CN105224547A - 对象集合及其满意度的处理方法及装置 - Google Patents

对象集合及其满意度的处理方法及装置 Download PDF

Info

Publication number
CN105224547A
CN105224547A CN201410246705.1A CN201410246705A CN105224547A CN 105224547 A CN105224547 A CN 105224547A CN 201410246705 A CN201410246705 A CN 201410246705A CN 105224547 A CN105224547 A CN 105224547A
Authority
CN
China
Prior art keywords
object set
satisfaction
user
candidate
targeted customer
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
Application number
CN201410246705.1A
Other languages
English (en)
Inventor
张锐
祖仲林
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.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding 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 Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201410246705.1A priority Critical patent/CN105224547A/zh
Priority to TW103134413A priority patent/TWI639093B/zh
Priority to US14/728,602 priority patent/US20150356189A1/en
Priority to JP2016570097A priority patent/JP2017522649A/ja
Priority to EP15802690.6A priority patent/EP3152685A4/en
Priority to PCT/US2015/033792 priority patent/WO2015187698A1/en
Publication of CN105224547A publication Critical patent/CN105224547A/zh
Pending legal-status Critical Current

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
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供一种对象集合及其满意度的处理方法及装置。本申请实施例通过搜索引擎根据当前用户对待处理的至少两个对象集合中每个对象集合的目标满意度，对所述至少两个对象集合进行排序，进而输出所述排序之后的至少两个对象集合，由于所述每个对象集合的目标满意度为至少根据所述用户的对象集合操作行为数据和所述用户的对象操作行为数据获得，使得所输出的对象集合的排序结果符合用户的历史操作行为，能够避免现有技术中由于用户通过应用反复进行搜索而导致的增加应用与搜索引擎之间的数据交互的问题，从而降低了搜索引擎的处理负担。

Description

对象集合及其满意度的处理方法及装置
【技术领域】
本申请涉及搜索技术，尤其涉及一种对象集合及其满意度的处理方法及装置。
【背景技术】
随着网络信息技术的发展和普及，互联网逐渐渗透到人们的生活、学习和工作的各个领域，由此将人类真正带入信息时代。然而，互联网上的信息量很大，用户不容易找到自己需要的对象，例如商品或服务等。为了提高处理即搜索或推荐的精度，现有的一种做法是将具有相同属性的多个对象，定义为一个对象集合，以方便用户通过对象集合定位到一个具体的对象。
然而，至少一些现有的搜索引擎输出的符合某一查询特征或者推荐特征的多个对象集合的排列顺序对于所有用户都是一致的，无法满足用户的个性化需求，使得用户需要通过应用反复进行搜索，这样，会增加应用与搜索引擎之间的数据交互，从而导致了搜索引擎的处理负担的增加。另外一个问题是现有技术没有给出对象集合的满意度的计算方法。
【发明内容】
本申请的多个方面提供一种对象集合及其满意度的处理方法及装置，用以降低搜索引擎的处理负担，或者提高对象集合的满意度的准确度。
本申请的一方面，提供一种对象集合的处理方法，包括：
搜索引擎获得待处理的至少两个对象集合；
所述搜索引擎根据当前用户对所述至少两个对象集合中每个对象集合的目标满意度，对所述至少两个对象集合进行排序，所述每个对象集合的目标满意度为至少根据所述用户的对象集合操作行为数据和所述用户的对象操作行为数据获得；以及
所述搜索引擎输出所述排序之后的至少两个对象集合。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述搜索引擎根据当前用户对所述至少两个对象集合中每个对象集合的目标满意度，对所述至少两个对象集合进行排序之前，还包括：
打分单元根据所述对象集合操作行为数据，获得所述用户对所述每个对象集合的第一候选满意度；
所述打分单元根据对象集合与对象的映射关系，以及所述对象操作行为数据，获得所述用户对所述每个对象集合的第二候选满意度；
所述打分单元至少根据所述第一候选满意度和所述第二候选满意度，获得所述目标满意度。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述打分单元根据所述对象集合操作行为数据，获得所述用户对所述每个对象集合的第一候选满意度，包括：
所述打分单元根据所述对象集合操作行为数据，获得所述用户的对象集合偏好特征信息；
所述打分单元根据所述每个对象集合的特征信息和所述用户的对象集合偏好特征信息，获得所述用户对所述每个对象集合的第一候选满意度。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述打分单元根据对象集合与对象的映射关系，以及所述对象操作行为数据，获得所述用户对所述每个对象集合的第二候选满意度，包括：
所述打分单元根据所述映射关系，确定与所述每个对象集合对应的至少一个对象；
所述打分单元根据所述对象操作行为数据，获得所述用户对所述至少一个对象中每个对象的参考满意度；
所述打分单元根据所述用户对所述每个对象的参考满意度，获得所述用户对所述每个对象集合的第二候选满意度。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述方法还包括：
从Cookie信息中获取所述对象集合操作行为数据、所述映射关系和所述对象操作行为数据中的至少一项。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述对象为商品；所述对象集合为标准化产品单元，所述标准化产品单元为具有相同属性的多个商品的商品集合。
本申请的另一方面，提供一种对象集合的处理装置，包括：
获得单元，用于获得待处理的至少两个对象集合；
排序单元，用于根据当前用户对所述至少两个对象集合中每个对象集合的目标满意度，对所述至少两个对象集合进行排序，所述每个对象集合的目标满意度为至少根据所述用户的对象集合操作行为数据和所述用户的对象操作行为数据获得；以及
输出单元，用于输出所述排序之后的至少两个对象集合。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述装置还包括打分单元，用于
根据所述对象集合操作行为数据，获得所述用户对所述每个对象集合的第一候选满意度；
根据对象集合与对象的映射关系，以及所述对象操作行为数据，获得所述用户对所述每个对象集合的第二候选满意度；以及
至少根据所述第一候选满意度和所述第二候选满意度，获得所述目标满意度。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述打分单元，具体用于
根据所述对象集合操作行为数据，获得所述用户的对象集合偏好特征信息；以及
根据所述每个对象集合的特征信息和所述用户的对象集合偏好特征信息，获得所述用户对所述每个对象集合的第一候选满意度。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述打分单元，具体用于
根据所述映射关系，确定与所述每个对象集合对应的至少一个对象；
根据所述对象操作行为数据，获得所述用户对所述至少一个对象中每个对象的参考满意度；以及
根据所述用户对所述每个对象的参考满意度，获得所述用户对所述每个对象集合的第二候选满意度。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述打分单元，还用于
从Cookie信息中获取所述对象集合操作行为数据、所述映射关系和所述对象操作行为数据中的至少一项。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述对象为商品；所述对象集合为标准化产品单元，所述标准化产品单元为具有相同属性的多个商品的商品集合。
本申请的另一方面，提供一种对象集合的满意度的处理方法，包括：
打分单元根据目标用户的对象集合操作行为数据，获得所述目标用户对每个对象集合的第一候选满意度；
所述打分单元根据对象集合与对象的映射关系，以及所述目标用户的对象操作行为数据，获得所述目标用户对所述每个对象集合的第二候选满意度；以及
所述打分单元至少根据所述第一候选满意度和所述第二候选满意度，获得所述目标用户对所述每个对象集合的目标满意度。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述打分单元根据目标用户的对象集合操作行为数据，获得所述目标用户对每个对象集合的第一候选满意度，包括：
所述打分单元根据所述对象集合操作行为数据，获得所述目标用户的对象集合偏好特征信息；
所述打分单元根据所述每个对象集合的特征信息和所述目标用户的对象集合偏好特征信息，获得所述目标用户对所述每个对象集合的第一候选满意度。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述打分单元根据对象集合与对象的映射关系，以及所述目标用户的对象操作行为数据，获得所述目标用户对所述每个对象集合的第二候选满意度，包括：
所述打分单元根据所述映射关系，确定与所述每个对象集合对应的至少一个对象；
所述打分单元根据所述对象操作行为数据，获得所述目标用户对所述至少一个对象中每个对象的参考满意度；
所述打分单元根据所述目标用户对所述每个对象的参考满意度，获得所述目标用户对所述每个对象集合的第二候选满意度。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述方法还包括：
所述打分单元从Cookie信息中获取所述对象集合操作行为数据、所述映射关系和所述对象操作行为数据中的至少一项。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述对象为商品；所述对象集合为标准化产品单元，所述标准化产品单元为具有相同属性的多个商品的商品集合。
本申请的另一方面，提供一种对象集合的满意度的处理装置，包括：
第一满意度计算单元，用于根据目标用户的对象集合操作行为数据，获得所述目标用户对每个对象集合的第一候选满意度；
第二满意度计算单元，用于根据对象集合与对象的映射关系，以及所述目标用户的对象操作行为数据，获得所述目标用户对所述每个对象集合的第二候选满意度；以及
第三满意度计算单元，用于至少根据所述第一候选满意度和所述第二候选满意度，获得所述目标用户对所述每个对象集合的目标满意度。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述第一满意度计算单元，具体用于
根据所述对象集合操作行为数据，获得所述目标用户的对象集合偏好特征信息；以及
根据所述每个对象集合的特征信息和所述目标用户的对象集合偏好特征信息，获得所述目标用户对所述每个对象集合的第一候选满意度。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述第二满意度计算单元，具体用于
根据所述映射关系，确定与所述每个对象集合对应的至少一个对象；
根据所述对象操作行为数据，获得所述目标用户对所述至少一个对象中每个对象的参考满意度；以及
根据所述目标用户对所述每个对象的参考满意度，获得所述目标用户对所述每个对象集合的第二候选满意度。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述装置还包括读取单元，用于
从Cookie信息中获取所述对象集合操作行为数据、所述映射关系和所述对象操作行为数据中的至少一项。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述对象为商品；所述对象集合为标准化产品单元，所述标准化产品单元为具有相同属性的多个商品的商品集合。
由上述技术方案可知，一方面，本申请实施例通过搜索引擎根据当前用户对待处理的至少两个对象集合中每个对象集合的目标满意度，对所述至少两个对象集合进行排序，进而输出所述排序之后的至少两个对象集合，由于所述每个对象集合的目标满意度为至少根据所述用户的对象集合操作行为数据和所述用户的对象操作行为数据获得，使得所输出的对象集合的排序结果符合用户的历史操作行为，能够避免现有技术中由于用户通过应用反复进行搜索而导致的增加应用与搜索引擎之间的数据交互的问题，从而降低了搜索引擎的处理负担。
另外，采用本申请提供的技术方案，能够满足用户的个性化需求，从而提高了对象集合的处理的针对性。
另外，采用本申请提供的技术方案，由于所述每个对象集合的目标满意度为根据所述用户的对象集合操作行为数据和所述用户的对象操作行为数据这两种操作行为数据获得，而不是仅仅单一根据所述用户的对象集合操作行为数据或所述用户的对象操作行为数据获得，因此，能够有效提高对象集合的处理的准确度。
另外，采用本申请提供的技术方案，由于打分单元能够从Cookie信息中获取对象集合与对象的映射关系，而无需根据对象集合的属性去搜索对应的对象，因此，能够有效避免额外的搜索开销。
由上述技术方案可知，另一方面，本申请实施例通过打分单元根据所述用户的对象集合操作行为数据和所述用户的对象操作行为数据这两种操作行为数据，获得每个对象集合的目标满意度，而不是仅仅单一根据所述用户的对象集合操作行为数据或所述用户的对象操作行为数据获得，能够有效提高对象集合的满意度的准确度。
另外，采用本申请提供的技术方案，由于打分单元能够从Cookie信息中获取对象集合与对象的映射关系，而无需根据对象集合的属性去搜索对应的对象，因此，能够有效避免额外的搜索开销。
【附图说明】
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请一实施例提供的对象集合的处理方法的流程示意图；
图2为本申请另一实施例提供的对象集合的处理装置的结构示意图；
图3为本申请另一实施例提供的对象集合的处理装置的结构示意图；
图4为本申请另一实施例提供的对象集合的满意度的处理方法的流程示意图；
图5为本申请另一实施例提供的对象集合的满意度的处理装置的结构示意图；
图6为本申请另一实施例提供的对象集合的满意度的处理装置的结构示意图。
【具体实施方式】
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本申请保护的范围。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对像是一种“或”的关系。
图1为本申请一实施例提供的对象集合的处理方法的流程示意图，如图1所示。
需要说明的是，101～103的执行主体可以是位于网络侧的服务器中的搜索引擎，也可以是位于本地客户端的应用，或者还可以是位于网络侧的分布式系统，本实施例对此不进行特别限定。
可以理解的是，所述应用可以是安装在终端或者客户端上的本地应用程序(nativeApp)，或者还可以是终端上的浏览器的一个网页程序(webApp)，只要能够实现对象集合与对象的搜索与推荐的客观存在形式都可以，本实施例对此不进行限定。
101、搜索引擎获得待处理的至少两个对象集合。
可选地，在本实施例的一个可能的实现方式中，在101中，搜索引擎具体可以根据接收的当前用户输入的查询关键词，在数据库中进行匹配，获得与所述查询关键词匹配的所述至少两个对象集合，以作为当前用户的搜索结果。为了方便描述，当前用户在本实施例后续的描述中，都直接简称为用户。
可选地，在本实施例的一个可能的实现方式中，在101中，搜索引擎具体可以根据当前用户的特征信息，在数据库中进行匹配，获得与所述特征信息匹配的所述至少两个对象集合，以作为当前用户的推荐结果。
或者，搜索引擎还可以通过其他方式，获得待处理的至少两个对象集合，本实施例对101的具体实现方式不进行特别限定。
102、所述搜索引擎根据当前用户对所述至少两个对象集合中每个对象集合的目标满意度，对所述至少两个对象集合进行排序，所述每个对象集合的目标满意度为至少根据所述用户的对象集合操作行为数据和所述用户的对象操作行为数据获得。
可选地，在本实施例的一个可能的实现方式中，在102之前，打分单元还可以进一步根据所述对象集合操作行为数据，获得所述用户对所述每个对象集合的第一候选满意度，以及根据对象集合与对象的映射关系，以及所述对象操作行为数据，获得所述用户对所述每个对象集合的第二候选满意度。然后，所述打分单元则可以至少根据所述第一候选满意度和所述第二候选满意度，获得所述目标满意度。其中，
所述用户的对象集合操作行为数据，可以是指用户对于搜索引擎所属网站的全部对象集合所执行的操作行为数据，或者还可以是指用户对于待排序的对象集合所执行的操作行为数据，本实施例对此不进行特别限定。
具体地，所述对象集合操作行为数据可以包括但不限于搜索信息、浏览信息和点击信息中的至少一项，本申请实施例对此不进行特别限定。
所述用户的对象操作行为数据，可以是指用户对于搜索引擎所属网站的全部对象所执行的操作行为数据，或者还可以是指待排序的对象集合所包含的对象所执行的操作行为数据，本实施例对此不进行特别限定。
具体地，所述对象操作行为数据可以包括但不限于浏览信息、点击信息、收藏信息、加入订单信息和购买信息中的至少一项，本申请实施例对此不进行特别限定。
进一步可选地，所述打分单元还可以预先从Cookie信息中获取所述对象集合操作行为数据、所述映射关系和所述对象操作行为数据中的至少一项。
其中，Cookie，有时也用其复数形式Cookies，指某些网站为了辨别用户身份、进行会话(Session)跟踪而储存在用户本地的终端上的一些数据(通常经过加密)。具体地，这些网站可以为客户端分配一个唯一的Cookie标识(CookieID)，以在客户端上创建一个Cookie对象，以供将用户的操作行为数据存储在用户本地的终端上，形成Cookie信息。网站可以利用Cookie信息跟踪统计用户访问该网站的习惯，例如，访问时间，访问页面，在每个网页的停留时间以及执行的操作，等。
网站具体可以采用现有技术中的方法，获取客户端的Cookie信息。例如，在网站的页面上埋点(即放上一个1x1的不可见像素)，在客户端第一次访问该网页时，就会获得网站为客户端分配一个唯一的Cookie标识(CookieID)，以在客户端上创建一个Cookie对象，以供将用户的操作行为数据存储在用户本地的终端上，形成Cookie信息。这样，客户端则可以在指定时机将Cookie信息发送给网站，例如，可以在客户端下次请求同一网站时，向网站发送该Cookie等。
具体地，Cookie信息可以包括但不限于CookieID、用户标识信息、对象集合操作行为数据、对象集合与对象的映射关系和对象操作行为数据，本实施例对此不进行特别限定。其中，
所述用户标识信息可以包括但不限于网站的用户身份标识(IDentity，ID)或终端的IP地址，本实施例对此不进行特别限定。
所述对象集合与对象的映射关系，可以为对用户通过点击对象集合进入对象的搜索结果之后，再继续点击对象，这一操作行为，进行记录获得。
例如，打分单元具体可以根据所述对象集合操作行为数据，即用户对于所述至少两个对象集合中所述每个对象集合所执行的操作行为数据，直接获得所述用户对所述每个对象集合的第一候选满意度。
或者，再例如，打分单元具体可以根据所述对象集合操作行为数据，即用户对于搜索引擎所属网站的全部对象集合所执行的操作行为数据，获得所述用户的对象集合偏好特征信息，进而根据所述每个对象集合的特征信息和所述用户的对象集合偏好特征信息，获得所述用户对所述每个对象集合的第一候选满意度。具体地，利用所述每个对象集合的特征信息与所述用户的对象集合偏好特征信息进行匹配，以获得所述用户对所述每个对象集合的第一候选满意度。例如，如果能够匹配成功，说明用户对该对象集合的候选满意度较高；如果匹配不成功，说明用户对该对象集合的候选满意度较低。其中，特征信息的匹配算法可以采用现有技术中的匹配算法，例如，计算特征的欧氏距离等。由于利用用户的对象集合偏好特征信息，使得对象集合的覆盖范围更加广泛，因此，能够有效提高对象集合的处理的可靠性。
或者，再例如，打分单元具体可以根据所述映射关系，确定与所述每个对象集合对应的至少一个对象，然后，所述打分单元则可以根据所述对象操作行为数据，即用户对于所述至少两个对象集合中所述每个对象集合所包含的对象所执行的操作行为数据，直接获得所述用户对所述至少一个对象中每个对象的参考满意度。这样，所述打分单元则可以根据所述用户对所述每个对象的参考满意度，获得所述用户对所述每个对象集合的第二候选满意度。例如，所述打分单元可以根据所述用户对所述每个对象的参考满意度计算一个平均值，以作为所述用户对所述每个对象集合的第二候选满意度。
或者，再例如，打分单元具体可以根据所述映射关系，确定与所述每个对象集合对应的至少一个对象，然后，所述打分单元则可以根据所述对象操作行为数据，即用户对于打分单元所属网站的全部对象所执行的操作行为数据，获得所述用户的对象偏好特征信息，进而根据所述每个对象的特征信息和所述用户的对象偏好特征信息，获得所述用户对所述至少一个对象中每个对象的参考满意度。这样，所述打分单元则可以根据所述用户对所述每个对象的参考满意度，获得所述用户对所述每个对象集合的第二候选满意度。其中，特征信息的匹配算法可以采用现有技术中的匹配算法，例如，计算特征的欧氏距离等。由于利用用户的对象偏好特征信息，使得对象的覆盖范围更加广泛，因此，能够有效提高对象集合的处理的可靠性。
具体地，所述打分单元则可以根据所述第一候选满意度、该第一候选满意度的加权因子，以及所述第二候选满意度、该第二候选满意度的加权因子，获得所述目标满意度。
例如，打分单元具体可以根据公式 H ( s SPUId ) = ( 1 - α ) · [ Σ offerId f ( x offerId ) N s ] + α · G ( s SPUId ) , 获得每个对象集合的目标满意度。
其中，
SPUId为对象集合的标识；
H(sSPUId)为用户对SPUId所标识的对象集合的目标满意度；
α为第一候选满意度的加权因子；
G(sSPUId)为第一候选满意度；
1-α为第二候选满意度的加权因子；
offerId为SPUId所标识的对象集合中对象的标识；
xofferId为SPUId所标识的对象集合中offerId所标识的对象的对象操作行为数据；
f(xofferId)为用户对SPUId所标识的对象集合中offerId所标识的对象的参考满意度；
Ns为SPUId所标识的对象集合中对象的数量；
为第二候选满意度，即用户对SPUId所标识的对象集合中每个对象的参考满意度的平均值。
可以理解的是，本实施例中，虽然只描述了搜索引擎根据当前用户对所述至少两个对象集合中每个对象集合的目标满意度这一个排序参数，对所述至少两个对象集合进行排序，但是，也不排除搜索引擎所进行的排序还可以进一步根据现有技术中的其他排序参数，例如，对象集合与查询关键词的匹配度等，只要为每个排序参数赋予适当的加权因子，即能够获得每个对象集合的排序分数，进而对每个对象集合进行排序。
以商品这一对象为例，可以预先将具有相同属性的多个商品，定义为一个商品集合即标准化产品单元(StandardProductUnit，SPU)，也可以称为产品，以通过SPU，进而定位到一个具体的商品。其中，SPU可以重复使用，一个SPU可以对应多个商品，一个商品只能对应一个SPU。
在购物网站阿里巴巴中国站(http://www.1688.com/)中，可以预先将具有相同型号、相同产地的多个高密度聚乙烯(HighDensityPolyethylene，HDPE)，定义为一个SPU，即SPU1、SPU2、……、SPUn，n为大于1的整数。其中，SPU1可以被称为第一对象集合，SPU2可以被称为第二对象集合。
用户利用浏览器打开阿里巴巴中国站(http://www.1688.com/)，在搜索输入框中输入查询关键词“HDPE5000S”，浏览器进而将该查询关键词“5000S”发送给搜索引擎。
搜索引擎接收到查询关键词“HDPE5000S”之后，可以根据查询关键词“HDPE5000S”，在数据库中进行匹配，获得与查询关键词“HDPE5000S”匹配的多个SPU产品，以作为搜索结果，如HDPE/大庆石化/5000S、HDPE/扬子石化/5000S、HDPE/兰州石化/5000S、HDPE/燕山石化/5000S、HDPE/韩国湖南/5000S等产品。其中，HDPE/大庆石化/5000S可以为第一对象集合，HDPE/扬子石化/5000S可以为第二对象集合。
然后，打分单元可以读取客户端的Cookie信息，这些Cookie信息记录了用户标识信息、用户的SPU操作行为数据、SPU与商品的映射关系和用户的商品操作行为数据等数据。
接着，打分单元可以根据用户的SPU操作行为数据中用户对阿里巴巴中国站的全部SPU所执行的操作行为数据，获得用户的SPU偏好特征信息。例如，用户偏好的SPU关键属性信息、用户偏好的SPU所属市场信息、用户偏好的SPU所属地域信息等。
可替换地，打分单元还可以预先读取客户端的Cookie信息，以获得用户的SPU操作行为数据中用户对阿里巴巴中国站的全部SPU所执行的操作行为数据，进而根据用户的SPU操作行为数据中用户对阿里巴巴中国站的全部SPU所执行的操作行为数据，获得用户的SPU偏好特征信息。本实施例对此不进行特别限定。
然后，打分单元再进一步利用搜索结果中每个SPU的特征信息，例如，每个SPU的SPU关键属性信息、每个SPU的所属市场信息、每个SPU的SPU所属地域信息等，与用户的SPU偏好特征信息进行匹配，以获得用户对所述每个SPU的第一候选满意度。例如，如果能够匹配成功，说明用户对该SPU的候选满意度较高；如果匹配不成功，说明用户对该SPU的候选满意度较低。
接着，打分单元具体可以根据SPU与商品的映射关系，确定与搜索结果中每个SPU对应的多个商品。
然后，打分单元则可以进一步根据用户的商品操作行为数据中用户对所对应的每个商品所执行的操作行为数据，获得用户对每个商品的参考满意度。
可替换地，打分单元还可以预先读取客户端的Cookie信息，以获得用户的商品操作行为数据中用户对所对应的每个商品所执行的操作行为数据，进而根据用户的商品操作行为数据中用户对所对应的每个商品所执行的操作行为数据，获得用户对每个商品的参考满意度。本实施例对此不进行特别限定。
然后，打分单元则可以根据搜索结果中每个SPU所对应的每个商品的参考满意度，计算一个平均值，以作为用户对每个SPU的第二候选满意度。
最后，所述打分单元则可以根据所述第一候选满意度、该第一候选满意度的加权因子，以及所述第二候选满意度、该第二候选满意度的加权因子，获得用户对搜索结果中每个SPU的目标满意度。
这样，所述搜索引擎就可以根据所述打分单元所获得的用户对搜索结果中每个SPU的目标满意度，对搜索结果中的SPU进行排序，进而向浏览器返回经过排序的SPU。
103、所述搜索引擎输出所述排序之后的至少两个对象集合。
例如，搜索引擎通过执行101所获得的所述至少两个对象集合的顺序为对象集合1、对象集合2、对象集合3、对象集合4、对象集合5和对象集合6这六个对象集合。进而，所述搜索引擎通过执行102，根据所获得的用户对这些对象集合的目标满意度，即目标满意度(对象集合3)>目标满意度(对象集合2)>目标满意度(对象集合5)>目标满意度(对象集合1)>目标满意度(对象集合4)>目标满意度(对象集合6)，按照从大到小的顺序，对这六个对象集合进行排序，经过排序之后的顺序为对象集合3、对象集合2、对象集合5、对象集合1、对象集合4和对象集合6，从而体现了个性化排序结果。
可以理解的是，采用本申请提供的技术方案，所输出的所述排序之后的至少两个对象集合，能够对用户起到一个推荐与指导作用，方便用户根据对象集合更快地寻找到目标对象。因此，可以根据指定需求来设定对象的操作行为数据。
例如，如果需要进行备货、选货等指导，或者需要进行广告投放等指导，或者需要进行购买等指导，等，可以将对象的操作行为数据设定为对象的购买信息即对象的销售信息。
或者，再例如，如果需要进行潜在用户等指导，可以将对象的操作行为数据设定为对象的收藏信息。
或者，再例如，如果需要进行页面完善等指导，可以将对象的操作行为数据设定为对象的点击信息。
本申请对对象的操作行为数据的设置不进行特别限定。
本实施例中，通过搜索引擎根据当前用户对待处理的至少两个对象集合中每个对象集合的目标满意度，对所述至少两个对象集合进行排序，进而输出所述排序之后的至少两个对象集合，由于所述每个对象集合的目标满意度为至少根据所述用户的对象集合操作行为数据和所述用户的对象操作行为数据获得，使得所输出的对象集合的排序结果符合用户的历史操作行为，能够避免现有技术中由于用户通过应用反复进行搜索而导致的增加应用与搜索引擎之间的数据交互的问题，从而降低了搜索引擎的处理负担。
另外，采用本申请提供的技术方案，能够满足用户的个性化需求，从而提高了对象集合的处理的针对性。
另外，采用本申请提供的技术方案，由于所述每个对象集合的目标满意度为根据所述用户的对象集合操作行为数据和所述用户的对象操作行为数据这两种操作行为数据获得，而不是仅仅单一根据所述用户的对象集合操作行为数据或所述用户的对象操作行为数据获得，因此，能够有效提高对象集合的处理的准确度。
另外，采用本申请提供的技术方案，由于打分单元能够从Cookie信息中获取对象集合与对象的映射关系，而无需根据对象集合的属性去搜索对应的对象，因此，能够有效避免额外的搜索开销。
图4为本申请另一实施例提供的对象集合的满意度的处理方法的流程示意图，如图4所示。
需要说明的是，401～403的执行主体可以是位于网络侧的服务器中的打分单元，也可以是位于本地客户端的应用，或者还可以是位于网络侧的分布式系统，本实施例对此不进行特别限定。
可以理解的是，所述应用可以是安装在终端或者客户端上的本地应用程序(nativeApp)，或者还可以是终端上的浏览器的一个网页程序(webApp)，只要能够实现对象集合与对象的搜索与推荐的客观存在形式都可以，本实施例对此不进行限定。
401、打分单元根据目标用户的对象集合操作行为数据，获得所述目标用户对每个对象集合的第一候选满意度。
402、所述打分单元根据对象集合与对象的映射关系，以及所述目标用户的对象操作行为数据，获得所述目标用户对所述每个对象集合的第二候选满意度。
403、所述打分单元至少根据所述第一候选满意度和所述第二候选满意度，获得所述目标用户对所述每个对象集合的目标满意度。
可选地，在本实施例的一个可能的实现方式中，在401中，所述打分单元具体可以根据所述对象集合操作行为数据，获得所述目标用户的对象集合偏好特征信息，进而根据所述每个对象集合的特征信息和所述目标用户的对象集合偏好特征信息，获得所述目标用户对所述每个对象集合的第一候选满意度。具体地，利用所述每个对象集合的特征信息与所述用户的对象集合偏好特征信息进行匹配，以获得所述用户对所述每个对象集合的第一候选满意度。例如，如果能够匹配成功，说明用户对该对象集合的候选满意度较高；如果匹配不成功，说明用户对该对象集合的候选满意度较低。其中，特征信息的匹配算法可以采用现有技术中的匹配算法，例如，计算特征的欧氏距离等。由于利用用户的对象集合偏好特征信息，使得对象集合的覆盖范围更加广泛，因此，能够有效提高对象集合的处理的可靠性。
可选地，在本实施例的一个可能的实现方式中，在402中，所述打分单元具体可以根据所述映射关系，确定与所述每个对象集合对应的至少一个对象；然后，所述打分单元则可以根据所述对象操作行为数据，获得所述目标用户对所述至少一个对象中每个对象的参考满意度；这样，所述打分单元则可以根据所述目标用户对所述每个对象的参考满意度，获得所述目标用户对所述每个对象集合的第二候选满意度。例如，所述打分单元可以根据所述用户对所述每个对象的参考满意度计算一个平均值，以作为所述用户对所述每个对象集合的第二候选满意度。
可选地，在本实施例的一个可能的实现方式中，打分单元还可以进一步从Cookie信息中获取所述对象集合操作行为数据、所述映射关系和所述对象操作行为数据中的至少一项。
具体地，在103中，所述打分单元具体则可以根据所述第一候选满意度、该第一候选满意度的加权因子，以及所述第二候选满意度、该第二候选满意度的加权因子，获得所述目标满意度。
例如，打分单元具体可以根据公式 H ( s SPUId ) = ( 1 - α ) · [ Σ offerId f ( x offerId ) N s ] + α · G ( s SPUId ) , 获得每个对象集合的目标满意度。
其中，
SPUId为对象集合的标识；
H(sSPUId)为用户对SPUId所标识的对象集合的目标满意度；
α为第一候选满意度的加权因子；
G(sSPUId)为第一候选满意度；
1-α为第二候选满意度的加权因子；
offerId为SPUId所标识的对象集合中对象的标识；
xofferId为SPUId所标识的对象集合中offerId所标识的对象的对象操作行为数据；
f(xofferId)为用户对SPUId所标识的对象集合中offerId所标识的对象的参考满意度；
Ns为SPUId所标识的对象集合中对象的数量；
为第二候选满意度，即用户对SPUId所标识的对象集合中每个对象的参考满意度的平均值。
可选地，在本实施例的一个可能的实现方式中，在101之前，还可以进一步包括所述打分单元从Cookie信息中获取所述对象集合操作行为数据、所述映射关系和所述对象操作行为数据中的至少一项。
详细描述可以参见图1对应的实施例中，打分单元所执行的步骤的相关内容，此处不再赘述，其中，目标用户相当于图1对应的实施例中的当前用户。
本实施例中，通过打分单元根据所述用户的对象集合操作行为数据和所述用户的对象操作行为数据这两种操作行为数据，获得每个对象集合的目标满意度，而不是仅仅单一根据所述用户的对象集合操作行为数据或所述用户的对象操作行为数据获得，能够有效提高对象集合的满意度的准确度。
另外，采用本申请提供的技术方案，由于打分单元能够从Cookie信息中获取对象集合与对象的映射关系，而无需根据对象集合的属性去搜索对应的对象，因此，能够有效避免额外的搜索开销。
需要说明的是，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，本申请并不受所描述的动作顺序的限制，因为依据本申请，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申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
图2为本申请另一实施例提供的对象集合的处理装置的结构示意图，如图2所示。
需要说明的是，本实施例所提供的对象集合的处理装置中的部分功能模块可以是位于网络侧的服务器中的搜索引擎，也可以是位于本地客户端的应用，或者还可以是位于网络侧的分布式系统，本实施例对此不进行特别限定。
可以理解的是，所述应用可以是安装在终端或者客户端上的本地应用程序(nativeApp)，或者还可以是终端上的浏览器的一个网页程序(webApp)，只要能够实现对象集合与对象的搜索与推荐的客观存在形式都可以，本实施例对此不进行限定。
本实施例的对象集合的处理装置可以包括获得单元21、排序单元22和输出单元23。其中，
获得单元21，用于获得待处理的至少两个对象集合。
可选地，在本实施例的一个可能的实现方式中，所述获得单元21，具体可以根据接收的当前用户输入的查询关键词，在数据库中进行匹配，获得与所述查询关键词匹配的所述至少两个对象集合，以作为当前用户的搜索结果。为了方便描述，当前用户在本实施例后续的描述中，都直接简称为用户。
可选地，在本实施例的一个可能的实现方式中，所述获得单元21，具体可以根据当前用户的特征信息，在数据库中进行匹配，获得与所述特征信息匹配的所述至少两个对象集合，以作为当前用户的推荐结果。
或者，所述获得单元21还可以通过其他方式，获得待处理的至少两个对象集合，本实施例对其具体实现方式不进行特别限定。
排序单元22，用于根据当前用户对所述至少两个对象集合中每个对象集合的目标满意度，对所述至少两个对象集合进行排序，所述每个对象集合的目标满意度为至少根据所述用户的对象集合操作行为数据和所述用户的对象操作行为数据获得。
输出单元23，用于输出所述排序之后的至少两个对象集合。
可选地，在本实施例的一个可能的实现方式中，如图3所示，本实施例提供的对象集合的处理装置还可以进一步包括打分单元31，用于根据所述对象集合操作行为数据，获得所述用户对所述每个对象集合的第一候选满意度；根据对象集合与对象的映射关系，以及所述对象操作行为数据，获得所述用户对所述每个对象集合的第二候选满意度；以及至少根据所述第一候选满意度和所述第二候选满意度，获得所述目标满意度。其中，
所述用户的对象集合操作行为数据，可以是指用户对于搜索引擎所属网站的全部对象集合所执行的操作行为数据，或者还可以是指用户对于待排序的对象集合所执行的操作行为数据，本实施例对此不进行特别限定。
具体地，所述对象集合操作行为数据可以包括但不限于搜索信息、浏览信息和点击信息中的至少一项，本申请实施例对此不进行特别限定。
所述用户的对象操作行为数据，可以是指用户对于搜索引擎所属网站的全部对象所执行的操作行为数据，或者还可以是指待排序的对象集合所包含的对象所执行的操作行为数据，本实施例对此不进行特别限定。
具体地，所述对象操作行为数据可以包括但不限于浏览信息、点击信息、收藏信息、加入订单信息和购买信息中的至少一项，本申请实施例对此不进行特别限定。
进一步可选地，所述打分单元31，还可以进一步用于从Cookie信息中获取所述对象集合操作行为数据、所述映射关系和所述对象操作行为数据中的至少一项。
其中，Cookie，有时也用其复数形式Cookies，指某些网站为了辨别用户身份、进行会话(Session)跟踪而储存在用户本地的终端上的一些数据(通常经过加密)。具体地，这些网站可以为客户端分配一个唯一的Cookie标识(CookieID)，以在客户端上创建一个Cookie对象，以供将用户的操作行为数据存储在用户本地的终端上，形成Cookie信息。网站可以利用Cookie信息跟踪统计用户访问该网站的习惯，例如，访问时间，访问页面，在每个网页的停留时间以及执行的操作，等。
网站具体可以采用现有技术中的方法，获取客户端的Cookie信息。例如，在网站的页面上埋点(即放上一个1x1的不可见像素)，在客户端第一次访问该网页时，就会获得网站为客户端分配一个唯一的Cookie标识(CookieID)，以在客户端上创建一个Cookie对象，以供将用户的操作行为数据存储在用户本地的终端上，形成Cookie信息。这样，客户端则可以在指定时机将Cookie信息发送给网站，例如，可以在客户端下次请求同一网站时，向网站发送该Cookie等。
具体地，Cookie信息可以包括但不限于CookieID、用户标识信息、对象集合操作行为数据、对象集合与对象的映射关系和对象操作行为数据，本实施例对此不进行特别限定。其中，
所述用户标识信息可以包括但不限于网站的用户身份标识(IDentity，ID)或终端的IP地址，本实施例对此不进行特别限定。
所述对象集合与对象的映射关系，可以为对用户通过点击对象集合进入对象的搜索结果之后，再继续点击对象，这一操作行为，进行记录获得。
例如，所述打分单元31，具体可以用于根据所述对象集合操作行为数据，即用户对于所述至少两个对象集合中所述每个对象集合所执行的操作行为数据，直接获得所述用户对所述每个对象集合的第一候选满意度。
或者，再例如，所述打分单元31，具体可以用于根据所述对象集合操作行为数据，即用户对于搜索引擎所属网站的全部对象集合所执行的操作行为数据，获得所述用户的对象集合偏好特征信息，进而根据所述每个对象集合的特征信息和所述用户的对象集合偏好特征信息，获得所述用户对所述每个对象集合的第一候选满意度。具体地，利用所述每个对象集合的特征信息与所述用户的对象集合偏好特征信息进行匹配，以获得所述用户对所述每个对象集合的第一候选满意度。例如，如果能够匹配成功，说明用户对该对象集合的候选满意度较高；如果匹配不成功，说明用户对该对象集合的候选满意度较低。其中，特征信息的匹配算法可以采用现有技术中的匹配算法，例如，计算特征的欧氏距离等。由于利用用户的对象集合偏好特征信息，使得对象集合的覆盖范围更加广泛，因此，能够有效提高对象集合的处理的可靠性。
或者，再例如，所述打分单元31，具体可以用于根据所述映射关系，确定与所述每个对象集合对应的至少一个对象；根据所述对象操作行为数据，即用户对于所述至少两个对象集合中所述每个对象集合所包含的对象所执行的操作行为数据，直接获得所述用户对所述至少一个对象中每个对象的参考满意度；以及根据所述用户对所述每个对象的参考满意度，获得所述用户对所述每个对象集合的第二候选满意度。例如，所述打分单元31可以根据所述用户对所述每个对象的参考满意度计算一个平均值，以作为所述用户对所述每个对象集合的第二候选满意度。
或者，再例如，所述打分单元31，具体可以用于根据所述映射关系，确定与所述每个对象集合对应的至少一个对象；根据所述对象操作行为数据，即用户对于搜索引擎所属网站的全部对象所执行的操作行为数据，获得所述用户的对象偏好特征信息，进而根据所述每个对象的特征信息和所述用户的对象偏好特征信息，获得所述用户对所述至少一个对象中每个对象的参考满意度；以及根据所述用户对所述每个对象的参考满意度，获得所述用户对所述每个对象集合的第二候选满意度。其中，特征信息的匹配算法可以采用现有技术中的匹配算法，例如，计算特征的欧氏距离等。由于利用用户的对象偏好特征信息，使得对象的覆盖范围更加广泛，因此，能够有效提高对象集合的处理的可靠性。
具体地，所述打分单元31则可以根据所述第一候选满意度、该第一候选满意度的加权因子，以及所述第二候选满意度、该第二候选满意度的加权因子，获得所述目标满意度。
例如，打分单元具体可以根据公式 H ( s SPUId ) = ( 1 - α ) · [ Σ offerId f ( x offerId ) N s ] + α · G ( s SPUId ) , 获得每个对象集合的目标满意度。
其中，
SPUId为对象集合的标识；
H(sSPUId)为用户对SPUId所标识的对象集合的目标满意度；
α为第一候选满意度的加权因子；
G(sSPUId)为第一候选满意度；
1-α为第二候选满意度的加权因子；
offerId为SPUId所标识的对象集合中对象的标识；
xofferId为SPUId所标识的对象集合中offerId所标识的对象的对象操作行为数据；
f(xofferId)为用户对SPUId所标识的对象集合中offerId所标识的对象的参考满意度；
Ns为SPUId所标识的对象集合中对象的数量；
为第二候选满意度，即用户对SPUId所标识的对象集合中每个对象的参考满意度的平均值。
可以理解的是，本实施例中，虽然只描述了所述打分单元31根据当前用户对所述至少两个对象集合中每个对象集合的目标满意度这一个排序参数，对所述至少两个对象集合进行排序，但是，也不排除所述打分单元31所进行的排序还可以进一步根据现有技术中的其他排序参数，例如，对象集合与查询关键词的匹配度等，只要为每个排序参数赋予适当的加权因子，即能够获得每个对象集合的排序分数，进而对每个对象集合进行排序。
以商品这一对象为例，可以预先将具有相同属性的多个商品，定义为一个商品集合即标准化产品单元(StandardProductUnit，SPU)，也可以称为产品，以通过SPU，进而定位到一个具体的商品。其中，SPU可以重复使用，一个SPU可以对应多个商品，一个商品只能对应一个SPU。
详细描述可以参见图1对应的实施例中的相关内容，此处不再赘述。
可以理解的是，采用本申请提供的技术方案，所输出的所述排序之后的至少两个对象集合，能够对用户起到一个推荐与指导作用。因此，可以根据指定需求来设定对象的操作行为数据。
例如，如果需要进行备货、选货等指导，或者需要进行广告投放等指导，或者需要进行购买等指导，等，可以将对象的操作行为数据设定为对象的购买信息即对象的销售信息。
或者，再例如，如果需要进行潜在用户等指导，可以将对象的操作行为数据设定为对象的收藏信息。
或者，再例如，如果需要进行页面完善等指导，可以将对象的操作行为数据设定为对象的点击信息。
本申请对对象的操作行为数据的设置不进行特别限定。
本实施例中，通过排序单元根据当前用户对获得单元所获得的待处理的至少两个对象集合中每个对象集合的目标满意度，对所述至少两个对象集合进行排序，进而由输出单元输出所述排序之后的至少两个对象集合，由于所述每个对象集合的目标满意度为至少根据所述用户的对象集合操作行为数据和所述用户的对象操作行为数据获得，使得所输出的对象集合的排序结果符合用户的历史操作行为，能够满足用户的个性化需求，从而提高了对象集合的处理的针对性。
另外，采用本申请提供的技术方案，由于所述每个对象集合的目标满意度为根据所述用户的对象集合操作行为数据和所述用户的对象操作行为数据这两种操作行为数据获得，而不是仅仅单一根据所述用户的对象集合操作行为数据或所述用户的对象操作行为数据获得，因此，能够有效提高对象集合的处理的准确度。
另外，采用本申请提供的技术方案，由于能够从Cookie信息中获取对象集合与对象的映射关系，而无需根据对象集合的属性去搜索对应的对象，因此，能够有效避免额外的搜索开销。
图5为本申请另一实施例提供的对象集合的满意度的处理装置的结构示意图，如图5所示。
需要说明的是，本实施例所提供的对象集合的满意度的处理装置可以是位于网络侧的服务器中的打分单元，也可以是位于本地客户端的应用，或者还可以是位于网络侧的分布式系统，本实施例对此不进行特别限定。
可以理解的是，所述应用可以是安装在终端或者客户端上的本地应用程序(nativeApp)，或者还可以是终端上的浏览器的一个网页程序(webApp)，只要能够实现对象集合与对象的搜索与推荐的客观存在形式都可以，本实施例对此不进行限定。
本实施例的对象集合的满意度的处理装置可以包括第一满意度计算单元51、第二满意度计算单元52和第三满意度计算单元53。其中，第一满意度计算单元51，用于根据目标用户的对象集合操作行为数据，获得所述目标用户对每个对象集合的第一候选满意度；第二满意度计算单元52，用于根据对象集合与对象的映射关系，以及所述目标用户的对象操作行为数据，获得所述目标用户对所述每个对象集合的第二候选满意度；第三满意度计算单元53，用于至少根据所述第一候选满意度和所述第二候选满意度，获得所述目标用户对所述每个对象集合的目标满意度。
可选地，在本实施例的一个可能的实现方式中，所述第一满意度计算单元51，具体可以用于根据所述对象集合操作行为数据，获得所述目标用户的对象集合偏好特征信息；以及根据所述每个对象集合的特征信息和所述目标用户的对象集合偏好特征信息，获得所述目标用户对所述每个对象集合的第一候选满意度。具体地，利用所述每个对象集合的特征信息与所述用户的对象集合偏好特征信息进行匹配，以获得所述用户对所述每个对象集合的第一候选满意度。例如，如果能够匹配成功，说明用户对该对象集合的候选满意度较高；如果匹配不成功，说明用户对该对象集合的候选满意度较低。其中，特征信息的匹配算法可以采用现有技术中的匹配算法，例如，计算特征的欧氏距离等。由于利用用户的对象集合偏好特征信息，使得对象集合的覆盖范围更加广泛，因此，能够有效提高对象集合的处理的可靠性。
可选地，在本实施例的一个可能的实现方式中，所述第二满意度计算单元52，具体可以用于根据所述映射关系，确定与所述每个对象集合对应的至少一个对象；根据所述对象操作行为数据，获得所述目标用户对所述至少一个对象中每个对象的参考满意度；以及根据所述目标用户对所述每个对象的参考满意度，获得所述目标用户对所述每个对象集合的第二候选满意度。例如，所述打分单元可以根据所述用户对所述每个对象的参考满意度计算一个平均值，以作为所述用户对所述每个对象集合的第二候选满意度。
可选地，在本实施例的一个可能的实现方式中，如图6所示，本实施例所提供的对象集合的满意度的处理装置还可以进一步包括读取单元61，用于从Cookie信息中获取所述对象集合操作行为数据、所述映射关系和所述对象操作行为数据中的至少一项。
具体地，所述第三满意度计算单元53具体可以根据所述第一候选满意度、该第一候选满意度的加权因子，以及所述第二候选满意度、该第二候选满意度的加权因子，获得所述目标满意度。
例如，第三满意度计算单元53具体可以根据公式 H ( s SPUId ) = ( 1 - α ) · [ Σ offerId f ( x offerId ) N s ] + α · G ( s SPUId ) , 获得每个对象集合的目标满意度。
其中，
SPUId为对象集合的标识；
H(sSPUId)为用户对SPUId所标识的对象集合的目标满意度；
α为第一候选满意度的加权因子；
G(sSPUId)为第一候选满意度；
1-α为第二候选满意度的加权因子；
offerId为SPUId所标识的对象集合中对象的标识；
xofferId为SPUId所标识的对象集合中offerId所标识的对象的对象操作行为数据；
f(xofferId)为用户对SPUId所标识的对象集合中offerId所标识的对象的参考满意度；
Ns为SPUId所标识的对象集合中对象的数量；
为第二候选满意度，即用户对SPUId所标识的对象集合中每个对象的参考满意度的平均值。
详细描述可以参见图2和图3对应的实施例中，打分单元所执行的功能的相关内容，此处不再赘述，其中，目标用户相当于图2和图3对应的实施例中的当前用户。
本实施例中，通过根据所述用户的对象集合操作行为数据和所述用户的对象操作行为数据这两种操作行为数据，获得每个对象集合的目标满意度，而不是仅仅单一根据所述用户的对象集合操作行为数据或所述用户的对象操作行为数据获得，能够有效提高对象集合的满意度的准确度。
另外，采用本申请提供的技术方案，由于打分单元能够从Cookie信息中获取对象集合与对象的映射关系，而无需根据对象集合的属性去搜索对应的对象，因此，能够有效避免额外的搜索开销。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所展现或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元展现的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (22)

1.一种对象集合的处理方法，其特征在于，包括：
搜索引擎获得待处理的至少两个对象集合；
所述搜索引擎根据当前用户对所述至少两个对象集合中每个对象集合的目标满意度，对所述至少两个对象集合进行排序，所述每个对象集合的目标满意度为至少根据所述用户的对象集合操作行为数据和所述用户的对象操作行为数据获得；以及
所述搜索引擎输出所述排序之后的至少两个对象集合。
2.根据权利要求1所述的方法，其特征在于，所述搜索引擎根据当前用户对所述至少两个对象集合中每个对象集合的目标满意度，对所述至少两个对象集合进行排序之前，还包括：
打分单元根据所述对象集合操作行为数据，获得所述用户对所述每个对象集合的第一候选满意度；
所述打分单元根据对象集合与对象的映射关系，以及所述对象操作行为数据，获得所述用户对所述每个对象集合的第二候选满意度；
所述打分单元至少根据所述第一候选满意度和所述第二候选满意度，获得所述目标满意度。
3.根据权利要求2所述的方法，其特征在于，所述打分单元根据所述对象集合操作行为数据，获得所述用户对所述每个对象集合的第一候选满意度，包括：
所述打分单元根据所述对象集合操作行为数据，获得所述用户的对象集合偏好特征信息；
所述打分单元根据所述每个对象集合的特征信息和所述用户的对象集合偏好特征信息，获得所述用户对所述每个对象集合的第一候选满意度。
4.根据权利要求2所述的方法，其特征在于，所述打分单元根据对象集合与对象的映射关系，以及所述对象操作行为数据，获得所述用户对所述每个对象集合的第二候选满意度，包括：
所述打分单元根据所述映射关系，确定与所述每个对象集合对应的至少一个对象；
所述打分单元根据所述对象操作行为数据，获得所述用户对所述至少一个对象中每个对象的参考满意度；
所述打分单元根据所述用户对所述每个对象的参考满意度，获得所述用户对所述每个对象集合的第二候选满意度。
5.根据权利要求2～4任一权利要求所述的方法，其特征在于，所述方法还包括：
所述打分单元从Cookie信息中获取所述对象集合操作行为数据、所述映射关系和所述对象操作行为数据中的至少一项。
6.根据权利要求1所述的方法，其特征在于，所述对象为商品；所述对象集合为标准化产品单元，所述标准化产品单元为具有相同属性的多个商品的商品集合。
7.一种对象集合的处理装置，其特征在于，包括：
获得单元，用于获得待处理的至少两个对象集合；
排序单元，用于根据当前用户对所述至少两个对象集合中每个对象集合的目标满意度，对所述至少两个对象集合进行排序，所述每个对象集合的目标满意度为至少根据所述用户的对象集合操作行为数据和所述用户的对象操作行为数据获得；以及
输出单元，用于输出所述排序之后的至少两个对象集合。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括打分单元，用于
根据所述对象集合操作行为数据，获得所述用户对所述每个对象集合的第一候选满意度；
根据对象集合与对象的映射关系，以及所述对象操作行为数据，获得所述用户对所述每个对象集合的第二候选满意度；以及
至少根据所述第一候选满意度和所述第二候选满意度，获得所述目标满意度。
9.根据权利要求8所述的装置，其特征在于，所述打分单元，具体用于
根据所述对象集合操作行为数据，获得所述用户的对象集合偏好特征信息；以及
根据所述每个对象集合的特征信息和所述用户的对象集合偏好特征信息，获得所述用户对所述每个对象集合的第一候选满意度。
10.根据权利要求8所述的装置，其特征在于，所述打分单元，具体用于
根据所述映射关系，确定与所述每个对象集合对应的至少一个对象；
根据所述对象操作行为数据，获得所述用户对所述至少一个对象中每个对象的参考满意度；以及
根据所述用户对所述每个对象的参考满意度，获得所述用户对所述每个对象集合的第二候选满意度。
11.根据权利要求8～10任一权利要求所述的装置，其特征在于，所述打分单元，还用于
从Cookie信息中获取所述对象集合操作行为数据、所述映射关系和所述对象操作行为数据中的至少一项。
12.根据权利要求7所述的装置，其特征在于，所述对象为商品；所述对象集合为标准化产品单元，所述标准化产品单元为具有相同属性的多个商品的商品集合。
13.一种对象集合的满意度的处理方法，其特征在于，包括：
打分单元根据目标用户的对象集合操作行为数据，获得所述目标用户对每个对象集合的第一候选满意度；
所述打分单元根据对象集合与对象的映射关系，以及所述目标用户的对象操作行为数据，获得所述目标用户对所述每个对象集合的第二候选满意度；以及
所述打分单元至少根据所述第一候选满意度和所述第二候选满意度，获得所述目标用户对所述每个对象集合的目标满意度。
14.根据权利要求13所述的方法，其特征在于，所述打分单元根据目标用户的对象集合操作行为数据，获得所述目标用户对每个对象集合的第一候选满意度，包括：
所述打分单元根据所述对象集合操作行为数据，获得所述目标用户的对象集合偏好特征信息；
所述打分单元根据所述每个对象集合的特征信息和所述目标用户的对象集合偏好特征信息，获得所述目标用户对所述每个对象集合的第一候选满意度。
15.根据权利要求13所述的方法，其特征在于，所述打分单元根据对象集合与对象的映射关系，以及所述目标用户的对象操作行为数据，获得所述目标用户对所述每个对象集合的第二候选满意度，包括：
所述打分单元根据所述映射关系，确定与所述每个对象集合对应的至少一个对象；
所述打分单元根据所述对象操作行为数据，获得所述目标用户对所述至少一个对象中每个对象的参考满意度；
所述打分单元根据所述目标用户对所述每个对象的参考满意度，获得所述目标用户对所述每个对象集合的第二候选满意度。
16.根据权利要求13～15任一权利要求所述的方法，其特征在于，所述方法还包括：
所述打分单元从Cookie信息中获取所述对象集合操作行为数据、所述映射关系和所述对象操作行为数据中的至少一项。
17.根据权利要求13所述的方法，其特征在于，所述对象为商品；所述对象集合为标准化产品单元，所述标准化产品单元为具有相同属性的多个商品的商品集合。
18.一种对象集合的满意度的处理装置，其特征在于，包括：
第一满意度计算单元，用于根据目标用户的对象集合操作行为数据，获得所述目标用户对每个对象集合的第一候选满意度；
第二满意度计算单元，用于根据对象集合与对象的映射关系，以及所述目标用户的对象操作行为数据，获得所述目标用户对所述每个对象集合的第二候选满意度；以及
第三满意度计算单元，用于至少根据所述第一候选满意度和所述第二候选满意度，获得所述目标用户对所述每个对象集合的目标满意度。
19.根据权利要求18所述的装置，其特征在于，所述第一满意度计算单元，具体用于
根据所述对象集合操作行为数据，获得所述目标用户的对象集合偏好特征信息；以及
根据所述每个对象集合的特征信息和所述目标用户的对象集合偏好特征信息，获得所述目标用户对所述每个对象集合的第一候选满意度。
20.根据权利要求18所述的装置，其特征在于，所述第二满意度计算单元，具体用于
根据所述映射关系，确定与所述每个对象集合对应的至少一个对象；
根据所述对象操作行为数据，获得所述目标用户对所述至少一个对象中每个对象的参考满意度；以及
根据所述目标用户对所述每个对象的参考满意度，获得所述目标用户对所述每个对象集合的第二候选满意度。
21.根据权利要求18～20任一权利要求所述的装置，其特征在于，所述装置还包括读取单元，用于
从Cookie信息中获取所述对象集合操作行为数据、所述映射关系和所述对象操作行为数据中的至少一项。
22.根据权利要求18所述的装置，其特征在于，所述对象为商品；所述对象集合为标准化产品单元，所述标准化产品单元为具有相同属性的多个商品的商品集合。
CN201410246705.1A 2014-06-05 2014-06-05 对象集合及其满意度的处理方法及装置 Pending CN105224547A (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201410246705.1A CN105224547A (zh) 2014-06-05 2014-06-05 对象集合及其满意度的处理方法及装置
TW103134413A TWI639093B (zh) 2014-06-05 2014-10-02 Object set and processing method and device thereof
US14/728,602 US20150356189A1 (en) 2014-06-05 2015-06-02 Processing Sets of Objects and Determining Satisfaction Levels Thereof
JP2016570097A JP2017522649A (ja) 2014-06-05 2015-06-02 オブジェクトセットの処理とオブジェクトセット満足度の決定
EP15802690.6A EP3152685A4 (en) 2014-06-05 2015-06-02 Processing sets of objects and determining satifaction levels thereof
PCT/US2015/033792 WO2015187698A1 (en) 2014-06-05 2015-06-02 Processing sets of objects and determining satifaction levels thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410246705.1A CN105224547A (zh) 2014-06-05 2014-06-05 对象集合及其满意度的处理方法及装置

Publications (1)

Publication Number Publication Date
CN105224547A true CN105224547A (zh) 2016-01-06

Family

ID=54767286

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410246705.1A Pending CN105224547A (zh) 2014-06-05 2014-06-05 对象集合及其满意度的处理方法及装置

Country Status (6)

Country Link
US (1) US20150356189A1 (zh)
EP (1) EP3152685A4 (zh)
JP (1) JP2017522649A (zh)
CN (1) CN105224547A (zh)
TW (1) TWI639093B (zh)
WO (1) WO2015187698A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109033228A (zh) * 2018-06-29 2018-12-18 北京百度网讯科技有限公司 一种推荐列表的确定方法、装置、服务器及存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109117445B (zh) * 2017-06-23 2021-07-23 杭州美界科技有限公司 一种美容信息推荐处理过程中的信息关联方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020016786A1 (en) * 1999-05-05 2002-02-07 Pitkow James B. System and method for searching and recommending objects from a categorically organized information repository
US6829599B2 (en) * 2002-10-02 2004-12-07 Xerox Corporation System and method for improving answer relevance in meta-search engines
CN101887437A (zh) * 2009-05-12 2010-11-17 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
CN102541862A (zh) * 2010-12-14 2012-07-04 阿里巴巴集团控股有限公司 跨网站的信息显示方法及系统
CN103279527A (zh) * 2013-05-30 2013-09-04 百度在线网络技术（北京）有限公司 一种用户兴趣网址挖掘方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7917483B2 (en) * 2003-04-24 2011-03-29 Affini, Inc. Search engine and method with improved relevancy, scope, and timeliness
US7921106B2 (en) * 2006-08-03 2011-04-05 Microsoft Corporation Group-by attribute value in search results
US7912847B2 (en) * 2007-02-20 2011-03-22 Wright State University Comparative web search system and method
US9727616B2 (en) * 2009-07-06 2017-08-08 Paypal, Inc. Systems and methods for predicting sales of item listings
CN102591876A (zh) * 2011-01-14 2012-07-18 阿里巴巴集团控股有限公司 搜索结果排序方法及装置
US9311650B2 (en) * 2012-02-22 2016-04-12 Alibaba Group Holding Limited Determining search result rankings based on trust level values associated with sellers
US8938462B2 (en) * 2012-04-25 2015-01-20 International Business Machines Corporation Adaptively assessing object relevance based on dynamic user properties

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020016786A1 (en) * 1999-05-05 2002-02-07 Pitkow James B. System and method for searching and recommending objects from a categorically organized information repository
US6829599B2 (en) * 2002-10-02 2004-12-07 Xerox Corporation System and method for improving answer relevance in meta-search engines
CN101887437A (zh) * 2009-05-12 2010-11-17 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
CN102541862A (zh) * 2010-12-14 2012-07-04 阿里巴巴集团控股有限公司 跨网站的信息显示方法及系统
CN103279527A (zh) * 2013-05-30 2013-09-04 百度在线网络技术（北京）有限公司 一种用户兴趣网址挖掘方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109033228A (zh) * 2018-06-29 2018-12-18 北京百度网讯科技有限公司 一种推荐列表的确定方法、装置、服务器及存储介质

Also Published As

Publication number Publication date
EP3152685A4 (en) 2017-11-08
US20150356189A1 (en) 2015-12-10
JP2017522649A (ja) 2017-08-10
TW201546634A (zh) 2015-12-16
WO2015187698A1 (en) 2015-12-10
EP3152685A1 (en) 2017-04-12
TWI639093B (zh) 2018-10-21

Similar Documents

Publication Publication Date Title
US9576251B2 (en) Method and system for processing web activity data
US8209331B1 (en) Context sensitive ranking
US9858308B2 (en) Real-time content recommendation system
Lu et al. BizSeeker: a hybrid semantic recommendation system for personalized government‐to‐business e‐services
US9286548B2 (en) Accurate text classification through selective use of image data
US20170154116A1 (en) Method and system for recommending contents based on social network
US11275748B2 (en) Influence score of a social media domain
CN104036038A (zh) 新闻推荐方法和系统
CN106959971B (zh) 用户行为数据的处理方法及装置
CN102789462A (zh) 一种项目推荐方法及系统
CN110827112B (zh) 深度学习的商品推荐方法、装置、计算机设备及存储介质
CN105247507A (zh) 品牌的影响力得分
CN104077286A (zh) 商品信息的搜索方法及系统
CN103365839A (zh) 一种搜索引擎的推荐搜索方法和装置
US9767204B1 (en) Category predictions identifying a search frequency
CN111488385B (zh) 基于人工智能的数据处理方法、装置和计算机设备
CA3188352A1 (en) Artificial intelligence for keyword recommendation
CN104361092A (zh) 搜索方法及装置
US20180139296A1 (en) Method of producing browsing attributes of users, and non-transitory computer-readable storage medium
CN105095281A (zh) 一种基于日志挖掘的网站分类目录优化分析方法
US10474670B1 (en) Category predictions with browse node probabilities
CN103853789A (zh) 一种用于向用户推荐信息的方法和设备
US20140280237A1 (en) Method and system for identifying sets of social look-alike users
Dias et al. Automating the extraction of static content and dynamic behaviour from e-commerce websites
US11941073B2 (en) Generating and implementing keyword clusters

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20160106

RJ01 Rejection of invention patent application after publication