CN104933100A - 关键词推荐方法和装置 - Google Patents

关键词推荐方法和装置 Download PDF

Info

Publication number
CN104933100A
CN104933100A CN201510284824.0A CN201510284824A CN104933100A CN 104933100 A CN104933100 A CN 104933100A CN 201510284824 A CN201510284824 A CN 201510284824A CN 104933100 A CN104933100 A CN 104933100A
Authority
CN
China
Prior art keywords
historical search
search entry
keyword
entry
recommended keywords
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
Application number
CN201510284824.0A
Other languages
English (en)
Other versions
CN104933100B (zh
Inventor
朱洪波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing QIYI Century Science and Technology Co Ltd
Original Assignee
Beijing QIYI Century Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing QIYI Century Science and Technology Co Ltd filed Critical Beijing QIYI Century Science and Technology Co Ltd
Priority to CN201510284824.0A priority Critical patent/CN104933100B/zh
Publication of CN104933100A publication Critical patent/CN104933100A/zh
Application granted granted Critical
Publication of CN104933100B publication Critical patent/CN104933100B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search customisation based on user profiles and personalisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/951Indexing; Web crawling techniques

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

本发明提供了一种关键词推荐方法和装置,以解决推荐结果不准确,推荐的信息覆盖范围有限,无法满足用户需求的问题。其中,方法包括:接收查询信息,并将查询信息划分为至少一个查询关键词;查找包括查询关键词的历史搜索条目作为匹配历史搜索条目,并获取与匹配历史搜索条目关联的历史搜索条目作为关联历史搜索条目;其中,匹配历史搜索条目以及关联历史搜索条目均包括至少一个关键词;从匹配历史搜索条目和关联历史搜索条目中选取与查询关键词的相关度满足设定的相关度条件的关键词作为推荐关键词;显示推荐关键词及各推荐关键词对应的选择控件。本发明推荐的信息覆盖范围较大,能够提高推荐结果的准确性,满足用户的各种需求。

Description

关键词推荐方法和装置
技术领域
本发明涉及互联网技术领域,特别是涉及一种关键词推荐方法和装置。
背景技术
随着互联网的迅速发展,其为用户提供的服务越来越多,如搜索服务、通信服务等,极大地满足了用户的需求。搜索引擎是互联网的基础服务之一,越来越多的用户习惯于通过搜索引擎来搜索信息。通过搜索引擎搜索信息的过程通常为用户在搜索框里输入查询信息,搜索引擎根据用户输入的查询信息查找到与该查询信息最匹配的搜索结果,将搜索结果返回给用户。
但是由于用户因为各种原因可能不能准确完整地表达其搜索意图,因此目前的搜索引擎通常会提供相关搜索功能,即根据用户输入的查询信息查找出一些与其类似的信息推荐给用户。但是上述推荐方式单纯地根据查询信息查找与其类似的信息、查找范围有限,容易导致推荐结果不准确;并且用户仅选取某个推荐的信息进行搜索,因此推荐的信息覆盖范围有限,无法满足用户需求。
发明内容
本发明提供一种关键词推荐方法和装置,以解决推荐结果不准确,推荐的信息覆盖范围有限,无法满足用户需求的问题。
为了解决上述问题,本发明公开了一种关键词推荐方法,包括:
接收查询信息,并将所述查询信息划分为至少一个查询关键词;
查找包括所述查询关键词的历史搜索条目作为匹配历史搜索条目,并获取与所述匹配历史搜索条目关联的历史搜索条目作为关联历史搜索条目;其中,所述匹配历史搜索条目以及所述关联历史搜索条目均包括至少一个关键词;
从所述匹配历史搜索条目和所述关联历史搜索条目中选取与所述查询关键词的相关度满足设定的相关度条件的关键词作为推荐关键词;
显示所述推荐关键词及各推荐关键词对应的选择控件。
优选地,在所述显示所述推荐关键词及各推荐关键词对应的选择控件的步骤之前,还包括:将所述推荐关键词进行分类;
所述显示所述推荐关键词及各推荐关键词对应的选择控件的步骤,包括:按照所述分类显示所述推荐关键词及各推荐关键词对应的选择控件。
优选地,所述从所述匹配历史搜索条目和所述关联历史搜索条目中选取与所述查询关键词的相关度满足设定的相关度条件的关键词作为推荐关键词的步骤,包括:
针对所述匹配历史搜索条目包括的关键词以及所述关联历史搜索条目包括的关键词,分别计算各个关键词与所述查询关键词的相关度;
选取与所述查询关键词的相关度超过设定的相关度阈值的关键词作为推荐关键词。
优选地,所述从所述匹配历史搜索条目和所述关联历史搜索条目中选取与所述查询关键词的相关度满足设定的相关度条件的关键词作为推荐关键词的步骤,包括:
针对所述匹配历史搜索条目包括的关键词以及所述关联历史搜索条目包括的关键词,分别计算各个关键词与所述查询关键词的相关度;
将所述各个关键词按照与所述查询关键词的相关度进行排序,依据所述排序顺序选取设定个数的关键词作为推荐关键词。
优选地,所述针对所述匹配历史搜索条目包括的关键词以及所述关联历史搜索条目包括的关键词,分别计算各个关键词与所述查询关键词的相关度的步骤,包括:
针对各个匹配历史搜索条目,确定当前匹配历史搜索条目中包括的所述查询关键词的个数u;
将当前匹配历史搜索条目包括的各个关键词的相关性均赋值为u/t;其中,t为所述查询关键词的总个数;
针对各个与当前匹配历史搜索条目关联的关联历史搜索条目,将当前关联历史搜索条目包括的各个关键词的相关性均赋值为p×u/t,其中,p为当前关联历史搜索条目与当前匹配历史搜索条目的相关度;
针对各个关键词,将当前关键词的相关性的总和确定为当前关键词与所述查询关键词的相关度。
优选地,所述将所述查询信息划分为至少一个查询关键词的步骤,包括:
将所述查询信息与设定的词语数据库中包括的多个词语进行匹配,将与所述查询信息相匹配的词语作为查询关键词。
优选地,在所述显示所述推荐关键词及各推荐关键词对应的选择控件的步骤之后,还包括:
接收对推荐关键词的选择指令,按照所述选择指令指示选择的推荐关键词进行搜索;其中,所述选择指令为对所述选择控件进行操作时触发的指令。
优选地,在所述获取与所述匹配历史搜索条目关联的历史搜索条目作为关联历史搜索条目的步骤之前,还包括:
获取需要创建关联关系的历史搜索条目,针对获取的各个所述历史搜索条目,分别确定与当前历史搜索条目关联的历史搜索条目。
优选地,所述确定与当前历史搜索条目关联的历史搜索条目的步骤,包括:
分别计算除当前历史搜索条目之外的其他历史搜索条目与当前历史搜索条目之间的相邻搜索关联性;
分别计算除当前历史搜索条目之外的其他历史搜索条目与当前历史搜索条目之间的内容搜索关联性;
依据相邻搜索关联性和内容搜索关联性,分别计算除当前历史搜索条目之外的其他历史搜索条目与当前历史搜索条目之间的关联性;
从除当前历史搜索条目之外的其他历史搜索条目中选取与当前历史搜索条目之间的关联性满足设定的关联性条件历史搜索条目,将选取的历史搜索条目确定为与当前历史搜索条目关联的历史搜索条目。
为了解决上述问题,本发明还公开了一种关键词推荐装置,包括:
划分模块,用于接收查询信息,并将所述查询信息划分为至少一个查询关键词;
查找模块,用于查找包括所述查询关键词的历史搜索条目作为匹配历史搜索条目,并获取与所述匹配历史搜索条目关联的历史搜索条目作为关联历史搜索条目;其中,所述匹配历史搜索条目以及所述关联历史搜索条目均包括至少一个关键词;
选取模块,用于从所述匹配历史搜索条目和所述关联历史搜索条目中选取与所述查询关键词的相关度满足设定的相关度条件的关键词作为推荐关键词;
显示模块,用于显示所述推荐关键词及各推荐关键词对应的选择控件。
优选地,所述装置还包括:
分类模块,用于在所述显示模块显示所述推荐关键词及各推荐关键词对应的选择控件之前,将所述推荐关键词进行分类;
所述显示模块,还用于按照所述分类显示所述推荐关键词及各推荐关键词对应的选择控件。
优选地,所述选取模块包括:
相关度计算子模块,用于针对所述匹配历史搜索条目包括的关键词以及所述关联历史搜索条目包括的关键词,分别计算各个关键词与所述查询关键词的相关度;
第一选取子模块,用于选取与所述查询关键词的相关度超过设定的相关度阈值的关键词作为推荐关键词。
优选地,所述选取模块包括:
相关度计算子模块,用于针对所述匹配历史搜索条目包括的关键词以及所述关联历史搜索条目包括的关键词,分别计算各个关键词与所述查询关键词的相关度;
第二选取子模块,用于将所述各个关键词按照与所述查询关键词的相关度进行排序,依据所述排序顺序选取设定个数的关键词作为推荐关键词。
优选地,所述相关度计算子模块包括:
第一赋值子单元,用于针对各个匹配历史搜索条目,确定当前匹配历史搜索条目中包括的所述查询关键词的个数u;将当前匹配历史搜索条目包括的各个关键词的相关性均赋值为u/t;其中,t为所述查询关键词的总个数;
第二赋值子单元,用于针对各个与当前匹配历史搜索条目关联的关联历史搜索条目,将当前关联历史搜索条目包括的各个关键词的相关性均赋值为p×u/t,其中,p为当前关联历史搜索条目与当前匹配历史搜索条目的相关度;
相关度确定子单元,用于针对各个关键词,将当前关键词的相关性的总和确定为当前关键词与所述查询关键词的相关度。
优选地,所述划分模块,具体用于将所述查询信息与设定的词语数据库中包括的多个词语进行匹配,将与所述查询信息相匹配的词语作为查询关键词。
优选地,所述装置还包括:
搜索模块,用于在所述显示模块显示所述推荐关键词及各推荐关键词对应的选择控件之后,接收对推荐关键词的选择指令,按照所述选择指令指示选择的推荐关键词进行搜索;其中,所述选择指令为对所述选择控件进行操作时触发的指令。
优选地,所述装置还包括:
确定模块,用于在所述查找模块获取与所述匹配历史搜索条目关联的历史搜索条目作为关联历史搜索条目之前,获取需要创建关联关系的历史搜索条目,针对获取的各个所述历史搜索条目,分别确定与当前历史搜索条目关联的历史搜索条目。
优选地,所述确定模块包括:
相邻计算子模块,用于分别计算除当前历史搜索条目之外的其他历史搜索条目与当前历史搜索条目之间的相邻搜索关联性;
内容计算子模块,用于分别计算除当前历史搜索条目之外的其他历史搜索条目与当前历史搜索条目之间的内容搜索关联性;
关联性计算子模块,用于依据相邻搜索关联性和内容搜索关联性,分别计算除当前历史搜索条目之外的其他历史搜索条目与当前历史搜索条目之间的关联性;
选取确定子模块,用于从除当前历史搜索条目之外的其他历史搜索条目中选取与当前历史搜索条目之间的关联性满足设定的关联性条件历史搜索条目,将选取的历史搜索条目确定为与当前历史搜索条目关联的历史搜索条目。
与现有技术相比,本发明包括以下优点:
本发明中,首先,并非直接按照接收到的查询信息查找与该查询信息相关的信息,而是首先将查询信息划分为至少一个查询关键词,后续根据查询关键词查找相关的关键词推荐给用户,由于查询关键词能够更加准确地反映用户的查询意图,因此上述查询方式能够提高推荐结果的准确性;其次,在依据查询关键词查找相关的关键词时,并非仅从包括查询关键词的历史搜索条目中查找,而是还进一步从与包括查询关键词的历史搜索条目关联的历史搜索条目中查找,因此查找范围更大,从而进一步提高推荐结果的准确性;再次,由于划分为查询关键词进行查找,因此查找到需要推荐给用户的信息也为独立的关键词,在推荐给用户时显示推荐关键词及各推荐关键词对应的选择控件,用户可以根据自身的需求通过选择控件对推荐关键词进行自由组合,后续依据推荐关键词的组合进行搜索,因此推荐的信息覆盖范围较大,能够满足用户的各种需求。
附图说明
图1是本发明实施例一的一种关键词推荐方法的步骤流程图;
图2是本发明实施例二的一种关键词推荐方法的步骤流程图;
图3是本发明实施例二的一种连续历史搜索条目的示意图;
图4是本发明实施例二的另一种连续历史搜索条目的示意图;
图5是本发明实施例二的一种关键词推荐界面的示意图;
图6是本发明实施例三的一种关键词推荐装置的结构框图;
图7是本发明实施例四的一种关键词推荐装置的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
参照图1,示出了本发明实施例一的一种关键词推荐方法的步骤流程图。
本实施例的关键词推荐方法可以包括以下步骤:
步骤101,接收查询信息,并将查询信息划分为至少一个查询关键词。
本实施例的关键词推荐方法可以应用于搜索引擎中,其中搜索引擎可以为任意一种适用的搜索引擎,如独立的搜索引擎、应用程序中内嵌的搜索引擎等,如百度搜索、谷歌搜索、360搜索、搜狗搜索等。当用户需要在搜索引擎中搜索信息时,首先输入需要查询的查询信息,搜索引擎接收到该查询信息后,并非直接按照该查询信息进行推荐,而是进一步将查询信息划分为至少一个查询关键词,后续根据划分得到的查询关键词进行推荐。
步骤102,查找包括查询关键词的历史搜索条目作为匹配历史搜索条目,并获取与匹配历史搜索条目关联的历史搜索条目作为关联历史搜索条目。
历史搜索条目是指在该搜索引擎上的历史搜索形成的搜索条目,在搜索引擎上进行一次搜索结束后将形成该次搜索对应的搜索条目,其中,一次搜索可以以输入查询信息进行区分,即每输入一次查询信息后进行的搜索为一次搜索,在每次搜索中用户可能会点击多个URL(Uniform Resource Locator,统一资源定位符),因此每个历史搜索条目可以包括至少一个关键词和至少一个被点击的URL。
在划分得到查询关键词后,即可从搜索引擎中的历史搜索条目中查找包括上述查询关键词的历史搜索条目,将这些历史搜索条目作为匹配历史搜索条目;并且还进一步获取与匹配历史搜索条目关联的历史搜索条目,将这些历史搜索条目作为关联历史搜索条目。
步骤103,从匹配历史搜索条目和关联历史搜索条目中选取与查询关键词的相关度满足设定的相关度条件的关键词作为推荐关键词。
由于每个匹配历史搜索条目以及每个关联历史搜索条目均包括至少一个关键词,因此可以在匹配历史搜索条目包括的关键词和关联历史搜索条目包括的关键词中,选取与查询关键词的相关度满足设定的相关度条件的关键词,将这些关键词作为推荐关键词。
步骤104,显示推荐关键词及各推荐关键词对应的选择控件。
在获取到推荐关键词后,即可将推荐关键词显示在搜索引擎的搜索界面上以推荐给用户。本实施例中,还为每个推荐关键词设置对应的选择控件,并与推荐关键词一同显示各推荐关键词对应的选择控件,该选择控件用于供用户选择对应的推荐关键词,以确定后续根据哪个或哪些推荐关键词进行搜索。
本实施例中,首先,并非直接按照接收到的查询信息查找与该查询信息相关的信息,而是首先将查询信息划分为至少一个查询关键词,后续根据查询关键词查找相关的关键词推荐给用户,由于查询关键词能够更加准确地反映用户的查询意图,因此上述查询方式能够提高推荐结果的准确性;其次,在依据查询关键词查找相关的关键词时,并非仅从包括查询关键词的历史搜索条目中查找,而是还进一步从与包括查询关键词的历史搜索条目关联的历史搜索条目中查找,因此查找范围更大,从而进一步提高推荐结果的准确性;再次,由于划分为查询关键词进行查找,因此查找到需要推荐给用户的信息也为独立的关键词,在推荐给用户时显示推荐关键词及各推荐关键词对应的选择控件,用户可以根据自身的需求通过选择控件对推荐关键词进行自由组合,后续依据推荐关键词的组合进行搜索,因此推荐的信息覆盖范围较大,能够满足用户的各种需求。
实施例二
参照图2,示出了本发明实施例二的一种关键词推荐方法的步骤流程图。
本实施例的关键词推荐方法可以包括以下步骤:
步骤201,获取需要创建关联关系的历史搜索条目,针对获取的各个历史搜索条目,分别确定与当前历史搜索条目关联的历史搜索条目。
在搜索引擎中保存有各个历史搜索条目的相关信息,其中历史搜索条目之间可能是关联的,因此,首先可以获取需要创建关联关系的历史搜索条目,然后针对获取的各个历史搜索条目,分别确定与当前历史搜索条目关联的历史搜索条目,确定之后即创建了当前历史搜索条目的关联关系。
本实施例中,可以按照设定周期执行该步骤201,例如每隔3天执行一次该步骤201等,对具体的设定周期并不加以限制,该种情况下需要创建关联关系的历史搜索条目为还未确定与其关联的历史搜索条目的历史搜索条目,也即还未创建关联关系的历史搜索条目;还可以在每次搜索结束增加新的历史搜索条目后执行该步骤201,该种情况下需要创建关联关系的历史搜索条目为增加的新的历史搜索条目。
本实施例中,两个历史搜索条目之间的关联性可以基于两个度量计算,即相邻搜索关联性simconsec和内容搜索关联性simcontent。则确定与当前历史搜索条目关联的历史搜索条目的步骤可以包括:
子步骤a1,分别计算除当前历史搜索条目之外的其他历史搜索条目与当前历史搜索条目之间的相邻搜索关联性;
在搜索过程中,可能会进行连续搜索,其中连续搜索是指两次搜索之间的时间间隔小于设定的时间阈值的搜索过程。对于历史搜索条目,可以设定该历史搜索条目与其对应的直接连续的历史搜索条目之间的关联性为d,d∈(0,1),∈表示属于,如可以设置为d=0.5等,对d的具体取值并不加以限制。同时,对于历史搜索条目,该历史搜索条目与其对应的间接连续的历史搜索条目之间的关联性呈指数衰减。
参照图3,示出了本发明实施例二的一种连续历史搜索条目示意图,Q1和Q3代表连续的两次搜索,搜索顺序为Q1→Q3,Q1和Q3为直接连续的历史搜索条目,则Q1和Q3的关联性为d,即σ(1,3)=d。
参照图4,示出了本发明实施例二的另一种连续历史搜索条目示意图,Q1、Q2和Q3代表连续的三次搜索,搜索顺序为Q1→Q2→Q3,其中Q1和Q2为直接连续的历史搜索条目,则Q1和Q2的关联性为d,即σ(1,2)=d;Q2和Q3为直接连续的历史搜索条目,则Q2和Q3的关联性为d,即σ(2,3)=d;Q1和Q3为间接连续的历史搜索条目,则Q1和Q3的关联性为d2,即σ(1,3)=d2
对于某个其他历史搜索条目与当前历史搜索条目之间的相邻搜索关联性simconsec即为该其他历史搜索条目与当前历史搜索条目的关联性的总和。如Q1和Q3之间的连续性即为上述图3和图4所示的连续性,则Q1和Q3之间的相邻搜索关联性simconsec=d+d2
子步骤a2,分别计算除当前历史搜索条目之外的其他历史搜索条目与当前历史搜索条目之间的内容搜索关联性;
每个历史搜索条目可以包括至少一个被点击的URL,对于任意一个历史搜索条目,在全部历史搜索条目中找到该任意一个历史搜索条目的所有被点击的URL,如果一个URL一共被点击n次,那么该URL被计数为n次。
对每个历史搜索条目均定义一个有m个元素的关联性向量V,m可以为设定的词语数据库中词语的数目,则V={v0,v1,v2,v3,…,vm-1}。
该关联性向量中的每一个元素vi(i=0,1,2,…,m-1)定义为:
v i = L × M × N O × P
其中,L为第i个词语在全部历史搜索条目中出现的次数,M为第i个词语在该历史搜索条目包括的被点击的URL中出现的次数,N为搜索引擎索引并备份保存在自身服务器上的全部URL的数目,O为第i个词语在搜索引擎索引并备份保存在自身服务器上的全部URL中出现的次数,P为该历史搜索条目包括的被点击的URL的数目。
两个历史搜索条目之间的内容搜索关联性用它们的相关性向量之间的余弦相似性度量。如V1为当前历史搜索条目的相关性向量,V2为一个其他历史搜索条目的相关性向量,则该当前历史搜索条目与该其他历史搜索条目的之间的内容搜索关联性simcontent为:
sim content ( V 1 , V 2 ) = Σ i = 0 m - 1 v i × w i Σ i = 0 m - 1 v i × v i × Σ i = 0 m - 1 w i × w i
子步骤a3,依据相邻搜索关联性和内容搜索关联性,分别计算除当前历史搜索条目之外的其他历史搜索条目与当前历史搜索条目之间的关联性;
两个历史搜索条目之间的关联性sim为相邻搜索关联性simconsec和内容搜索关联性simcontent的加权和,即sim=α×simconsec+(1-α)×simcontent,其中α∈(0,1),∈表示属于,如可以设置为α=0.5等,对α的具体取值并不加以限制。
经过上述子步骤a1~子步骤a3,即可得到除当前历史搜索条目之外的其他历史搜索条目中与当前历史搜索条目之间的关联性。
子步骤a4,从除当前历史搜索条目之外的其他历史搜索条目中选取与当前历史搜索条目之间的关联性满足设定的关联性条件历史搜索条目,将选取的历史搜索条目确定为与当前历史搜索条目关联的历史搜索条目。
该设定的关联性条件可以为与当前历史搜索条目之间的关联性超过设定的关联性阈值,即可从除当前历史搜索条目之外的其他历史搜索条目中,选取与当前历史搜索条目之间的关联性超过设定的关联性阈值的历史搜索条目作为与当前历史搜索条目关联的历史搜索条目。
该设定的关联性条件还可以为与当前历史搜索条目之间的关联性为关联性高的设定个数其他历史搜索条目的关联性,即可将各个其他历史搜索条目按照与当前历史搜索条目之间的关联性进行排序,进而从与当前历史搜索条目之间的关联性最高的其他历史搜索条目开始,依据排序顺序选取设定个数的其他历史搜索条目与当前历史搜索条目关联的历史搜索条目。其中,排序可以为升序排序,也可以为降序排序,若为升序排序,则从排序后的最后一个其他历史搜索条目开始,向前选取设定个数的其他历史搜索条目;若为降序排序,则从排序后的第一个其他历史搜索条目开始,向后选取设定个数的其他历史搜索条目。对于该设定个数的具体数值,本领域技术人员根据实际经验进行相关设置即可,本实施例对具体的数值并不加以限制。
经过该步骤201即可得到各个历史搜索条目对应的与该历史搜索条目关联的历史搜索条目,并得到该历史搜索条目与关联的历史搜索条目之间的关联性。
步骤202,接收查询信息,并将查询信息划分为至少一个查询关键词。
搜索引擎的搜索界面中可以提供搜索控件,如搜索输入框等,当用户需要搜索某些信息时,可以在该搜索控件中输入查询信息,搜索引擎在接收到该查询信息后,将查询信息划分为至少一个查询关键词。其中,查询信息可以为字(一个或多个)、词语(一个或多个)、句子(一个或多个)等形式,本实施例对此并不加以限制。
优选地,本实施例中可以依据设定的词语数据库对查询信息进行划分,该词语数据库中可以包括多个标准词语,对于词语数据库本领域技术人员根据实际经验进行相关设定即可,例如可以将汉语词典中所记载的词语添加到词语数据库,还可以对历史搜索条目进行分析,得出其中出现频率较高(超过某一阈值)的词语添加到词语数据库,本实施例对此并不加以限制。因此,将查询信息划分为至少一个查询关键词的过程可以包括:将查询信息与设定的词语数据库中包括的多个词语进行匹配,将与查询信息相匹配的词语作为查询关键词。其中相匹配是指查询信息中包括该词语。
当然,本实施例中还可以采用其他方式对查询信息进行划分,例如按照语法、语义等进行划分,本领域技术人员根据实际经验进行采用任意适用的方式即可,本实施例对此并不加以限制。
步骤203,查找包括查询关键词的历史搜索条目作为匹配历史搜索条目,并获取与匹配历史搜索条目关联的历史搜索条目作为关联历史搜索条目。
如上所述,每个匹配历史搜索条目以及每个关联历史搜索条目均可以包括至少一个关键词,在得到查询关键词后,即可从历史搜索条目中查找包括查询关键词的历史搜索条目,将这些历史搜索条目作为匹配历史搜索条目,其中包括查询关键词是指包括至少一个查询关键词。
在查找到匹配历史搜索条目后,即可从上述步骤201中创建的该匹配历史搜索条目的关联关系中获取与该匹配历史搜索条目关联的历史搜索条目,将这些关联的历史搜索条目作为关联历史搜索条目。
步骤204,从匹配历史搜索条目和关联历史搜索条目中选取与查询关键词的相关度满足设定的相关度条件的关键词作为推荐关键词。
本实施例中在选取关键词进行推荐时,并非仅从匹配历史搜索条目中选取,而是从匹配历史搜索条目和关联历史搜索条目两者中选取,所选取的为与查询关键词的相关度满足设定的相关度条件的关键词,将这些关键词作为推荐关键词。
在一种优选实施例中,该步骤204可以包括:
子步骤b1,针对匹配历史搜索条目包括的关键词以及关联历史搜索条目包括的关键词,分别计算各个关键词与查询关键词的相关度;
优选地,该子步骤b1可以包括:
子步骤b11,针对各个匹配历史搜索条目,确定当前匹配历史搜索条目中包括的查询关键词的个数u;
其中,当前匹配历史搜索条目是指当前所处理的匹配历史搜索条目。匹配历史搜索条目中包括至少一个查询关键词,针对每个匹配历史搜索条目,分别确定该匹配历史搜索条目中包括的查询关键词的个数u。
子步骤b12,将当前匹配历史搜索条目包括的各个关键词的相关性均赋值为u/t;其中,t为查询关键词的总个数;
针对每个匹配历史搜索条目均计算其中包括的各个关键词的相关性。如匹配历史搜索条目的个数为20个,则对20个匹配历史搜索条目均计算其中包括的各个关键词的相关性。例如,查询关键词的总个数为5,某个匹配历史搜索条目A中包括的查询关键词的个数为3,该匹配历史搜索条目A中包括的关键词的个数为10,则将该匹配历史搜索条目A中包括的10关键词的相关性均赋值为3/5。
子步骤b13,针对各个与当前匹配历史搜索条目关联的关联历史搜索条目,将当前关联历史搜索条目包括的各个关键词的相关性均赋值为p×u/t;
其中,p为当前关联历史搜索条目与当前匹配历史搜索条目的相关度,根据步骤201计算出的历史搜索条目之间的相关度中得到当前关联历史搜索条目与当前匹配历史搜索条目的相关度。
其中,当前关联历史搜索条目是指当前所处理的关联历史搜索条目。针对每个匹配历史搜索条目来说,对其对应的每个关联历史搜索条目均计算其中包括的各个关键词的相关性。如上述匹配历史搜索条目A对应的关联历史搜索条目的个数为8个,则对该8个关联历史搜索条目均计算其中包括的各个关键词的相关性。例如,某个关联历史搜索条目a与其对应的匹配历史搜索条目A的相关度为0.8,该关联历史搜索条目中包括的关键词的个数为6,则将该关联历史搜索条目a包括的6个关键词的相关性均赋值为0.8×3/5。
子步骤b14,针对各个关键词,将当前关键词的相关性的总和确定为当前关键词与查询关键词的相关度。
经过上述子步骤b11~子步骤b13,即可得到全部匹配历史搜索条目中的关键词和全部关联历史搜索条目中的关键词的相关性,并且在不同的匹配历史搜索条目、不同的关联历史搜索条目中可能包括相同的关键词。因此,针对每个关键词,将该关键词的相关性的总和确定为该关键词与查询关键词的相关度。例如,某个关键词“美丽”均包括在上述匹配历史搜索条目A和上述关联历史搜索条目a中,则该关键词“美丽”与查询关键词的相关度即为3/5+0.8×3/5。
需要说明的是,上述各个例子只是用于解释说明,并非对本实施例中相应内容的限制。
子步骤b2,选取与查询关键词的相关度超过设定的相关度阈值的关键词作为推荐关键词。
该种情况下,设定的相关度条件是与查询关键词的相关度超过设定的相关度阈值。因此,在计算出匹配历史搜索条目包括的关键词以及关联历史搜索条目包括的关键词中的各个关键词与查询关键词的相关度后,即可从上述关键词中选取与查询关键词的相关度超过设定的相关度阈值的关键词作为推荐关键词。对于该设定的相关度阈值的具体数值,本领域技术人员根据实际经验进行相关设置即可,本实施例对具体的数值并不加以限制。
在另一种优选实施例中,该步骤204可以包括:
子步骤c1,针对匹配历史搜索条目包括的关键词以及关联历史搜索条目包括的关键词,分别计算各个关键词与查询关键词的相关度;
该子步骤c1与上述子步骤b1相同,具体过程参照上述子步骤b1的相关描述即可,本实施例在此不再详细论述。
子步骤c2,将各个关键词按照与查询关键词的相关度进行排序,依据排序顺序选取设定个数的关键词作为推荐关键词。
该种情况下,设定的相关度条件是与查询关键词的相关度为相关度高的设定个数关键词的相关度。因此,在计算出匹配历史搜索条目包括的关键词以及关联历史搜索条目包括的关键词中的各个关键词与查询关键词的相关度后,即可将各个关键词按照与查询关键词的相关度进行排序,进而依据排序顺序选取设定个数的关键词作为推荐关键词。其中,排序可以为升序排序,也可以为降序排序,若为升序排序,则从排序后的最后一个关键词开始,向前选取设定个数的关键词;若为降序排序,则从排序后的第一个关键词开始,向后选取设定个数的关键词。对于该设定个数的具体数值,本领域技术人员根据实际经验进行相关设置即可,本实施例对具体的数值并不加以限制。
需要说明的是,上述介绍了两种设定的相关度条件的情况,本领域技术人员还可以采用其他任意适用的设定的相关度条件,本实施例对此并不加以限制。
步骤205,显示推荐关键词及各推荐关键词对应的选择控件。
本实施例中为每个推荐关键词设置对应的选择控件,该选择控件用于提供对对应推荐关键词的选择功能,在搜索界面中显示推荐关键词及各推荐关键词对应的选择控件,用户可以通过对推荐关键词对应的选择控件进行操作以选择对应的推荐关键词。本实施例中,选择控件可以为选择框等,可以将各推荐关键词对应的选择控件显示在搜索控件的设定位置(如上方、下方、右侧、左侧等),可以将各推荐关键词对应的选择控件显示在对应推荐关键词的设定位置(如上方、下方、右侧、左侧等),各推荐关键词可以按照任意适用的形式排列,如横向排列、纵向排列、对角线排列、矩阵排列等,本实施例对上述各情况并不加以限制。
优选地,本实施例中在选取推荐关键词后,还可以将推荐关键词进行分类,如分类为形容词、名词、动词等。对于具体的分类过程,本领域技术人员根据实际经验采用任意适用的方法即可,如可以依据设定的各类型词语数据库进行匹配分类,即将各个推荐关键词分别与设定的各类型词语数据库进行匹配,将与推荐关键词相匹配的类型确定为该推荐关键词的分类,其中相匹配是指该类型词语数据库中包括该推荐关键词;还可以依据各推荐关键词所在历史搜索条目的语义环境等进行分类,即对各推荐关键词所在历史搜索条目的语义环境进行分析,得出推荐关键词的分类,对于具体的分析过程在此不再详细论述。当然,还可以采用其他方式进行分类,本实施例对此并不加以限制。
优选地,将推荐关键词进行分类后,在显示时即可按照分类显示推荐关键词及各推荐关键词对应的选择控件。如将属于同一分类的推荐关键词横向排列或纵向排列,或者还可以针对每个分类设置推荐框,显示时显示该推荐框,将属于该推荐框对应的分类推荐关键词显示在该推荐框中,将各推荐关键词对应的选择控件显示在对应推荐关键词的设定位置(如上方、下方、右侧、左侧等)。
优选地,还可以在搜索界面中显示分类,并且针对每个分类可以设置对应的选择控件,将各分类对应的选择控件显示在对应分类的设定位置(如上方、下方、右侧、左侧等),用户可以通过对分类对应的选择控件进行操作以选择所显示的该分类中的全部推荐关键词。
步骤206,接收对推荐关键词的选择指令,按照选择指令指示选择的推荐关键词进行搜索。
在搜索界面中显示推荐关键词及各推荐关键词对应的选择控件,用户可以通过对选择控件进行操作(如点击选中操作)以触发对该选择控件对应的推荐关键词的选择指令。同时,用户可以根据自身的需求通过选择控件对推荐关键词进行自由组合,可以仅选择一个推荐关键词,也可以同时选择多个推荐关键词,该选择指令可以指示所选择的全部推荐关键词。
优选地,如果在搜索界面中显示分类和各分类对应的选择控件,用户可以通过对分类对应的选择控件进行操作以触发对该选择控件对应分类中的全部推荐关键词的选择指令,用户可以根据自身的需求通过选择控件对推荐关键词进行自由组合,可以仅选择一个分类中的推荐关键词,也可以同时选择多个分类中的推荐关键词,该选择指令可以指示所选择的全部推荐关键词。
搜索引擎在接收到该选择指令后,即可按照该选择指令指示选择的推荐关键词进行搜索。搜索过程主要包括:生成包括选择的推荐关键词的搜索请求,并发送至后台的搜索服务器;由搜索服务器获取与选择的推荐关键词匹配的搜索结果,并将搜索结果返回;接收搜索服务器返回的搜索结果,并将搜索结果显示在搜索结果界面中。
参照图5,示出了本发明实施例二的一种关键词推荐界面的示意图。由图5可知,该关键词推荐界面中包括搜索输入框、搜索按钮、推荐关键词、推荐关键词对应的选择控件,其中推荐关键词对应的选择控件(即图5中的复选框)显示在该推荐关键词的左侧,属于同一分类的推荐关键词对应的选择控件显示在该分类对应的推荐框(即图5中的虚线框)中。用户在搜索输入框中输入的查询信息为“美丽”,根据该查询信息确定的推荐关键词为“性感”、“美丽”、“写真”、“明星”、“风景”、“美容”,其中“性感”、“美丽”属于同一分类,显示在同一个虚线框中,“写真”、“明星”、“风景”、“美容”属于同一分类,显示在同一个虚线框中。用户通过对“性感”、“明星”对应的选择控件进行操作选择“性感”、“明星”两个推荐关键词,当点击搜索按钮后,即可根据“性感”、“明星”进行搜索。需要说明的是,该图5只是用于举例说明,其并不作为对本实施例相关内容的限制。
本实施例改进了相关推荐的组织方式,通过将查询信息分解为至少一个查询关键词,查找到与这些查询关键词相关的推荐关键词,同时提供任意选择这些推荐关键词的选择控件,将相关推荐的选择权和组织权归还给用户。从而大大提高相关推荐的覆盖范围,更大幅度的满足用户的需求,提高搜索产品的可用性和用户体验;并且,通过对推荐关键词进行分类,用户可以更加直观地了解各推荐关键词的类型,为选择推荐关键词提供更加准确的依据,从而进一步提升用户体验。
对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
实施例三
参照图6,示出了本发明实施例三的一种关键词推荐装置的结构框图。
本实施例的关键词推荐装置可以包括以下模块:
划分模块601,用于接收查询信息,并将查询信息划分为至少一个查询关键词;
查找模块602,用于查找包括查询关键词的历史搜索条目作为匹配历史搜索条目,并获取与匹配历史搜索条目关联的历史搜索条目作为关联历史搜索条目;其中,匹配历史搜索条目以及关联历史搜索条目均包括至少一个关键词;
选取模块603,用于从匹配历史搜索条目和关联历史搜索条目中选取与查询关键词的相关度满足设定的相关度条件的关键词作为推荐关键词;
显示模块604,用于显示推荐关键词及各推荐关键词对应的选择控件。
本实施例中,首先,并非直接按照接收到的查询信息查找与该查询信息相关的信息,而是首先将查询信息划分为至少一个查询关键词,后续根据查询关键词查找相关的关键词推荐给用户,由于查询关键词能够更加准确地反映用户的查询意图,因此上述查询方式能够提高推荐结果的准确性;其次,在依据查询关键词查找相关的关键词时,并非仅从包括查询关键词的历史搜索条目中查找,而是还进一步从与包括查询关键词的历史搜索条目关联的历史搜索条目中查找,因此查找范围更大,从而进一步提高推荐结果的准确性;再次,由于划分为查询关键词进行查找,因此查找到需要推荐给用户的信息也为独立的关键词,在推荐给用户时显示推荐关键词及各推荐关键词对应的选择控件,用户可以根据自身的需求通过选择控件对推荐关键词进行自由组合,后续依据推荐关键词的组合进行搜索,因此推荐的信息覆盖范围较大,能够满足用户的各种需求。
实施例四
参照图7,示出了本发明实施例四的一种关键词推荐装置的结构框图。
本实施例的关键词推荐装置可以包括以下模块:
划分模块701,用于接收查询信息,并将查询信息划分为至少一个查询关键词;
查找模块702,用于查找包括查询关键词的历史搜索条目作为匹配历史搜索条目,并获取与匹配历史搜索条目关联的历史搜索条目作为关联历史搜索条目;其中,匹配历史搜索条目以及关联历史搜索条目均包括至少一个关键词;
选取模块703,用于从匹配历史搜索条目和关联历史搜索条目中选取与查询关键词的相关度满足设定的相关度条件的关键词作为推荐关键词;
显示模块704,用于显示推荐关键词及各推荐关键词对应的选择控件。
优选地,该关键词推荐装置还可以包括分类模块705,用于在显示模块704显示推荐关键词及各推荐关键词对应的选择控件之前,将推荐关键词进行分类。因此,显示模块704,还用于按照分类显示推荐关键词及各推荐关键词对应的选择控件。
优选地,该关键词推荐装置还可以包括搜索模块706,用于在显示模块704显示推荐关键词及各推荐关键词对应的选择控件之后,接收对推荐关键词的选择指令,按照选择指令指示选择的推荐关键词进行搜索;其中,选择指令为对选择控件进行操作时触发的指令。
优选地,该关键词推荐装置还可以包括确定模块707,用于在查找模块702获取与匹配历史搜索条目关联的历史搜索条目作为关联历史搜索条目之前,获取需要创建关联关系的历史搜索条目,针对获取的各个历史搜索条目,分别确定与当前历史搜索条目关联的历史搜索条目。
优选地,划分模块701具体用于将查询信息与设定的词语数据库中包括的多个词语进行匹配,将与查询信息相匹配的词语作为查询关键词。
优选地,确定模块707包括:相邻计算子模块,用于分别计算除当前历史搜索条目之外的其他历史搜索条目与当前历史搜索条目之间的相邻搜索关联性;内容计算子模块,用于分别计算除当前历史搜索条目之外的其他历史搜索条目与当前历史搜索条目之间的内容搜索关联性;关联性计算子模块,用于依据相邻搜索关联性和内容搜索关联性,分别计算除当前历史搜索条目之外的其他历史搜索条目与当前历史搜索条目之间的关联性;选取确定子模块,用于从除当前历史搜索条目之外的其他历史搜索条目中选取与当前历史搜索条目之间的关联性满足设定的关联性条件历史搜索条目,将选取的历史搜索条目确定为与当前历史搜索条目关联的历史搜索条目。
优选地,选取模块703包括:相关度计算子模块,用于针对匹配历史搜索条目包括的关键词以及关联历史搜索条目包括的关键词,分别计算各个关键词与查询关键词的相关度;第一选取子模块,用于选取与查询关键词的相关度超过设定的相关度阈值的关键词作为推荐关键词。
优选地,选取模块703包括:相关度计算子模块,用于针对匹配历史搜索条目包括的关键词以及关联历史搜索条目包括的关键词,分别计算各个关键词与查询关键词的相关度;第二选取子模块,用于将各个关键词按照与查询关键词的相关度进行排序,依据排序顺序选取设定个数的关键词作为推荐关键词。
优选地,相关度计算子模块包括:第一赋值子单元,用于针对各个匹配历史搜索条目,确定当前匹配历史搜索条目中包括的查询关键词的个数u;将当前匹配历史搜索条目包括的各个关键词的相关性均赋值为u/t;其中,t为查询关键词的总个数;第二赋值子单元,用于针对各个与当前匹配历史搜索条目关联的关联历史搜索条目,将当前关联历史搜索条目包括的各个关键词的相关性均赋值为p×u/t,其中,p为当前关联历史搜索条目与当前匹配历史搜索条目的相关度;相关度确定子单元,用于针对各个关键词,将当前关键词的相关性的总和确定为当前关键词与查询关键词的相关度。
本实施例改进了相关推荐的组织方式,通过将查询信息分解为至少一个查询关键词,查找到与这些查询关键词相关的推荐关键词,同时提供任意选择这些推荐关键词的选择控件,将相关推荐的选择权和组织权归还给用户,从而大大提高相关推荐的覆盖范围,更大幅度的满足用户的需求,提高搜索产品的可用性和用户体验;并且,通过对推荐关键词进行分类,用户可以更加直观地了解各推荐关键词的类型,为选择推荐关键词提供更加准确的依据,从而进一步提升用户体验。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种关键词推荐方法和装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。

Claims (18)

1.一种关键词推荐方法,其特征在于,包括:
接收查询信息,并将所述查询信息划分为至少一个查询关键词;
查找包括所述查询关键词的历史搜索条目作为匹配历史搜索条目,并获取与所述匹配历史搜索条目关联的历史搜索条目作为关联历史搜索条目;其中,所述匹配历史搜索条目以及所述关联历史搜索条目均包括至少一个关键词;
从所述匹配历史搜索条目和所述关联历史搜索条目中选取与所述查询关键词的相关度满足设定的相关度条件的关键词作为推荐关键词;
显示所述推荐关键词及各推荐关键词对应的选择控件。
2.根据权利要求1所述的方法,其特征在于,
在所述显示所述推荐关键词及各推荐关键词对应的选择控件的步骤之前,还包括:
将所述推荐关键词进行分类;
所述显示所述推荐关键词及各推荐关键词对应的选择控件的步骤,包括:
按照所述分类显示所述推荐关键词及各推荐关键词对应的选择控件。
3.根据权利要求1所述的方法,其特征在于,所述从所述匹配历史搜索条目和所述关联历史搜索条目中选取与所述查询关键词的相关度满足设定的相关度条件的关键词作为推荐关键词的步骤,包括:
针对所述匹配历史搜索条目包括的关键词以及所述关联历史搜索条目包括的关键词,分别计算各个关键词与所述查询关键词的相关度;
选取与所述查询关键词的相关度超过设定的相关度阈值的关键词作为推荐关键词。
4.根据权利要求1所述的方法,其特征在于,所述从所述匹配历史搜索条目和所述关联历史搜索条目中选取与所述查询关键词的相关度满足设定的相关度条件的关键词作为推荐关键词的步骤,包括:
针对所述匹配历史搜索条目包括的关键词以及所述关联历史搜索条目包括的关键词,分别计算各个关键词与所述查询关键词的相关度;
将所述各个关键词按照与所述查询关键词的相关度进行排序,依据所述排序顺序选取设定个数的关键词作为推荐关键词。
5.根据权利要求3或4所述的方法,其特征在于,所述针对所述匹配历史搜索条目包括的关键词以及所述关联历史搜索条目包括的关键词,分别计算各个关键词与所述查询关键词的相关度的步骤,包括:
针对各个匹配历史搜索条目,确定当前匹配历史搜索条目中包括的所述查询关键词的个数u;
将当前匹配历史搜索条目包括的各个关键词的相关性均赋值为u/t;其中,t为所述查询关键词的总个数;
针对各个与当前匹配历史搜索条目关联的关联历史搜索条目,将当前关联历史搜索条目包括的各个关键词的相关性均赋值为p×u/t,其中,p为当前关联历史搜索条目与当前匹配历史搜索条目的相关度;
针对各个关键词,将当前关键词的相关性的总和确定为当前关键词与所述查询关键词的相关度。
6.根据权利要求1所述的方法,其特征在于,所述将所述查询信息划分为至少一个查询关键词的步骤,包括:
将所述查询信息与设定的词语数据库中包括的多个词语进行匹配,将与所述查询信息相匹配的词语作为查询关键词。
7.根据权利要求1所述的方法,其特征在于,在所述显示所述推荐关键词及各推荐关键词对应的选择控件的步骤之后,还包括:
接收对推荐关键词的选择指令,按照所述选择指令指示选择的推荐关键词进行搜索;其中,所述选择指令为对所述选择控件进行操作时触发的指令。
8.根据权利要求1所述的方法,其特征在于,在所述获取与所述匹配历史搜索条目关联的历史搜索条目作为关联历史搜索条目的步骤之前,还包括:
获取需要创建关联关系的历史搜索条目,针对获取的各个所述历史搜索条目,分别确定与当前历史搜索条目关联的历史搜索条目。
9.根据权利要求8所述的方法,其特征在于,所述确定与当前历史搜索条目关联的历史搜索条目的步骤,包括:
分别计算除当前历史搜索条目之外的其他历史搜索条目与当前历史搜索条目之间的相邻搜索关联性;
分别计算除当前历史搜索条目之外的其他历史搜索条目与当前历史搜索条目之间的内容搜索关联性;
依据相邻搜索关联性和内容搜索关联性,分别计算除当前历史搜索条目之外的其他历史搜索条目与当前历史搜索条目之间的关联性;
从除当前历史搜索条目之外的其他历史搜索条目中选取与当前历史搜索条目之间的关联性满足设定的关联性条件历史搜索条目,将选取的历史搜索条目确定为与当前历史搜索条目关联的历史搜索条目。
10.一种关键词推荐装置,其特征在于,包括:
划分模块,用于接收查询信息,并将所述查询信息划分为至少一个查询关键词;
查找模块,用于查找包括所述查询关键词的历史搜索条目作为匹配历史搜索条目,并获取与所述匹配历史搜索条目关联的历史搜索条目作为关联历史搜索条目;其中,所述匹配历史搜索条目以及所述关联历史搜索条目均包括至少一个关键词;
选取模块,用于从所述匹配历史搜索条目和所述关联历史搜索条目中选取与所述查询关键词的相关度满足设定的相关度条件的关键词作为推荐关键词;
显示模块,用于显示所述推荐关键词及各推荐关键词对应的选择控件。
11.根据权利要求10所述的装置,其特征在于,还包括:
分类模块,用于在所述显示模块显示所述推荐关键词及各推荐关键词对应的选择控件之前,将所述推荐关键词进行分类;
所述显示模块,还用于按照所述分类显示所述推荐关键词及各推荐关键词对应的选择控件。
12.根据权利要求10所述的装置,其特征在于,所述选取模块包括:
相关度计算子模块,用于针对所述匹配历史搜索条目包括的关键词以及所述关联历史搜索条目包括的关键词,分别计算各个关键词与所述查询关键词的相关度;
第一选取子模块,用于选取与所述查询关键词的相关度超过设定的相关度阈值的关键词作为推荐关键词。
13.根据权利要求10所述的装置,其特征在于,所述选取模块包括:
相关度计算子模块,用于针对所述匹配历史搜索条目包括的关键词以及所述关联历史搜索条目包括的关键词,分别计算各个关键词与所述查询关键词的相关度;
第二选取子模块,用于将所述各个关键词按照与所述查询关键词的相关度进行排序,依据所述排序顺序选取设定个数的关键词作为推荐关键词。
14.根据权利要求12或13所述的装置,其特征在于,所述相关度计算子模块包括:
第一赋值子单元,用于针对各个匹配历史搜索条目,确定当前匹配历史搜索条目中包括的所述查询关键词的个数u;将当前匹配历史搜索条目包括的各个关键词的相关性均赋值为u/t;其中,t为所述查询关键词的总个数;
第二赋值子单元,用于针对各个与当前匹配历史搜索条目关联的关联历史搜索条目,将当前关联历史搜索条目包括的各个关键词的相关性均赋值为p×u/t,其中,p为当前关联历史搜索条目与当前匹配历史搜索条目的相关度;
相关度确定子单元,用于针对各个关键词,将当前关键词的相关性的总和确定为当前关键词与所述查询关键词的相关度。
15.根据权利要求10所述的装置,其特征在于,所述划分模块,具体用于将所述查询信息与设定的词语数据库中包括的多个词语进行匹配,将与所述查询信息相匹配的词语作为查询关键词。
16.根据权利要求10所述的装置,其特征在于,还包括:
搜索模块,用于在所述显示模块显示所述推荐关键词及各推荐关键词对应的选择控件之后,接收对推荐关键词的选择指令,按照所述选择指令指示选择的推荐关键词进行搜索;其中,所述选择指令为对所述选择控件进行操作时触发的指令。
17.根据权利要求10所述的装置,其特征在于,还包括:
确定模块,用于在所述查找模块获取与所述匹配历史搜索条目关联的历史搜索条目作为关联历史搜索条目之前,获取需要创建关联关系的历史搜索条目,针对获取的各个所述历史搜索条目,分别确定与当前历史搜索条目关联的历史搜索条目。
18.根据权利要求17所述的装置,其特征在于,所述确定模块包括:
相邻计算子模块,用于分别计算除当前历史搜索条目之外的其他历史搜索条目与当前历史搜索条目之间的相邻搜索关联性;
内容计算子模块,用于分别计算除当前历史搜索条目之外的其他历史搜索条目与当前历史搜索条目之间的内容搜索关联性;
关联性计算子模块,用于依据相邻搜索关联性和内容搜索关联性,分别计算除当前历史搜索条目之外的其他历史搜索条目与当前历史搜索条目之间的关联性;
选取确定子模块,用于从除当前历史搜索条目之外的其他历史搜索条目中选取与当前历史搜索条目之间的关联性满足设定的关联性条件历史搜索条目,将选取的历史搜索条目确定为与当前历史搜索条目关联的历史搜索条目。
CN201510284824.0A 2015-05-28 2015-05-28 关键词推荐方法和装置 Active CN104933100B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510284824.0A CN104933100B (zh) 2015-05-28 2015-05-28 关键词推荐方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510284824.0A CN104933100B (zh) 2015-05-28 2015-05-28 关键词推荐方法和装置

Publications (2)

Publication Number Publication Date
CN104933100A true CN104933100A (zh) 2015-09-23
CN104933100B CN104933100B (zh) 2018-05-04

Family

ID=54120268

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510284824.0A Active CN104933100B (zh) 2015-05-28 2015-05-28 关键词推荐方法和装置

Country Status (1)

Country Link
CN (1) CN104933100B (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105550331A (zh) * 2015-12-21 2016-05-04 北京奇虎科技有限公司 基于引导的搜索方法及装置
CN105653604A (zh) * 2015-12-23 2016-06-08 北京奇虎科技有限公司 搜索的历史记录的处理方法及装置
CN105677769A (zh) * 2015-12-29 2016-06-15 广州神马移动信息科技有限公司 一种基于潜在狄利克雷分配(lda)模型的关键词推荐方法和系统
CN106649750A (zh) * 2016-12-26 2017-05-10 北京奇虎科技有限公司 针对多义项词条的搜索方法及装置
CN106776981A (zh) * 2016-12-06 2017-05-31 广州市科恩电脑有限公司 一种基于经验知识的智能检索方法
CN106897317A (zh) * 2015-12-21 2017-06-27 北京奇虎科技有限公司 基于关键词进行搜索推荐的方法和装置
CN106897319A (zh) * 2015-12-21 2017-06-27 北京奇虎科技有限公司 搜索方法和装置
WO2017107457A1 (zh) * 2015-12-25 2017-06-29 乐视控股(北京)有限公司 查询推荐方法及装置
CN106919575A (zh) * 2015-12-24 2017-07-04 北京奇虎科技有限公司 应用程序搜索方法及装置
CN107665220A (zh) * 2016-07-29 2018-02-06 苏宁云商集团股份有限公司 一种用于搜索业务的处理方法及系统
CN108572971A (zh) * 2017-03-09 2018-09-25 百度在线网络技术(北京)有限公司 一种用于挖掘与检索词相关的关键词的方法和装置
CN108804550A (zh) * 2018-05-21 2018-11-13 北京奇艺世纪科技有限公司 一种查询词拓展方法、装置以及电子设备
CN109344300A (zh) * 2018-08-31 2019-02-15 深圳壹账通智能科技有限公司 自然语言的数据查询意图确定方法、装置和计算机设备
CN110472158A (zh) * 2018-05-11 2019-11-19 北京搜狗科技发展有限公司 一种搜索条目的排序方法和装置
CN112667894A (zh) * 2020-12-25 2021-04-16 特赞(上海)信息科技有限公司 内容推荐方法、装置、设备和存储介质
CN117688243A (zh) * 2023-12-19 2024-03-12 广州无限可能数字科技有限公司 一种基于大数据的关键词筛选推荐的方法及系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109145213B (zh) * 2018-08-22 2020-07-28 清华大学 基于历史信息的查询推荐方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090083029A1 (en) * 2007-09-25 2009-03-26 Kabushiki Kaisha Toshiba Retrieving apparatus, retrieving method, and computer program product
CN102053977A (zh) * 2009-11-04 2011-05-11 阿里巴巴集团控股有限公司 一种搜索结果生成方法及信息搜索系统
CN102368262A (zh) * 2011-10-14 2012-03-07 北京百度网讯科技有限公司 一种提供与查询序列相对应的搜索建议的方法与设备
CN103593410A (zh) * 2013-10-22 2014-02-19 上海交通大学 通过替换概念性词语进行搜索推荐系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090083029A1 (en) * 2007-09-25 2009-03-26 Kabushiki Kaisha Toshiba Retrieving apparatus, retrieving method, and computer program product
CN102053977A (zh) * 2009-11-04 2011-05-11 阿里巴巴集团控股有限公司 一种搜索结果生成方法及信息搜索系统
CN102368262A (zh) * 2011-10-14 2012-03-07 北京百度网讯科技有限公司 一种提供与查询序列相对应的搜索建议的方法与设备
CN103593410A (zh) * 2013-10-22 2014-02-19 上海交通大学 通过替换概念性词语进行搜索推荐系统

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106897319A (zh) * 2015-12-21 2017-06-27 北京奇虎科技有限公司 搜索方法和装置
CN105550331A (zh) * 2015-12-21 2016-05-04 北京奇虎科技有限公司 基于引导的搜索方法及装置
CN106897317A (zh) * 2015-12-21 2017-06-27 北京奇虎科技有限公司 基于关键词进行搜索推荐的方法和装置
CN105653604A (zh) * 2015-12-23 2016-06-08 北京奇虎科技有限公司 搜索的历史记录的处理方法及装置
CN106919575A (zh) * 2015-12-24 2017-07-04 北京奇虎科技有限公司 应用程序搜索方法及装置
WO2017107457A1 (zh) * 2015-12-25 2017-06-29 乐视控股(北京)有限公司 查询推荐方法及装置
US10685185B2 (en) 2015-12-29 2020-06-16 Guangzhou Shenma Mobile Information Technology Co., Ltd. Keyword recommendation method and system based on latent Dirichlet allocation model
CN105677769A (zh) * 2015-12-29 2016-06-15 广州神马移动信息科技有限公司 一种基于潜在狄利克雷分配(lda)模型的关键词推荐方法和系统
CN105677769B (zh) * 2015-12-29 2018-01-05 广州神马移动信息科技有限公司 一种基于潜在狄利克雷分配(lda)模型的关键词推荐方法和系统
CN107665220A (zh) * 2016-07-29 2018-02-06 苏宁云商集团股份有限公司 一种用于搜索业务的处理方法及系统
CN106776981A (zh) * 2016-12-06 2017-05-31 广州市科恩电脑有限公司 一种基于经验知识的智能检索方法
CN106776981B (zh) * 2016-12-06 2020-12-15 广州同构科技有限公司 一种基于经验知识的智能检索方法
CN106649750A (zh) * 2016-12-26 2017-05-10 北京奇虎科技有限公司 针对多义项词条的搜索方法及装置
CN106649750B (zh) * 2016-12-26 2021-02-05 三六零科技集团有限公司 针对多义项词条的搜索方法及装置
CN108572971A (zh) * 2017-03-09 2018-09-25 百度在线网络技术(北京)有限公司 一种用于挖掘与检索词相关的关键词的方法和装置
CN110472158A (zh) * 2018-05-11 2019-11-19 北京搜狗科技发展有限公司 一种搜索条目的排序方法和装置
CN110472158B (zh) * 2018-05-11 2024-01-30 北京搜狗科技发展有限公司 一种搜索条目的排序方法和装置
CN108804550A (zh) * 2018-05-21 2018-11-13 北京奇艺世纪科技有限公司 一种查询词拓展方法、装置以及电子设备
CN108804550B (zh) * 2018-05-21 2021-04-16 北京奇艺世纪科技有限公司 一种查询词拓展方法、装置以及电子设备
CN109344300A (zh) * 2018-08-31 2019-02-15 深圳壹账通智能科技有限公司 自然语言的数据查询意图确定方法、装置和计算机设备
CN112667894A (zh) * 2020-12-25 2021-04-16 特赞(上海)信息科技有限公司 内容推荐方法、装置、设备和存储介质
CN117688243A (zh) * 2023-12-19 2024-03-12 广州无限可能数字科技有限公司 一种基于大数据的关键词筛选推荐的方法及系统
CN117688243B (zh) * 2023-12-19 2024-06-18 广州无限可能数字科技有限公司 一种基于大数据的关键词筛选推荐的方法及系统

Also Published As

Publication number Publication date
CN104933100B (zh) 2018-05-04

Similar Documents

Publication Publication Date Title
CN104933100A (zh) 关键词推荐方法和装置
US11960556B2 (en) Techniques for presenting content to a user based on the user's preferences
US11645317B2 (en) Recommending topic clusters for unstructured text documents
US10409880B2 (en) Techniques for presenting content to a user based on the user's preferences
CN107729336B (zh) 数据处理方法、设备及系统
EP3717984B1 (en) Method and apparatus for providing personalized self-help experience
US9171078B2 (en) Automatic recommendation of vertical search engines
CN110390052B (zh) 搜索推荐方法、ctr预估模型的训练方法、装置及设备
US20070214133A1 (en) Methods for filtering data and filling in missing data using nonlinear inference
US20130218644A1 (en) Determination of expertise authority
CN103400286A (zh) 一种基于用户行为进行物品特征标注的推荐系统及方法
JP5469331B2 (ja) レコメンド情報生成装置およびレコメンド情報生成方法
CN107193883B (zh) 一种数据处理方法和系统
US20200175076A1 (en) Training and implementing an audit generation model
US11609942B2 (en) Expanding search engine capabilities using AI model recommendations
KR102371437B1 (ko) 엔티티를 추천하는 방법과 장치, 전자기기 및 컴퓨터 판독가능 매체
US20110208715A1 (en) Automatically mining intents of a group of queries
CN104462554A (zh) 问答页面相关问题推荐方法和装置
KR101450453B1 (ko) 컨텐츠 추천 방법 및 장치
CN110008396B (zh) 对象信息推送方法、装置、设备及计算机可读存储介质
AU2012272479A1 (en) Preference-guided data exploration and semantic processing
CN104462556A (zh) 问答页面相关问题推荐方法和装置
CN115630144A (zh) 一种文档搜索方法、装置及相关设备
US11294977B2 (en) Techniques for presenting content to a user based on the user's preferences
CN109614467B (zh) 一种基于片段相似度的知识关联与动态组织方法和系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant