CN104462364A - 搜索推荐方法及装置 - Google Patents

Abstract

本发明公开了一种搜索推荐方法，包括：接收用户的搜索词，并获取用户的标识；根据搜索词获取搜索词所属的类别；根据用户的标识获取用户对应的推荐模型；根据搜索词及搜索词所属的类别查询推荐模型以获取推荐结果；以及在搜索结果页面中提供推荐结果。本发明实施例的方法使得推荐内容与用户的行为特征有关，即不同行为特征的用户推荐不同的卡片，实现了每个用户的个性化推荐，且能够将激发用户潜在需求做到最大化，从而提升了用户体验。本发明还公开了一种搜索推荐装置。

Description

搜索推荐方法及装置

技术领域

本发明涉及搜索引擎技术领域，尤其涉及一种搜索推荐方法及装置。

背景技术

用户经常在互联网的海量信息中搜索需要的信息，搜索引擎渐渐成为必不可少的工具。目前，搜索引擎一般是根据用户输入的搜索词进行检索，以获取与搜索词相关的搜索结果以及推荐结果，并在搜索结果页面中的左侧展现搜索结果，在搜索结果页面中的右侧展现推荐结果，其中，推荐结果大部分均是和用户输入的搜索词相关，如强相关/弱相关。

目前存在的问题是，当不同的用户输入相同的搜索词时，由于搜索引擎是根据搜索词获取推荐结果，所以搜索结果页面中右侧的推荐内容都是一样的，和自己的兴趣爱好并无联系，不会由于用户不同而使得推荐内容也不同，这样会导致不能很好地满足每个用户的个性化需求，且不能将激发用户潜在需求做到最大化。

发明内容

本发明的目的旨在至少在一定程度上解决上述的技术问题之一。

为此，本发明的第一个目的在于提出一种搜索推荐方法。该方法使得推荐内容与用户的行为特征有关，即不同行为特征的用户推荐不同的卡片，实现了每个用户的个性化推荐，且能够将激发用户潜在需求做到最大化，从而提升了用户体验。

本发明的第二个目的在于提出一种搜索推荐装置。

为了实现上述目的，本发明第一方面实施例的搜索推荐方法，包括：接收用户的搜索词，并获取所述用户的标识；根据所述搜索词获取所述搜索词所属的类别；根据所述用户的标识获取所述用户对应的推荐模型；根据所述搜索词及所述搜索词所属的类别查询所述推荐模型以获取推荐结果；以及在搜索结果页面中提供所述推荐结果。

本发明实施例的搜索推荐方法，可先接收用户的搜索词，并获取用户的标识，之后可根据搜索词获取搜索词所属的类别，并根据用户的标识获取用户对应的推荐模型，根据搜索词及搜索词所属的类别查询推荐模型以获取推荐结果，以及在搜索结果页面中提供推荐结果，即根据用户的标识获取到该用户的推荐模型，并根据该推荐模型获得推荐结果，使得推荐内容与用户的行为特征有关，即不同行为特征的用户推荐不同的卡片，实现了每个用户的个性化推荐，且能够将激发用户潜在需求做到最大化，从而提升了用户体验。

为了实现上述目的，本发明第二方面实施例的搜索推荐装置，包括：接收模块，用于接收用户的搜索词；第一获取模块，用于获取所述用户的标识；第二获取模块，用于根据搜索词获取搜索词所属的类别；第三获取模块，用于根据所述用户的标识获取所述用户对应的推荐模型；第四获取模块，用于根据所述搜索词及所述搜索词所属的类别查询所述推荐模型以获取推荐结果；以及提供模块，用于在搜索结果页面中提供所述推荐结果。

本发明实施例的搜索推荐装置，可通过接收模块接收用户的搜索词，第一获取模块获取用户的标识，第二获取模块根据搜索词获取搜索词所属的类别，第三获取模块根据用户的标识获取用户对应的推荐模型，第四获取模块根据搜索词及搜索词所属的类别查询推荐模型以获取推荐结果，提供模块在搜索结果页面中提供推荐结果，即根据用户的标识获取到该用户的推荐模型，并根据该推荐模型获得推荐结果，使得推荐内容与用户的行为特征有关，即不同行为特征的用户推荐不同的卡片，实现了每个用户的个性化推荐，且能够将激发用户潜在需求做到最大化，从而提升了用户体验。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中，

图1是根据本发明一个实施例的搜索推荐方法的流程图；

图2(a)、(b)和(c)是根据本发明一个实施例的以用户的行为特征为“一岁宝宝的妈妈”为例的示例图；

图3(a)、(b)和(c)是根据本发明一个实施例的以用户的行为特征为“探案类美剧爱好者，近期正在看妙警贼探”为例的示例图；

图4(a)、(b)和(c)是根据本发明一个实施例的以用户的行为特征为“生活在北京的旅游爱好者，尤其爱去大草原”为例的示例图；

图5(a)、(b)和(c)是根据本发明一个实施例的以用户的行为特征为“日本动漫爱好者，近期尤其迷名侦探柯南”为例的示例图；

图6是根据本发明一个实施例的搜索推荐装置的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

为了解决当不同的用户输入相同的搜索词时，搜索结果页面中右侧的推荐内容都是一样，导致不能很好地满足每个用户的个性化需求，且不能将激发用户潜在需求做到最大化等的问题，本发明提出了一种搜索推荐方法及装置。具体地，下面参考附图描述本发明实施例的搜索推荐方法及装置。

本发明实施例提出一种搜索推荐方法，包括：接收用户的搜索词，并获取用户的标识；根据搜索词获取搜索词所属的类别；根据用户的标识获取用户对应的推荐模型；根据搜索词及搜索词所属的类别查询推荐模型以获取推荐结果；以及在搜索结果页面中提供推荐结果。

图1是根据本发明一个实施例的搜索推荐方法的流程图。如图1所示，该搜索推荐方法可以包括：

S101，接收用户的搜索词，并获取用户的标识。

其中，在本发明的实施例中，搜索词可以是各种语言的字符(如文字、拼音、符号和/或数字等)中的一种或者它们的组合。

此外，在本发明的实施例中，用户的标识可包括但不限于用户的ID(Identity，身份标识号码)、用户所使用的IP(Internet Protocol，网络之间互连的协议)地址或用户使用的智能设备的MAC(Media Access Control，介质访问控制层)地址等中的一种或多种。智能设备可理解为PC(Personal Computer，个人计算机)端，还可以是移动终端，移动终端可以是手机、平板电脑、个人数字助理等具有各种操作系统的硬件设备。

例如，当用户通过浏览器提供的输入框输入搜索词之后，搜索引擎可接收该搜索词，并通过浏览器的响应获取该用户的标识，如该用户的ID、该用户所使用的IP地址或该用户使用的智能设备的MAC地址等中的至少一种。

S102，根据搜索词获取搜索词所属的类别。

例如，可对搜索词进行分词语义分析以获取该搜索词中的具有实际意义的词，并根据该词从数据库中进行查找以获取该搜索词所属的类别。其中，在本发明的实施例中，所属的类别可包括但不限于人物类、电影类、小说类、动漫类、问答类、游戏类等。

S103，根据用户的标识获取用户对应的推荐模型。

其中，在本发明的实施例中，推荐模型可通过用户的历史搜索记录、历史点击记录及历史阅读记录等中的一种或多种获得。

具体地，可先根据用户的标识获取该用户的历史搜索、点击、阅读等行为记录，并根据用户的历史搜索、点击、阅读等行为记录建立该用户的行为特征，即用户画像，之后可根据该用户行为特征获得与该用户行为特征相关的信息内容，并将用户行为特征与相关信息内容建立对应关系以得到该用户的推荐模型。其中，可以理解，推荐模型的维度越细粒度越好。例如，根据用户A的标识可获知该用户A经常搜索“1岁宝宝辅食制作”、“一岁宝宝拉肚子”、“一岁宝宝早教”等，并且经常点击与“一岁宝宝”相关的搜索结果和右侧推荐内容，此时可根据该用户A的历史搜索记录、历史点击记录判断该用户A为一岁宝宝的妈妈，可以看出“一岁宝宝的妈妈”即为用户A的行为特征，之后可根据该用户A的行为特征获得与“一岁宝宝的妈妈”相关的信息内容以建立用户A对应的推荐模型。

又如，根据用户B的标识可获知用户B喜欢看美剧，尤其爱看探案类美剧，且最近一段时间内，有规律的搜索某一部美剧，如：妙警贼探，此时可判断用户B为探案类美剧爱好者，近期正在看妙警贼探，即“探案类美剧爱好者，近期正在看妙警贼探”即为用户B的行为特征，之后可根据用户B的行为特征获得与“探案类美剧爱好者，近期正在看妙警贼探”相关的信息内容以建立用户B对应的推荐模型。再如，可根据用户C的搜索、点击等行为，判断用户C为生活在北京的旅游爱好者，尤其爱去大草原，之后可获得与“生活在北京的旅游爱好者，尤其爱去大草原”相关的信息内容以建立用户C的推荐模型。又再如，可根据用户D的搜索、点击、阅读等行为，判断用户D是日本动漫爱好者，近期尤其迷名侦探柯南，之后可获得与“日本动漫爱好者，近期尤其迷名侦探柯南”相关的信息内容以建立用户D的推荐模型。

S104，根据搜索词及搜索词所属的类别查询推荐模型以获取推荐结果。

举例而言，当根据用户A的标识获取到该用户A对应的推荐模型之后，可根据用户A输入的搜索词及该搜索词所属的类别查询该用户A的推荐模型来获取将要向用户A推荐的内容。例如，推荐模型中可具有与用户A的行为特征“一岁宝宝的妈妈”相关的信息内容，该相关的信息内容比如有“一岁孩妈在关注”、“一岁孩妈爱学习”、“一岁孩妈爱败家”等，当用户A输入搜索词“一岁宝宝的教育”时，该搜索词所属的类别可为科教类，这时可根据该搜索词及搜索词所属的类别在该推荐模型中进行查询以得到将要向用户A推荐的内容，如“一岁孩妈爱学习”信息内容，同时，可以理解，还可对用户A进行判断后，可知今年向用户A推荐与“一岁孩妈”关注的内容，明年可向用户A推荐与“两岁孩妈”关注的内容，后面可推荐与“三岁孩妈”关注的内容，以此类推。

又如，当根据用户B的标识获取到该用户B对应的推荐模型之后，可根据用户B输入的搜索词及该搜索词所属的类别查询该用户B的推荐模型来获取将要向用户B推荐的内容。比如，用户B的推荐模型中可具有与用户B的行为特征“探案类美剧爱好者，近期正在看妙警贼探”相关的信息内容，该相关的信息内容比如有“最近正在看的美剧”、“探案类美剧推荐”、“热门美剧排行榜”等，当用户B输入搜索词“好看的美剧”时，可根据搜索词及该搜索词所属的类别(如电影类、电视剧类等)在该推荐模型中进行查询以得到将要向用户B推荐的内容，如“热门美剧排行榜”信息内容。以此类推，当发现用户在追剧或者追某部小说更新时，可以向该用户推荐追剧助手，以提示其最关注的内容更新动态，如图3(a)所示，“最近正在看的美剧”即为向用户推荐的追剧助手，用来提醒用户最近正在看的美剧的最近更新动态。

再如，用户C的推荐模型中可具有与用户C的行为特征“生活在北京的旅游爱好者，尤其爱去大草原”相关的信息内容，该相关的信息内容比如有“驴友鼎力推荐草原”、“在京自驾不容错过”、“世界知名草原一览”等，当用户C输入搜索词“知名草原推荐”时，可根据搜索词及该搜索词所属的类别在用户C的推荐模型中进行查询以得到将要向用户C推荐的内容，如“世界知名草原一览”信息内容。可以看出，在本发明的实施例中，个性化推荐内容不仅可以跟用户搜索行为有关，还可以跟用户所处地理位置有关，如上述提到的“在京自驾不容错过”即是与用户所处地理位置有关的推荐内容。

又再如，用户D的推荐模型中可具有与用户D的行为特征“日本动漫爱好者，近期尤其迷名侦探柯南”相关的信息内容，该相关的信息内容比如有“柯南迷们在关注”、“柯南作者的其他作品”、“日本动漫排行榜”等，当用户D输入搜索词“好看的日本动漫”时，可根据搜索词及该搜索词所属的类别在用户D的推荐模型中进行查询以得到将要向用户D推荐的内容，如“日本动漫排行榜”信息内容。需要说明的是，在本发明的实施例中，用户的推荐模型也是具备时效性的，这是由于一段时间内用户可能迷这部动漫，但是过段时间后用户可能就喜欢其他动漫，因此，个性化推荐也需要随着用户喜好的变更而及时变动。

S105，在搜索结果页面中提供推荐结果。

其中，在本发明的实施例中，推荐结果可通过卡片形式展现。此外，卡片可具有多个展现表，在本发明的实施例中，多个展现表可根据历史点击率进行排列。

具体地，在获取到推荐结果之后，可在搜索结果页面中的右侧区域以卡片形式展现该推荐结果，其中，推荐卡片可具有多个展现表，即多个Tab(标签)，每个展现表内的展现样式可以自由设置，其中，默认展现的展现表可与用户当前输入的搜索词以及该卡片的历史点击数据为依据进行动态调整，例如，历史点击率越高的展现表，默认展现在首位，又如，当多个展现表中某个展现表和用户输入的当前搜索词高度相关时，该展现表也可以是默认展现。

举例而言，以用户的行为特征为“一岁宝宝的妈妈”为例，可在搜索结果页面中的右侧区域展现与“一岁宝宝的妈妈”有关的推荐卡片，该推荐卡片中具有3个展现表，分别为“一岁孩妈在关注”、“一岁孩妈爱学习”和“一岁孩妈爱败家”，如图2(a)所示，当前默认展现的展现表为“一岁孩妈在关注”，并根据自身的样式展现该展现表中的内容。当用户点击展现表“一岁孩妈爱学习”时，可展现该“一岁孩妈爱学习”中的内容，如图2(b)所示。当用户点击展现表“一岁孩妈爱败家”时，可展现该“一岁孩妈爱败家”中的内容，如图2(c)所示。

以用户的行为特征为“探案类美剧爱好者，近期正在看妙警贼探”为例，可在搜索结果页面中的右侧区域展现与“探案类美剧爱好者，近期正在看妙警贼探”有关的推荐卡片，该推荐卡片中具有3个展现表，分别为“最近正在看的美剧”、“探案类美剧推荐”和“热门美剧排行榜”，如图3(a)所示，由于用户近期正在看妙警贼探，所以可将“最近正在看的美剧”为当前默认展现表，并根据自身的样式展现与“妙警贼探”相关的内容，并作为追剧助手提供给用户以方便用户该剧的最新动态。当用户点击展现表“探案类美剧推荐”时，可展现该“探案类美剧推荐”中的内容，如图3(b)所示。当用户点击展现表“热门美剧排行榜”时，可展现该“热门美剧排行榜”中的内容，如图3(c)所示。

以用户的行为特征为“生活在北京的旅游爱好者，尤其爱去大草原”为例，可在搜索结果页面中的右侧区域展现与“生活在北京的旅游爱好者，尤其爱去大草原”有关的推荐卡片，该推荐卡片中具有3个展现表，分别为“驴友鼎力推荐草原”、“在京自驾不容错过”和“世界知名草原一览”，如图4(a)所示，当前默认展现的展现表为“驴友鼎力推荐草原”，并根据自身的样式展现其中的内容。当用户点击展现表“在京自驾不容错过”时，可展现该“在京自驾不容错过”中的内容，如推荐指数、推荐理由、自驾路线等，如图4(b)所示。当用户点击展现表“世界知名草原一览”时，可展现该“世界知名草原一览”中的内容，如图4(c)所示。其中，应当理解，展现表“在京自驾不容错过”是根据用户所处地理位置获得的推荐内容。

以用户的行为特征为“日本动漫爱好者，近期尤其迷名侦探柯南”为例，可在搜索结果页面中的右侧区域展现与“日本动漫爱好者，近期尤其迷名侦探柯南”有关的推荐卡片，该推荐卡片中具有3个展现表，分别为“柯南粉们在关注”、“柯南作者其他作品”和“日本动漫排行榜”，如图5(a)所示，由于用户近期尤其迷名侦探柯南，所以当前默认展现的展现表为“柯南粉们在关注”，并根据自身的样式展现其中的内容。当用户点击展现表“柯南作者其他作品”时，可展现该“柯南作者其他作品”中的内容，如介绍作者名称、该作者的其他作品等，如图5(b)所示。当用户点击展现表“日本动漫排行榜”时，可展现该“日本动漫排行榜”中的内容，如可展现当前最热播的日本动漫名称及其介绍，如图5(c)所示。

本发明实施例的搜索推荐方法，可先接收用户的搜索词，并获取用户的标识，之后可根据搜索词获取搜索词所属的类别，并根据用户的标识获取用户对应的推荐模型，根据搜索词及搜索词所属的类别查询推荐模型以获取推荐结果，以及在搜索结果页面中提供推荐结果，即根据用户的标识获取到该用户的推荐模型，并根据该推荐模型获得推荐结果，使得推荐内容与用户的行为特征有关，即不同行为特征的用户推荐不同的卡片，实现了每个用户的个性化推荐，且能够将激发用户潜在需求做到最大化，从而提升了用户体验。

从上述实施例中可以看出，通过上述实施例的搜索推荐方法获得的推荐结果既与用户输入的搜索词有关，又与用户的行为特征有关，使得推荐内容更贴近用户本次搜索的需求。需要说明的是，在本发明的一个实施例中，推荐结果也可与用户本次输入的搜索词无关，即用户输入任意搜索词，搜索引擎都可将该推荐结果推荐给用户。具体地，当用户输入任意搜索词时，搜索引擎均可将该搜索词加入至用户的历史搜索记录中，并可根据用户的历史搜索记录、历史点击记录、历史阅读记录等获取该用户的行为特征，之后可根据该用户的标识和用户的行为特征得到用户的推荐模型，最后可将推荐模型中的推荐内容推荐给用户。可以看出，通过上述推荐过程得到的推荐内容与用户的行为特征有关，而与用户输入的搜索词无关，实现了时刻能够向用户推荐符合自己行为与偏好的信息内容。

为了实现上述实施例，本发明还提出了一种搜索推荐装置，包括：接收模块，用于接收用户的搜索词；第一获取模块，用于获取用户的标识；第二获取模块，用于根据搜索词获取搜索词所属的类别；第三获取模块，用于根据用户的标识获取用户对应的推荐模型；第四获取模块，用于根据搜索词及搜索词所属的类别查询推荐模型以获取推荐结果；以及提供模块，用于在搜索结果页面中提供推荐结果。

图6是根据本发明一个实施例的搜索推荐装置的结构示意图。如图6所示，该搜索推荐装置可以包括：接收模块10、第一获取模块20、第二获取模块30、第三获取模块40、第四获取模块50和提供模块60。

具体地，接收模块10可用于接收用户的搜索词。其中，在本发明的实施例中，搜索词可以是各种语言的字符(如文字、拼音、符号和/或数字等)中的一种或者它们的组合。

第一获取模块20可用于获取用户的标识。其中，在本发明的实施例中，用户的标识可包括但不限于用户的ID、用户所使用的IP地址或用户使用的智能设备的MAC地址等中的一种或多种。智能设备可理解为PC端，还可以是移动终端，移动终端可以是手机、平板电脑、个人数字助理等具有各种操作系统的硬件设备。

例如，当用户通过浏览器提供的输入框输入搜索词之后，接收模块10可接收该搜索词，第一获取模块20可通过浏览器的响应获取该用户的标识，如该用户的ID、该用户所使用的IP地址或该用户使用的智能设备的MAC地址等中的至少一种。

第二获取模块30可用于根据搜索词获取搜索词所属的类别。例如，第二获取模块30可对搜索词进行分词语义分析以获取该搜索词中的具有实际意义的词，并根据该词从数据库中进行查找以获取该搜索词所属的类别。其中，在本发明的实施例中，所属的类别可包括但不限于人物类、电影类、小说类、动漫类、问答类、游戏类等。

第三获取模块40可用于根据用户的标识获取用户对应的推荐模型。其中，在本发明的实施例中，推荐模型可通过用户的历史搜索记录、历史点击记录及历史阅读记录等中的一种或多种获得。更具体地，第三获取模块40可先根据用户的标识获取该用户的历史搜索、点击、阅读等行为记录，并根据用户的历史搜索、点击、阅读等行为记录建立该用户的行为特征，即用户画像，之后可根据该用户行为特征获得与该用户行为特征相关的信息内容，并将用户行为特征与相关信息内容建立对应关系以得到该用户的推荐模型。其中，可以理解，推荐模型的维度越细粒度越好。例如，第三获取模块40根据用户A的标识可获知该用户A经常搜索“1岁宝宝辅食制作”、“一岁宝宝拉肚子”、“一岁宝宝早教”等搜索词，并且经常点击与“一岁宝宝”相关的搜索结果和右侧推荐内容，此时可根据该用户A的历史搜索记录、历史点击记录判断该用户A为一岁宝宝的妈妈，可以看出“一岁宝宝的妈妈”即为用户A的行为特征，之后可根据该用户A的行为特征获得与“一岁宝宝的妈妈”相关的信息内容以建立用户A对应的推荐模型。

又如，第三获取模块40根据用户B的标识可获知用户B喜欢看美剧，尤其爱看探案类美剧，且最近一段时间内，有规律的搜索某一部美剧，如：妙警贼探，此时可判断用户B为探案类美剧爱好者，近期正在看妙警贼探，即“探案类美剧爱好者，近期正在看妙警贼探”即为用户B的行为特征，之后可根据用户B的行为特征获得与“探案类美剧爱好者，近期正在看妙警贼探”相关的信息内容以建立用户B对应的推荐模模型。再如，第三获取模块40可根据用户C的搜索、点击等行为，判断用户C为生活在北京的旅游爱好者，尤其爱去大草原，之后可获得与“生活在北京的旅游爱好者，尤其爱去大草原”相关的信息内容以建立用户C的推荐模型。又再如，第三获取模块40可根据用户D的搜索、点击、阅读等行为，判断用户D是日本动漫爱好者，近期尤其迷名侦探柯南，之后可获得与“日本动漫爱好者，近期尤其迷名侦探柯南”相关的信息内容以建立用户D的推荐模型。

第四获取模块50可用于根据搜索词及搜索词所属的类别查询推荐模型以获取推荐结果。举例而言，当第三获取模块40根据用户A的标识获取到该用户A对应的推荐模型之后，可根据用户A输入的搜索词及该搜索词所属的类别查询该用户A的推荐模型来获取将要向用户A推荐的内容。例如，推荐模型中可具有与用户A的行为特征“一岁宝宝的妈妈”相关的信息内容，该相关的信息内容比如有“一岁孩妈在关注”、“一岁孩妈爱学习”、“一岁孩妈爱败家”等，当用户A输入搜索词“一岁宝宝的教育”时，该搜索词所属的类别可为科教类，这时第四获取模块50可根据该搜索词及搜索词所属的类别在该推荐模型中进行查询以得到将要向用户A推荐的内容，如“一岁孩妈爱学习”信息内容，同时，可以理解，还可对用户A进行判断后，可知今年向用户A推荐与“一岁孩妈”关注的内容，明年可向用户A推荐与“两岁孩妈”关注的内容，后面可推荐与“三岁孩妈”关注的内容，以此类推。

又如，当第三获取模块40根据用户B的标识获取到该用户B对应的推荐模型之后，可根据用户B输入的搜索词及该搜索词所属的类别查询该用户B的推荐模型来获取将要向用户B推荐的内容。比如，用户B的推荐模型中可具有与用户B的行为特征“探案类美剧爱好者，近期正在看妙警贼探”相关的信息内容，该相关的信息内容比如有“最近正在看的美剧”、“探案类美剧推荐”、“热门美剧排行榜”等，当用户B输入搜索词“好看的美剧”时，第四获取模块50可根据搜索词及该搜索词所属的类别(如电影类、电视剧类等)在该推荐模型中进行查询以得到将要向用户B推荐的内容，如“热门美剧排行榜”信息内容。以此类推，当发现用户在追剧或者追某部小说更新时，可以向该用户推荐追剧助手，以提示其最关注的内容更新动态，如图3(a)所示，“最近正在看的美剧”即为向用户推荐的追剧助手，用来提醒用户最近正在看的美剧的最近更新动态。

再如，用户C的推荐模型中可具有与用户C的行为特征“生活在北京的旅游爱好者，尤其爱去大草原”相关的信息内容，该相关的信息内容比如有“驴友鼎力推荐草原”、“在京自驾不容错过”、“世界知名草原一览”等，当用户C输入搜索词“知名草原推荐”时，第四获取模块50可根据搜索词及该搜索词所属的类别在用户C的推荐模型中进行查询以得到将要向用户C推荐的内容，如“世界知名草原一览”信息内容。可以看出，在本发明的实施例中，个性化推荐内容不仅可以跟用户搜索行为有关，还可以跟用户所处地理位置有关，如上述提到的“在京自驾不容错过”即是与用户所处地理位置有关的推荐内容。

又再如，用户D的推荐模型中可具有与用户D的行为特征“日本动漫爱好者，近期尤其迷名侦探柯南”相关的信息内容，该相关的信息内容比如有“柯南迷们在关注”、“柯南作者的其他作品”、“日本动漫排行榜”等，当用户D输入搜索词“好看的日本动漫”时，第四获取模块50可根据搜索词及该搜索词所属的类别在用户D的推荐模型中进行查询以得到将要向用户D推荐的内容，如“日本动漫排行榜”信息内容。需要说明的是，在本发明的实施例中，用户的推荐模型也是具备时效性的，这是由于一段时间内用户可能迷这部动漫，但是过段时间后用户可能就喜欢其他动漫，因此，个性化推荐也需要随着用户喜好的变更而及时变动。

需要说明的是，在本发明的一个实施例中，推荐结果也可与用户输入的搜索词无关。也就是说，当用户输入任意搜索词时，第三获取模块40均可根据该用户的标识获取到对应的推荐模型，第四获取模块50根据推荐模型获取推荐结果，该推荐结果跟用户的行为特征有关，而与用户输入的搜索词无关。

提供模块60可用于在搜索结果页面中提供推荐结果。其中，在本发明的实施例中，推荐结果可通过卡片形式展现。此外，卡片具有多个展现表，在本发明的实施例中，多个展现表可根据历史点击率进行排列。更具体地，在获取到推荐结果之后，提供模块60可在搜索结果页面中的右侧区域以卡片形式展现该推荐结果，其中，推荐卡片可具有多个展现表，即多个Tab(标签)，每个展现表内的展现样式可以自由设置，其中，默认展现的展现表可与用户当前输入的搜索词以及该卡片的历史点击数据为依据进行动态调整，例如，历史点击率越高的展现表，默认展现在首位，又如，当多个展现表中某个展现表和用户输入的当前搜索词高度相关时，该展现表也可以是默认展现。

本发明实施例的搜索推荐装置，可通过接收模块接收用户的搜索词，第一获取模块获取用户的标识，第二获取模块根据搜索词获取搜索词所属的类别，第三获取模块根据用户的标识获取用户对应的推荐模型，第四获取模块根据搜索词及搜索词所属的类别查询推荐模型以获取推荐结果，提供模块在搜索结果页面中提供推荐结果，即根据用户的标识获取到该用户的推荐模型，并根据该推荐模型获得推荐结果，使得推荐内容与用户的行为特征有关，即不同行为特征的用户推荐不同的卡片，实现了每个用户的个性化推荐，且能够将激发用户潜在需求做到最大化，从而提升了用户体验。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种搜索推荐方法，其特征在于，包括以下步骤：

接收用户的搜索词，并获取所述用户的标识；

根据所述搜索词获取所述搜索词所属的类别；

根据所述用户的标识获取所述用户对应的推荐模型；

根据所述搜索词及所述搜索词所属的类别查询所述推荐模型以获取推荐结果；以及

在搜索结果页面中提供所述推荐结果。

2.如权利要求1所述的搜索推荐方法，其特征在于，所述用户的标识包括用户的ID、所述用户所使用的IP地址或所述用户使用的智能设备的MAC地址中的一种或多种。

3.如权利要求1所述的搜索推荐方法，其特征在于，所述推荐模型通过所述用户的历史搜索记录、历史点击记录及历史阅读记录中的一种或多种获得。

4.如权利要求1所述的搜索推荐方法，其特征在于，所述推荐结果通过卡片形式展现。

5.如权利要求4所述的搜索推荐方法，其特征在于，所述卡片具有多个展现表，其中，所述多个展现表根据历史点击率进行排列。

6.一种搜索推荐装置，其特征在于，包括：

接收模块，用于接收用户的搜索词；

第一获取模块，用于获取所述用户的标识；

第二获取模块，用于根据搜索词获取搜索词所属的类别；

第三获取模块，用于根据所述用户的标识获取所述用户对应的推荐模型；

第四获取模块，用于根据所述搜索词及所述搜索词所属的类别查询所述推荐模型以获取推荐结果；以及

提供模块，用于在搜索结果页面中提供所述推荐结果。

7.如权利要求6所述的搜索推荐装置，其特征在于，所述用户的标识包括用户的ID、所述用户所使用的IP地址或所述用户使用的智能设备的MAC地址中的一种或多种。

8.如权利要求6所述的搜索推荐装置，其特征在于，所述推荐模型通过所述用户的历史搜索记录、历史点击记录及历史阅读记录中的一种或多种获得。

9.如权利要求6所述的搜索推荐装置，其特征在于，所述推荐结果通过卡片形式展现。

10.如权利要求9所述的搜索推荐装置，其特征在于，所述卡片具有多个展现表，其中，所述多个展现表根据历史点击率进行排列。