CN105320706B - 搜索结果的处理方法和装置 - Google Patents
搜索结果的处理方法和装置 Download PDFInfo
- Publication number
- CN105320706B CN105320706B CN201410381706.7A CN201410381706A CN105320706B CN 105320706 B CN105320706 B CN 105320706B CN 201410381706 A CN201410381706 A CN 201410381706A CN 105320706 B CN105320706 B CN 105320706B
- Authority
- CN
- China
- Prior art keywords
- label
- search
- search result
- historical
- weighted value
- 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.)
- Active
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种搜索结果的处理方法和装置。其中,该方法包括:获取客户端的搜索框中接收到的当前搜索词;根据当前搜索词查询得到搜索结果列表;在将搜索结果列表中的搜索结果返回给客户端进行显示之后,监控搜索结果对应发生的操作行为;抽取发生操作行为的搜索结果的标签,并计算每个标签的在线权重值;从历史搜索日志中查询得到当前搜索词对应的历史搜索结果列表,并获取每个历史搜索结果的标签对应的历史标签权重值;结合在线权重值和历史标签权重值对搜索结果的标签进行重新排序,生成推荐标签列表;按照推荐标签列表向客户端推送当前搜索词对应的搜索结果。本发明解决了现有技术提供的搜索方法无法获得准确的搜索结果的技术问题。
Description
技术领域
本发明涉及计算机领域,具体而言,涉及一种搜索结果的处理方法和装置。
背景技术
随着搜索技术的飞速发展,对于当前搜索词的搜索结果是否符合用户的搜索需求是目前技术研究的主要方向。例如在飞速发展的电子商务行业,越来越多的用户参与其中,在海量的商品中,搜索导航一直承担着至关重要的部分,用户在搜索导航的搜索框中输入关键词之后,搜索导航可以根据用户的需求选择相关的商品列表来供用户选择,由于帮助用户筛选了大量有效商品信息,从而大大提升了用户的体验。
现有电子商务的搜索导航主要有两种搜索方式:
方式一:通过产出离线导航词表,在线加载的方式,推荐给用户。例如,针对历史搜索词,通过历史搜索日志,计算出每个历史搜索词对应的导航推荐结果。如果当前用户输入的搜索词命中了词表,则会把导航的推荐结果呈现给该用户。
方式二:个性化的导航推荐。通过类似方法一的方法产出的离线词表,结合在线用户的特征,其特征取决于该用户的历史行为、区域特征、终端类型等。
以上两种方式的导航,都在一定程度上满足了用户的需求,提高了用户的体验。但针对类似无线终端屏幕小,输入不方便,通过方式一的方法并不能展示过多的信息给用户。例如,不同的用户输入“手机”后,屏幕上按照九宫格的方式来展示,最多只能展现9个tag,显然满足不了用户的需求;而方式二虽在一定程度上缓解了推送过多导航内容,但由于用户的需求是多变的,例如,通过历史预测,该用户喜欢的手机品牌是“苹果”,但实际用户看上新款三星的手机,亦可能用户在为别人买手机,类似这种需求,基于搜索历史的个性化导航显然不能满足。
由此可知,在现有电子商务搜索系统中,无论是标签导购,还是搜索个性化,在一定程度上都不能满足用户“多变”的需求,例如:搜索“手机”,一分钟之前是在找“三星”品牌的手机,一分钟之后搜索“手机”是在找“苹果”品牌的手机。同时,针对这些部分个性化不能覆盖的群体,搜索体验也不能得到改善。
针对上述的现有技术提供的搜索方法无法获得准确的搜索结果的技术问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种搜索结果的处理方法和装置,以至少解决现有技术提供的搜索方法无法获得准确的搜索结果的技术问题。
根据本发明实施例的一个方面,提供了一种搜索结果的处理方法,该方法包括:获取客户端的搜索框中接收到的当前搜索词;根据当前搜索词查询得到搜索结果列表,搜索结果列表包括:至少一个搜索结果;在将搜索结果列表中的搜索结果返回给客户端进行显示之后,监控客户端上显示的搜索结果对应发生的操作行为;抽取发生操作行为的搜索结果的标签,并计算每个标签的在线权重值;从历史搜索日志中查询得到当前搜索词对应的历史搜索结果列表,并获取历史搜索结果列表中每个历史搜索结果的标签对应的历史标签权重值;结合在线权重值和历史标签权重值对搜索结果列表中的搜索结果的标签进行重新排序,生成当前搜索词对应的推荐标签列表;按照推荐标签列表向客户端推送当前搜索词对应的搜索结果。
根据本发明实施例的另一方面,还提供了一种搜索结果的处理装置,包括:第一获取模块,用于获取客户端的搜索框中接收到的当前搜索词;查询模块,用于根据当前搜索词查询得到搜索结果列表,搜索结果列表包括:至少一个搜索结果;监控模块,用于在将搜索结果列表中的搜索结果返回给客户端进行显示之后,监控客户端上显示的搜索结果对应发生的操作行为;处理模块,用于抽取发生操作行为的搜索结果的标签,并计算每个标签的在线权重值;第二获取模块,用于从历史搜索日志中查询得到当前搜索词对应的历史搜索结果列表,并获取历史搜索结果列表中每个历史搜索结果的标签对应的历史标签权重值;生成模块,用于结合在线权重值和历史标签权重值对搜索结果列表中的搜索结果的标签进行重新排序,生成当前搜索词对应的推荐标签列表;推送模块,用于按照推荐标签列表向客户端推送当前搜索词对应的搜索结果。
在本发明实施例中,采用获取客户端的搜索框中接收到的当前搜索词;根据当前搜索词查询得到搜索结果列表,搜索结果列表包括:至少一个搜索结果;在将搜索结果列表中的搜索结果返回给客户端进行显示之后,监控客户端上显示的搜索结果对应发生的操作行为;抽取发生操作行为的搜索结果的标签,并计算每个标签的在线权重值;从历史搜索日志中查询得到当前搜索词对应的历史搜索结果列表,并获取历史搜索结果列表中每个历史搜索结果的标签对应的历史标签权重值;结合在线权重值和历史标签权重值对搜索结果列表中的搜索结果的标签进行重新排序,生成当前搜索词对应的推荐标签列表;按照推荐标签列表向客户端推送当前搜索词对应的搜索结果的方式,通过对客户端用户输入的当前搜索词的搜索结果的标签进行实时分析,动态计算得到当前搜索词对应的搜索结果,实时分析的部分主要利用当前搜索词实时的搜索结果,以及与当前搜索词匹配的搜索词的历史搜索结果进行结合分析,结合分析的结果可以是通过累加历史搜索结果对应的标签的在线权重值,和当前搜索词实时获取到的搜索结果对应的标签的历史标签权重值得到的,由于标签的权重值发生了改变,因此标签的排序结果也发生了变化,从而计算出了针对本次搜索用户的标签偏好,产出用户的实时导购标签,继而使得标签对应的搜索结果的显示也发生了变化,从而得到当前搜索词对应的新搜索结果,进而解决了现有技术提供的搜索方法无法获得准确的搜索结果的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明实施例的一种运行搜索结果的处理方法的移动终端的硬件结构框图;
图2是根据本发明实施例的搜索结果的处理方法的流程图;
图3是根据本发明实施例的一种可选的基于电子商务领域的应用场景的搜索结果的处理系统的框架结构示意图;
图4是根据本发明实施例的一种计算历史标签权重值的计算方法流程图;
图5是根据本发明实施例的一种搜索结果的处理装置的示意图;
图6是根据本发明实施例的一种可选的搜索结果的处理装置的结构示意图;
图7是根据本发明实施例的一种可选的搜索结果的处理装置的结构示意图;以及
图8是根据本发明实施例的一种可选的搜索结果的处理装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例,还提供了一种搜索结果的处理方法的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在计算机终端上为例,图1是本发明实施例的一种运行搜索结果的处理方法的移动终端的硬件结构框图。如图1所示,移动终端10可以包括一个或多个(图中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输装置106。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,移动终端10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储应用软件的软件程序以及模块,如本发明实施例中的搜索结果的处理方法对应的程序指令/模块,处理器102通过运行存储在存储器104内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的搜索结果的处理方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
在上述运行环境下,本申请提供了如图2所示的搜索结果的处理方法。图2是根据本发明实施例一的搜索结果的处理方法的流程图。
如图2所示,该搜索结果的处理方法可以如下实施步骤:
步骤S20,获取客户端的搜索框中接收到的当前搜索词。
本申请上述步骤S20中的搜索框可以是网页页面中的搜索导航所提供的输入框,用户可以在该搜索框中输入搜索词,以电子商务领域中,搜索词可以是商品的关键词,例如:“手机苹果”。
步骤S22,根据当前搜索词查询得到搜索结果列表,搜索结果列表可以包括:至少一个搜索结果。
在本申请上述步骤S22中,可以通过后台的搜索引擎服务来提供该当前搜索词的搜索结果列表,该搜索结果列表包含了该当前搜索词对应的所有搜索结果的信息。仍旧以电子商务领域为例,该搜索结果列表可以是包含多条商品信息的商品信息列表,后台搜索引擎可以返回搜索词“手机苹果”的多个搜索结果的信息,例如:“苹果手机Iphone 5s,双核驱动”等。
结合图3可知,本申请可以通过中间服务器来接收客户端的搜索请求,搜索请求中包含当前搜索词,中间服务器可以请求搜索引擎服务器提供的搜索引擎服务来查询得到当前搜索词的搜索结果列表。优选地,该搜索引擎服务可以加入排序算法,从而使得获取到搜索结果已经经过排序,仍旧以电子商务领域为例,返回的商品信息列表中的商品信息已经是优化过的结果。
步骤S24,在将搜索结果列表中的搜索结果返回给客户端进行显示之后,监控客户端上显示的搜索结果对应发生的操作行为。
结合图3可知,该步骤S24可以实现,在搜索引擎服务器提供的搜索引擎服务查询得到当前搜索词的搜索结果列表之后,会将该搜索结果列表返回给中间服务器,中间服务器会将该搜索结果列表返回给客户端,使得客户端可以为用户提供浏览当前搜索词对应的所有搜索结果。同时,如果用户在浏览搜索结果的过程中,对某一个搜索结果进行了操作,客户端会将该发生了操作行为的搜索结果反馈给中间服务器。从而实现了中间服务器对客户端上各个搜索结果的操作行为的监控过程。
仍旧以电子商务领域为例,上述方案可以实现中间服务器把查询到的商品信息列表返回给客户端,便于用户的浏览商品信息列表中的商品信息,如果客户端接收到用户对商品信息的操作行为之后,会将发生了操作行为的商品信息返回给中间服务器,操作行为包括但不限于以下行为:点击、收藏、交易购买等行为。
步骤S26,抽取发生操作行为的搜索结果的标签,并计算每个标签的在线权重值。
此处需要说明的是,由于标签是预先设置的,因此,该步骤S26可以从后台直接获取到监控到发生了操作行为的搜索结果的标签。
结合图3可知,上述步骤S26在获取到搜索结果之后,可以将发生了操作行为的搜索结果写入第三方服务器或者算法服务器,通过抽取的标签之后,算法服务器可以请求第三方服务器,或者通过本地存储来获取到用户的操作行为的行为数据,并在抽取不同操作行为的搜索结果(例如商品)的标签之后,计算每个标签的权重,得到每个标签的在线权重值,该在线权重值表示用户实时浏览搜索结果时,预测该搜索结果是否符合用户搜索需求。
步骤S28,从历史搜索日志中查询得到当前搜索词对应的历史搜索结果列表,并获取历史搜索结果列表中每个历史搜索结果的标签对应的历史标签权重值。
本申请上述步骤S28提供的方法,可以通过在历史搜索日志中查询到与当前搜索词匹配的历史搜索词之后,使用历史搜索日志中已经记录的该历史搜索词对应的历史搜索结果,得到上述当前搜索词在历史搜索日志中对应的历史搜索结果,查询到的历史搜索结果构成历史搜索结果列表的组成部分。
步骤S30,结合在线权重值和历史标签权重值对搜索结果列表中的搜索结果的标签进行重新排序,生成当前搜索词对应的推荐标签列表。
本申请上述步骤S30实现了,针对当前搜索词,通过结合当前搜索行为的搜索结果和历史搜索行为的搜索结果来确定本次搜索的用户的标签偏好,生成的推荐标签列表可以作为实时导购标签反馈给客户端的用户,此处搜索行为包括搜索结果的浏览及对浏览的搜索结果的操作行为。
步骤S32,按照推荐标签列表向客户端推送当前搜索词对应的搜索结果。
由此可知,本申请提供的方法实施例,通过对客户端用户输入的当前搜索词的搜索结果的标签进行实时分析,动态计算得到当前搜索词对应的搜索结果,实时分析的部分主要利用当前搜索词实时的搜索结果,以及与当前搜索词匹配的搜索词的历史搜索结果进行结合分析,结合分析的结果可以是通过累加历史搜索结果对应的标签的在线权重值,和当前搜索词实时获取到的搜索结果对应的标签的历史标签权重值得到的,由于标签的权重值发生了改变,因此标签的排序结果也发生了变化,从而计算出了针对本次搜索用户的标签偏好,产出用户的实时导购标签,继而使得标签对应的搜索结果的显示也发生了变化,从而得到当前搜索词对应的新搜索结果。此处需要说明的是,结合在线权重值和历史标签权重值之前,需要计算在线权重值和历史标签权重值,其中,搜索结果列表中发生操作行为的搜索结果的标签会重新进行计算,而没有发生操作行为的搜索结果的标签不发生变化,或者累计一个固定值。
仍旧以电子商务领域为例,本申请上述实施例通过获取用户在浏览商品过程中获得的商品信息,基于商品信息包含的标签,实时计算出用户的标签偏好,产出导购标签,进一步,可以借助商品标签,实时推荐出标签组合进行导购,还可以进一步计算商品之前的相似性,实时推荐出基于某一主题的场景导购标签。由此,将本申请提供的实施例应用在电子商务中,可以实现根据用户实时浏览的商品行为预测该用户喜欢的标签tag内容而进行推荐,并将推荐结果实时的展现给客户端用户,例如:当用户输入“手机”后,在浏览商品的过程中,如果用户喜欢,则会点击商品详情页看看商品的详细信息,来决定是否购买。如果用户不喜欢,则不会点击进去。当一页浏览完后,在用户浏览第二页之前,根据刚才用户的交互行为,喜欢或者不喜欢,实时计算出推荐的导航内容,便于用户的导购。
本申请上述实施例一提供的方案中,操作行为可以包括如下任意一种或多种类型:点击操作、收藏操作和交易操作,其中,步骤S26实现的计算每个标签的在线权重值的方式包括如下任意一种或多种方式:
方式一:在监控到客户端上显示的搜索结果发生任意一种操作行为之后,对发生操作行为的搜索结果对应的标签累加固定权重值,得到该发生操作行为的搜索结果的标签对应的在线权重值,其中,对应不同类型的操作行为,累加不同的固定权重值。
此处需要说明的是,应用在电子商务领域时,在操作行为包括点击操作、收藏操作和交易操作等多种类型的情况下,显而易见的是发生交易操作的搜索结果是用户最感兴趣的搜索结果,发生收藏操作的搜索结果次之,比较收藏操作和交易操作,仅发生点击操作的搜索结果用户的兴趣最低,但这几种操作都比浏览操作表示用户的兴趣都高。为了将用户最感兴趣的搜索结果在下次搜索或者下一页显示时推荐给用户,可以按照兴趣度的高低设置不同的固定权重值,如果在线监控到某一个搜索结果发生了上述任意一种操作行为,就对该搜索结果的标签累加该操作行为所对应的固定权重值,使得兴趣度越高的,即累加的固定权重值越大的搜索结果排列越靠前。
方式二:在监控到客户端上显示的搜索结果发生任意一种操作行为之后,对发生操作行为的搜索结果对应的标签进行求熵计算,得到该发生操作行为的搜索结果对应的标签对应的在线权重值。
由此,结合图3所示的一种可选的基于电子商务领域的应用场景,下面对本申请提供的在线权重值的计算过程进行详细说明:
首先,中间服务器在获取到在线用户输入的搜索词之后,从搜索引擎服务器中获取到该搜索词对应的商品信息列表,一方面中间服务器sp会把商品信息列表返回给前端的客户端进行显示,供用户浏览,另一方面中间服务器sp会把商品信息列表返回给第三方服务器,此时第三方服务器记录了用户浏览的商品信息列表的数据,记录格式如下下表1:
表1:
上述第三方服务器中记录的商品信息列表的数据供算法服务器计算标签的在线标签权限值。
其次,当前段的客户端中监控到用户对搜索结果有点击(或者收藏、交易等)的操作行为时,前端客户端会实时把发生了点击操作的商品信息的nid列表传给中间服务器sp,中间服务器sp再次把用户的点击操作的行为信息返回给第三方服务器。此时发生了用户点击操作的搜索结果的数据信息记录如下表2:
表2:
一种优选方案中,由于,对于同一个用户和同一个搜索词而言,点击操作延迟于浏览操作,因此,算法服务器通过个性化服务器系统在获取到发生了点击操作、浏览操作、收藏操作等操作方式的商品信息的商品信息列表时,会在时间上处理成统一的时间戳,便于合并操作。
最后,提取发生了点击操作的商品信息的标签信息,计算每一个标签的在线权重值。在线权重值的计算方法有多种,可以每次加一个预先设定的固定权重值,也可以计算每个标签的熵值,从而生成标签的在线权重值。
基于上述计算得到了每个标签的在线权重值,本申请实施例一提供的方案中,步骤S30实现的结合在线权重值和历史标签权重值对搜索结果列表中的搜索结果的标签进行重新排序,生成当前搜索词对应的推荐标签列表的步骤可以包括如下实施步骤:
步骤S301,将在线权重值与对应标签的历史标签权重值进行累加,生成每个标签的新标签权重值.
步骤S303,按照新标签权重值对每个标签进行升序排序或者降序排序,生成当前搜索词对应的推荐标签列表;其中,对于没有发生操作行为的搜索结果的标签,该标签的在线权重值不变或者累加固定权重值。
上述步骤S301和步骤S303可以实现,将在线计算的在线标签权重和离线标签列表中的历史标签权重值进行叠加,从而生成大于某一个阈值的标签降序列表。按照该标签降序列表将对应的搜索结果推送给前段客户端供用户浏览,使得用户翻页时可以展示动态导航得到的搜索结果。
在本申请实施例一提供的方案中,在执行步骤S28从历史搜索日志中查询得到当前搜索词对应的历史搜索结果列表,并获取历史搜索结果列表中每个历史搜索结果的标签对应的历史标签权重值之前,还可以执行如下步骤:
步骤S271,记录接收到的历史搜索词及历史搜索词在历史搜索日志中的历史搜索结果,得到历史搜索结果列表;
步骤S273,计算历史搜索结果所对应的标签的历史标签权重值。
一种可选的方案中,该步骤S273通过如下步骤来实现:
步骤S2731,从历史搜索结果列表中提取发生历史操作行为的历史搜索结果。
步骤S2733,提取发生历史操作行为的历史搜索结果的标签。
步骤S2735,使用权重算法计算发生历史操作行为的历史搜索结果的标签的历史标签权重值,其中,权重算法包括如下任意一种或多种方式:词频算法、TF*IDF算法和条件概率算法。
由此可知,仍旧以电子商务领域的应用场景为例,上述方案可以实现,针对历史搜索词对应的发生了点击操作、购买操作、交易操作等操作行为的商品信息,可以提取上述发生操作行为的商品列表的标签,并计算每个标签的历史表情权重值来表征该标签的重要度,标签的重要度计算方法可以有多种,例如基于统计的词频方法、TF*IDF、条件概率等等,在计算得到标签的重要度中,建立并保存历史搜索词与其历史搜索结果对应的标签的历史标签权重值的映射关系表,使得当用户输入当前搜索词之后,可以通过匹配处理,来提取与该当前搜索词匹配的历史搜索词的历史标签权重值。
优选地,在权重算法为TF*IDF算法的情况下,其中,步骤S2735实现的使用权重算法计算发生历史操作行为的历史搜索结果的标签的历史标签权重值的方案可以通过如下步骤实现:
首先,计算发生历史操作行为的历史搜索结果的标签的词频TF。
其次,在获取到历史搜索词的类目列表之后,计算得到发生历史操作行为的历史搜索结果的标签在类目列表中的IDF。
最后,根据如下公式计算得到发生历史操作行为的历史搜索结果的标签的历史标签权重值W:W=TF*IDF。
下面就结合图4所示的流程图,以电子商务领域的应用场景为例,对采用TF*IDF算法计算历史标签权重值的计算方法进行详细描述:
首先,对所有的历史搜索词进行类目预测,通过历史搜索词从历史搜索日志中提取历史搜索结果列表,并提取发生了历史操作行为的商品信息作为商品历史行为日志,得到每个历史搜索词对应的发生了点击操作、交易操作、收藏操作等操作行为的商品信息,同时根据这些商品信息所属的类目分布,计算该历史搜索词所预测的类目列表。
其次,根据上述的商品信息,提取每个商品信息上的标签序列,计算每个标签TF(Term Frequency,词频),同时,计算每个标签在预测的类目中的IDF(Inverse DocumentFrequency),把TF*IDF的结果作为每个标签的临时权重,从而计算得到了发生历史操作行为的历史搜索结果的标签的历史标签权重值W。
此处需要说明的是,TF-IDF是一种统计方法,用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加,但同时会随着它在语料库中出现的频率成反比下降。TF-IDF加权的各种形式常被搜索引擎应用,作为文件与用户查询之间相关程度的度量或评级。除了TF-IDF以外,因特网上的搜索引擎还会使用基于链接分析的评级方法,以确定文件在搜寻结果中出现的顺序。其中,词频(term frequency,TF)指的是某一个给定的词语在该文件中出现的次数。这个数字通常会被归一化,以防止它偏向长的文件(同一个词语在长文件里可能会比短文件有更高的词频,而不管该词语重要与否);逆向文件频率(inverse document frequency,IDF)是一个词语普遍重要性的度量。某一特定词语的IDF,可以由总文件数目除以包含该词语之文件的数目,再将得到的商取对数得到。由此可知,某一特定文件内的高词语频率,以及该词语在整个文件集合中的低文件频率,可以产生出高权重的TF-IDF。因此,TF-IDF倾向于保留文档中较为特别的词语,过滤常用词。
然后,还可以对历史搜索词进行分词和标志,根据标签信息,标记出历史搜索词中已经确定的维度,并把推荐结果中该维度的标签去除。
最后,把每个历史搜索词下的标签权重归一化,并输出。
例如,以历史搜索词为“手机苹果”为例,首先根据用户的点击、购买、收藏等行为计算出类目预测的结果是“手机类目”;其次统计该历史搜索词对应的商品标签信息,计算每个标签的TF*IDF,结果为“品牌:苹果,权重0.2;Iphone型号:Iphone 4s,权重0.1;Iphone型号:Iphone 5s,权重0.05;Iphone型号:Iphone 5,权重0.05;Iphone型号:Iphone 5c,权重0.04;屏幕尺寸:4.0英寸,权重0.02;核心数:双核,权重0.02;操作系统:IOS,权重0.02;品牌:三星,权重0.001”等等;然后Query中“苹果”在标签序列中已经被打上“品牌标记”,说明用户已经指定该维度,因此会在推荐的结果中,把该维度的标签删除,结果为“Iphone型号:Iphone 4s,权重0.1;Iphone型号:Iphone 5s,权重0.05;Iphone型号:Iphone 5,权重0.05;Iphone型号:Iphone 5c,权重0.04;屏幕尺寸:4.0英寸,权重0.02;核心数:双核,权重0.02;操作系统:IOS,权重0.02”;最后把每个Query下的权重进一步归一,最终离线数据输出的结果为“Iphone型号:Iphone 4s,权重0.333;Iphone型号:Iphone 5s,权重0.167;Iphone型号:Iphone 5,权重0.167;Iphone型号:Iphone 5c,权重0.133;屏幕尺寸:4.0英寸,权重0.067;核心数:双核,权重0.067;操作系统:IOS,权重0.067”。
上述方案实现了,对提取到的历史搜索词对应的离线推荐的各个标签的历史标签权重值,可以计算出该标签中的平均权重(由于标签中的权重已经做了归一化,因此1/标签的个数就是标签的平均权重),此时,有点击行为的搜索结果的标签的权重值是正均值,没有点击行为的搜索结果的标签的权重值是负均值。
下面就结合图3至图4,以电子商务领域为应用场景,对本申请实施例一提供的方案进行详细描述:
步骤A,用户发送搜索请求给客户端,客户端的搜索框获取到当前搜索词。
步骤B,客户端获取到用户的信息和当前搜索词,发送请求给中间服务器。
步骤C,中间服务器发送请求给引擎服务器,其中,该引擎服务器提供的引擎服务加入了排序算法。
步骤D,引擎服务器根据请求中携带的当前搜索词查询得到对应的搜索结果,即获取到当前搜索词对应的商品信息的商品信息列表,并将该商品信息列表返回给中间服务器。
步骤E,引擎服务器除了可以将上述商品信息列表返回给中间服务器,另一方面也可以把返回的商品信息列表写回第三方服务器。
步骤F,中间服务器把获取到的商品信息列表返回客户端,供用户进行浏览,此时中间服务器实时监控客户端上显示的商品信息的操作行为。
步骤G,客户端将发生了点击、收藏、交易等操作行为的商品信息返回给中间服务器。
步骤H,中间服务器把客户端返回的发生了操作行为商品信息写回第三方服务器。
步骤I,此时,算法服务器发出算法请求给第三方服务器后,算法服务器会获取到每个发生了操作行为的搜索结果的用户行为数据,然后,在抽取发生了不同行为的商品信息对应的标签之后,计算每个标签的在线权重值,采用一对一叠加的方式将在线权重值累加到该当前搜索词对应的历史标签权重值中,并进行重排序,产出导购标签列表。
步骤J,通过算法产出的标签列表,返回给客户端,用户在翻页的时候,实时产出用户感兴趣的标签列表。
此处需要说明的是,上述步骤I中历史标签权重值可以由历史标签服务器推送给算法服务器,历史标签服务器中记录了历史搜索词与其对应的历史标签权重值的对应关系,在当前搜索词匹配到对应的历史搜索词之后,就可以查询得到对应的历史标签权重值。
以查询词“手机”为例,首先根据查询词对应的历史商品信息抽取出来,提取每个商品上的标签信息,计算出每个标签的权重,例如,计算的结果是:“Apple”、“三星”、“小米”、“华为”、“HTC”、“联想”、“大屏幕”、“老人手机”、“女性手机”、“学生手机”、“四核手机”、“WCDMA”、“高清摄像”等等。当用户在线搜索的时候,依次跳过了,Apple手机、联想手机、老年人手机、女性手机,而点击了,大屏幕手机、华为手机,四核手机,根据对点击加权,对浏览降权的原则后,重新对标签进行排列。结果为“华为”、“三星”、“联想”、“大屏幕”、“四核手机”、“HTC”、“学生手机”、“WCDMA”、“高清摄像”等等,当然这里也可以产出“华为大屏幕手机”、“华为四核手机”,这里列举的仅仅是个示例,并申请不限于此。
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。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
实施例2
根据本发明实施例,还提供了一种用于实施上述方法实施例的装置实施例。图5是根据本发明实施例二的搜索结果的处理装置的示意图。
如图5所示,该搜索结果的处理装置可以包括:第一获取模块50、查询模块52、监控模块54、处理模块56、第二获取模块58、生成模块60和推送模块62。
其中,第一获取模块50,用于获取客户端的搜索框中接收到的当前搜索词;查询模块52,用于根据当前搜索词查询得到搜索结果列表,搜索结果列表包括:至少一个搜索结果;监控模块54,用于在将搜索结果列表中的搜索结果返回给客户端进行显示之后,监控客户端上显示的搜索结果对应发生的操作行为;处理模块56,用于抽取发生操作行为的搜索结果的标签,并计算每个标签的在线权重值;第二获取模块58,用于从历史搜索日志中查询得到当前搜索词对应的历史搜索结果列表,并获取历史搜索结果列表中每个历史搜索结果的标签对应的历史标签权重值;生成模块60,用于结合在线权重值和历史标签权重值对搜索结果列表中的搜索结果的标签进行重新排序,生成当前搜索词对应的推荐标签列表;推送模块62,用于按照推荐标签列表向客户端推送当前搜索词对应的搜索结果。
由此可知,本申请提供的装置实施例,通过对客户端用户输入的当前搜索词的搜索结果的标签进行实时分析,动态计算得到当前搜索词对应的搜索结果,实时分析的部分主要利用当前搜索词实时的搜索结果,以及与当前搜索词匹配的搜索词的历史搜索结果进行结合分析,结合分析的结果可以是通过累加历史搜索结果对应的标签的在线权重值,和当前搜索词实时获取到的搜索结果对应的标签的历史标签权重值得到的,由于标签的权重值发生了改变,因此标签的排序结果也发生了变化,从而计算出了针对本次搜索用户的标签偏好,产出用户的实时导购标签,继而使得标签对应的搜索结果的显示也发生了变化,从而得到当前搜索词对应的新搜索结果。此处需要说明的是,结合在线权重值和历史标签权重值之前,需要计算在线权重值和历史标签权重值,其中,搜索结果列表中发生操作行为的搜索结果的标签会重新进行计算,而没有发生操作行为的搜索结果的标签不发生变化,或者累计一个固定值。
仍旧以电子商务领域为例,本申请上述实施例通过获取用户在浏览商品过程中获得的商品信息,基于商品信息包含的标签,实时计算出用户的标签偏好,产出导购标签,进一步,可以借助商品标签,实时推荐出标签组合进行导购,还可以进一步计算商品之前的相似性,实时推荐出基于某一主题的场景导购标签。由此,将本申请提供的实施例应用在电子商务中,可以实现根据用户实时浏览的商品行为预测该用户喜欢的标签tag内容而进行推荐,并将推荐结果实时的展现给客户端用户,例如:当用户输入“手机”后,在浏览商品的过程中,如果用户喜欢,则会点击商品详情页看看商品的详细信息,来决定是否购买。如果用户不喜欢,则不会点击进去。当一页浏览完后,在用户浏览第二页之前,根据刚才用户的交互行为,喜欢或者不喜欢,实时计算出推荐的导航内容,便于用户的导购。
此处需要说明的是,本申请上述实施例提供的第一获取模块50、查询模块52、监控模块54、处理模块56、第二获取模块58、生成模块60和推送模块62与实施例一中提供的方法步骤S20至步骤S32具有相同的应用场景,但不限于方法提供的示例。而且上述各个模块可以作为硬件的一部分运行在移动终端10中。
优选地,本申请上述实施例的一种可选方案中,处理模块56可以包括如下任意一个或多个模块:第一计算模块561、第二计算模块563。
其中,第一计算模块561,用于在监控到客户端上显示的搜索结果发生任意一种操作行为之后,对发生操作行为的搜索结果对应的标签累加固定权重值,得到该发生操作行为的搜索结果的标签对应的在线权重值,其中,对应不同类型的操作行为,累加不同的固定权重值。
第二计算模块563,用于在监控到客户端上显示的搜索结果发生任意一种操作行为之后,对发生操作行为的搜索结果对应的标签进行求熵计算,得到该发生操作行为的搜索结果对应的标签对应的在线权重值。
此处需要说明的是,本申请上述实施例提供的第一计算模块561、第二计算模块563与实施例一中提供的方法步骤具有相同的应用场景,但不限于方法提供的示例。而且上述各个模块可以作为硬件的一部分运行在移动终端10中。
优选地,如图6所示,本申请上述实施例的一种可选方案中,生成模块60可以包括:累加模块601和排序模块603。
其中,累加模块601,用于将在线权重值与对应标签的历史标签权重值进行累加,生成每个标签的新标签权重值;排序模块603,用于按照新标签权重值对每个标签进行升序排序或者降序排序,生成当前搜索词对应的推荐标签列表;其中,对于没有发生操作行为的搜索结果的标签,该标签的在线权重值不变或者累加固定权重值。
此处需要说明的是,本申请上述实施例提供的累加模块601和排序模块603与实施例一中提供的方法步骤S301至步骤S301具有相同的应用场景,但不限于方法提供的示例。而且上述各个模块可以作为硬件的一部分运行在移动终端10中。
优选地,如图7所示,在执行第二获取模块58之前,装置还可以执行如下功能模块:记录模块571、第三计算模块573、提取模块575、子处理模块577。
其中,记录模块571,用于记录接收到的历史搜索词及历史搜索词在历史搜索日志中的历史搜索结果,得到历史搜索结果列表;第三计算模块573,用于计算历史搜索结果所对应的标签的历史标签权重值,其中,该第三计算模块573可以包括如下功能模块:提取模块575,用于从历史搜索结果列表中提取发生历史操作行为的历史搜索结果,并提取发生历史操作行为的历史搜索结果的标签;子处理模块577,用于使用权重算法计算发生历史操作行为的历史搜索结果的标签的历史标签权重值,其中,权重算法包括如下任意一种或多种方式:词频算法、TF*IDF算法和条件概率算法。
此处需要说明的是,本申请上述实施例提供的记录模块571、第三计算模块573、提取模块575、子处理模块577与实施例一中提供的方法步骤S271和步骤S273,以及步骤S273包含的步骤S2731至步骤S2733具有相同的应用场景,但不限于方法提供的示例。而且上述各个模块可以作为硬件的一部分运行在移动终端10中。
优选地,如图8所示,本申请上述实施例的一种可选方案中,在权重算法为TF*IDF算法的情况下,其中,子处理模块577可以包括:第一子计算模块5771、第二子计算模块5773、第三子计算模块5775。
其中,第一子计算模块5771,用于计算发生历史操作行为的历史搜索结果的标签的词频TF;第二子计算模块5773,用于在获取到历史搜索词的类目列表之后,计算得到发生历史操作行为的历史搜索结果的标签在类目列表中的IDF;第三子计算模块5775,用于根据如下公式计算得到发生历史操作行为的历史搜索结果的标签的历史标签权重值W:W=TF*IDF。
此处需要说明的是,本申请上述实施例提供的第一子计算模块5771、第二子计算模块5773、第三子计算模块5775与实施例一中提供的对应方法步骤具有相同的应用场景,但不限于方法提供的示例。而且上述各个模块可以作为硬件的一部分运行在移动终端10。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,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。
在本申请所提供的几个实施例中,应该理解到,所揭露的移动终端,可通过其它的方式实现。其中,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,所显示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,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
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,作为单元显示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,在本发明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,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品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设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种搜索结果的处理方法,其特征在于,包括:
获取客户端的搜索框中接收到的当前搜索词;
根据所述当前搜索词查询得到搜索结果列表,所述搜索结果列表包括:至少一个搜索结果;
在将所述搜索结果列表中的搜索结果返回给所述客户端进行显示之后,监控所述客户端上显示的所述搜索结果对应发生的操作行为;
抽取发生所述操作行为的搜索结果的标签,并计算每个标签的在线权重值;
从历史搜索日志中查询得到所述当前搜索词对应的历史搜索结果列表,并获取所述历史搜索结果列表中每个历史搜索结果的标签对应的历史标签权重值;
结合所述在线权重值和所述历史标签权重值对所述搜索结果列表中的搜索结果的标签进行重新排序,生成所述当前搜索词对应的推荐标签列表;
按照所述推荐标签列表向所述客户端推送所述当前搜索词对应的搜索结果。
2.根据权利要求1所述的方法,其特征在于,计算每个标签的在线权重值的方式包括如下任意一种或多种方法:
在监控到所述客户端上显示的所述搜索结果发生任意一种操作行为之后,对发生所述操作行为的搜索结果对应的标签累加固定权重值,得到该发生所述操作行为的搜索结果的标签对应的所述在线权重值,其中,对应不同类型的操作行为,累加不同的固定权重值;
在监控到所述客户端上显示的所述搜索结果发生任意一种操作行为之后,对发生所述操作行为的搜索结果对应的标签进行求熵计算,得到该发生所述操作行为的搜索结果对应的标签对应的所述在线权重值。
3.根据权利要求2所述的方法,其特征在于,结合所述在线权重值和所述历史标签权重值对所述搜索结果列表中的搜索结果的标签进行重新排序,生成所述当前搜索词对应的推荐标签列表的步骤包括:
将所述在线权重值与对应标签的所述历史标签权重值进行累加,生成每个标签的新标签权重值;
按照所述新标签权重值对每个标签进行升序排序或者降序排序,生成所述当前搜索词对应的推荐标签列表;
其中,对于没有发生操作行为的搜索结果的标签,该标签的在线权重值不变或者累加所述固定权重值。
4.根据权利要求1所述的方法,其特征在于,在从历史搜索日志中查询得到所述当前搜索词对应的历史搜索结果列表,并获取所述历史搜索结果列表中每个历史搜索结果的标签对应的历史标签权重值之前,所述方法还包括:
记录接收到的历史搜索词及所述历史搜索词在所述历史搜索日志中的历史搜索结果,得到历史搜索结果列表;
计算所述历史搜索结果所对应的标签的所述历史标签权重值,该步骤包括:
从历史搜索结果列表中提取发生历史操作行为的历史搜索结果;
提取所述发生历史操作行为的历史搜索结果的标签;
使用权重算法计算所述发生历史操作行为的历史搜索结果的标签的历史标签权重值,其中,所述权重算法包括如下任意一种或多种方式:词频算法、TF*IDF算法和条件概率算法。
5.根据权利要求4所述的方法,其特征在于,在所述权重算法为所述TF*IDF算法的情况下,其中,使用权重算法计算所述发生历史操作行为的历史搜索结果的标签的历史标签权重值的步骤包括:
计算所述发生历史操作行为的历史搜索结果的标签的词频TF;
在获取到所述历史搜索词的类目列表之后,计算得到所述发生历史操作行为的历史搜索结果的标签在类目列表中的IDF;
根据如下公式计算得到所述发生历史操作行为的历史搜索结果的标签的历史标签权重值W:W=TF*IDF。
6.一种搜索结果的处理装置,其特征在于,包括:
第一获取模块,用于获取客户端的搜索框中接收到的当前搜索词;
查询模块,用于根据所述当前搜索词查询得到搜索结果列表,所述搜索结果列表包括:至少一个搜索结果;
监控模块,用于在将所述搜索结果列表中的搜索结果返回给所述客户端进行显示之后,监控所述客户端上显示的所述搜索结果对应发生的操作行为;
处理模块,用于抽取发生所述操作行为的搜索结果的标签,并计算每个标签的在线权重值;
第二获取模块,用于从历史搜索日志中查询得到所述当前搜索词对应的历史搜索结果列表,并获取所述历史搜索结果列表中每个历史搜索结果的标签对应的历史标签权重值;
生成模块,用于结合所述在线权重值和所述历史标签权重值对所述搜索结果列表中的搜索结果的标签进行重新排序,生成所述当前搜索词对应的推荐标签列表;
推送模块,用于按照所述推荐标签列表向所述客户端推送所述当前搜索词对应的搜索结果。
7.根据权利要求6所述的装置,其特征在于,所述处理模块包括如下任意一个或多个模块:
第一计算模块,用于在监控到所述客户端上显示的所述搜索结果发生任意一种操作行为之后,对发生所述操作行为的搜索结果对应的标签累加固定权重值,得到该发生所述操作行为的搜索结果的标签对应的所述在线权重值,其中,对应不同类型的操作行为,累加不同的固定权重值;
第二计算模块,用于在监控到所述客户端上显示的所述搜索结果发生任意一种操作行为之后,对发生所述操作行为的搜索结果对应的标签进行求熵计算,得到该发生所述操作行为的搜索结果对应的标签对应的所述在线权重值。
8.根据权利要求7所述的装置,其特征在于,所述生成模块包括:
累加模块,用于将所述在线权重值与对应标签的所述历史标签权重值进行累加,生成每个标签的新标签权重值;
排序模块,用于按照所述新标签权重值对每个标签进行升序排序或者降序排序,生成所述当前搜索词对应的推荐标签列表;其中,对于没有发生操作行为的搜索结果的标签,该标签的在线权重值不变或者累加所述固定权重值。
9.根据权利要求6所述的装置,其特征在于,在执行第二获取模块之前,所述装置还包括:
记录模块,用于记录接收到的历史搜索词及所述历史搜索词在所述历史搜索日志中的历史搜索结果,得到历史搜索结果列表;
第三计算模块,用于计算所述历史搜索结果所对应的标签的所述历史标签权重值,所述第三计算模块包括:
提取模块,用于从历史搜索结果列表中提取发生历史操作行为的历史搜索结果,并提取所述发生历史操作行为的历史搜索结果的标签;
子处理模块,用于使用权重算法计算所述发生历史操作行为的历史搜索结果的标签的历史标签权重值,其中,所述权重算法包括如下任意一种或多种方式:词频算法、TF*IDF算法和条件概率算法。
10.根据权利要求9所述的装置,其特征在于,在所述权重算法为所述TF*IDF算法的情况下,其中,所述子处理模块包括:
第一子计算模块,用于计算所述发生历史操作行为的历史搜索结果的标签的词频TF;
第二子计算模块,用于在获取到所述历史搜索词的类目列表之后,计算得到所述发生历史操作行为的历史搜索结果的标签在类目列表中的IDF;
第三子计算模块,用于根据如下公式计算得到所述发生历史操作行为的历史搜索结果的标签的历史标签权重值W:W=TF*IDF。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410381706.7A CN105320706B (zh) | 2014-08-05 | 2014-08-05 | 搜索结果的处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410381706.7A CN105320706B (zh) | 2014-08-05 | 2014-08-05 | 搜索结果的处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105320706A CN105320706A (zh) | 2016-02-10 |
CN105320706B true CN105320706B (zh) | 2018-10-09 |
Family
ID=55248106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410381706.7A Active CN105320706B (zh) | 2014-08-05 | 2014-08-05 | 搜索结果的处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105320706B (zh) |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106055688B (zh) * | 2016-06-07 | 2020-01-14 | 北京金山安全软件有限公司 | 搜索结果的展现方法、装置和移动终端 |
CN106780273A (zh) * | 2016-12-30 | 2017-05-31 | 中国民航信息网络股份有限公司 | 旅客航班需求分析方法和系统 |
CN108536716B (zh) * | 2017-03-06 | 2021-06-11 | 阿里巴巴(中国)有限公司 | 搜索结果处理方法、装置及服务器 |
CN107291835B (zh) * | 2017-05-31 | 2020-12-22 | 北京京东尚科信息技术有限公司 | 一种搜索词的推荐方法和装置 |
CN110069717B (zh) * | 2017-07-19 | 2023-11-10 | 阿里巴巴集团控股有限公司 | 一种搜索方法及装置 |
CN110147483B (zh) * | 2017-09-12 | 2023-09-29 | 阿里巴巴集团控股有限公司 | 一种标题重建方法及装置 |
CN108681568A (zh) * | 2018-05-03 | 2018-10-19 | 北京五八信息技术有限公司 | 一种搜索排序方法、装置、设备及计算机可读存储介质 |
CN110457568A (zh) * | 2018-05-03 | 2019-11-15 | 北京京东尚科信息技术有限公司 | 品牌词的识别方法及系统、对象推荐方法及系统 |
CN108737524B (zh) * | 2018-05-10 | 2020-11-24 | 佛山欧神诺云商科技有限公司 | 一种企业信息推送方法 |
CN110674386B (zh) * | 2018-06-14 | 2022-11-01 | 北京百度网讯科技有限公司 | 资源推荐方法、装置及存储介质 |
CN108984735B (zh) * | 2018-07-12 | 2019-08-13 | 广州资宝科技有限公司 | 标签词库更新方法、装置及电子设备 |
CN110851693B (zh) * | 2018-07-27 | 2024-06-18 | 北京京东尚科信息技术有限公司 | 用于搜索的方法、系统和服务器集群 |
CN109245996B (zh) * | 2018-09-18 | 2023-04-07 | 平安科技(深圳)有限公司 | 邮件推送方法、装置、计算机设备和存储介质 |
CN110930208B (zh) * | 2018-09-19 | 2023-05-05 | 阿里巴巴集团控股有限公司 | 对象搜索方法及装置 |
CN109766491A (zh) * | 2018-12-18 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 商品搜索方法、装置、计算机设备和存储介质 |
CN109740061B (zh) * | 2019-01-03 | 2021-03-19 | 北京奇艺世纪科技有限公司 | 一种基于用户浏览行为的信息流数据动态加载方法及装置 |
CN111625620A (zh) * | 2019-02-28 | 2020-09-04 | 北京京东尚科信息技术有限公司 | 信息处理方法和装置 |
CN110245289A (zh) * | 2019-05-20 | 2019-09-17 | 中国平安财产保险股份有限公司 | 一种信息搜索方法以及相关设备 |
CN110362757A (zh) * | 2019-05-28 | 2019-10-22 | 成都美美臣科技有限公司 | 一种电子商务网站排序搜索结果的方法 |
CN110334273A (zh) * | 2019-05-30 | 2019-10-15 | 重庆金融资产交易所有限责任公司 | 基于通用搜索平台的服务搜索方法、装置和计算机设备 |
CN110543491A (zh) * | 2019-08-05 | 2019-12-06 | 北京字节跳动网络技术有限公司 | 搜索方法、装置、电子设备和计算机可读存储介质 |
CN117056622A (zh) * | 2019-10-22 | 2023-11-14 | 海信视像科技股份有限公司 | 语音控制方法及显示设备 |
CN111080339B (zh) * | 2019-11-18 | 2024-01-30 | 口口相传(北京)网络技术有限公司 | 基于场景的类目偏好数据生成方法及装置 |
CN111078972B (zh) * | 2019-11-29 | 2023-06-16 | 支付宝(杭州)信息技术有限公司 | 提问行为数据的获取方法、装置和服务器 |
CN111125523B (zh) * | 2019-12-20 | 2024-03-01 | 华为技术有限公司 | 搜索方法、装置、终端设备及存储介质 |
CN111970525B (zh) * | 2020-08-14 | 2022-06-03 | 北京达佳互联信息技术有限公司 | 直播间搜索方法、装置、服务器及存储介质 |
CN112000855A (zh) * | 2020-08-26 | 2020-11-27 | 中国银行股份有限公司 | 应答数据的处理方法、装置、存储介质及电子设备 |
CN113744015A (zh) * | 2020-10-20 | 2021-12-03 | 北京沃东天骏信息技术有限公司 | 一种排序方法、装置、设备及计算机存储介质 |
CN112866762A (zh) * | 2020-12-31 | 2021-05-28 | 北京达佳互联信息技术有限公司 | 获取视频关联信息的处理方法、装置、电子设备、服务器 |
CN112801761A (zh) * | 2021-04-13 | 2021-05-14 | 中智关爱通(南京)信息科技有限公司 | 商品推荐方法、计算设备和计算机可读存储介质 |
CN113360743A (zh) * | 2021-07-09 | 2021-09-07 | 南方电网数字电网研究院有限公司 | 查询数据过滤方法、装置、计算机设备和存储介质 |
CN113742573B (zh) * | 2021-08-03 | 2023-11-14 | 深圳Tcl新技术有限公司 | 一种多媒体资源搜索方法、装置、计算机设备和存储介质 |
CN114637601A (zh) * | 2022-03-02 | 2022-06-17 | 马上消费金融股份有限公司 | 信息获取方法、装置、电子设备及存储介质 |
CN116610873B (zh) * | 2023-07-19 | 2023-09-26 | 支付宝(杭州)信息技术有限公司 | 信息推荐方法及装置、存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1061465A2 (en) * | 1999-06-17 | 2000-12-20 | International Business Machines Corporation | Method and apparatus for providing reduced cost online service and adaptive targeting of advertisements |
CN1412693A (zh) * | 2001-10-12 | 2003-04-23 | 好利集团有限公司 | 一种自优化商品目录提供方法和系统 |
CN101351800A (zh) * | 2006-01-05 | 2009-01-21 | 吉市有限公司 | 基于用户购买行为智能搜索产品的方法及由此而得的系统 |
CN102289436A (zh) * | 2010-06-18 | 2011-12-21 | 阿里巴巴集团控股有限公司 | 确定搜索词权重值方法及装置、搜索结果生成方法及装置 |
-
2014
- 2014-08-05 CN CN201410381706.7A patent/CN105320706B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1061465A2 (en) * | 1999-06-17 | 2000-12-20 | International Business Machines Corporation | Method and apparatus for providing reduced cost online service and adaptive targeting of advertisements |
CN1412693A (zh) * | 2001-10-12 | 2003-04-23 | 好利集团有限公司 | 一种自优化商品目录提供方法和系统 |
CN101351800A (zh) * | 2006-01-05 | 2009-01-21 | 吉市有限公司 | 基于用户购买行为智能搜索产品的方法及由此而得的系统 |
CN102289436A (zh) * | 2010-06-18 | 2011-12-21 | 阿里巴巴集团控股有限公司 | 确定搜索词权重值方法及装置、搜索结果生成方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105320706A (zh) | 2016-02-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105320706B (zh) | 搜索结果的处理方法和装置 | |
CN101551806B (zh) | 一种个性化网址导航的方法和系统 | |
CN105320766B (zh) | 信息推送方法和装置 | |
US10685065B2 (en) | Method and system for recommending content to a user | |
Wu et al. | Improving performance of tensor-based context-aware recommenders using bias tensor factorization with context feature auto-encoding | |
US20170103133A1 (en) | Recommendation method and device | |
CN109992646A (zh) | 文本标签的提取方法和装置 | |
US20110179114A1 (en) | User communication analysis systems and methods | |
CN104077415B (zh) | 搜索方法及装置 | |
CN106708821A (zh) | 基于用户个性化购物行为进行商品推荐的方法 | |
WO2018040069A1 (zh) | 信息推荐系统及方法 | |
JP6723182B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
CN103118111A (zh) | 一种基于多个数据交互中心的数据进行信息推送的方法 | |
CN110175895B (zh) | 一种物品推荐方法及装置 | |
CN108665333A (zh) | 商品推荐方法、装置、电子设备和存储介质 | |
CN108984675A (zh) | 基于评价的数据查询方法和装置 | |
CN108537596B (zh) | 搜索框内车型推荐的方法、装置、系统及存储器 | |
CN110380954A (zh) | 数据分享方法和装置,存储介质及电子装置 | |
CN108595493A (zh) | 媒体内容的推送方法和装置、存储介质、电子装置 | |
US20140229487A1 (en) | System and method for user preference augmentation through social network inner-circle knowledge discovery | |
CN108614832A (zh) | 一种用户个性化商品搜索实现方法及装置 | |
CN103309869A (zh) | 数据对象的展示关键词推荐方法及系统 | |
CN107977678A (zh) | 用于输出信息的方法和装置 | |
AU2016203941A1 (en) | Visitor identification based on feature selection | |
JP6434954B2 (ja) | 情報処理装置、情報処理方法、およびプログラム |
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 |