CN102982035A - 一种社区用户的搜索排序方法及系统 - Google Patents
一种社区用户的搜索排序方法及系统 Download PDFInfo
- Publication number
- CN102982035A CN102982035A CN2011102602007A CN201110260200A CN102982035A CN 102982035 A CN102982035 A CN 102982035A CN 2011102602007 A CN2011102602007 A CN 2011102602007A CN 201110260200 A CN201110260200 A CN 201110260200A CN 102982035 A CN102982035 A CN 102982035A
- Authority
- CN
- China
- Prior art keywords
- user
- search
- factor
- community
- line
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims description 22
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 201000007094 prostatitis Diseases 0.000 description 1
- 238000010223 real-time analysis 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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- 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
- G06F16/903—Querying
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种社区用户的搜索排序方法,该方法包括:根据用户的历史行为数据计算预排序因子和离线排序因子;以所述预排序因子为权值对用户倒排索引进行加权排序,得到有序倒排的用户索引数据;对于登录态搜索的用户,在根据所述索引数据得到的搜索结果中,根据所述离线排序因子对所述搜索结果进行加权计算,得到最终排序结果。本发明还公开了一种社区用户的搜索排序系统,该方法和系统能够使用户得到更优化的搜索排序结果。
Description
技术领域
本发明涉及互联网技术领域,特别涉及一种社区用户的搜索排序方法及系统。
背景技术
社区化是互联网发展的最重要的方向之一,众多如微博、天涯、Qzone、朋友、人人、校内等著名社区网站也正在为广大用户提供无时空限制的更广阔的社会活动空间,并逐渐成为了人们生活中不可或缺的一部分。
随着网络社区化的发展,越来越多的人正在使用各种不同的社区,而每个社区内的用户也在迅速的增长,而在社区中找到自己感兴趣的人,即对社区用户的搜索排序功能,则成为了社区为用户提供的一个重要应用,而对于该应用来说,如何在海量用户数据中快速准确的找到用户想要搜索的社区用户并将搜索结果进行合适的排序,则是反映该功能好坏的重要的因素。
而目前大部分社区中提供的搜索排序中,搜索部分采用的是单一的用户属性匹配搜索,排序部分采用简单的匹配度排序,即社区后台分字段存储用户的姓名、出生年月日、学校、公司、所在地、兴趣等用户属性字段,搜索时根据用户输入的关键字,在这些字段中进行搜索和匹配,得到搜索结果;并按照关键字的匹配度进行搜索结果的排序。
对于目前社区用户的数量来说,采用现有的搜索排序方法得到的搜索结果较多,而因为使用的排序因子单一,具有相同匹配度的搜索结果也很多,而对于这类搜索结果,现有技术一般是随机排序,这就造成了用户在搜索结果首页或者前几页看到的搜索结果并不是最优化的,距离用户真正的需求相差甚多,用户往往需要多次搜索才能找到需要的人。
发明内容
有鉴于此,本发明提供了一种社区用户的搜索排序方法及系统,能够得到更优化的搜索排序结果。
为达上述目的,本发明的技术方案具体是这样实现的:
一种社区用户的搜索排序方法,该方法包括:
根据用户的历史行为数据计算预排序因子和离线排序因子;
以所述预排序因子为权值对用户倒排索引进行加权排序,得到有序倒排的用户索引数据;
对于登录态搜索的用户,在根据所述索引数据得到的搜索结果中,根据所述离线排序因子对所述搜索结果进行加权计算,得到最终排序结果。
较佳地,该方法进一步包括:
对于非登录态搜索的用户,获取所述非登录态搜索的用户的位置信息计算在线排序因子;
在根据所述索引数据得到的搜索结果中,根据所述在线排序因子对所述搜索结果进行排序,将与所述非登录态搜索的用户的位置相同或相近的项目靠前排列,得到最终的排序结果。
较佳地,该方法进一步包括:
获取所述登录态搜索的用户的位置信息计算在线排序因子;
在根据所述索引数据得到的搜索结果中,进一步根据所述在线排序因子和离线排序因子对搜索结果进行加权计算,将与所述登录态搜索的用户的位置相同或相近的社区用户靠前排列,得到最终的排序结果。
较佳地,该方法进一步包括:
根据所述登录态搜索的用户的属性信息,计算在线排序因子;
在根据所述索引数据得到的搜索结果中,进一步根据所述在线排序因子和离线排序因子对所述搜索结果进行加权计算,将与所述登录态搜索的用户具有相同或相近属性的社区用户靠前排列,得到最终的排序结果。
较佳地,所述预排序因子包括:
根据用户在社区的等级数据、最近登录和使用社区的情况数据计算的用户活跃度。
较佳地,所述离线排序因子包括如下至少一种:
根据用户在社区发表或阅读的文章、交流和交友对象、关注对象数据分析得到的用户喜好信息或用户分类信息;
根据用户在社区的好友、关注对象数据分析得到的用户潜在好友关系链信息;
根据用户与好友之间的相互行为数据计算的用户亲密程度信息。
一种社区用户的搜索排序系统,该系统包括:
离线分析模块,用于根据用户的历史行为数据计算预排序因子和离线排序因子;
索引模块,用于以所述预排序因子为权值对用户倒排索引进行加权排序,得到有序倒排的用户索引数据;
排序模块,对于登录态搜索的用户,用于在根据所述索引数据得到的搜索结果中,根据所述离线排序因子对所述搜索结果进行加权计算,得到最终排序结果。
较佳地,该系统进一步包括:
在线分析模块,对于非登录态搜索的用户,用于获取所述非登录态搜索的用户的位置信息计算在线排序因子;
所述排序模块,对于非登录态搜索的用户,进一步用于,在根据所述索引数据得到的搜索结果中,根据所述在线排序因子对所述搜索结果进行加权计算,将与所述用户的位置相同或相近的项目靠前排列,得到最终的排序结果。
较佳地,该系统进一步包括:
在线分析模块,用于获取所述登录态搜索的用户的位置信息计算在线排序因子;
所述排序模块,进一步用于,在根据所述索引数据得到的搜索结果中,根据所述离线排序因子和在线排序因子对搜索结果进行加权计算,将与所述登录态搜索的用户的位置相同或相近的项目靠前排列,得到最终的排序结果。
较佳地,该系统进一步包括:
在线分析模块,根据所述登录态搜索的用户的属性信息,计算在线排序因子;
所述排序模块,进一步用于,在根据所述索引数据得到的搜索结果中,根据所述在线排序因子和离线排序因子对所述搜索结果进行加权计算,将与所述登录态搜索的用户具有相同或相近属性的社区用户靠前排列,得到最终的排序结果。
较佳地,所述离线分析模块包括:
预排序因子计算单元,用于根据用户在社区的等级数据、最近登录和使用社区的情况数据计算的用户活跃度计算预排序因子;
离线排序因子计算单元,用于将根据用户在社区发表或阅读的文章、交流和交友对象、关注方向数据分析得到用户喜好信息或用户分类信息计算离线排序因子;
和/或,将根据用户在社区的好友、关注对象数据分析得到的用户潜在好友关系链信息计算离线排序因子;
和/或,将根据用户与好友之间的相互行为数据计算的用户亲密程度信息计算离线排序因子。
由上述技术方案可见,本发明的这种社区用户的搜索排序方法和系统,在搜索排序技术的排序部分引入了根据用户历史行为数据计算得到的预排序因子和离线排序因子;通过将预排序因子作为权值,在建立索引数据时,预先对倒排索引进行预排序,得到有序倒排的索引数据;以及将离线排序因子作为权值,对根据有序倒排的索引数据得到的搜索结果再进行加权计算,从而能够使搜索结果的排列更加贴合用户的需求,与用户的关联性更大,即达到了搜索结果的优化目的。
附图说明
图1为本发明实施例的搜索排序方法实现原理图;
图2为本发明实施例的搜索排序系统结构示意图;
图3为本发明实施例的离线分析模块结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下参照附图并举实施例,对本发明进一步详细说明。
本发明主要是在搜索排序方法的排序部分,引入了根据用户历史行为数据预先计算得到的预排序因子和离线排序因子,在建立索引数据时,以所述预排序因子为权值对用户倒排索引进行加权排序,得到有序倒排的用户索引数据;对于登录态搜索的用户,在根据所述索引数据得到的搜索结果中,根据所述离线排序因子对所述搜索结果进行加权计算,得到最终排序结果。通过预排序因子和离线排序因子,使得本发明的搜索排序方法更加贴合用户需求,与用户关联性更大。
图1为本发明的搜索排序方法实现原理图,如图1所示,本发明对现有排序的改进包括:
1、索引数据建立过程
在建立所述用户的索引数据时,根据预排序因子对所述用户倒排索引进行预排序,得到有序倒排的用户索引数据。
索引数据是搜索引擎预先建立的基于用户属性字段的搜索索引,现有技术中,对于索引数据是不进行排序的,索引数据中各项目的排列随机,而在本发明中,则引入了预排序因子的概念,根据预排序因子为各项目赋予不同的权值,对索引数据中各项目进行加权计算,即预排序,从而得到经过排序的有序倒排的索引数据,保证更优化的数据排在各倒排队列的前面,从而使搜索结果(社区用户)的排列更加优化。
其中预排序因子可以是根据用户的某些历史行为数据计算出的数值,例如通过社区用户在社区的用户等级、最近的登录和使用情况,计算出的用户活跃度,活跃度高的社区用户将排在倒排队列的前面,从而在用户搜索社区用户时,不进行其他操作,即可将活跃度高的社区用户呈现在搜索结果的前列;具体活跃度计算方法可根据具体需要确定。
2、排序过程
在对搜索结果进行排序时,本发明引入了离线排序因子和在线排序因子,对通过索引数据得到的搜索结果再进行加权计算,得到最终排序结果。离线排序因子和在线排序因子可以同时使用,也可以仅使用其中之一。
其中,离线排序因子和在线排序因子都是根据用户的某些历史行为数据分析得到的信息,其区别在于,在线排序因子是在用户搜索时实时分析得到的用于加权计算的信息,而离线排序因子则可以在用户搜索前预先分析得到。
A、离线排序因子举例:
1、用户喜好或用户分类信息:通过用户在社区发表或阅读过的文章、交流和交友对象、关注对象等数据进行分析,确定用户喜好及所属分类的信息,对于与搜索用户喜好相同,或者分类相同的社区用户,在排序时可以赋予较大的权值,从而使搜索结果中,与用户喜好相同或分类相同的社区用户排列在前。
2、用户潜在好友关系链信息:通过用户在社区已有的好友圈、关注的对象以及这些用户的好友等多种好友关系数据,分析得到用户的潜在好友关系链信息;这样在该用户进行搜索时,可以给搜索结果中,属于该用户潜在好友关系链中的社区用户赋予较大的权值,从而使搜索结果中,与用户具有潜在好友关系的社区用户排列在前。
3、亲密程度信息:根据用户与其他社区用户之间的相互行为数据计算其他社区用户与该用户的亲密程度。当这个用户进行搜索时,可以给搜索结果中,与该用户亲密程度大的社区用户赋予较大的权值,从而使搜索结果中,与用户亲密度大的社区用户排列在前。
当然,用户的离线排序因子都基于用户在社区中的历史行为数据,因此上述离线排序因子只能在确认用户身份时才能应用,即只能应用于用户登录社区后的在线搜索状态。上述例举的离线排序因子在排序时可以仅使用其中之一,也可以使用多个离线排序因子综合排序。
B、在线排序因子举例:
1、用户位置信息:在用户检索时,可搜索用户当前的IP地址作为用户的位置信息,排序时,对搜索结果中与该用户位置相同的社区用户赋予较大权值,从而使位置相同或相近的社区用户排列靠前。用户位置信息作为在线排序因子,既可应用于用户没有登录社区时的非登录态搜索,也可以应用于用户登录社区后的登录态搜索。
2、用户属性信息:在用户检索时,可搜索用户本身注册资料当中的个人属性数据,如所在地、学校、毕业时间、所在公司、爱好等;排序时,对搜索结果中与该用户属性信息相同的社区用户赋予较大权值,从而使与该用户具有相同或相近属性的社区用户排列靠前。由于用户属性信息需要用户登录后才能得到,所以用户属性信息作为在线排序因子只能应用于用户登录社区后的登录态搜索。
根据上述离线排序因子或在线排序因子进行搜索结果的排序时,具体权值的赋予可根据具体应用需要确定,确定所有权值后,根据所有的权值综合排序,最终得到优化后的排序结果。
另外,本发明还提供了一种应用上述思想实现的社区用户的搜索排序系统,该系统如图2所示,包括:
离线分析模块201,用于根据用户的历史行为数据计算预排序因子和离线排序因子;
索引模块202,用于以所述预排序因子为权值对用户倒排索引进行加权排序,得到有序倒排的用户索引数据;
排序模块203,对于登录态搜索的用户,用于在根据所述索引数据得到的搜索结果中,根据所述离线排序因子对所述搜索结果进行加权计算,得到最终排序结果。
作为较佳实施例,该系统还可以进一步包括:
在线分析模块204,对于非登录态搜索的用户,用于获取所述非登录态搜索的用户的位置信息计算在线排序因子;
所述排序模块203,对于非登录态搜索的用户,进一步用于在根据所述索引数据得到的搜索结果中,根据所述在线排序因子对所述搜索结果进行加权计算,将与所述用户的位置相同或相近的项目靠前排列,得到最终的排序结果。
或者作为另一较佳实施例,该系统也可以进一步包括在线分析模块204;
其中,在线分析模块204,用于获取所述登录态搜索的用户的位置信息计算在线排序因子;
所述排序模块203,进一步用于根据所述离线排序因子和在线排序因子对搜索结果进行加权计算,将与所述登录态搜索的用户的位置相同或相近的项目靠前排列,得到最终的排序结果。
或者作为另一较佳实施例,该系统同样可以进一步包括在线分析模块204;
其中,在线分析模块204,对于登录态搜索的用户,用于将根据所述登录态搜索的用户的属性信息计算在线排序因子;
所述排序模块203,进一步用于,在根据所述索引数据得到的搜索结果中,根据所述在线排序因子和离线排序因子对所述搜索结果进行加权计算,将与所述登录态搜索的用户具有相同或相近属性的社区用户靠前排列,得到最终的排序结果。
另外,作为较佳实施例,所述离线分析模块201如图3所示,可以包括:
预排序因子计算单元301,用于根据用户在社区的等级数据、最近登录和使用社区的情况数据计算的用户活跃度计算预排序因子;
离线排序因子计算单元302,用于将根据用户在社区发表或阅读的文章、交流和交友对象、关注方向数据分析得到用户喜好信息或用户分类信息计算离线排序因子;
和/或,将根据用户在社区的好友、关注对象数据分析得到的用户潜在好友关系链信息计算离线排序因子;
和/或,将根据用户与好友之间的相互行为数据计算的用户亲密程度信息计算离线排序因子。
由上述的实施例可见,本发明的这种社区用户的搜索排序方法和系统,通过对用户的资料和行为的分析,在结果排序时引入了用户资料匹配、活跃度、潜在好友关系链、用户之间的亲密程度等排序因子,实现了更准确和优质的社区用户搜索。对用户来说可有效提升其使用搜索的效率,最大程度的快速满足其搜索需求,提升其对搜索和社区的满意度;同时也会激发其使用搜索的热情,对提升社区人气和活跃度也能有效提升,从而提高用户对社区的粘性,达到用户和社区的共赢。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (11)
1.一种社区用户的搜索排序方法,其特征在于,该方法包括:
根据用户的历史行为数据计算预排序因子和离线排序因子;
以所述预排序因子为权值对用户倒排索引进行加权排序,得到有序倒排的用户索引数据;
对于登录态搜索的用户,在根据所述索引数据得到的搜索结果中,根据所述离线排序因子对所述搜索结果进行加权计算,得到最终排序结果。
2.如权利要求1所述的社区用户的搜索排序方法,其特征在于,该方法进一步包括:
对于非登录态搜索的用户,获取所述非登录态搜索的用户的位置信息计算在线排序因子;
在根据所述索引数据得到的搜索结果中,根据所述在线排序因子对所述搜索结果进行加权计算,将与所述非登录态搜索的用户的位置相同或相近的项目靠前排列,得到最终的排序结果。
3.如权利要求1所述的社区用户的搜索排序方法,其特征在于,该方法进一步包括:
获取所述登录态搜索的用户的位置信息计算在线排序因子;
在根据所述索引数据得到的搜索结果中,进一步根据所述在线排序因子和离线排序因子对搜索结果进行加权计算,将与所述登录态搜索的用户的位置相同或相近的社区用户靠前排列,得到最终的排序结果。
4.如权利要求1、2或3所述的社区用户的搜索排序方法,其特征在于,该方法进一步包括:
根据所述登录态搜索的用户的属性信息,计算在线排序因子;
在根据所述索引数据得到的搜索结果中,进一步根据所述在线排序因子和离线排序因子对所述搜索结果进行加权计算,将与所述登录态搜索的用户具有相同或相近属性的社区用户靠前排列,得到最终的排序结果。
5.如权利要求1、2或3所述的社区用户的搜索排序方法,其特征在于,所述预排序因子包括:
根据用户在社区的等级数据、最近登录和使用社区的情况数据计算的用户活跃度。
6.如权利要求1、2或3所述的社区用户的搜索排序方法,其特征在于,所述离线排序因子包括如下至少一种:
根据用户在社区发表或阅读的文章、交流和交友对象、关注对象数据分析得到的用户喜好信息或用户分类信息;
根据用户在社区的好友、关注对象数据分析得到的用户潜在好友关系链信息;
根据用户与好友之间的相互行为数据计算的用户亲密程度信息。
7.一种社区用户的搜索排序系统,其特征在于,该系统包括:
离线分析模块,用于根据用户的历史行为数据计算预排序因子和离线排序因子;
索引模块,用于以所述预排序因子为权值对用户倒排索引进行加权排序,得到有序倒排的用户索引数据;
排序模块,对于登录态搜索的用户,用于在根据所述索引数据得到的搜索结果中,根据所述离线排序因子对所述搜索结果进行加权计算,得到最终排序结果。
8.如权利要求7所述的社区用户的搜索排序系统,其特征在于,该系统进一步包括:
在线分析模块,对于非登录态搜索的用户,用于获取所述非登录态搜索的用户的位置信息计算在线排序因子;
所述排序模块,对于非登录态搜索的用户,进一步用于,在根据所述索引数据得到的搜索结果中,根据所述在线排序因子对所述搜索结果进行加权计算,将与所述用户的位置相同或相近的项目靠前排列,得到最终的排序结果。
9.如权利要求7所述的社区用户的搜索排序系统,其特征在于,该系统进一步包括:
在线分析模块,用于获取所述登录态搜索的用户的位置信息计算在线排序因子;
所述排序模块,进一步用于,在根据所述索引数据得到的搜索结果中,根据所述离线排序因子和在线排序因子对搜索结果进行加权计算,将与所述登录态搜索的用户的位置相同或相近的项目靠前排列,得到最终的排序结果。
10.如权利要求7所述的社区用户的搜索排序系统,其特征在于,该系统进一步包括:
在线分析模块,根据所述登录态搜索的用户的属性信息,计算在线排序因子;
所述排序模块,进一步用于,在根据所述索引数据得到的搜索结果中,根据所述在线排序因子和离线排序因子对所述搜索结果进行加权计算,将与所述登录态搜索的用户具有相同或相近属性的社区用户靠前排列,得到最终的排序结果。
11.如权利要求7、8或9所述的社区用户的搜索排序系统,其特征在于,所述离线分析模块包括:
预排序因子计算单元,用于根据用户在社区的等级数据、最近登录和使用社区的情况数据计算的用户活跃度计算预排序因子;
离线排序因子计算单元,用于将根据用户在社区发表或阅读的文章、交流和交友对象、关注方向数据分析得到用户喜好信息或用户分类信息计算离线排序因子;
和/或,将根据用户在社区的好友、关注对象数据分析得到的用户潜在好友关系链信息计算离线排序因子;
和/或,将根据用户与好友之间的相互行为数据计算的用户亲密程度信息计算离线排序因子。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110260200.7A CN102982035B (zh) | 2011-09-05 | 2011-09-05 | 一种社区用户的搜索排序方法及系统 |
PCT/CN2012/079944 WO2013034043A1 (zh) | 2011-09-05 | 2012-08-10 | 一种社区用户的搜索排序方法及系统 |
EP12830165.2A EP2713286A4 (en) | 2011-09-05 | 2012-08-10 | SEARCH PROCEDURE AND SYSTEM FOR COMMUNITY PARTICIPANTS |
US14/139,180 US9489428B2 (en) | 2011-09-05 | 2013-12-23 | Search ranking method and system for community users |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110260200.7A CN102982035B (zh) | 2011-09-05 | 2011-09-05 | 一种社区用户的搜索排序方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102982035A true CN102982035A (zh) | 2013-03-20 |
CN102982035B CN102982035B (zh) | 2015-10-07 |
Family
ID=47831516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110260200.7A Active CN102982035B (zh) | 2011-09-05 | 2011-09-05 | 一种社区用户的搜索排序方法及系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9489428B2 (zh) |
EP (1) | EP2713286A4 (zh) |
CN (1) | CN102982035B (zh) |
WO (1) | WO2013034043A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834657A (zh) * | 2014-08-27 | 2015-08-12 | 腾讯科技(北京)有限公司 | 用户行为分析方法及服务器 |
CN105447205A (zh) * | 2016-01-05 | 2016-03-30 | 腾讯科技(深圳)有限公司 | 检索结果排序的方法和装置 |
CN112559902A (zh) * | 2020-12-15 | 2021-03-26 | 广州市贺氏办公设备有限公司 | 一种社区成员排名方法、系统、装置及介质 |
CN112559903A (zh) * | 2020-12-15 | 2021-03-26 | 广州市贺氏办公设备有限公司 | 一种社区成员搜索方法、系统、装置及介质 |
CN110750535B (zh) * | 2019-09-27 | 2024-02-02 | 上海麦克风文化传媒有限公司 | 一种排序结果更新方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11429908B2 (en) | 2020-04-30 | 2022-08-30 | International Business Machines Corporation | Identifying related messages in a natural language interaction |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101297285A (zh) * | 2005-11-03 | 2008-10-29 | 微软公司 | 使用人气数据来进行排名 |
CN101661474A (zh) * | 2008-08-26 | 2010-03-03 | 华为技术有限公司 | 一种搜索方法和系统 |
WO2011050495A1 (en) * | 2009-10-29 | 2011-05-05 | Google Inc. | Ranking user generated web content |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7698270B2 (en) * | 2004-12-29 | 2010-04-13 | Baynote, Inc. | Method and apparatus for identifying, extracting, capturing, and leveraging expertise and knowledge |
ITMI20061897A1 (it) * | 2006-10-03 | 2008-04-04 | Pointer S R L | Sistemi e metodi per classificare risultati di motori di ricerca |
CN100507920C (zh) * | 2007-05-25 | 2009-07-01 | 清华大学 | 一种基于用户行为信息的搜索引擎检索结果重排序方法 |
CN101661487B (zh) * | 2008-08-27 | 2012-08-08 | 国际商业机器公司 | 对信息项进行搜索的方法和系统 |
US20100169323A1 (en) * | 2008-12-29 | 2010-07-01 | Microsoft Corporation | Query-Dependent Ranking Using K-Nearest Neighbor |
US20100241580A1 (en) * | 2009-03-19 | 2010-09-23 | Tagged, Inc. | System and method of selecting a relevant user for introduction to a user in an online environment |
CN101588400A (zh) * | 2009-06-25 | 2009-11-25 | 宇龙计算机通信科技(深圳)有限公司 | 一种数据排序的方法及移动通信终端 |
CN102098388A (zh) * | 2011-01-31 | 2011-06-15 | 宇龙计算机通信科技(深圳)有限公司 | 联系人排序方法及终端 |
-
2011
- 2011-09-05 CN CN201110260200.7A patent/CN102982035B/zh active Active
-
2012
- 2012-08-10 WO PCT/CN2012/079944 patent/WO2013034043A1/zh active Application Filing
- 2012-08-10 EP EP12830165.2A patent/EP2713286A4/en not_active Ceased
-
2013
- 2013-12-23 US US14/139,180 patent/US9489428B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101297285A (zh) * | 2005-11-03 | 2008-10-29 | 微软公司 | 使用人气数据来进行排名 |
CN101661474A (zh) * | 2008-08-26 | 2010-03-03 | 华为技术有限公司 | 一种搜索方法和系统 |
WO2011050495A1 (en) * | 2009-10-29 | 2011-05-05 | Google Inc. | Ranking user generated web content |
Non-Patent Citations (1)
Title |
---|
成桂兰等: "基于混合聚类的个性化推荐算法", 《武汉理工大学学报信息与管理工程版》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834657A (zh) * | 2014-08-27 | 2015-08-12 | 腾讯科技(北京)有限公司 | 用户行为分析方法及服务器 |
CN104834657B (zh) * | 2014-08-27 | 2018-05-15 | 腾讯科技(北京)有限公司 | 用户行为分析方法及服务器 |
CN105447205A (zh) * | 2016-01-05 | 2016-03-30 | 腾讯科技(深圳)有限公司 | 检索结果排序的方法和装置 |
CN105447205B (zh) * | 2016-01-05 | 2023-10-24 | 腾讯科技(深圳)有限公司 | 检索结果排序的方法和装置 |
CN110750535B (zh) * | 2019-09-27 | 2024-02-02 | 上海麦克风文化传媒有限公司 | 一种排序结果更新方法 |
CN112559902A (zh) * | 2020-12-15 | 2021-03-26 | 广州市贺氏办公设备有限公司 | 一种社区成员排名方法、系统、装置及介质 |
CN112559903A (zh) * | 2020-12-15 | 2021-03-26 | 广州市贺氏办公设备有限公司 | 一种社区成员搜索方法、系统、装置及介质 |
CN112559903B (zh) * | 2020-12-15 | 2024-04-05 | 广州市贺氏办公设备有限公司 | 一种社区成员搜索方法、系统、装置及介质 |
Also Published As
Publication number | Publication date |
---|---|
EP2713286A4 (en) | 2015-09-16 |
EP2713286A1 (en) | 2014-04-02 |
WO2013034043A1 (zh) | 2013-03-14 |
US20140122474A1 (en) | 2014-05-01 |
CN102982035B (zh) | 2015-10-07 |
US9489428B2 (en) | 2016-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102663101B (zh) | 一种基于新浪微博的用户等级排序算法 | |
CN104123332B (zh) | 搜索结果的显示方法及装置 | |
CN102782676B (zh) | 基于地理标记推荐的在线搜索 | |
CN111444395B (zh) | 获取实体间关系表达的方法、系统和设备、广告召回系统 | |
CN110462604A (zh) | 基于设备使用关联互联网设备的数据处理系统和方法 | |
CN102982035A (zh) | 一种社区用户的搜索排序方法及系统 | |
US20120215795A1 (en) | System and Method For Intelligent Job Hunt | |
US20150294020A1 (en) | System and/or method for evaluating network content | |
CN104050243B (zh) | 一种将搜索与社交相结合的网络搜索方法及其系统 | |
Zhou et al. | Relevance feature mapping for content-based multimedia information retrieval | |
CN104778284A (zh) | 一种空间图像查询方法和系统 | |
CN109636682A (zh) | 一种教学资源自动收集系统 | |
Åström et al. | Blogging in the shadow of parties: Exploring ideological differences in online campaigning | |
CN104123321B (zh) | 一种确定推荐图片的方法及装置 | |
Tan et al. | Preference-oriented mining techniques for location-based store search | |
CN103164407B (zh) | 一种信息搜索方法和系统 | |
TW201234204A (en) | Opportunity identification for search engine optimization | |
Putri et al. | DISPAQ: Distributed profitable-area query from big taxi trip data | |
CN103473290B (zh) | 兴趣点的属性数据的处理方法及装置 | |
CN103514237B (zh) | 一种获取用户和文档个性化特征的方法和系统 | |
CN110347923B (zh) | 一种可回溯的快速裂变式构建用户画像的方法 | |
Probst et al. | Optimizing a Scalable News Recommender System. | |
Kim et al. | Friend recommendation using offline and online social information for face-to-face interactions | |
Martoglia | AMBIT: semantic engine foundations for knowledge management in context-dependent applications | |
Zhan et al. | Finding appropriate experts for collaboration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |