CN105302903A - 搜索方法、装置、系统以及搜索结果调序依据的确定方法 - Google Patents

Abstract

本发明公开了一种搜索方法、装置、系统以及搜索结果调序依据的确定方法。其中，该搜索方法包括：基于用户输入的当前搜索词搜索得到多个当前搜索结果；获取用户对当前搜索结果进行操作时所处的当前操作环境；使用与当前操作环境相对应的调序依据对当前搜索结果进行调序。由此，本发明的方法可以根据用户所处的操作环境，来调整搜索结果的排列顺序，使得该操作环境下用户满意度较高的搜索结果可以靠前排列。这样，可以使得搜索结果的最终排列顺序可以更好地满足用户的搜索需求，从而可以提高用户的搜索体验。

Description

搜索方法、装置、系统以及搜索结果调序依据的确定方法

技术领域

本发明涉及搜索领域，特别是涉及一种搜索方法、装置、系统以及搜索结果调序依据的确定方法。

背景技术

随着网络的发展，Internet上存储着越来越多的网络资源，而搜索引擎作为网络资源的重要检索工具正在被人们广泛使用。

目前，大部分搜索引擎主要是基于网站与搜索关键词的匹配度、网站点击量、网站质量、网站排名等指标来对搜索结果进行排序。另外，用户对搜索结果的操作行为(如点击、浏览、跳过等操作信息)反映了用户对搜索结果的需求和满足程度，也是当前主流搜索引擎在对搜索结果进行排序时的一个重要参考因素。参考用户对搜索结果的操作行为，来对搜索结果进行排序，可以在一定程度上反映用户的搜索需求。

另一方面，用户在不同的环境下(如身处场所、网络接入类型、时间)使用搜索引擎时，用户的搜索需求也会有所不同。例如，当用户在wifi下使用手机等登终端设备进行搜索时，会倾向于点击流量消耗较多的搜索结果，如音乐、视频、APP下载、在线游戏等等。而当用户在非wifi网络环境下搜索时，则倾向于点击流量消耗较少的搜索结果，如百科、小说、歌词等等。

举例来说，对于同一个搜索词“花千骨”，当用户连着wifi进行搜索时，可以预测其倾向于点击包含有“花千骨”的视频的搜索结果，而当用户使用2G、3G等网络进行搜索时，则其倾向于点击花千骨小说、花千骨剧情等耗费流量较少的搜索结果。

综上可知，用户在不同的环境下，其对搜索结果的需求是不一样的。但是，目前的搜索引擎以及现有的搜索结果的排序方法在对搜索结果进行排序时，并没有考虑到用户所处的环境。使得用户在不同环境下搜索时，搜索引擎呈献给用户的搜索结果都是统一的，没有满足用户的个性化需求。

因此，需要一种可以根据用户所处的环境对搜索结果进行排序的方法，以更好地满足用户的搜索需求，提升用户的搜索体验。

发明内容

本发明要解决的一个技术问题是提供一种搜索方法、装置、系统及搜索结果调序依据的确定方法，其能够根据用户所处的环境，对搜索结果进行排序，以更好地满足用户的搜索需求。

根据本发明的一个方面，公开了一种搜索结果调序依据的确定方法，包括：获取多个用户在一段时间内的搜索记录，搜索记录包括搜索词、基于搜索词得到的多个搜索结果、用户对各个搜索结果执行的操作信息以及用户对搜索结果执行操作时所处的操作环境；基于操作信息，计算针对搜索词在操作环境下的各个搜索结果的满意度分值，作为搜索结果调序依据。

由此，可以基于用户对搜索结果的操作信息和执行操作时所处的操作环境，生成不同操作环境下的搜索结果的满意度分值，以此作为搜索结果在该操作环境下的调序依据。这样，就可以得到不同操作环境下搜索结果的调序依据。

用户在进行搜索时，可以使用与用户所处的操作环境相对应的调序依据来对搜索结果进行调序，使得搜索结果的最终排序可以满足用户在该操作环境下的搜索需求，从而可以提升用户的搜索体验。

优选地，基于操作信息计算针对搜索词在操作环境下的各个搜索结果的满意度分值的步骤可以包括：将操作信息归一化，以获得表示对该搜索结果进行的相应操作次数占对同一操作环境下针对同一搜索词得到的所有搜索结果进行的相应操作次数的比率的操作特征值；基于操作特征值，计算针对搜索词在操作环境下的每个搜索结果的满意度分值。

由此，可以根据搜索结果的操作特征值，来计算该搜索结果在相应的操作环境下的满意度分值。

优选地，基于操作特征值计算满意度分值的步骤可以包括：建立不同操作环境下的满意度模型；基于操作特征值和满意度模型，得到不同操作环境下的搜索词的各个搜索结果的满意度分值。

由此，可以通过建立满意度模型的方式，计算不同操作环境下的搜索词的各个搜索结果的满意度分值。

优选地，满意度模型可以如下式表示：其中，Score为满意度分值，F_i为操作特征值，W_i为相应操作特征值的权重，n为操作特征值的个数。

由此，满意度模型给出了不同操作环境下的操作特征值的权重(系数)。此时，搜索结果的满意度分值可以通过计算该搜索结果的多个操作特征值和与相应的操作特征值对应的操作环境下的权重的乘积之和得到。

因此，根据得到的满意度模型，就可以计算不同操作环境下的搜索结果的满意度分值。

优选地，建立不同操作环境下的满意度模型的步骤可以包括：针对每个操作环境，从对应于该操作环境的搜索结果中选取部分搜索结果作为训练样本；为训练样本中的每个搜索结果赋予样本满意度分值；基于训练样本和样本满意度分值，使用支持向量机学习模型建立不同操作环境下的满意度模型。

由此，可以选取多个用户的部分搜索记录作为训练样本，基于该训练样本就可以建立不同操作环境下的满意度模型。

优选地，在建立满意度模型的过程中，可以采用人工标注和/或点击标注的方式，为训练样本中的每个搜索结果赋予样本满意度分值。

其中，人工标注和点击标注都是用来标注表示用户对搜索结果的需求满意度。不同之处在于，人工标注是基于自然结果来对搜索结果进行赋值的。换句话说，人工标注是根据搜索结果与搜索词的文本匹配度、搜索结果的权威性、质量等信息来赋予该搜索结果一个样本满意度分值。而点击标注则是根据用户对搜索结果的操作信息(也可以是操作特征值)来对搜索结果进行赋值。

因此，可以优选地，采用人工标注和点击标注相结合的方式进行赋值，这样，使得赋值结果可以更加接近用户的满意度。

优选地，方法中的操作信息可以包括下述至少一种：点击次数、浏览次数、停留时长、导航点击次数、最后点击次数、被跳过次数；操作特征值包括下述至少一种：点击率、浏览率、长点击率、导航点击率、最后点击率、被跳过率。

其中，操作特征值与操作信息相对应。例如，当操作信息是点击次数时，基于操作信息得到的操作特征值就是点击率。

优选地，方法还可以包括：以key-value的形式存储满意度分值，其中，key为搜索词及执行搜索时所处的操作环境，value为针对所述搜索词在所述操作环境下的各个搜索结果的满意度分值。

由此，可以将计算得到的满意度分值存储起来，在对搜索结果进行排序时，可以从存储的满意度分值中调用与该搜索结果所处的操作环境对应的满意度分值作为该搜索结果的调序依据。

优选地，方法中的操作环境可以包括下述至少一种：网络接入类型、地理位置、时间、预设的搜索模式。

由此，可以记录用户操作时的网络接入类型、地理位置、时间、预设的搜索模式作为操作环境，以更好地满足用户的个性化需求。

优选地，在上述确定方法中，获取多个用户在一段时间内的搜索记录中的一段时间可以是能够体现时效性的短期时间；还可以是能够得到足够多的搜索记录的长期时间。

获取短期时间内用户的搜索记录来确定搜索结果调序依据，可以使得调序依据具有时效性，可以满足最近时间段内用户的搜索需求。获取长期时间内用户的搜索记录来确定搜索结果调序依据，可以使得调序依据可靠性更强，可以更全面地满足用户的搜索需求。

优选地，在计算满意度分值的步骤中，可以计算基于搜索词得到的多个搜索结果中前预定数量的搜索结果的满意度分值。

在实际搜索时，根据现有的排列方式，排列在较后的搜索结果一般不是用户所需求的搜索结果。因此，为了简化计算过程，可以计算基于搜索词得到的多个搜索结果中前预定数量的搜索结果的满意度分值，作为搜索结果调序依据。

根据本发明的另一个方面，公开了一种搜索方法，包括：基于用户输入的当前搜索词搜索得到多个当前搜索结果；获取用户对当前搜索结果进行操作时所处的当前操作环境；使用与当前操作环境相对应的调序依据对当前搜索结果进行调序。

由此，可以选用与当前操作环境对应的调序依据对搜索结果进行调序，使得搜索结果的最终排序可以满足用户在当前操作环境下的搜索需求。

优选地，调序依据可以是使用上文所述的搜索结果调序依据的确定方法得到当前操作环境下针对当前搜索词的多个当前搜索结果的满意度分值，其中，按照每个当前搜索结果所对应的满意度分值的大小，对多个所述当前搜索结果进行调序。

优选地，方法还可以包括：在用户的搜索日志和/或搜索结果操作日志中，记录用户执行当前搜索结果时所处的当前操作环境信息。

这样，可以基于记录的当前操作环境信息，找出与该当前操作信息对应的调序依据，对搜索结果进行调序。另外，记录的当前操作环境信息和当前操作信息还可以作为建立不同操作环境下的调序依据的数据或者作为建立满意度模型的样本。

根据本发明的另一个方面，公开了一种搜索结果调序依据的确定装置，包括：搜索记录获取单元，用于获取多个用户在一段时间内的搜索记录，搜索记录包括搜索词、基于搜索词得到的多个搜索结果、用户对各个搜索结果执行的操作信息以及用户对搜索结果执行操作时所处的操作环境；满意度分值计算单元，用于基于操作信息，计算针对搜索词在操作环境下的各个搜索结果的满意度分值，作为搜索结果调序依据。

优选地，满意度分值计算单元可以包括操作特征值获取单元和计算单元。操作特征值获取单元用于将操作信息归一化，以获得表示对该搜索结果进行的相应操作次数占对同一操作环境下针对同一搜索词得到的所有搜索结果进行的相应操作次数的比率的操作特征值。计算单元用于基于操作特征值，计算针对搜索词在操作环境下的每个搜索结果的满意度分值。

优选地，装置还可以包括满意度模型建立单元。满意度模型建立单元用于建立不同操作环境下的满意度模型，计算单元可以基于操作特征值和满意度模型，计算得到不同操作环境下的搜索词的各个搜索结果的满意度分值。

优选地，满意度模型建立单元可以包括：训练样本获取单元，用于针对每个操作环境，从对应于该操作环境的搜索结果中选取部分搜索结果作为训练样本；样本满意度分值赋予单元，用于为训练样本中的每个搜索结果赋予样本满意度分值；模型建立单元，用于基于训练样本和样本满意度分值，使用支持向量机学习模型建立不同操作环境下的满意度模型。

优选地，装置还可以包括满意度分值存储单元。满意度分值存储单元用于以key-value的形式存储满意度分值，其中，key为搜索词及执行搜索时所处的操作环境，value为针对搜索词在操作环境下的各个搜索结果的满意度分值。

根据本发明的另一个方面，还公开了一种搜索装置，包括：当前搜索结果获取单元，用于基于用户输入的当前搜索词搜索得到多个当前搜索结果；当前操作环境获取单元，用于获取用户对当前搜索结果进行操作时所处的当前操作环境；调序单元，用于使用与当前操作环境相对应的调序依据对当前搜索结果进行调序。

优选地，搜索装置还可以包括上文所述的搜索结果调序依据的确定装置，基于确定装置可以得到当前操作环境下针对当前搜索词的多个所述当前搜索结果的满意度分值，调序单元按照每个当前搜索结果所对应的满意度分值的大小，对多个当前搜索结果进行调序。

优选地，搜索装置还可以包括当前操作环境信息记录单元。当前操作环境信息记录单元可以在用户的搜索日志和/或搜索结果操作日志中，记录用户执行当前搜索结果时所处的当前操作环境信息。

根据本发明的另一个方面，还公开了一种搜索系统，包括客户端和搜索服务器，客户端接收用户输入的当前搜索词，并确定当前操作环境，客户端将当前搜索词和当前操作环境发送给搜索服务器，客户端从搜索服务器接收当前搜索结果，当前搜索结果的排列顺序已按照与当前操作环境相对应的调序依据调整。

由此，本发明的搜索系统可以根据用户的当前操作环境，选择与当前操作环境相对应的调序依据，对用户基于当前搜索词搜索得到的当前搜索结果的排列顺序进行调整，使得当前操作环境下用户满意度较高的当前搜索结果可以排在前面。由此，最终排列的搜索结果可以更好地满足用户当前操作环境下的搜索需求。

优选地，搜索系统还可以包括调序依据确定装置和调序依据存储装置，调序依据确定装置从多个客户端或搜索服务器获取多个用户在一段时间内的搜索记录，搜索记录包括搜索词、基于搜索词得到的多个搜索结果、用户对各个搜索结果执行的操作信息以及用户对搜索结果执行操作时所处的操作环境，调序依据确定装置基于操作信息，计算针对搜索词在操作环境下的各个搜索结果的满意度分值，作为搜索结果调序依据，调序依据存储装置存储所述满意度分值，搜索服务器基于当前搜索词和当前操作环境，从调序依据存储装置查询当前搜索结果的满意度分值，并根据满意度分值对当前搜索结果的排列顺序进行调整。

由此，调序依据确定装置可以从客户端或搜索服务器获取多个用户的搜索记录，以此来计算不同操作环境下的搜索结果的满意度分值，并将计算好的搜索结果调序依据存储在调序依据存储装置中。用户搜索时，搜索服务器就可以基于用户输入的搜索词和用户的当前操作环境，从调序依据存储装置中选择相应的满意度分值，来对当前搜索结果的顺序进行调整，使得满意度分值较大的搜索结果排在前面。

优选地，搜索系统中的客户端或搜索服务器在搜索记录中可以关联地记录当前搜索词、当前搜索结果、当前操作环境以及用户对当前搜索结果的操作信息。

这样，一方面，搜索服务器可以根据搜索记录中记录的当前操作环境对当前搜索结果进行排序。另一方面，调序依据确定装置还可以根据客户端或搜索服务器记录的操作环境信息和操作信息来计算最近一段时间内的满意度分值，作为最近一段时间的不同操作环境下的调序依据。

附图说明

通过结合附图对本公开示例性实施方式进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施方式中，相同的参考标号通常代表相同部件。

图1示出了本发明的搜索系统的结构的示意性方框图。

图2示出了本发明一种改进实施例的搜索系统的结构的示意性方框图。

图3示出了本发明的搜索结果调序依据确定方法的示意性流程图。

图4示出了图3所示步骤S200可以包括的子步骤S210、S220的示意性流程图。

图5示出了图4所示步骤S220可以包括的子步骤S221、S222的示意性流程图。

图6示出了图5所示步骤S221可以包括的子步骤S225、S226、S227的示意性流程图。

图7示出了本发明的搜索方法的示意性流程图。

图8示出了本发明的搜索结果调序依据的确定装置的结构的示意性方框图。

图9示出了本发明一种改进实施例的搜索结果调序依据的确定装置的结构的示意性方框图。

图10示出了本发明的搜索装置的可选结构的示意性方框图。

具体实施方式

下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

本发明公开了一种搜索系统，该搜索系统可以根据用户所处的操作环境，对搜索结果的顺序进行调整，使得该操作环境下用户满意度较高的搜索结果可以靠前排列。

图1示出了基于本发明的搜索系统的结构的示意性方框图。

如图1所示，本发明的搜索系统包括客户端1和搜索服务器2。客户端1可以接收用户输入的当前搜索词，并确定当前操作环境，客户端1将当前搜索词和当前操作环境发送给搜索服务器2。客户端1从搜索服务器2接收当前搜索结果。客户端1接收的当前搜索结果的排列顺序已按照与当前操作环境相对应的调序依据调整。

客户端1可以是安装在如手机、平板等终端上的客户端应用软件。搜索服务器2可以根据从客户端1接收到的当前搜索词和当前操作环境，确定当前搜索结果的排列顺序，并将排列好顺序的当前搜索结果发送至客户端1。

当前操作环境可以是用户对搜索结果执行操作时所处的网络环境(即网络接入类型，如2G、3G、4G、wifi等等)、地理位置(例如在家、在路上、在单位、在旅游景点等等)、时间(例如工作时间(8:30-17:30)、休息时间、网络闲时(例如0:00至6:00上网费用较便宜的时候)、网络忙时(例如6:00至24:00上网费用较昂贵的时候)等等)、预设的搜索模式(可以是客户端1上预先设有的若干可供用户选择的搜索模式，如极速模式、视频模式、无图模式等等)。

一般说来，当前操作环境与用户搜索时所处的环境相一致。因此，在要求不严格的情况下，还可以获取用户搜索时所处的环境作为当前操作环境。

基于调序依据调整搜索结果的排列顺序的目的是使得当前操作环境下用户满意度较高的当前搜索结果可以排在前面。

用户所处的当前操作环境不同时，用户搜索时的需求也不相同。因此，不同操作环境下的搜索结果的调序依据也不相同。

图2示出了本发明的一种改进实施例的搜索系统的结构的示意性方框图。

如图2所示，在一个改进实施例中，搜索系统还可以可选地包括调序依据确定装置3和调序依据存储装置4。

调序依据确定装置3可以从多个客户端1或搜索服务器2获取多个用户在一段时间内的搜索记录。其中，搜索记录包括搜索词、基于搜索词得到的多个搜索结果、用户对各个搜索结果执行的操作信息以及用户对搜索结果执行操作时所处的操作环境。

调序依据确定装置3基于操作信息，就可以计算针对搜索词在操作环境下的各个搜索结果的满意度分值，作为搜索结果调序依据。

调序依据确定装置3可以将计算好的满意度分值存储在调序依据存储装置4中。用户使用客户端1进行搜索时，搜索服务器2就可以基于当前搜索词和当前操作环境，从调序依据存储装置4查询当前搜索结果的满意度分值，并根据满意度分值对当前搜索结果的排列顺序进行调整。然后将调整后的当前搜索结果显示在客户端1。

其中，搜索服务器2在对当前搜索结果进行调序时，可以使用冒泡法对已有的排序结果进行调整。具体地说，如果相邻的两个当前搜索结果的满意度分值逆序且分差超过一定阈值，则将这两个搜索结果的顺序逆转，直到当前搜索结果按照其对应的满意度分值的大小顺序进行排列。

另外，客户端1或搜索服务器2可以在搜索记录中关联地记录当前搜索词、当前搜索结果、当前操作环境以及用户对当前搜索结果的操作信息。

这样，一方面，搜索服务器2可以根据搜索记录中记录的当前操作环境对当前搜索结果进行排序。另一方面，调序依据确定装置3还可以根据客户端1或搜索服务器2记录的操作环境信息和操作信息来计算最近一段时间内的满意度分值，作为最近一段时间的不同操作环境下的调序依据。

综上，本发明的搜索系统可以根据用户的当前操作环境，选择与当前操作环境相对应的调序依据，对用户基于当前搜索词搜索得到的当前搜索结果的排列顺序进行调整，使得当前操作环境下用户满意度较高的当前搜索结果可以排在前面。由此，最终排列的搜索结果可以更好地满足用户当前操作环境下的搜索需求。

其中，与操作环境相对应的调序依据可以由调序依据确定装置3基于大规模用户的历史搜索记录得到。具体地说，调序依据确定装置3可以获取大规模用户的一段时间内的搜索结果、用户对搜索结果的操作信息以及执行操作时所处的操作环境，然后基于上述得到的数据来确定不同操作环境下的调序依据。

下面就本发明的在不同操作环境下的调序依据的确定方法做详细说明。

图3示出了本发明的搜索结果调序依据确定方法的示意性流程图。

在步骤S100，获取多个用户在一段时间内的搜索记录。搜索记录包括搜索词、基于搜索词得到的多个搜索结果、用户对各个搜索结果执行的操作信息以及用户对搜索结果执行操作时所处的操作环境。

其中，一段时间内的搜索记录可以是能够体现时效性的短期时间内的搜索记录，也可以是能够得到足够多的搜索记录的长期时间内的搜索记录。

例如，对于某个搜索词来说，某些搜索结果可能是最近一段时间内用户比较关注的，此时获取短期时间内的搜索记录可以准确地反映短期时间内用户的搜索需求。举例来说，在发生了“天津港爆炸事故”后的一段时间内，用户在搜索“天津”时，可能会比较倾向于和“天津港爆炸事故”有关的搜索结果。如最新救援情况、最新遇难人数等等，此时就适用于获取短期时间内用户的搜索记录。

再例如，对于搜索词“长城”，由于长城存在时间较久，用户对其属于长时间持续关注。此时，就适宜选取长期时间内的关于“长城”的搜索记录，以使得到的用户操作数据更加丰富，更能真实地反映用户的搜索需求。

操作信息是用户对搜索结果的点击情况，本文中所说的操作信息可以是点击次数、浏览次数、停留时长、导航点击次数、最后点击次数、被跳过次数中的一种或几种。

其中，导航点击次数是指用户基于搜索词进行搜索时，点击导航网站的次数。例如，搜索腾讯新闻时，腾讯新闻的官网就相当于导航网站。

操作信息可以用来表示用户在执行该操作时所处的操作环境下对搜索结果的满意度(需求度)。例如，对于相同操作环境下的一个搜索词，基于该搜索词可以得到多个搜索结果，点击次数多的搜索结果在一定程度上表示该操作环境下用户对其满意度(需求度)较高，被跳过次数多的搜索结果则表示该操作环境下用户对其满意度(需求度)较低。

操作环境可以是网络接入类型、地理位置、时间、预设的搜索模式等等。具体可参考图1中关于当前操作环境的叙述。

在步骤S200，基于操作信息，计算针对搜索词在操作环境下的各个搜索结果的满意度分值，作为搜索结果调序依据。

对于每个搜索词来说，有很多搜索结果，在实际搜索时，根据现有的排列方式，排列在较后的搜索结果一般不是用户所需求的搜索结果。因此，为了简化计算过程，可以计算基于搜索词得到的多个搜索结果中前预定数量的搜索结果的满意度分值，作为搜索结果调序依据。例如，可以计算各搜索词前两页搜索结果的满意度分值。

计算得到的满意度分值可以以key-value的形式存储。其中，key为搜索词及执行搜索时所处的操作环境，value为针对搜索词在操作环境下的各个搜索结果的满意度分值。

基于操作信息，计算针对搜索词在操作环境下的各个搜索结果的满意度分值。换句话说就是，基于一个搜索结果的操作信息，计算该搜索结果的满意度分值。其中，满意度分值的大小代表用户对该搜索结果的满意程度的高低。因此，可以预见，对于点击次数多、停留时间长的搜索结果，用户对其满意度较高，因此，其满意度分值也较高。

综上，用户对搜索结果的操作信息中暗含有用户对搜索结果的满意程度。因此，基于同一操作环境下的基于一个搜索词的多个搜索结果的操作信息，就可以得到该操作环境下该搜索词的各个搜索结果的满意度分值。

具体说来，根据操作信息，可以有多种方式来计算满意度分值的方式。例如，可以采用赋值法计算满意度分值。以操作信息包括点击次数n、停留时长t、被跳过次数n′为例。可以预先设定一次点击次数的满意度分值为s₁，单位停留时间的满意度分值为s₂，一次被跳过次数的满意度分值为s₃。其中，s₁>0，s₂>0，s₃<0(s₁、s₂、s₃的数值可以根据具体情况预先设定)。这样，对于一个搜索结果而言，其满意度分值score＝n₁·s₁+t₁·s₂+n^′ ₁·s₃，其中n₁、t₁、n^′ ₁分别表示该搜索结果的点击次数、停留时长、被跳过次数。

下面结合图4就基于操作信息计算满意度分值的另一种方法做详细说明。

图4是图3所示步骤S200可以包括的子步骤S210、S220的流程图。

在步骤S210，将操作信息归一化，以获得表示对该搜索结果进行的相应操作次数占对同一操作环境下针对同一搜索词得到的所有搜索结果进行的相应操作次数的比率的操作特征值。

其中，操作特征值与操作信息相对应。例如，操作信息是点击次数时，操作特征值是点击率。根据图2中所述，操作信息可以是点击次数、浏览次数、停留时长、导航点击次数、最后点击次数、被跳过次数中的一种或几种。因此，相应地，操作特征值可以是点击率、浏览率、长点击率、导航点击率、最后点击率、被跳过率中的一种或几种。

另外，由于操作信息可以表示用户对搜索结果的满意度，因此，操作特征值也可以表示用户对搜索结果的满意度。具体地说，点击率、浏览率、长点击率、最后点击率高的搜索结果，用户满意度较高。

在步骤S220，基于操作特征值，计算针对搜索词在操作环境下的每个搜索结果的满意度分值。

其中，基于操作特征值，计算满意度分值可以采用图3中步骤S200中所述的赋值法计算，也可以采用其它方法进行计算。图5是另一种基于操作特征值，计算满意度分值的方式，如图5所示。

图5示出了图4所示步骤S220可以包括的子步骤S221、S222的示意性流程图。

在步骤S221，建立不同操作环境下的满意度模型。

满意度模型可以表示如下：其中，Score为满意度分值，F_i为操作特征值，W_i为相应操作特征值的权重，n为操作特征值的个数。

从上式可以看出，满意度模型给出了不同操作环境下的操作特征值的权重(也就是系数)。

在步骤S222，基于操作特征值和满意度模型，得到不同操作环境下的搜索词的各个搜索结果的满意度分值。

根据得到的满意度模型中的操作特征值的权重和搜索结果的操作特征值，就可以计算该搜索结果的满意度分值。

综上，可以通过建立满意度模型的方式得到操作特征值的权重(系数)，然后根据得到的不同操作环境下操作特征值所占的权重和大规模用户在不同操作环境下的操作特征值，就可以得到不同操作环境下的搜索词的各个搜索结果的满意度分值(调序依据)。

下面结合图6就满意度模型的建立过程做详细说明。

图6是图5所示步骤S221可以包括的子步骤S225、S226、S227的流程图。

在步骤S225，针对每个操作环境，从对应于该操作环境的搜索结果中选取部分搜索结果作为训练样本。

也就是说，可以从大规模用户的搜索记录中选取部分搜索记录作为训练样本。

在步骤S226，为训练样本中的每个搜索结果赋予样本满意度分值。

可以采用人工标注和/或点击标注的方式，为训练样本中的每个搜索结果赋予样本满意度分值。

其中，人工标注和点击标注都是用来标注表示用户对搜索结果的需求满意度。不同之处在于，人工标注是基于自然结果来对搜索结果进行赋值的。换句话说，人工标注是根据搜索结果与搜索词的文本匹配度、搜索结果的权威性、质量等信息来赋予该搜索结果一个样本满意度分值。而点击标注则是根据用户对搜索结果的操作信息(也可以是操作特征值)来对搜索结果进行赋值。因此，在实际赋值过程中，可以优选地采取人工标注和点击标注相结合的方式。这样，可以使得赋值结果可以更加接近用户的满意度。

在步骤S227，基于训练样本和样本满意度分值，使用支持向量机学习模型建立不同操作环境下的满意度模型。

对于相同操作环境下的多个搜索结果来说，样本中各个搜索结果的操作特征值和样本满意度分值是已知的，此时，可以使用SVM(SupportVectorMachine，支持向量机)来建立操作特征值和权重的线性关系的满意度模型(可参见图4中步骤S221中满意度模型的表达式)。

上文参考图3至图6详细描述了本发明的不同操作环境下的调序依据的确定方法。可以看出，本发明的调序依据是不同操作环境下的搜索词的多个搜索结果的满意度分值的集合。

图7示出了本发明的搜索方法的示意性流程图。

在步骤S400，基于用户输入的当前搜索词，搜索得到多个当前搜索结果。

其中，可以通过客户端接收用户输入的当前搜索词，然后将当前搜索词发送给服务器。服务器就可以基于客户端接收的当前搜索词，搜索得到多个当前搜索结果，此处搜索得到的多个当前搜索结果可以是按照现有的排序模式排列。

在步骤S500，获取用户对当前搜索结果进行操作时所处的当前操作环境。

当前操作环境可以是用户对搜索结果执行操作时所处的网络环境(即网络接入类型，如2G、3G、4G、wifi等等)、地理位置、时间、预设的搜索模式(可以是客户端1上预先设有的若干可供用户选择的搜索模式如极速模式、视频模式、无图模式等等)。

其中，可以通过客户端获取用户需要对搜索结果进行操作时所处的当前操作环境。一般来说，当前操作环境与用户搜索时所处的环境相同。因此，在要求不严格的情况下，还可以获取用户搜索时所处的环境作为当前操作环境。

在步骤S600，使用与当前操作环境相对应的调序依据对当前搜索结果进行调序。

客户端可以将获取到的当前操作环境，发送至服务器。服务器可以使用与当前操作环境相对应的调序依据对当前搜索结果进行调序，并将调整后的当前搜索结果发送给客户端，供用户浏览。

通过本发明的搜索方法可以使得当前操作环境下用户满意度较高的当前搜索结果排在前面。其中，调序依据的确定方法可参见图3至图6所示，此处不再赘述。

由图7可知，本发明提出的搜索方法可以根据用户输入的搜索词和用户所处的操作环境，使用与用户所处的操作环境对应的调序依据对搜索结果进行排序，使得满意度分值较高的搜索结果可以靠前显示，可以很好地满足用户的搜索需求，提高用户的搜索体验。

另外，基于本发明的搜索方法，还可以在用户的搜索日志和/或搜索结果操作日志中，记录用户执行当前搜索结果时所处的当前操作环境信息。

这样，可以方便地将得到用户的操作环境和操作信息，并根据得到的操作环境显示搜索结果。

上面参考图3-7详细描述了根据本发明的调序依据的确定方法和搜索方法。下面参考图8–10描述调序依据确定装置、搜索装置及其相关单元的构造。

下面描述的装置的很多单元的功能分别与上面参考图3-7描述的相应步骤的功能相同。为了避免重复，这里重点描述该装置和系统可以具有的单元或装置结构，而对于一些细节则不再赘述，可以参考上文中的相应描述。

图8示出了本发明的搜索结果调序依据的确定装置的结构的示意性方框图。

如图8所示，确定装置包括搜索记录获取单元100和满意度分值计算单元200。

搜索记录获取单元100用于获取多个用户在一段时间内的搜索记录，搜索记录包括搜索词、基于搜索词得到的多个搜索结果、用户对各个搜索结果执行的操作信息以及用户对搜索结果执行操作时所处的操作环境。

满意度分值计算单元200用于基于操作信息，计算针对搜索词在操作环境下的各个搜索结果的满意度分值，作为搜索结果调序依据。

其中，搜索记录获取单元100和满意度分值计算单元200的具体功能介绍可参见图3中步骤S100和步骤S200的相关描述。

图9示出了本发明一种改进实施例的搜索结果调序依据的确定装置的结构的示意性方框图。

如图9所示，在一个改进实施例中，满意度分值计算单元200可以可选地包括：操作特征值获取单元210和计算单元220。

操作特征值获取单元210用于将操作信息归一化，以获得表示对该搜索结果进行的相应操作次数占对同一操作环境下针对同一搜索词得到的所有搜索结果进行的相应操作次数的比率的操作特征值，

计算单元220用于基于操作特征值，计算针对搜索词在操作环境下的每个搜索结果的满意度分值。

其中，操作特征值获取单元210和计算单元220的相关功能介绍可参见图4中步骤S210、S220的相关描述。

如图9所示，在一个改进实施例中，装置还可以可选地包括满意度模型建立单元300。

满意度模型建立单元300用于建立不同操作环境下的满意度模型，计算单元基于操作特征值和满意度模型，计算得到不同操作环境下的搜索词的各个搜索结果的满意度分值。

满意度模型建立单元300所建立的满意度模型的结构可参见图5中步骤S221的相关描述。

如图9所示，在一个改进实施例中，满意度模型建立单元300还可以可选地包括训练样本获取单元310、样本满意度分值赋予单元320和模型建立单元330。

训练样本获取单元310用于针对每个操作环境，从对应于该操作环境的搜索结果中选取部分搜索结果作为训练样本。

样本满意度分值赋予单元320用于为所述训练样本中的每个所述搜索结果赋予样本满意度分值.

模型建立单元330用于基于训练样本和样本满意度分值，使用支持向量机学习模型建立不同操作环境下的满意度模型。

训练样本获取单元310、样本满意度分值赋予单元320和模型建立单元330的功能的详细描述可参见图6中相关步骤的描述。

如图9所示，在一个改进实施例中，确定装置还可以可选地包括满意度分值存储单元400。满意度分值存储单元用于以key-value的形式存储所述满意度分值，其中，key为搜索词及执行搜索时所处的操作环境，value为针对所述搜索词在所述操作环境下的各个搜索结果的满意度分值。

图10示出了本发明的搜索装置的可选结构的示意性方框图。

如图10所示，本发明的搜索装置可以包括当前搜索结果获取单元600、当前操作环境获取单元700以及调序单元800。

当前搜索结果获取单元600用于基于用户输入的当前搜索词搜索得到多个当前搜索结果。

当前操作环境获取单元700用于获取用户对当前搜索结果进行操作时所处的当前操作环境。

调序单元800用于使用与当前操作环境相对应的调序依据对当前搜索结果进行调序。

其中，当前搜索结果获取单元600、当前操作环境获取单元700以及调序单元800的相关功能的具体描述可参见图7所述。

另外，本发明的搜索装置还可以可选地包括图8或图9中所述的搜索结果调序依据的确定装置，基于调序依据确定装置可以得到当前操作环境下针对当前搜索词的多个当前搜索结果的满意度分值，然后调序单元800可以按照每个当前搜索结果所对应的满意度分值的大小，对多个当前搜索结果进行调序。

如图10所示，搜索装置还可以可选地包括当前操作环境信息记录单元900。

当前操作环境信息记录单元900可以在用户的搜索日志和/或搜索结果操作日志中，记录用户执行当前搜索结果时所处的当前操作环境信息。

上文中已经参考附图详细描述了根据本发明的搜索方法、装置、系统以及搜索结果调序依据。

此外，根据本发明的方法还可以实现为一种计算机程序产品，该计算机程序产品包括计算机可读介质，在该计算机可读介质上存储有用于执行本发明的方法中限定的上述功能的计算机程序。本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。

附图中的流程图和框图显示了根据本发明的多个实施例的系统和方法的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (25)

1.一种搜索结果调序依据的确定方法，包括：

获取多个用户在一段时间内的搜索记录，所述搜索记录包括搜索词、基于所述搜索词得到的多个搜索结果、用户对各个所述搜索结果执行的操作信息以及用户对所述搜索结果执行操作时所处的操作环境；

基于所述操作信息，计算针对所述搜索词在所述操作环境下的各个搜索结果的满意度分值，作为搜索结果调序依据。

2.根据权利要求1所述的确定方法，所述基于所述操作信息计算针对所述搜索词在所述操作环境下的各个搜索结果的满意度分值的步骤包括：

将所述操作信息归一化，以获得表示对该搜索结果进行的相应操作次数占对同一操作环境下针对同一搜索词得到的所有搜索结果进行的相应操作次数的比率的操作特征值；

基于所述操作特征值，计算针对所述搜索词在所述操作环境下的每个搜索结果的满意度分值。

3.根据权利要求2所述的确定方法，其中，所述基于所述操作特征值计算满意度分值的步骤包括：

建立不同操作环境下的满意度模型；

基于所述操作特征值和所述满意度模型，得到不同操作环境下的搜索词的各个搜索结果的满意度分值。

4.根据权利要求3所述的确定方法，其中，所述满意度模型如下式表示：

$Score={\mathrm{\&Sigma;}}_{i=1}^n{W}_i{F}_i,$

其中，Score为满意度分值，F_i为操作特征值，W_i为相应操作特征值的权重，n为操作特征值的个数。

5.根据权利要求3所述的确定方法，其中，建立不同操作环境下的满意度模型的步骤包括：

针对每个操作环境，从对应于该操作环境的搜索结果中选取部分搜索结果作为训练样本；

为所述训练样本中的每个所述搜索结果赋予样本满意度分值；

基于所述训练样本和所述样本满意度分值，使用支持向量机学习模型建立不同操作环境下的满意度模型。

6.根据权利要求5所述的确定方法，其中，

采用人工标注和/或点击标注的方式，为所述训练样本中的每个所述搜索结果赋予样本满意度分值。

7.根据权利要求2所述的确定方法，其中，

所述操作信息包括下述至少一种：点击次数、浏览次数、停留时长、导航点击次数、最后点击次数、被跳过次数；

所述操作特征值包括下述至少一种：点击率、浏览率、长点击率、导航点击率、最后点击率、被跳过率。

8.根据权利要求1所述的确定方法，还包括：

以key-value的形式存储所述满意度分值，其中，key为搜索词及执行搜索时所处的操作环境，value为针对所述搜索词在所述操作环境下的各个搜索结果的满意度分值。

9.根据权利要求1所述的确定方法，其中，所述操作环境包括下述至少一种：

网络接入类型、地理位置、时间、预设的搜索模式。

10.根据权利要求1所述的确定方法，其中，

所述一段时间是能够体现时效性的短期时间；或

所述一段时间是能够得到足够多的搜索记录的长期时间。

11.根据权利要求1所述的确定方法，其中，在所述计算满意度分值的步骤中，计算基于所述搜索词得到的所述多个搜索结果中前预定数量的搜索结果的满意度分值。

12.一种搜索方法，包括：

基于用户输入的当前搜索词搜索得到多个当前搜索结果；

获取用户对所述当前搜索结果进行操作时所处的当前操作环境；

使用与所述当前操作环境相对应的调序依据对所述当前搜索结果进行调序。

13.根据权利要求12所述的搜索方法，其中，所述调序依据是使用如权利要求1至11中任何一项所述的确定方法得到所述当前操作环境下针对所述当前搜索词的多个当前搜索结果的满意度分值，

其中，按照每个所述当前搜索结果所对应的满意度分值的大小，对多个所述当前搜索结果进行调序。

14.根据权利要求13所述的搜索方法，还包括：

在用户的搜索日志和/或搜索结果操作日志中，记录用户执行所述当前搜索结果时所处的当前操作环境信息。

15.一种搜索结果调序依据的确定装置，包括：

搜索记录获取单元，用于获取多个用户在一段时间内的搜索记录，所述搜索记录包括搜索词、基于所述搜索词得到的多个搜索结果、用户对各个所述搜索结果执行的操作信息以及用户对所述搜索结果执行操作时所处的操作环境；

满意度分值计算单元，用于基于所述操作信息，计算针对所述搜索词在所述操作环境下的各个搜索结果的满意度分值，作为搜索结果调序依据。

16.根据权利要求15所述的确定装置，其中，所述满意度分值计算单元包括：

操作特征值获取单元，用于将所述操作信息归一化，以获得表示对该搜索结果进行的相应操作次数占对同一操作环境下针对同一搜索词得到的所有搜索结果进行的相应操作次数的比率的操作特征值，

计算单元，用于基于所述操作特征值，计算针对所述搜索词在所述操作环境下的每个搜索结果的满意度分值。

17.根据权利要求16所述的确定装置，其中，还包括：

满意度模型建立单元，用于建立不同操作环境下的满意度模型，

所述计算单元基于所述操作特征值和所述满意度模型，计算得到不同操作环境下的搜索词的各个搜索结果的满意度分值。

18.根据权利要求17所述的确定装置，其中，所述满意度模型建立单元包括：

训练样本获取单元，用于针对每个操作环境，从对应于该操作环境的搜索结果中选取部分搜索结果作为训练样本；

样本满意度分值赋予单元，用于为所述训练样本中的每个所述搜索结果赋予样本满意度分值；

模型建立单元，用于基于所述训练样本和所述样本满意度分值，使用支持向量机学习模型建立不同操作环境下的满意度模型。

19.根据权利要求15所述的确定装置，还包括：

满意度分值存储单元，用于以key-value的形式存储所述满意度分值，

其中，key为搜索词及执行搜索时所处的操作环境，value为针对所述搜索词在所述操作环境下的各个搜索结果的满意度分值。

20.一种搜索装置，包括：

当前搜索结果获取单元，用于基于用户输入的当前搜索词搜索得到多个当前搜索结果；

当前操作环境获取单元，用于获取用户对所述当前搜索结果进行操作时所处的当前操作环境；

调序单元，用于使用与所述当前操作环境相对应的调序依据对所述当前搜索结果进行调序。

21.根据权利要求20所述的搜索装置，还包括：

如权利要求15至19中任何一项所述的确定装置，用于得到所述当前操作环境下针对所述当前搜索词的多个所述当前搜索结果的满意度分值，

所述调序单元按照每个所述当前搜索结果所对应的满意度分值的大小，对多个所述当前搜索结果进行调序。

22.根据权利要求21所述的搜索装置，还包括：

当前操作环境信息记录单元，用于在用户的搜索日志和/或搜索结果操作日志中，记录用户执行所述当前搜索结果时所处的当前操作环境信息。

23.一种搜索系统，包括客户端和搜索服务器，

所述客户端接收用户输入的当前搜索词，并确定当前操作环境，

所述客户端将所述当前搜索词和所述当前操作环境发送给所述搜索服务器，

所述客户端从所述搜索服务器接收当前搜索结果，所述当前搜索结果的排列顺序已按照与所述当前操作环境相对应的调序依据调整。

24.根据权利要求23所述的搜索系统，还包括调序依据确定装置和调序依据存储装置，

所述调序依据确定装置从多个所述客户端或所述搜索服务器获取多个用户在一段时间内的搜索记录，所述搜索记录包括搜索词、基于所述搜索词得到的多个搜索结果、用户对各个所述搜索结果执行的操作信息以及用户对所述搜索结果执行操作时所处的操作环境，

所述调序依据确定装置基于所述操作信息，计算针对所述搜索词在所述操作环境下的各个搜索结果的满意度分值，作为搜索结果调序依据，

所述调序依据存储装置存储所述满意度分值，

所述搜索服务器基于所述当前搜索词和所述当前操作环境，从所述调序依据存储装置查询当前搜索结果的满意度分值，并根据所述满意度分值对所述当前搜索结果的排列顺序进行调整。

25.根据权利要求24所述的搜索系统，其中，

所述客户端或所述搜索服务器在搜索记录中关联地记录所述当前搜索词、当前搜索结果、当前操作环境以及用户对所述当前搜索结果的操作信息。