私有算法计算搜索结果的评分值。成员搜索装置1408将搜索结果和评分值返回给搜索服务器1404。成员搜索服务器1410可以将搜索请求分发给下一级成员引擎1412，成员搜索服务器1410或下一级成员引擎1412也可以针对搜索结果进行个性化处理，不再赘述。
请结合参看图15，其中搜索服务器1404包括：搜索请求接收模块1502、兴趣模型提取模块1504、搜索请求分发模块1506、重评分模块1516、个性化搜索请求排序模块1518和最终搜索结果返回模块1520。
搜索请求接收模块1502，用于接收搜索客户端1402的搜索请求，该搜索请求可以包含用户输入的一个或多个搜索关键字，该关键字可以由用户以文本方式或语音方式输入。兴趣模型提取模块1504，用于根据用户的个性化数据提取用户的兴趣模型或取出预先存储的提取好的用户兴趣模型，本实施例中，用户数据可以包括：用户的静态Profile、用户的搜索历史、用户的位置信息、用户的呈现信息等。搜索请求分发模块1506，用于将携带兴趣模型的个性化搜索请求分发给一个或多个成员搜索装置1408和成员搜索服务器1410。同时，个性化搜索请求分发模块1506可以同时为这一个或多个成员搜索装置1408和成员搜索服务器1410指定统一的个性化评分算法对搜索结果进行个性化处理，该统一的个性化评分算法可以通过一个算法标识ID来表示。重评分模块1516，用于对个成员搜索装置1408和成员搜索服务器1410返回的搜索结果进行重评分(re-ranking)。其中，re-ranking包括：根据提取的兴趣模型计算搜索结果的评分值，并根据该评分值对搜索结果进行排序。例如，将相关性高的搜索结果排在靠前的位置，或将相关性高的搜索结果排在竞价排名的搜索结果之后。这样有利于用户能快速浏览到其需要搜索的相关性高的结果，在其他实施例中，该排序还包括成员搜索装置的级别评分信息和相关因素信息(如价格因素信息等)。例如，计算级别评分信息，计算公式如下：
P＝r1*返回的评分值+r2*级别因子
其中，P表示级别评分，r1表示返回的评分值占的权重，r2表示级别因子占的权重，所述返回的评分值为成员搜索装置返回的评分值，所述级别因子表示成员搜索装置级别。
计算综合评分信息，计算公式如下：
R＝P+r3*价格因素评分值
其中，R表示综合评分，r3表示价格因素评分权重，r1+r2+r3＝1。
个性化搜索结果排序模块1518，用于根据重新评分的评分值对搜索结果进行综合性排序，例如，将相关性高的搜索结果排在靠前的位置，或将相关性高的搜索结果排在竞价排名的搜索结果之后。这样有利于用户能快速浏览到其需要搜索的相关性高的结果，在其他实施例中，该排序还包括成员搜索装置的优先级信息和相关因素信息(如价格因素信息等)。最终搜索结果返回模块1520，用于向搜索客户端1402发送最终的搜索结果，该搜索结果可以是经过过滤后的只包含相关性比较高的搜索结果，向用户提供部分搜索结果，可以减少网络的流量，减轻搜索客户端1402的压力。
成员搜索装置1408还包括：搜索请求接收模块1508、搜索处理模块1510、搜索结果个性化处理模块1512和搜索结果返回模块1514。
搜索请求接收模块1508，用于接收搜索请求，本实施例中，搜索请求可以来自于搜索服务器1404，搜索请求接收模块1508还可以接收搜索服务器1404发送的用户兴趣模型和评分算法ID。搜索处理模块1510，用于根据搜索关键字进行搜索得到搜索结果。搜索结果个性化处理模块1512，用于根据用户的兴趣模型对搜索结果进行个性化处理，同时，也可以采用被指定的统一的个性化评分算法，若没有指定统一算法时，采用私有算法对搜索结果进行个性化处理。搜索结果返回模块1514，用于返回搜索结果，也可以返回搜索结果的评分值，本实施例中，返回搜索结果及评分值给搜索服务器1404。
请结合参看图16，是一个搜索系统实施例的框架图。本实施例中，搜索系统1600由应用服务器提取用户的兴趣模型或取出预先存储的提取好的兴趣模型，并由搜索服务器1608进行个性化处理。搜索系统1600包括：搜索客户端1602、用户数据存储设备1604、应用服务器1606、搜索服务器1608、成员搜索装置1610、成员搜索服务器1612及下一级成员引擎1614。
搜索客户端1602，用于根据用户以文本方式或语音方式输入的关键字，向应用服务器1606发送搜索请求，并接应用服务器1606返回的搜索结果。
用户数据存储设备1604，用于存储用户数据，包括：用户的兴趣模型，例如用户静态的Profile(描述)、兴趣爱好、搜索历史、位置信息和呈现信息等。在本实施例中，用户数据存储设备1604可以设置于运营商侧的内部系统中。
应用服务器1606与用户数据存储设备1604相连，用于提取用户的兴趣模型或取出预先存储的提取的用户的兴趣模型，将接收到的搜索请求和兴趣模型发送给搜索服务器1608，并接收搜索服务器1608返回的个性化搜索结果，返回给搜索客户端1602。本实施例中，应用服务器1606从用户数据(用户静态profile、搜索历史等)中提取用户的兴趣模型或直接取出预先根据用户数据提取的兴趣模型，携带兴趣模型将个性化的搜索请求分发给搜索服务器1608。
搜索服务器1608，可以与一个或多个成员搜索装置进行通信，其中，成员搜索装置还可以包括成员搜索服务器。搜索服务器1608用于接收应用服务器1606的搜索请求和用户的兴趣模型，将搜索请求和兴趣模型分发给成员搜索装置1610和成员搜索服务器1612，接收返回的个性化搜索结果和评分值，将搜索结果汇总后，进行综合重评分re-ranking，并返回给应用服务器1606。
成员搜索装置1610可以为单独的垂直引擎，成员搜索服务器1612可以再连接下一级成员引擎1614。成员搜索装置1610根据搜索请求搜索得到搜索结果，并根据用户的兴趣模型计算该搜索结果的评分值，将搜索结果和评分值返回给搜索服务器1608，成员搜索装置1610也可以排序后发送给搜索服务器1608。成员搜索服务器1612可以将搜索请求分发给下一级成员引擎1614，成员搜索服务器1612或下一级成员引擎1614也可以针对搜索结果进行个性化处理，不再赘述。
请结合参看图17，其中应用服务器1606还可以包括：兴趣模型提取模块1702、搜索请求发送模块1704、搜索结果接收模块1724。
兴趣模型提取模块1702，用于根据用户的个性化数据提取用户的兴趣模型或取出预先存储的提取好的用户兴趣模型，本实施例中，用户数据可以包括：用户的静态Profile、用户的搜索历史、用户的位置信息、用户的呈现信息等。搜索请求发送模块1704，用于将搜索请求和兴趣模型发送给搜索服务器1608。搜索结果接收模块1724，用于接收搜索服务器1608返回的个性化搜索结果，返回给搜索客户端1602。
搜索服务器1608还包括：搜索请求接收模块1706、搜索请求分发模块1708、重评分模块1718、个性化搜索结果排序模块1720和搜索结果返回模块1722。
搜索请求接收模块1706，用于接收应用服务器1606发送的搜索请求和用户的兴趣模型。搜索请求分发模块1708，用于将搜索请求和用户的兴趣模型分发给成员搜索装置，并指定或不指定统一的评分算法。重评分模块1718，用于接收各成员搜索装置1610返回的搜索结果和评分值，将搜索结果汇总后，进行重评分(re-ranking)。其中，re-ranking包括：根据提取的兴趣模型计算搜索结果的评分值，并根据该评分值对搜索结果进行排序。例如，将相关性高的搜索结果排在靠前的位置，或将相关性高的搜索结果排在竞价排名的搜索结果之后。这样有利于用户能快速浏览到其需要搜索的相关性高的结果，在其他实施例中，该排序还包括成员搜索装置的级别评分信息和相关因素信息(如价格因素信息等)。例如，计算级别评分信息，计算公式如下：
P＝r1*返回的评分值+r2*级别因子
其中，P表示级别评分，r1表示返回的评分值占的权重，r2表示级别因子占的权重，所述返回的评分值为成员搜索装置返回的评分值，所述级别因子表示成员搜索装置级别。
计算综合评分信息，计算公式如下：
R＝P+r3*价格因素评分值
其中，R表示综合评分，r3表示价格因素评分权重，r1+r2+r3＝1。
个性化搜索结果排序模块1720，用于根据re-ranking的结果对搜索结果进行排序，例如，将相关性高的搜索结果排在靠前的位置，或将相关性高的搜索结果排在竞价排名的搜索结果之后。这样有利于用户能快速浏览到其需要搜索的相关性高的结果，在其他实施例中，该排序还包括成员搜索装置的优先级信息和相关因素信息(如价格因素信息等)。搜索结果返回模块1722，用于向应用服务器1606返回搜索结果，该搜索结果可以是经过过滤后的只包含相关性比较高的搜索结果，向用户提供部分搜索结果，可以减少网络的流量，减轻搜索客户端1602的压力。
成员搜索装置1610还可以包括：搜索请求接收模块1710、搜索处理模块1712、搜索结果个性化处理模块1714和搜索结果返回模块1716。
搜索请求接收模块1710，用于接收搜索请求，本实施例中，搜索请求可以来自于搜索服务器1608，搜索请求接收模块1710还可以接收搜索服务器1608发送的用户兴趣模型和评分算法ID。搜索处理模块1712，用于根据搜索关键字进行搜索得到搜索结果。搜索结果个性化处理模块1714，用于根据用户的兴趣模型对搜索结果进行个性化处理，同时，也可以采用被指定的统一的个性化评分算法，若没有指定统一算法时，采用私有算法对搜索结果进行个性化处理。搜索结果返回模块1716，用于返回搜索结果，也可以返回搜索结果的评分值，本实施例中，返回搜索结果及评分值给搜索服务器1608。
请结合参看图18，是一个搜索系统实施例的框架图。本实施例中，搜索系统1800由应用服务器提取用户的兴趣模型或取出预先存储的提取好的兴趣模型，由搜索服务器1808进行个性化处理，但不需要重评分re-ranking。搜索系统1800包括：搜索客户端1802、用户数据存储设备1804、应用服务器1806、搜索服务器1808、成员搜索装置1810、成员搜索服务器1812和下一级成员引擎1814。
搜索客户端1802，用于根据用户以文本方式或语音方式输入的关键字，向应用服务器1806发送搜索请求，并接应用服务器1806返回的搜索结果。
用户数据存储设备1804，用于存储用户数据，包括：用户的兴趣模型，例如用户静态的Profile(描述)、兴趣爱好、搜索历史、位置信息和呈现信息等。在本实施例中，用户数据存储设备1804可以设置于运营商侧的内部系统中。
应用服务器1806与用户数据存储设备1804相连，用于提取用户的兴趣模型或取出预先存储的提取好的用户的兴趣模型，将接收到搜索请求和兴趣模型发送给搜索服务器1808，并接收搜索服务器1808返回的个性化搜索结果，返回给搜索客户端1802。本实施例中，应用服务器1806从用户数据(用户静态profile、搜索历史等)中提取用户的兴趣模型或直接取出预先根据用户数据提取的兴趣模型，携带兴趣模型将个性化的搜索请求分发给搜索服务器1808。
搜索服务器1808，可以与一个或多个成员搜索装置进行通信，其中，成员搜索装置还可以包括成员搜索服务器。搜索服务器1808用于接收应用服务器1806的搜索请求和用户的兴趣模型，将搜索请求和兴趣模型分发给成员搜索装置1810和成员搜索服务器1812，并利用统一的算法ID指明个性化评分算法对搜索结果进行评分，接收返回的个性化搜索结果和评分值，将搜索结果汇总后，根据各成员搜索装置返回的评分值进行综合评分，并返回给应用服务器1806。
成员搜索装置1810可以为单独的垂直引擎，成员搜索服务器1812可以再连接下一级成员引擎1814。成员搜索装置1810根据搜索请求搜索得到搜索结果，并根据用户的兴趣模型计算该搜索结果的评分值，将搜索结果和评分值返回给搜索服务器1808，成员搜索装置1810也可以排序后发送给搜索服务器1808。成员搜索服务器1812可以将搜索请求分发给下一级成员引擎1814，成员搜索服务器1812或下一级成员引擎1814也可以针对搜索结果进行个性化处理，不再赘述。
请结合参看图19，其中应用服务器1806还可以包括：兴趣模型提取模块1902、搜索请求发送模块1904、搜索结果接收模块1922。
兴趣模型提取模块1902，用于根据用户的个性化数据提取用户的兴趣模型或取出预先存储的提取好的用户兴趣模型，本实施例中，用户数据可以包括：用户的静态Profile、用户的搜索历史、用户的位置信息、用户的呈现信息等。搜索请求模块1904，用于将搜索请求和兴趣模型发送给搜索服务器1808。搜索结果接收模块1922，用于接收搜索服务器1808返回的个性化搜索结果，返回给搜索客户端1802。
搜索服务器1808还包括：搜索请求接收模块1906、搜索请求分发模块1908、个性化搜索结果排序模块1918和搜索结果返回模块1920。
搜索请求接收模块1906，用于接收应用服务器1806发送的搜索请求和用户的兴趣模型。搜索请求分发模块1908，用于将搜索请求和用户的兴趣模型分发给成员搜索装置，并指定统一的评分算法，该指定统一评分算法可以通过算法ID来表示。个性化搜索结果排序模块1918，用于根据返回的搜索结果的评分值对搜索结果进行综合的排序，例如，将相关性高的搜索结果排在靠前的位置，或将相关性高的搜索结果排在竞价排名的搜索结果之后。这样有利于用户能快速浏览到其需要搜索的相关性高的结果，在其他实施例中，该排序还包括成员搜索装置的优先级信息和相关因素信息(如价格因素信息等)。搜索结果返回模块1920，用于向应用服务器1806返回搜索结果，该搜索结果可以是经过过滤后的只包含相关性比较高的搜索结果，向用户提供部分搜索结果，可以减少网络的流量，减轻搜索客户端1802的压力。
成员搜索装置1810还可以包括：搜索请求接收模块1910、搜索处理模块1912、搜索结果个性化处理模块1914和搜索结果返回模块1916。
搜索请求接收模块1910，用于接收搜索请求，本实施例中，搜索请求可以来自于搜索服务器1808，搜索请求接收模块1910还可以接收搜索服务器1808发送的用户兴趣模型和评分算法ID。搜索处理模块1912，用于根据搜索关键字进行搜索得到搜索结果。搜索结果个性化处理模块1914，用于根据用户的兴趣模型对搜索结果进行个性化处理，同时，也可以采用被指定的统一的个性化评分算法。搜索结果返回模块1916，用于返回搜索结果，也可以返回搜索结果的评分值，本实施例中，返回搜索结果及评分值给搜索服务器1808。
请结合参看图20，是个搜索系统实施例的框架图。本实施例中，搜索系统2000由应用服务器提取用户的兴趣模型或取出预先存储的提取好的兴趣模型，由搜索服务器2008进行个性化处理，不需要将兴趣模型传递给成员搜索装置和成员搜索服务器。搜索系统2000包括：搜索客户端2002、用户数据存储设备2004、应用服务器2006、搜索服务器2008、成员搜索装置2010、成员搜索服务器2012和下一级成员引擎2014。
搜索客户端2002，用于根据用户以文本方式或语音方式输入的关键字，向应用服务器2006发送搜索请求，并接应用服务器2006返回的搜索结果。
用户数据存储设备2004，用于存储用户数据，包括：用户的兴趣模型，例如用户静态的Profile(描述)、兴趣爱好、搜索历史、位置信息和呈现信息等。在本实施例中，用户数据存储设备2004可以设置于运营商侧的内部系统中。
应用服务器2006与用户数据存储设备2004相连，用于提取用户的兴趣模型或取出预先存储的提取好的用户的兴趣模型，将接收到搜索请求和兴趣模型发送给搜索服务器2008，并接收搜索服务器2008返回的个性化搜索结果，返回给搜索客户端2002。本实施例中，应用服务器2006从用户数据(用户静态profile、搜索历史等)中提取用户的兴趣模型或直接取出预先根据用户数据提取的兴趣模型，携带兴趣模型将个性化的搜索请求分发给搜索服务器2008。
搜索服务器2008，可以与一个或多个成员搜索装置进行通信，其中，成员搜索装置还可以包括成员搜索服务器。搜索服务器2008用于接收应用服务器2006的搜索请求和用户的兴趣模型，将搜索请求分发给成员搜索装置2010和成员搜索服务器2012，接收返回的搜索结果，根据用户的兴趣模型计算搜索结果的评分值，并对搜索结果根据该评分值进行排序后发送应用服务器2006。
成员搜索装置2010可以为单独的垂直引擎，成员搜索服务器2012可以再连接下一级成员引擎2014。成员搜索装置2010根据搜索请求得到搜索结果，返回给搜索服务器2008，成员搜索服务器2012可以将搜索请求分发给下一级成员引擎2014进行搜索处理。
请结合参看图21，其中应用服务器2006还可以包括：兴趣模型提取模块2102、搜索请求发送模块2104、搜索结果接收模块2120。
兴趣模型提取模块2102，用于根据用户的个性化数据提取用户的兴趣模型或取出预先存储的提取好的用户兴趣模型，本实施例中，用户数据可以包括：用户的静态Profile、用户的搜索历史、用户的位置信息、用户的呈现信息等。搜索请求模块2104，用于将搜索请求和兴趣模型发送给搜索服务器2008。搜索结果接收模块2120，用于接收搜索服务器2008返回的个性化搜索结果，返回给搜索客户端2002。
搜索服务器2008还可以包括：搜索请求接收模块2106、搜索请求分发模块2108、个性化搜索结果排序模块2116和搜索结果返回模块2118。
搜索请求接收模块2106，用于接收应用服务器2006发送的搜索请求和用户的兴趣模型。搜索请求分发模块2008，用于将搜索请求分发给成员搜索装置。个性化搜索结果排序模块2116，用于接收返回的搜索结果，并根据用户的兴趣模型计算搜索结果的评分值，并根据该评分值对搜索结果进行排序，例如，将相关性高的搜索结果排在靠前的位置，或将相关性高的搜索结果排在竞价排名的搜索结果之后。这样有利于用户能快速浏览到其需要搜索的相关性高的结果，在其他实施例中，该排序还包括成员搜索装置的优先级信息和相关因素信息(如价格因素信息等)。搜索结果返回模块2118，用于向应用服务器2006返回搜索结果，该搜索结果可以是经过过滤后的只包含相关性比较高的搜索结果，向用户提供部分搜索结果，可以减少网络的流量，减轻搜索客户端2002的压力。
成员搜索装置2010还可以包括：搜索请求接收模块2110、搜索处理模块2112和搜索结果返回模块。其功能与前述成员搜索装置1208功能相同，不再赘述。
在本发明的实施例中通过根据用户的个性化数据提取的兴趣模型及所述搜索请求进行搜索得到搜索结果，使得用户得到搜索结果更加贴近用户需求，不同的用户可以得到不同的搜索结果，使得搜索结果更加个性化，有利于搜索业务的推广使用。此外，通过成员搜索装置来完成个性化的评分，使得成员搜索装置能够返回最相关的搜索结果，搜索服务器在进行综合搜索结果时，使搜索结果更加精确。通过指明各成员搜索装置利用统一的算法来进行个性化处理，使得各成员搜索装置的返回的评分具有可比性，大大减少了网络的流量，提高了个性化的效率。
请结合参看图22，是一个搜索方法实施例的流程图。该搜索方法包括以下步骤：
步骤2202，接收搜索客户端发送的搜索请求，该搜索请求中包含一个或多个搜索关键字，该搜索关键字可以由用户以文本方式或语音方式输入。该搜索请求可以是移动终端向网络侧发出的一个信号。
步骤2204，根据用户的个性化数据提取用户的兴趣模型或取出预先存储的提取好的兴趣模型。本实施例中，用户的个性化数据包括以下一种或多种：静态用户档案User Profile、搜索历史、位置信息或呈现信息。兴趣模型为：用户对N个维度的评分值所组成的兴趣模型向量，N＞＝2。
步骤2206，将所述搜索一个或多个搜索关键字和所述兴趣模型分发给一个或多个成员搜索装置或成员搜索服务器。本实施例中，携带用户兴趣模型将搜索请求分发给成员搜索装置，并指明或不指明采用统一的算法对搜索结果做个性化处理，若指明统一的算法可以通过一个算法ID指示。
步骤2208，成员搜索装置完成搜索，若有指定的算法，用指定的相同的个性化评分算法计算搜索结果的评分值，若没有指定的算法，成员搜索装置可以用私有算法计算搜索结果的评分值，并根据该评分值对搜索结果进行排序。同时也可以根据预设的阈值，对搜索结果进行过滤。
步骤2210，接收成员搜索装置返回的个性化搜索结果及相应的评分值。
步骤2212，根据搜索结果的评分值和相关因素(成员搜索装置级别和价格因素等)对搜索结果进行重评分。其中，re-ranking包括：根据提取的兴趣模型计算搜索结果的评分值。例如，计算级别评分信息，计算公式如下：
P＝r1*返回的评分值+r2*级别因子
其中，P表示级别评分，r1表示返回的评分值占的权重，r2表示级别因子占的权重，所述返回的评分值为成员搜索装置返回的评分值，所述级别因子表示成员搜索装置级别。
计算综合评分信息，计算公式如下：
R＝P+r3*价格因素评分值
其中，R表示综合评分，r3表示价格因素评分权重，r1+r2+r3＝1。
步骤2214，根据re-ranking的结果对搜索结果进行排序。例如，将相关性高的搜索结果排在靠前的位置，或将相关性高的搜索结果排在竞价排名的搜索结果之后。这样有利于用户能快速浏览到其需要搜索的相关性高的结果，在其他实施例中，该排序还包括成员搜索装置的级别评分信息和相关因素信息(如价格因素信息等)。
步骤2216，将最终搜索结果返回给搜索客户端。返回的搜索结果可以是经过过滤后的只包含相关性比较高的搜索结果，向用户提供部分搜索结果，可以减少网络的流量，减轻搜索客户端的压力。
请结合参看图23，是一个搜索方法实施例的流程图。该实施例中，搜索服务器接收来来自于应用服务器的搜索请求，将搜索结果返回给应用服务器，其中，应用服务器提供用户的兴趣模型。
步骤2302，搜索客户端将搜索请求发送给应用服务器，该搜索请求中包含一个或多个搜索关键字，该搜索关键字可以由用户以文本方式或语音方式输入。该搜索请求可以是移动终端向网络侧发出的一个信号。
步骤2304，应用服务器从用户的个性化数据(如用户的静态profile和用户的点击历史)中提取用户兴趣模型数据，或直接取出预先根据用户个性化数据提取的兴趣模型。兴趣模型可以为：用户对N个维度的评分值所组成的兴趣模型向量，N＞＝2。
步骤2306，应用服务器携带用户的兴趣模型，将搜索请求发送给搜索服务器。
步骤2308，将所述搜索一个或多个搜索关键字和所述兴趣模型分发给一个或多个成员搜索装置。本实施例中，携带用户兴趣模型将搜索请求分发给成员搜索装置，并指明或不指明采用统一的算法对搜索结果做个性化处理，若指明统一的算法可以通过一个算法ID指示。
步骤2310，成员搜索装置完成搜索，若有指定的算法，用指定的相同的个性化评分算法计算搜索结果的评分值，若没有指定的算法，成员搜索装置可以用私有算法计算搜索结果的评分值，并根据该评分值对搜索结果进行排序，其中，私有算法可以是与指定的评分算法相同的算法，也可以是不相同的算法。同时也可以根据预设的阈值，对搜索结果进行过滤。
步骤2312，接收成员搜索装置返回的个性化搜索结果及相应的评分值。
步骤2314，根据搜索结果的评分值和相关因素(成员搜索装置级别和价格因素等)对搜索结果进行重评分。其中，re-ranking包括：根据提取的兴趣模型计算搜索结果的评分值。例如，计算级别评分信息，计算公式如下：
P＝r1*返回的评分值+r2*级别因子
其中，P表示级别评分，r1表示返回的评分值占的权重，r2表示级别因子占的权重，所述返回的评分值为成员搜索装置返回的评分值，所述级别因子表示成员搜索装置级别。
计算综合评分信息，计算公式如下：
R＝P+r3*价格因素评分值
其中，R表示综合评分，r3表示价格因素评分权重，r1+r2+r3＝1。
步骤2316，根据re-ranking的结果对搜索结果进行排序。例如，将相关性高的搜索结果排在靠前的位置，或将相关性高的搜索结果排在竞价排名的搜索结果之后。这样有利于用户能快速浏览到其需要搜索的相关性高的结果，在其他实施例中，该排序还包括成员搜索装置的级别评分信息和相关因素信息(如价格因素信息等)。
步骤2318，将排序后的结果返回给应用服务器。
步骤2320，应用服务器将搜索结果返回给搜索客户端。步骤2318和步骤2320中返回的搜索结果可以是经过过滤后的只包含相关性比较高的搜索结果，向用户提供部分搜索结果，可以减少网络的流量，减轻搜索客户端的压力。
请结合参看图24，是一个搜索方法实施例的流程图。该实施例中，搜索服务器向成员搜索装置指明统一的个性化评分算法。该方法包括如下步骤：
步骤2402，搜索客户端将搜索请求发送给应用服务器，该搜索请求中包含一个或多个搜索关键字，该搜索关键字可以由用户以文本方式或语音方式输入。该搜索请求可以是移动终端向网络侧发出的一个信号。
步骤2404，应用服务器从用户的个性化数据(如用户的静态profile和用户的点击历史)中提取用户兴趣模型数据，或直接取出预先根据用户个性化数据提取的兴趣模型。兴趣模型可以为：用户对N个维度的评分值所组成的兴趣模型向量，N＞＝2。
步骤2406，应用服务器携带用户的兴趣模型，将搜索请求发送给搜索服务器。
步骤2408，将所述搜索一个或多个搜索关键字和所述兴趣模型分发给一个或多个成员搜索装置。本实施例中，携带用户兴趣模型将搜索请求分发给成员搜索装置，并指明采用统一的算法对搜索结果做个性化处理，指明统一的算法可以通过一个算法ID指示。
步骤2410，成员搜索装置完成搜索，用指定的相同的个性化评分算法计算搜索结果的评分值，并根据该评分值对搜索结果进行排序。同时也可以根据预设的阈值，对搜索结果进行过滤，例如：返回结果控制在100个。
步骤2412，搜索服务器接收成员搜索装置返回的个性化搜索结果及相应的评分值。
步骤2414，根据返回的评分值对搜索结果进行排序。例如，将相关性高的搜索结果排在靠前的位置，或将相关性高的搜索结果排在竞价排名的搜索结果之后。这样有利于用户能快速浏览到其需要搜索的相关性高的结果，在其他实施例中，该排序还包括成员搜索装置的级别评分信息和相关因素信息(如价格因素信息等)。
步骤2416，将排序后的结果返回给应用服务器。
步骤2418，应用服务器将搜索结果返回给搜索客户端。步骤2416和步骤2418中返回的搜索结果可以是经过过滤后的只包含相关性比较高的搜索结果，向用户提供部分搜索结果，可以减少网络的流量，减轻搜索客户端的压力。
请结合参看图25，是一个搜索方法实施例的流程图。该实施例中，搜索服务器只将搜索请求分发给成员搜索装置或成员搜索服务器。该方法包括如下步骤：
步骤2502，搜索客户端将搜索请求发送给应用服务器，该搜索请求中包含一个或多个搜索关键字，该搜索关键字可以由用户以文本方式或语音方式输入。该搜索请求可以是移动终端向网络侧发出的一个信号。
步骤2504，应用服务器从用户的个性化数据(如用户的静态profile和用户的点击历史)中提取用户兴趣模型数据，或直接取出预先根据用户个性化数据提取的兴趣模型。兴趣模型可以为：用户对N个维度的评分值所组成的兴趣模型向量，N＞＝2。
步骤2506，应用服务器携带用户的兴趣模型，将搜索请求发送给搜索服务器。
步骤2508，将所述搜索一个或多个搜索关键字分发给一个或多个成员搜索装置或成员搜索服务器，成员搜索服务器可以继续分发给下一级引擎，不再赘述。
步骤2510，成员搜索装置完成搜索，或成员搜索服务器完成搜索。
步骤2512，搜索服务器接收成员搜索装置或成员搜索服务器返回的搜索结果。
步骤2514，搜索服务器对搜索结果进行汇总，根据用户的兴趣模型计算搜索结果的评分值，并根据该评分值对搜索结果进行排序。
步骤2516，将排序后的结果返回给应用服务器。
步骤2518，应用服务器将搜索结果返回给搜索客户端。步骤2516和步骤2518中返回的搜索结果可以是经过过滤后的只包含相关性比较高的搜索结果，向用户提供部分搜索结果，可以减少网络的流量，减轻搜索客户端的压力。
请结合参看图26，是一个搜索方法实施例的流程图。该实施例中，搜索服务器提取用户的兴趣模型或取出预先存储的提取好的兴趣模型，将搜索请求和兴趣模型分发给成员搜索装置，并指明统一的个性化评分算法。该方法包括：
步骤2602，接收搜索客户端发送的搜索请求，该搜索请求中包含一个或多个搜索关键字，该搜索关键字可以由用户以文本方式或语音方式输入。该搜索请求可以是移动终端向网络侧发出的一个信号。
步骤2604，根据用户的个性化数据提取用户的兴趣模型或取出预先存储的提取好的兴趣模型。本实施例中，用户的个性化数据包括以下一种或多种：静态用户档案User Profile、搜索历史、位置信息或呈现信息。兴趣模型为：用户对N个维度的评分值所组成的兴趣模型向量，N＞＝2。
步骤2606，将所述搜索一个或多个搜索关键字和所述兴趣模型分发给一个或多个成员搜索装置或成员搜索服务器。本实施例中，携带用户兴趣模型将搜索请求分发给成员搜索装置，并指明采用统一的算法对搜索结果做个性化处理，指明统一的算法可以通过一个算法ID指示。
步骤2608，成员搜索装置完成搜索，用指定的相同的个性化评分算法计算搜索结果的评分值，并根据该评分值对搜索结果进行排序。同时也可以根据预设的阈值，对搜索结果进行过滤，例如：返回结果控制在100个。
步骤2610，搜索服务器接收成员搜索装置返回的个性化搜索结果及相应的评分值。
步骤2612，根据返回的评分值对搜索结果进行排序。例如，将相关性高的搜索结果排在靠前的位置，或将相关性高的搜索结果排在竞价排名的搜索结果之后。这样有利于用户能快速浏览到其需要搜索的相关性高的结果，在其他实施例中，该排序还包括成员搜索装置的级别评分信息和相关因素信息(如价格因素信息等)。
步骤2614，将最终搜索结果返回给搜索客户端。返回的搜索结果可以是经过过滤后的只包含相关性比较高的搜索结果，向用户提供部分搜索结果，可以减少网络的流量，减轻搜索客户端的压力。
请结合参看图27，是一个搜索方法实施例的流程图。该实施例中，搜索服务器只将搜索请求分发给成员搜索装置或成员搜索服务器。该方法包括如下步骤：
步骤2702，接收搜索客户端发送的搜索请求，该搜索请求中包含一个或多个搜索关键字，该搜索关键字可以由用户以文本方式或语音方式输入。该搜索请求可以是移动终端向网络侧发出的一个信号。
步骤2704，根据用户的个性化数据提取用户的兴趣模型或取出预先存储的提取好的兴趣模型。本实施例中，用户的个性化数据包括以下一种或多种：静态用户档案User Profile、搜索历史、位置信息或呈现信息。兴趣模型为：用户对N个维度的评分值所组成的兴趣模型向量，N＞＝2。
步骤2706，将所述搜索一个或多个搜索关键字分发给一个或多个成员搜索装置或成员搜索服务器，成员搜索服务器可以继续分发给下一级引擎，不再赘述。
步骤2708，成员搜索装置完成搜索，和/或成员搜索服务器完成搜索。
步骤2710，搜索服务器接收成员搜索装置返回的个性化搜索结果。
步骤2712，搜索服务器对搜索结果进行汇总，根据用户的兴趣模型计算搜索结果的评分值，并根据该评分值对搜索结果进行排序。例如，将相关性高的搜索结果排在靠前的位置，或将相关性高的搜索结果排在竞价排名的搜索结果之后。这样有利于用户能快速浏览到其需要搜索的相关性高的结果，在其他实施例中，该排序还包括成员搜索装置的级别评分信息和相关因素信息(如价格因素信息等)。
步骤2714，将最终搜索结果返回给搜索客户端。返回的搜索结果可以是经过过滤后的只包含相关性比较高的搜索结果，向用户提供部分搜索结果，可以减少网络的流量，减轻搜索客户端的压力。
为便于理解，以下结合具体的应用实例来进行说明。
1.兴趣模型的定义
将用户的兴趣用n个维度来表示如：新闻、体育、娱乐、财经、科技、房产、游戏、女性、论坛、天气、商品、家电、音乐、读书、博客、手机、军事、教育、旅游、彩信、彩铃、餐饮、民航、工业、农业、电脑、地理等。用户对每个维度的兴趣的评分值所组成的一个向量W(r1，r2，r3，……，rn)则为用户的兴趣模型。
2.搜索服务器从用户数据中提取兴趣模型
(1)用户的静态profile所对应的兴趣模型W1
W1＝(p1，p2，p3，……，pn)，其中pi为静态profile中类型属于第i个兴趣维度的所有词的词频之和。
(2)用户的搜索点击历史所对应的兴趣模型W2
W2＝d1+d2+d3+……dm，其中di为用户某个点击文档所对应的兴趣模型向量；
di＝(t1，t2，t3，…….，tn)，当用户最新点击了这个文档，tj等于文档中类型属于第j个兴趣维度的所有词的词频之和。如果用户对某个点击过的文档进行评价，如果评价好，di向量乘以一个正的常数c表示文档的重要性增加di＝c*di＝(c*ti，c*t2，c*t3，......，c*tn)，如果评价不好，di向量乘以一个正的常数c的倒数表示文档的重要性减小 di＝1/c*di＝(1/c*ti，1/c*t2，1/c*t3，......，1/c*tn)；
过了一段时间，tj的值又自动减少一定的百分比，表示随着时间的推移其重要性减弱，直到过了较长的时间tj的值减为零为止，这时将di从历史记录中删除。(例如，每过一个月，tj的值减少10％)
(3)综合的兴趣模型W＝W1+W2
3.搜索服务器携带提取的兴趣模型数据向一个或多个成员搜索装置发起个性化搜索请求，并指明多个成员搜索装置采用某种指定的个性化算法对搜索结果进行个性化的处理。
4.某个成员搜索装置用指定个性化算法进行个性化的搜索。
(1)成员搜索装置根据倒排索引检索出候选的结果文档。
(2)成员搜索装置根据兴趣模型数据和指定的个性化算法对候选的结果文档进行个性化相关性评分与排序。
算法(a)：W＝(r1，r2，r3，……，rn)为元搜索引擎传过来的兴趣模型向量，D＝(t1，t2，t3，…….，tn)为文档所对应的兴趣模型向量。
Ranking score＝W*D＝r1*t1+r2*t2+r3*t3+……，+rn*tn
或者
用算法(b)：W＝(r1，r2，r3，……，rn)为搜索服务器传过来的兴趣模型向量，
用通用的文档分类算法如Knn，Cvm等对文档进行分类，分类的结果文档属于C的类型，用类型C与兴趣模型各个维度所属的类型相匹配，将兴趣模型中与文档类型相匹配的某个维度i对应的评分值ri付给该文档。
Ranking score＝ri.
(3)成员搜索装置返回最相关(评分值最大)的n个文档以及文档的个性化相关性评分值。
5.搜索服务器将各个成员搜索装置返回的个性化搜索结果根据用同一种算法算出来的相关性评分值的大小做一个综合的相关性排序，并将最相关的结果返回给搜索客户端。
本领域普通技术人员可以理解，上述方法中的全部或部分步骤可以通过程序指令相关的硬件完成，该程序可以使得一个或多个计算机处理器执行上述方法，并且，该程序可以存储于计算机可读存储介质中，该计算机可读存储介质，例如ROM、RAM或光盘等。
在本发明的实施例中通过根据用户的个性化数据提取的兴趣模型及所述搜索请求进行搜索得到搜索结果，使得用户得到搜索结果更加贴近用户需求，不同的用户可以得到不同的搜索结果，使得搜索结果更加个性化，有利于搜索业务的推广使用。此外，通过成员搜索装置来完成个性化的评分，使得成员搜索装置能够返回最相关的搜索结果，搜索服务器在进行综合搜索结果时，使搜索结果更加精确。通过指明各成员搜索装置利用统一的算法来进行个性化处理，使得各成员搜索装置的返回的评分具有可比性，大大减少了网络的流量，提高了个性化的效率。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (22)
1.一种搜索方法，其特征在于，包括：
接收搜索请求，该搜索请求中包含一个或多个搜索关键字；
将所述一个或多个搜索关键字分发给搜索装置；
返回搜索结果后，根据用户的个性化数据提取的用户兴趣模型计算的搜索结果的评分值对搜索结果进行排序；
返回排序后的搜索结果。
2.如权利要求1所述的搜索方法，其特征在于，所述接收搜索请求包括接收搜索客户端的搜索请求，或接收应用服务器传送的搜索请求。
3.如权利要求1或2所述的搜索方法，其特征在于，所述将所述一个或多个搜索关键字分发给搜索装置包括：将所述一个或多个关键字分发给搜索服务器或分发给成员搜索装置或分发给成员搜索服务器。
4.如权利要求1或2所述的搜索方法，其特征在于，所述将所述一个或多个搜索关键字分发给搜索装置包括：携带用户兴趣模型将所述一个或多个搜索关键字分发给成员搜索装置或成员搜索服务器或搜索服务器。
5.如权利要求4所述的搜索方法，其特征在于，所述携带用户兴趣模型将所述一个或多个搜索关键字分发给成员搜索装置或成员搜索服务器包括：指明采用统一算法对搜索结果进行个性化处理。
6.如权利要求5所述的搜索方法，其特征在于，所述指明统一算法对搜索结果进行个性化处理包括：分发统一的评分算法标识ID。
7.如权利要求5所述的搜索方法，其特征在于，该方法还包括：接收所述搜索装置返回的根据所述统一算法对搜索结果进行计算得出个性化相关性评分。
8.如权利要求7所述的搜索方法，其特征在于，该方法还包括：接收所述搜索装置返回的根据所述个性化相关性评分对搜索结果进行排序的结果。
9.如权利要求7所述的搜索方法，其特征在于，该方法还包括：根据所述个性化相关性评分值和相关因素对搜索结果进行重新评分，并根据所述重新评分的评分值对搜索结果进行排序，所述返回排序后的搜索结果为返回根据所述重评分的评分值排序后的结果。
10.如权利要求9所述的搜索方法，其特征在于，所述相关因素包括：所述成员搜索装置或成员搜索服务器的级别信息，和/或价格排名信息。
11.如权利要求4所述的搜索方法，其特征在于，该方法还包括：接收所述搜索装置返回的根据私有算法对搜索结果进行计算得出个性化相关性评分。
12.如权利要求11所述的搜索方法，其特征在于，该方法还包括：接收所述搜索装置返回的根据个性化相关性评分对搜索结果进行排序的结果。
13.如权利要求11所述的搜索方法，其特征在于，该方法还包括：根据所述个性化相关性评分和相关因素对搜索结果进行重新评分，根据所述重新评分值对搜索结果进行排序。
14.如权利要求13所述的搜索方法，其特征在于，所述相关因素包括成员搜索装置级别信息，所述根据所述成员搜索装置或成员搜索服务器的级别信息进行重新评分包括：计算级别评分信息，计算公式如下：
P＝r1*返回的评分值+r2*级别因子
其中，P表示级别评分，r1表示返回的评分值占的权重，r2表示级别因子占的权重，所述返回的评分值为成员搜索装置返回的评分值，所述级别因子表示成员搜索装置级别。
15.如权利要求14所述的搜索方法，其特征在于，所述根据所述成员搜索装置或成员搜索服务器的级别信息进行重新评分包括：计算综合评分信息，计算公式如下：
R＝P+r3*价格因素评分值
其中，R表示综合评分，r3表示价格因素评分权重，r1+r2+r3＝1。
16.如权利要求1所述的搜索方法，其特征在于，该方法还包括：应用服务器或搜索服务器或成员搜索服务器或成员搜索装置根据所述用户的个性化数据提取所述用户的兴趣模型。
17.如权利要求1所述的搜索方法，其特征在于，所述兴趣模型为：用户对N个维度的评分值所组成的兴趣模型向量，N＞＝2。
18.如权利要求1或17所述的搜索方法，其特征在于，所述兴趣模型向量为：一个或多个静态兴趣模型与一个或多个动态兴趣模型的向量之和或向量加权之和。
19.如权利要求18所述的搜索方法，其特征在于，所述一个或多个静态兴趣模型向量、所述一个或多个动态模型向量，或所述兴趣模型向量可以表示为：W1＝(p1，p2，...，pi，...，pn)，其中W1表示向量，pi表示第i个兴趣维度的词频之和，n大于或等于2。
20.如权利要求19所述的搜索方法，其特征在于，所述pi取值可根据历史搜索时间的推移而发生变化，或根据用户的评价发生变化。
21.如权利要求18所述的搜索方法，其特征在于，该方法还包括：将所述兴趣模型向量进行归一化处理。
22.如权利要求1所述的搜索方法，其特征在于，所述兴趣模型包括用户的个性化数据，所述用户的个性化数据包括以下一种或多种：静态用户档案UserProfile、搜索历史、位置信息或呈现信息。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN200810187020A CN101661476A (zh) | 2008-08-26 | 2008-12-15 | 一种搜索方法和系统 |
| PCT/CN2009/073534 WO2010022655A1 (zh) | 2008-08-26 | 2009-08-26 | 一种搜索方法和系统 |
| EP09809240A EP2336905A4 (en) | 2008-08-26 | 2009-08-26 | SEARCH PROCESS AND SYSTEM |
| US13/034,071 US20110145234A1 (en) | 2008-08-26 | 2011-02-24 | Search method and system |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN200810142177 | 2008-08-26 | ||
| CN200810142177.X | 2008-08-26 | ||
| CN200810187020A CN101661476A (zh) | 2008-08-26 | 2008-12-15 | 一种搜索方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN101661476A true CN101661476A (zh) | 2010-03-03 |
Family
ID=41789505
Family Applications (4)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN200810187049A Pending CN101661477A (zh) | 2008-08-26 | 2008-12-15 | 一种搜索方法和系统 |
| CN200810187004.XA Active CN101661474B (zh) | 2008-08-26 | 2008-12-15 | 一种搜索方法和系统 |
| CN2008101870196A Active CN101661475B (zh) | 2008-08-26 | 2008-12-15 | 一种搜索方法和系统 |
| CN200810187020A Pending CN101661476A (zh) | 2008-08-26 | 2008-12-15 | 一种搜索方法和系统 |
Family Applications Before (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN200810187049A Pending CN101661477A (zh) | 2008-08-26 | 2008-12-15 | 一种搜索方法和系统 |
| CN200810187004.XA Active CN101661474B (zh) | 2008-08-26 | 2008-12-15 | 一种搜索方法和系统 |
| CN2008101870196A Active CN101661475B (zh) | 2008-08-26 | 2008-12-15 | 一种搜索方法和系统 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20110145234A1 (zh) |
| EP (1) | EP2336905A4 (zh) |
| CN (4) | CN101661477A (zh) |
| WO (1) | WO2010022655A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102256217A (zh) * | 2010-05-17 | 2011-11-23 | 华为技术有限公司 | 问题的提交、答案的返回、信息的推送方法及装置 |
Families Citing this family (67)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9495460B2 (en) * | 2009-05-27 | 2016-11-15 | Microsoft Technology Licensing, Llc | Merging search results |
| CN101853308A (zh) | 2010-06-11 | 2010-10-06 | 中兴通讯股份有限公司 | 一种个性化元搜索的方法及其应用终端 |
| CN101894157A (zh) * | 2010-07-14 | 2010-11-24 | 中兴通讯股份有限公司 | 网页呈现方法和装置 |
| CN101930475A (zh) * | 2010-09-14 | 2010-12-29 | 中兴通讯股份有限公司 | 网页显示方法及浏览器 |
| US20120084247A1 (en) * | 2010-10-02 | 2012-04-05 | Microsoft Corporation | Affecting user experience based on assessed state |
| WO2012045205A1 (zh) * | 2010-10-07 | 2012-04-12 | Liu Alion | 基于因特网的植物信息电子查询方法及其系统 |
| CN102467553A (zh) * | 2010-11-18 | 2012-05-23 | 中兴通讯股份有限公司 | 一种智能推送数据的方法和装置 |
| CN102486781A (zh) * | 2010-12-03 | 2012-06-06 | 阿里巴巴集团控股有限公司 | 一种搜索排序方法和装置 |
| US20120158765A1 (en) * | 2010-12-15 | 2012-06-21 | Microsoft Corporation | User Interface for Interactive Query Reformulation |
| US9251185B2 (en) | 2010-12-15 | 2016-02-02 | Girish Kumar | Classifying results of search queries |
| WO2012083560A1 (zh) * | 2010-12-24 | 2012-06-28 | 百度在线网络技术（北京）有限公司 | 一种用于基于强广义第二价格进行推广排序的方法和设备 |
| CN102737027B (zh) * | 2011-04-01 | 2016-08-31 | 深圳市世纪光速信息技术有限公司 | 个性化搜索方法及系统 |
| CN102780573A (zh) * | 2011-05-11 | 2012-11-14 | 百度在线网络技术（北京）有限公司 | 一种基于网络流量进行实验的方法与设备 |
| CN105975632B (zh) * | 2011-06-24 | 2019-11-19 | 阿里巴巴集团控股有限公司 | 一种搜索方法、关系建立方法及相关设备 |
| US9262513B2 (en) | 2011-06-24 | 2016-02-16 | Alibaba Group Holding Limited | Search method and apparatus |
| CN102915311B (zh) * | 2011-08-03 | 2016-04-27 | 腾讯科技（深圳）有限公司 | 搜索方法及系统 |
| US8903817B1 (en) * | 2011-08-23 | 2014-12-02 | Amazon Technologies, Inc. | Determining search relevance from user feedback |
| US9177341B2 (en) | 2011-08-23 | 2015-11-03 | Amazon Technologies, Inc. | Determining search relevance from user feedback |
| US20130086036A1 (en) * | 2011-09-01 | 2013-04-04 | John Rizzo | Dynamic Search Service |
| CN102982035B (zh) * | 2011-09-05 | 2015-10-07 | 腾讯科技（深圳）有限公司 | 一种社区用户的搜索排序方法及系统 |
| US9348479B2 (en) | 2011-12-08 | 2016-05-24 | Microsoft Technology Licensing, Llc | Sentiment aware user interface customization |
| US9378290B2 (en) | 2011-12-20 | 2016-06-28 | Microsoft Technology Licensing, Llc | Scenario-adaptive input method editor |
| CN103246670B (zh) * | 2012-02-09 | 2016-02-17 | 深圳市腾讯计算机系统有限公司 | 微博排序、搜索、展示方法和系统 |
| US20140195977A1 (en) * | 2012-04-11 | 2014-07-10 | Sherry S. Chang | User interface content personalization system |
| CN103425643B (zh) * | 2012-05-14 | 2018-07-31 | 深圳市世纪光速信息技术有限公司 | 一种相关搜索请求串推荐方法和系统 |
| WO2014000143A1 (en) | 2012-06-25 | 2014-01-03 | Microsoft Corporation | Input method editor application platform |
| EP2682910A1 (en) | 2012-07-06 | 2014-01-08 | Axel Springer Digital TV Guide GmbH | Device and method for automatic filter adjustment |
| US8935255B2 (en) * | 2012-07-27 | 2015-01-13 | Facebook, Inc. | Social static ranking for search |
| CN103578469A (zh) * | 2012-08-08 | 2014-02-12 | 百度在线网络技术（北京）有限公司 | 一种展示语音识别结果的方法及装置 |
| US9767156B2 (en) | 2012-08-30 | 2017-09-19 | Microsoft Technology Licensing, Llc | Feature-based candidate selection |
| CN102937974A (zh) * | 2012-10-17 | 2013-02-20 | 北京奇虎科技有限公司 | 一种搜索服务器及搜索方法 |
| CN102937975B (zh) * | 2012-10-17 | 2016-06-29 | 奇飞翔艺（北京）软件有限公司 | 一种网页搜索设备和方法 |
| CN102968454B (zh) * | 2012-10-26 | 2016-08-03 | 北京百度网讯科技有限公司 | 一种用于获取推广对象搜索结果的方法和设备 |
| US8886644B1 (en) * | 2012-11-01 | 2014-11-11 | Google Inc. | User control of search filter bubble |
| US20140136517A1 (en) * | 2012-11-10 | 2014-05-15 | Chian Chiu Li | Apparatus And Methods for Providing Search Results |
| CN103838773A (zh) * | 2012-11-26 | 2014-06-04 | 百度在线网络技术（北京）有限公司 | 搜索结果用户评判方法及装置 |
| CN103902449B (zh) * | 2012-12-28 | 2018-05-25 | 百度在线网络技术（北京）有限公司 | 一种用于生成搜索引擎相关性排序测试用例的方法与设备 |
| US9576053B2 (en) | 2012-12-31 | 2017-02-21 | Charles J. Reed | Method and system for ranking content of objects for search results |
| CN104052765A (zh) * | 2013-03-12 | 2014-09-17 | 蓝燕君 | 媒体信息传播方法及系统 |
| US20140330770A1 (en) * | 2013-05-03 | 2014-11-06 | Gface Gmbh | Context-aware implicit and explicit search |
| CN105580004A (zh) | 2013-08-09 | 2016-05-11 | 微软技术许可有限责任公司 | 提供语言帮助的输入方法编辑器 |
| CN104462146A (zh) * | 2013-09-24 | 2015-03-25 | 北京千橡网景科技发展有限公司 | 用于信息检索的方法和设备 |
| CN103617241B (zh) * | 2013-11-26 | 2017-06-06 | 北京奇虎科技有限公司 | 搜索信息处理方法、浏览器终端与服务器 |
| CN103646092B (zh) * | 2013-12-18 | 2017-07-04 | 孙燕群 | 基于用户参与的搜索引擎排序方法 |
| EP3093842B1 (en) * | 2014-01-06 | 2023-06-07 | NTT DoCoMo, Inc. | Terminal device, program, and server device for providing information according to user data input |
| RU2580516C2 (ru) | 2014-08-19 | 2016-04-10 | Общество С Ограниченной Ответственностью "Яндекс" | Способ формирования персонализированной модели ранжирования, способ формирования модели ранжирования, электронное устройство и сервер |
| CN104239440B (zh) * | 2014-09-01 | 2017-08-25 | 百度在线网络技术（北京）有限公司 | 搜索结果的展现方法和装置 |
| US9785304B2 (en) | 2014-10-31 | 2017-10-10 | Bank Of America Corporation | Linking customer profiles with household profiles |
| US9922117B2 (en) | 2014-10-31 | 2018-03-20 | Bank Of America Corporation | Contextual search input from advisors |
| US9940409B2 (en) | 2014-10-31 | 2018-04-10 | Bank Of America Corporation | Contextual search tool |
| CN104462357B (zh) * | 2014-12-08 | 2017-11-17 | 百度在线网络技术（北京）有限公司 | 实现个性化搜索的方法和装置 |
| CN106708817B (zh) * | 2015-07-17 | 2020-11-06 | 腾讯科技（深圳）有限公司 | 信息搜索方法及装置 |
| CN105933413B (zh) * | 2016-04-21 | 2019-01-11 | 深圳大数点科技有限公司 | 一种基于用户声音交互的个性化实时内容推送系统 |
| CN106021602B (zh) * | 2016-06-15 | 2018-07-06 | 腾讯科技（深圳）有限公司 | 一种搜索结果排序的方法及装置 |
| CN106294661B (zh) * | 2016-08-04 | 2019-09-20 | 百度在线网络技术（北京）有限公司 | 一种扩展搜索方法与装置 |
| CN107729336B (zh) * | 2016-08-11 | 2021-07-27 | 阿里巴巴集团控股有限公司 | 数据处理方法、设备及系统 |
| US11256726B2 (en) * | 2016-12-19 | 2022-02-22 | Trellist Marketing and Technology | Interacting with objects based on geolocation |
| CN106844744B (zh) * | 2017-02-15 | 2020-10-16 | 腾讯科技（深圳）有限公司 | 点击模型应用方法、装置及搜索系统 |
| CN107526807B (zh) * | 2017-08-22 | 2020-01-31 | 中国联合网络通信集团有限公司 | 信息推荐方法及装置 |
| CN108415903B (zh) * | 2018-03-12 | 2021-09-07 | 武汉斗鱼网络科技有限公司 | 判断搜索意图识别有效性的评价方法、存储介质和设备 |
| US11853107B2 (en) | 2018-07-24 | 2023-12-26 | MachEye, Inc. | Dynamic phase generation and resource load reduction for a query |
| US11651043B2 (en) | 2018-07-24 | 2023-05-16 | MachEye, Inc. | Leveraging analytics across disparate computing devices |
| US11341126B2 (en) | 2018-07-24 | 2022-05-24 | MachEye, Inc. | Modifying a scope of a canonical query |
| US11841854B2 (en) | 2018-07-24 | 2023-12-12 | MachEye, Inc. | Differentiation of search results for accurate query output |
| US11816436B2 (en) * | 2018-07-24 | 2023-11-14 | MachEye, Inc. | Automated summarization of extracted insight data |
| CN111737542B (zh) * | 2020-07-17 | 2020-12-11 | 平安国际智慧城市科技股份有限公司 | 药品实体信息的搜索方法及存储介质 |
| CN112434711B (zh) * | 2020-11-27 | 2023-10-13 | 杭州海康威视数字技术股份有限公司 | 一种数据管理方法、装置及电子设备 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6493702B1 (en) * | 1999-05-05 | 2002-12-10 | Xerox Corporation | System and method for searching and recommending documents in a collection using share bookmarks |
| US6327590B1 (en) * | 1999-05-05 | 2001-12-04 | Xerox Corporation | System and method for collaborative ranking of search results employing user and group profiles derived from document collection content analysis |
| US6981040B1 (en) * | 1999-12-28 | 2005-12-27 | Utopy, Inc. | Automatic, personalized online information and product services |
| GB2395808A (en) * | 2002-11-27 | 2004-06-02 | Sony Uk Ltd | Information retrieval |
| US20050071328A1 (en) * | 2003-09-30 | 2005-03-31 | Lawrence Stephen R. | Personalization of web search |
| US20060064411A1 (en) * | 2004-09-22 | 2006-03-23 | William Gross | Search engine using user intent |
| US20060074883A1 (en) * | 2004-10-05 | 2006-04-06 | Microsoft Corporation | Systems, methods, and interfaces for providing personalized search and information access |
| US7693901B2 (en) * | 2005-08-10 | 2010-04-06 | Microsoft Corporation | Consumer-focused results ordering |
| US7664746B2 (en) * | 2005-11-15 | 2010-02-16 | Microsoft Corporation | Personalized search and headlines |
| CN100421113C (zh) * | 2006-03-03 | 2008-09-24 | 中国移动通信集团公司 | 基于个性化信息的搜索系统及搜索方法 |
| EP2062170A2 (en) * | 2006-08-31 | 2009-05-27 | QUALCOMM Incorporated | Method and apparatus of obtaining or providing search results using user-based biases |
| US9798807B2 (en) * | 2008-05-06 | 2017-10-24 | Excalibur Ip, Llc | Algorithmically generated topic pages |
| US8731995B2 (en) * | 2008-05-12 | 2014-05-20 | Microsoft Corporation | Ranking products by mining comparison sentiment |
-
2008
- 2008-12-15 CN CN200810187049A patent/CN101661477A/zh active Pending
- 2008-12-15 CN CN200810187004.XA patent/CN101661474B/zh active Active
- 2008-12-15 CN CN2008101870196A patent/CN101661475B/zh active Active
- 2008-12-15 CN CN200810187020A patent/CN101661476A/zh active Pending
-
2009
- 2009-08-26 WO PCT/CN2009/073534 patent/WO2010022655A1/zh active Application Filing
- 2009-08-26 EP EP09809240A patent/EP2336905A4/en not_active Withdrawn
-
2011
- 2011-02-24 US US13/034,071 patent/US20110145234A1/en not_active Abandoned
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102256217A (zh) * | 2010-05-17 | 2011-11-23 | 华为技术有限公司 | 问题的提交、答案的返回、信息的推送方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP2336905A4 (en) | 2011-11-02 |
| WO2010022655A1 (zh) | 2010-03-04 |
| EP2336905A1 (en) | 2011-06-22 |
| CN101661474B (zh) | 2012-07-04 |
| CN101661477A (zh) | 2010-03-03 |
| US20110145234A1 (en) | 2011-06-16 |
| CN101661474A (zh) | 2010-03-03 |
| CN101661475A (zh) | 2010-03-03 |
| CN101661475B (zh) | 2013-04-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101661474B (zh) | 一种搜索方法和系统 | |
| CN101641697B (zh) | 对网页的相关搜索查询及其应用 | |
| CN102236663B (zh) | 一种基于垂直搜索的查询方法、系统和装置 | |
| CN101437039B (zh) | 一种移动搜索的方法、系统和设备 | |
| CN101119326B (zh) | 一种即时通信会话记录的管理方法及装置 | |
| CN100550018C (zh) | 基于结构化小文本的号码百事通搜索系统和方法 | |
| CN104143005B (zh) | 一种相关搜索系统及方法 | |
| CN101685456B (zh) | 一种搜索的方法、系统和装置 | |
| KR20080004567A (ko) | 다중-모드 위치 기반 이-디렉토리 서비스를 가능하게 하는방법, 시스템 및 장치 | |
| CN103336793A (zh) | 一种个性化论文推荐方法及其系统 | |
| CN101401062A (zh) | 确定相关来源、查询及合并多个内容来源的结果的方法和系统 | |
| WO2016155493A1 (zh) | 数据处理方法及装置 | |
| CN102063453A (zh) | 一种用于基于用户的需求进行搜索的方法和设备 | |
| CN103514181A (zh) | 一种搜索方法和装置 | |
| CN101777989B (zh) | 一种搜索的方法和服务器 | |
| CN103309869A (zh) | 数据对象的展示关键词推荐方法及系统 | |
| CN102651011A (zh) | 一种确定文档特征和用户特征的方法和系统 | |
| CN103324631A (zh) | 提供数据搜索的方法及装置 | |
| WO2010096986A1 (zh) | 移动搜索方法及装置 | |
| CN108664515A (zh) | 一种搜索方法及装置，电子设备 | |
| CN114663197A (zh) | 商品推荐方法及其装置、设备、介质、产品 | |
| US20140289255A1 (en) | Application of community-defined descriptors to mobile content | |
| CN104077327B (zh) | 核心词重要性识别方法和设备及搜索结果排序方法和设备 | |
| CN101192223A (zh) | 黄页搜索方法和黄页搜索系统 | |
| CN112148999B (zh) | Web开放环境下基于Mashup服务邻域的Web API推荐方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20100303 |