CN104268224A - 一种搜索引擎的搜索结果处理方法 - Google Patents
一种搜索引擎的搜索结果处理方法 Download PDFInfo
- Publication number
- CN104268224A CN104268224A CN201410500595.7A CN201410500595A CN104268224A CN 104268224 A CN104268224 A CN 104268224A CN 201410500595 A CN201410500595 A CN 201410500595A CN 104268224 A CN104268224 A CN 104268224A
- Authority
- CN
- China
- Prior art keywords
- page
- search
- search results
- convergent
- divergent
- 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
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
- G06F16/951—Indexing; Web crawling techniques
-
- 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
- G06F16/957—Browsing optimisation, e.g. caching or content distillation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种搜索引擎的搜索结果处理方法,在人机交互界面的设立变焦窗口,用以对搜索结果重新排序;所述的变焦窗口包括缩放滑块,所述缩放滑块通过缩放插件模块对若干目标字与搜索结果文档页的相关程度进行大小缩放,根据目标字缩放后的相似程度计算若干目标字与搜索结果文档页的相似度权重值,依据计算结果对搜索结果重新排序。本发明中对搜索结果的重新排序人机交互技术可以提供更方便、更快捷先进的搜索支持,帮助用户更加精准的检索、找寻到目标文档页并改善用户体验。
Description
技术领域
本发明涉及互联网领域,尤其涉及一种搜索引擎的搜索结果处理方法。
背景技术
在当今高速发展的互联网技术领域中,搜索引擎因其方便性一直在我们生活中扮演着重要角色,人们几乎每天都在使用搜索引擎服务。然而,搜索引擎的搜索结果往往只是数量巨大的搜索页面返回给用户,或者建议用户再次输入相关的词搜索一次。此外,大多数搜索引擎,例如百度、谷歌、搜搜、360搜索、114搜索等等,并没有给用户提供更高级的搜索服务支持。
在这些情况下,大多数搜索引擎将变得无能为力。为了提供给用户搜索引擎更高级的功能,许多对搜索引擎的研究已集中于改进基于原始的搜索结果。尽管有这么多的研究关注的改善,他们忽略了一个事实,即交互结合一些技术可以提供更方便,更快捷先进的搜索支持,并改善用户体验。
发明内容
本发明的目的在于为克服现有技术的缺陷,而提供一种搜索引擎的搜索结果处理方法。
为实现上述目的,本发明采用以下技术方案:一种搜索引擎的搜索结果处理方法,对搜索结果处理的包括以下步骤:
在人机交互界面的设立变焦窗口,用以对搜索结果重新排序;所述的变焦窗口包括缩放滑块,所述缩放滑块通过缩放插件模块对若干目标字与搜索结果文档页的相关程度进行大小缩放,根据目标字缩放后的相似程度计算若干目标字与搜索结果文档页的相似度权重值,依据计算结果对搜索结果重新排序。
所述的变焦窗口还包括正负复选框,所述正负复选框通过缩放插件模块用以加大或减小搜索结果中某个特定目标字对于搜索结果文档页的相似度权重值,依据加大或减小的相似度权重值,计算搜索结果中文档页的相似度权重值,对搜索结果中的文档页重新排序。
在人机交互界面还设有一滑块接口,所述滑块接口包括滑块条,滑块条上设有滑动球,拖动或点击滑动球变化滑动球在滑块条上的位置,控制搜索结果文档页实现换页动作。
所述滑块条设有10个标尺位。
所述滑块条的两端分别设有三角标,点击三角标控制上一页或下一页的文档页转换。
所述三角标的旁还设有上一页、下一页的提示词,点击提示词标控制上一页或下一页的文档页转换。
本发明与现有技术相比的有益效果是: (1)本发明中对搜索结果的重新排序人机交互技术可以提供更方便、更快捷先进的搜索支持,帮助用户更加精准的检索、找寻到目标文档页并改善用户体验;(2)本发明改善了搜索结果文档页的换页方式,使换页变得更为方便、流畅、简洁,方便用户阅读所搜索到的文档页。
下面结合附图和具体实施例对本发明作进一步描述。
附图说明
图1为本发明优选实施例的原理示意图;
图2为本发明缩放滑块和正负复选框的示意图;
图3为本发明未知项k相对于该查询项q的向量之间的相关性示意图;
图4为本发明滑块接口的示意图。
具体实施方式
为了更充分理解本发明的技术内容,下面结合具体实施例对本发明的技术方案进一步介绍和说明。
如图1所示,为本发明优选实施例的原理示意图;如图2所示,为本发明缩放滑块和正负复选框的示意图,一种搜索引擎的搜索结果处理方法,对搜索结果处理的包括以下步骤:在人机交互界面的设立变焦窗口,用以对搜索结果重新排序;所述的变焦窗口包括缩放滑块,所述缩放滑块通过缩放插件模块对若干目标字与搜索结果文档页的相关程度进行大小缩放,根据目标字缩放后的相似程度计算若干目标字与搜索结果文档页的相似度权重值,依据计算结果对搜索结果重新排序。
[0016] 进一步,所述的变焦窗口还包括正负复选框,所述正负复选框通过缩放插件模块用以加大或减小搜索结果中某个特定目标字对于搜索结果文档页的相似度权重值,依据加大或减小的相似度权重值,计算搜索结果中文档页的相似度权重值,对搜索结果中的文档页重新排序。
对上述技术内容的原理进行说明如下:
我们把搜索引擎的搜索结果作为我们分析的目标及样本,先来描述下相关词计算模型和重排序模型。
相关词计算模型:
向量模型是一种简单,快捷和流行的检索模型,根据查询结果的相似性程度来排列文档页文件。我们扩展了向量模型为我们提出的新计算模型,根据查询结果的相似性程度来排列相关的词。
[0019] 让 作为查询项即目标字q和文档页的权重, J≥0,则该查询向量q被定义为=(,,..., ,)其中N是文档中返回的结果集的总数。同样,让作为关联未知项与文档页的权重,向量是由=(,,...,)表示。
因此,未知项K和查询项q被表示为N维向量,如图3所示,我们扩展了向量模型,提出根据未知项k项相对于该查询项q的向量之间的相关性来进行求值。这种相关性可以被量化,例如,由这两个向量之间的角度的余弦值表示,即:
(1)
和是未知项和查询向量的大小,因素并不影响排序,因为相对于所有未知项都是相同的。因素为文档排序提供了标准,当≥0 和≥0时,
的值从0到1。因此,系统根据对未知项查询的相似性程度来排序,而取代预测未知项是否相关来排序。如果用户查询包括多个未知项,则定义一个变量Q,我们在排序之前通过方程式2计算,当∈Q的所有结果。
(2)
为了支持我们的社会计算搜索引擎系统,我们引用著名巴埃萨 - 耶茨的权重计算表达式:
(3)
(4)
(5)
(6)
其中所有上述公式中所用的符号总结在表1中。方程式3中最大值的计算遍及所有在文档页dj中提到的项。权重值w i,j 可以体现出Ki项在文档页dj中的重要性,这也是我们在重排序模型中使用的主要原因。
表1
我们的重排序模型包括三个独立的处理阶段实施,对应相关的词有三种操作,即缩放滑块、“+”和“ - ”的正负复选框。如在我们的定义中,Scorej(初始化为零)表示文档页dj的得分值,这将在不同的重排序处理阶段中使用。得分值越高的页面排在得分值较低的页面之前。当缩放滑块通过缩放插件模块对搜索结果文档页中若干目标字与文档页的相关程度进行大小缩放 , 放大或缩小相关的词的影响,系统会在同一时间根据表达式7对文档页进行重排序。在另一阶段中利用正复选框,如果用户选择了一个特定的关联词在列表中予以强调它,系统将通过表达式8对文档页进行重新排序。在第三阶段中利用负复选框,如果在搜索结果用户选择了一个特定的关联词在列表中予以减弱它,则根据表达式9对文档页进行重新排序。
(7)
(8)
(9)
在图2中,操作变焦接口,相关字列表中的若干目标字nba.com、draft..2007与文档页的相关程度将被动态地调整,从而改变搜索结果中文档页的重新排序。同时,改变相关的字列表同样会影响到搜索结果中文档页的重新排序,因为更多相关字有更大的影响力,均会影响到文档页的排序。同样,指定一组相关字列表时,操作正负复选框进行特定目标字加强或减弱的操作,同样影响到文档页的排序结果。因此,上述两种操作可在交互的方式下进行,更加方便的获取检索结果。
进一步,如图4所示,在人机交互界面还设有一滑块接口,所述滑块接口包括滑块条,滑块条上设有滑动球,拖动或点击滑动球变化滑动球在滑块条上的位置,控制搜索结果文档页实现换页动作。
进一步,所述滑块条设有10个标尺位。滑动球停在滑块条不同的标尺位,则文档页对应的翻转到相应的页面。
进一步,所述滑块条的两端分别设有三角标,点击三角标控制上一页或下一页的文档页转换。
进一步,所述三角标的旁还设有上一页、下一页的提示词,点击提示词标控制上一页或下一页的文档页转换。
以上所述仅以实施例来进一步说明本发明的技术内容,以便于读者更容易理解,但不代表本发明的实施方式仅限于此,任何依本发明所做的技术延伸或再创造,均受本发明的保护。
Claims (6)
1.一种搜索引擎的搜索结果处理方法,其特征在于,对搜索结果处理的包括以下步骤:
在人机交互界面的设立变焦窗口,用以对搜索结果重新排序;所述的变焦窗口包括缩放滑块,所述缩放滑块通过缩放插件模块对若干目标字与搜索结果文档页的相关程度进行大小缩放,根据目标字缩放后的相似程度计算若干目标字与搜索结果文档页的相似度权重值,依据计算结果对搜索结果重新排序。
2.根据权利要求1所述的搜索引擎的搜索结果处理方法,其特征在于,所述的变焦窗口还包括正负复选框,所述正负复选框通过缩放插件模块用以加大或减小搜索结果中某个特定目标字对于搜索结果文档页的相似度权重值,依据加大或减小的相似度权重值,计算搜索结果中文档页的相似度权重值,对搜索结果中的文档页重新排序。
3.根据权利要求1或2任一所述的搜索引擎的搜索结果处理方法,其特征在于,在人机交互界面还设有一滑块接口,所述滑块接口包括滑块条,滑块条上设有滑动球,拖动或点击滑动球变化滑动球在滑块条上的位置,控制搜索结果文档页实现换页动作。
4.根据权利要求3所述的搜索引擎的搜索结果处理方法,其特征在于,所述滑块条设有10个标尺位。
5.根据权利要求4所述的搜索引擎的搜索结果处理方法,其特征在于,所述滑块条的两端分别设有三角标,点击三角标控制上一页或下一页的文档页转换。
6.根据权利要求5所述的搜索引擎的搜索结果处理方法,其特征在于,所述三角标的旁还设有上一页、下一页的提示词,点击提示词标控制上一页或下一页的文档页转换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410500595.7A CN104268224A (zh) | 2014-09-26 | 2014-09-26 | 一种搜索引擎的搜索结果处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410500595.7A CN104268224A (zh) | 2014-09-26 | 2014-09-26 | 一种搜索引擎的搜索结果处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104268224A true CN104268224A (zh) | 2015-01-07 |
Family
ID=52159746
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410500595.7A Pending CN104268224A (zh) | 2014-09-26 | 2014-09-26 | 一种搜索引擎的搜索结果处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104268224A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115686432A (zh) * | 2022-12-30 | 2023-02-03 | 药融云数字科技(成都)有限公司 | 一种用于检索排序的文献评价方法、存储介质及终端 |
-
2014
- 2014-09-26 CN CN201410500595.7A patent/CN104268224A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115686432A (zh) * | 2022-12-30 | 2023-02-03 | 药融云数字科技(成都)有限公司 | 一种用于检索排序的文献评价方法、存储介质及终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | A2-RL: Aesthetics aware reinforcement learning for image cropping | |
Lian et al. | Collaborative filtering meets next check-in location prediction | |
EP2829990A1 (en) | Image search device, image search method, program, and computer-readable storage medium | |
CN103778227A (zh) | 从检索图像中筛选有用图像的方法 | |
JP2004348706A5 (zh) | ||
CA3059929C (en) | Text searching method, apparatus, and non-transitory computer-readable storage medium | |
Mishra et al. | A Sentiment analysis-based hotel recommendation using TF-IDF Approach | |
TW201220233A (en) | by which category information of long tail keywords is provided for users within a specified time period | |
EP2833275B1 (en) | Image search device, image search method, program, and computer-readable storage medium | |
CN104778283B (zh) | 一种基于微博的用户职业分类方法及系统 | |
CN107168991A (zh) | 一种搜索结果展示方法和装置 | |
CN103744887B (zh) | 一种用于人物搜索的方法、装置和计算机设备 | |
CN112381227B (zh) | 神经网络生成方法、装置、电子设备及存储介质 | |
CN111950728A (zh) | 图像特征提取模型的构建方法、图像检索方法及存储介质 | |
Schall et al. | Vibro: video browsing with semantic and visual image embeddings | |
CN104268224A (zh) | 一种搜索引擎的搜索结果处理方法 | |
CN103309951B (zh) | 在网上搜索多媒体文件的方法和装置 | |
Appavu et al. | Bayes theorem and information gain based feature selection for maximizing the performance of classifiers | |
CN105956203B (zh) | 一种信息存储方法、信息查询方法、搜索引擎装置 | |
Pei-Xia et al. | Learning discriminative CNN features and similarity metrics for image retrieval | |
KR20120079630A (ko) | 멀티 모달리티 데이터 색인 및 검색 방법, 그 시스템 | |
Ibrahimi et al. | Deep metric learning for cross-domain fashion instance retrieval | |
CN106021346B (zh) | 检索处理方法及装置 | |
JP2003150635A (ja) | 検索装置、画像検索装置、音声検索装置、語句検索装置及び検索プログラム、並びに検索方法 | |
JP5819158B2 (ja) | 画像検索に適した特徴ベクトルを抽出するプログラム、方法及び画像検索装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150107 |