CN106096037A - 基于人工智能的搜索结果聚合方法、装置以及搜索引擎 - Google Patents

基于人工智能的搜索结果聚合方法、装置以及搜索引擎 Download PDF

Info

Publication number
CN106096037A
CN106096037A CN201610482110.5A CN201610482110A CN106096037A CN 106096037 A CN106096037 A CN 106096037A CN 201610482110 A CN201610482110 A CN 201610482110A CN 106096037 A CN106096037 A CN 106096037A
Authority
CN
China
Prior art keywords
demand
search
dimension
search word
search results
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
CN201610482110.5A
Other languages
English (en)
Inventor
马艳军
刘家辰
吴华
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 Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom 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 Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201610482110.5A priority Critical patent/CN106096037A/zh
Priority to US16/313,195 priority patent/US10902077B2/en
Priority to PCT/CN2016/098130 priority patent/WO2018000575A1/zh
Publication of CN106096037A publication Critical patent/CN106096037A/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
    • 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
    • G06F16/957—Browsing optimisation, e.g. caching or content distillation
    • 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
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • 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
    • G06F16/9538—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/041—Abduction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/03—Data mining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Fuzzy Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于人工智能的搜索结果聚合方法、装置以及搜索引擎。其中方法包括：获取搜索词；根据搜索词生成多个搜索结果；根据搜索词获取对应的多个需求维度；根据多个搜索结果对多个需求维度进行聚合；获取每个需求维度对应的答案，根据聚合之后的需求维度对多个需求维度对应的答案进行聚合，以生成聚合结果。该方法通过搜索需求和结果多层次分析，将搜索结果重新整合展现，在满足用户信息需求的同时，可以精准链接到对应的服务，避免了搜索结果的内容冗余，降低了用户点击查找的成本，提升了用户的搜索体验。

Description

基于人工智能的搜索结果聚合方法、装置以及搜索引擎
技术领域
本发明涉及搜索引擎技术领域，尤其涉及一种基于人工智能(ArtificialIntelligence，简称：AI)的搜索结果聚合方法、装置以及搜索引擎。
背景技术
随着计算机网络技术的迅猛发展，搜索引擎逐渐成为人们获取信息的最主要、最快捷、最方便的手段，用户在搜索引擎中输入搜索词(query)后，能够向用户返回该query的搜索结果。
目前，传统搜索引擎通常是基于用户输入的搜索词(query)，给出与该搜索词相关的多条搜索结果和摘要，即通过类似信息检索的方式来满足用户需求，当用户通过点击搜索结果对应的链接时，可以查看该搜索结果的页面内容，以实现自行寻找和归纳答案。
但是存在的问题是：(1)上述搜索方式获得的搜索结果，很容易出现多个搜索结果同质化的现象，凭空增加用户点击成本；(2)由于得到的搜索结果比较混杂，导致结果可读性差，增加了用户的查找成本；(3)未对用户的搜索需求进行分析，以导致对于相对复杂的问题，只通过一两个结果往往不能满足用户的搜索需求，导致搜索体验变差。
发明内容
本发明的目的旨在至少在一定程度上解决上述的技术问题之一。
为此，本发明的第一个目的在于提出一种基于人工智能的搜索结果聚合方法。该方法通过搜索需求和结果多层次分析，将搜索结果重新整合展现，在满足用户信息需求的同时，可以精准链接到对应的服务，避免了搜索结果的内容冗余，降低了用户点击查找的成本，提升了用户的搜索体验。
本发明的第二个目的在于提出一种基于人工智能的搜索结果聚合装置。
本发明的第三个目的在于提出一种搜索引擎。
为达上述目的，本发明第一方面实施例的基于人工智能的搜索结果聚合方法，包括：获取搜索词；根据所述搜索词生成多个搜索结果；根据所述搜索词获取对应的多个需求维度；根据所述多个搜索结果对所述多个需求维度进行聚合；获取每个需求维度对应的答案，根据聚合之后的需求维度对所述多个需求维度对应的答案进行聚合，以生成聚合结果。
本发明实施例的基于人工智能的搜索结果聚合方法，可先获取搜索词，之后，可根据搜索词生成多个搜索结果，并根据搜索词获取对应的多个需求维度，然后，根据多个搜索结果对多个需求维度进行聚合，之后，获取每个需求维度对应的答案，并根据聚合之后的需求维度对多个需求维度对应的答案进行聚合，以生成聚合结果，至少具有以下优点：(1)通过聚合方式对结果做去重、交叉验证、重排序等，减少用户的重复点击行为，同时可提供聚合统计结果作为参考，辅助用户决策；(2)通过对搜索词对应的需求维度进行聚合，并对每个需求维度的结果内容进行聚合，即对混杂的结果重新整合，使得搜索结果逻辑清晰，层次分明，便于浏览，进而可以更快的帮助用户找到所需。
为达上述目的，本发明第二方面实施例的基于人工智能的搜索结果聚合装置，包括：搜索词获取模块，用于获取搜索词；搜索结果获取模块，用于根据所述搜索词生成多个搜索结果；需求维度获取模块，用于根据所述搜索词获取对应的多个需求维度；第一聚合模块，用于根据所述多个搜索结果对所述多个需求维度进行聚合；答案获取模块，用于获取每个需求维度对应的答案；第二聚合模块，用于根据聚合之后的需求维度对所述多个需求维度对应的答案进行聚合，以生成聚合结果。
本发明实施例的基于人工智能的搜索结果聚合装置，可通过搜索词获取模块获取搜索词，搜索结果获取模块根据搜索词生成多个搜索结果，需求维度获取模块根据搜索词获取对应的多个需求维度，第一聚合模块根据多个搜索结果对多个需求维度进行聚合，答案获取模块获取每个需求维度对应的答案，第二聚合模块根据聚合之后的需求维度对多个需求维度对应的答案进行聚合，以生成聚合结果，至少具有以下优点：(1)通过聚合方式对结果做去重、交叉验证、重排序等，减少用户的重复点击行为，同时可提供聚合统计结果作为参考，辅助用户决策；(2)通过对搜索词对应的需求维度进行聚合，并对每个需求维度的结果内容进行聚合，即对混杂的结果重新整合，使得搜索结果逻辑清晰，层次分明，便于浏览，进而可以更快的帮助用户找到所需。
为达上述目的，本发明第三方面实施例的搜索引擎，包括本发明第二方面实施例的基于人工智能的搜索结果聚合装置。
本发明实施例的搜索引擎，可通过搜索结果聚合装置中的搜索词获取模块获取搜索词，搜索结果获取模块根据搜索词生成多个搜索结果，需求维度获取模块根据搜索词获取对应的多个需求维度，第一聚合模块根据多个搜索结果对多个需求维度进行聚合，答案获取模块获取每个需求维度对应的答案，第二聚合模块根据聚合之后的需求维度对多个需求维度对应的答案进行聚合，以生成聚合结果，至少具有以下优点：(1)通过聚合方式对结果做去重、交叉验证、重排序等，减少用户的重复点击行为，同时可提供聚合统计结果作为参考，辅助用户决策；(2)通过对搜索词对应的需求维度进行聚合，并对每个需求维度的结果内容进行聚合，即对混杂的结果重新整合，使得搜索结果逻辑清晰，层次分明，便于浏览，进而可以更快的帮助用户找到所需。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的时间了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中，
图1是根据本发明一个实施例的基于人工智能的搜索结果聚合方法的流程图；
图2是根据本发明一个实施例的生成搜索词需求维度对照表的流程图；
图3是根据本发明另一个实施例的生成搜索词需求维度对照表的流程图；
图4(a)、(b)和(c)是根据本发明一个实施例的以搜索词“吴亦凡”为例得到的聚合结果在移动终端中展现的示例图；
图5(a)、(b)和(c)是根据本发明一个实施例的以搜索词“北京天气”为例得到的聚合结果在移动终端中展现的示例图；
图6是根据本发明一个具体实施例的基于人工智能的搜索结果聚合方法的流程图；
图7是根据本发明一个实施例的基于人工智能的搜索结果聚合装置的结构框图；
图8是根据本发明一个具体实施例的基于人工智能的搜索结果聚合装置的结构框图；
图9是根据本发明一个实施例的第一聚合模块的结构框图；
图10是根据本发明另一个具体实施例的基于人工智能的搜索结果聚合装置的结构框图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
目前，传统搜索引擎通常是基于用户输入的搜索词，给出相关的N条搜索结果(如URL(Uniform Resoure Locator，统一资源定位器)地址)和摘要，即类似信息检索的方式来满足用户需求的。而这种“头疼医头、脚疼医脚”的方法在现今显然是跟不上用户使用需求的脚步，尤其是当今面临的问题越来越复杂，任何知识除了本身的内涵外，还有很多外延含义；对于需求也是如此，例如，用户输入搜索词“刘德华”，除了知识百科类的需求外，还隐含了图片、视频、音频、新闻等诸多潜在需求，而且需求的优先级还会因人而异。在PC端因为屏幕大，可承载的信息量多，通过展现多样性结果，能一定程度上解决这个问题。但是，对于移动终端而言，受限于移动终端的屏幕大小和输入方式等硬件，使得用户的点击和输入成本随之提升。为此，本发明提出了一种基于人工智能的搜索结果聚合方法、装置以及搜索引擎。具体地，下面参考附图描述本发明实施例的基于人工智能的搜索结果聚合方法、装置以及搜索引擎。
图1是根据本发明一个实施例的基于人工智能的搜索结果聚合方法的流程图。如图1所示，该基于人工智能的搜索结果聚合方法可以包括：
S110，获取搜索词。
举例而言，假设本发明实施例的基于人工智能的搜索结果聚合方法应用于搜索引擎，该搜索引擎可为用户提供搜索词的输入接口，以使用户可以通过该输入接口输入搜索词(Query)。当检测到用户通过输入接口输入了搜索词时，可获取该搜索词。其中，该搜索词可包括但不限于中文、字母、日文、韩文、数字、特殊字符(如@、^等)等。此外，该搜索词可以是用户输入的汉字文本，还可以是用户输入的语音。
S120，根据搜索词生成多个搜索结果。
具体地，在获取到搜索词之后，可根据搜索词进行搜索，以搜索到与该搜索词相关的多个搜索结果。
S130，根据搜索词获取对应的多个需求维度。
可以理解，根据搜索词获取对应的多个需求维度的方式可以有很多种，例如，可通过对搜索词进行在线分析，即在线对该搜索词进行需求分析，以得到该搜索词对应的多个需求维度；又如，还可先通过离线分析以收集大量的搜索词与对应的多个需求维度，即生成搜索词需求维度对照表，使得在获得目标用户的搜索词时，在预先生成的搜索词需求维度对照表中查询该搜索词对应的多个需求维度。
作为一种示例，可先获取搜索词需求维度对照表，之后，可根据搜索词从搜索词需求维度对照表中进行查找以获取与该搜索词对应的多个需求维度。
其中，可以理解，上述搜索词需求维度对照表的生成方式可以有很多种，例如，可以通过用户会话信息中用户主动变化行为来挖掘需求维度；又如，可以基于Title和URL信息来挖掘需求维度：
作为一种示例，如图2所示，该搜索词需求维度对照表可以通过以下步骤预先生成：
S210，获取多个用户的用户会话信息。
由于互联网上存在海量数据，所以可以利用互联网的这一特性，获取大量样本用户使用搜索引擎时而生成的用户会话信息。可以理解，该用户会话信息可包括但不限于样本用户输入的搜索词等。
S220，根据用户会话信息中的用户主动变化行为信息进行需求挖掘，以生成多个需求维度。
可以理解，该用户会话信息可以包含用户输入的多个搜索词，多个搜索词之间存在相关性，因此，可以根据多个搜索词之间的相关性将多个用户输入的搜索词进行汇总，然后，可对用户针对这些具有相关性的搜索词的主动变化行为进行需求挖掘，以得到多个需求维度。例如，以用户会话信息＝{刘德华，刘德华电影，刘德华电影下载}为例，可以看出，该用户会话信息中可包含搜索词“刘德华”、“刘德华电影”以及“刘德华电影下载”，且这三个搜索词之间具有相关性，其中，“电影”是“刘德华”的一个需求维度，“下载”是“刘德华电影”的一个需求维度，因此，通过用户会话信息中用户主动变化行为可以实现需求维度的挖掘。
S230，建立用户会话信息中的搜索词与多个需求维度之间的对应关系。
S240，根据多个需求维度、用户会话信息中的搜索词以及对应关系生成搜索词需求维度对照表。
也就是说，可根据上述对应关系将多个需求维度与用户会话信息中的搜索词进行汇总，以得到该搜索词需求维度对照表。
作为另一种示例，如图3所示，搜索词需求维度对照表通过以下步骤预先生成：
S310，获取多个用户的用户会话信息。
S320，根据用户会话信息中搜索词的句法结构，挖掘潜在需求词集合。
S330，根据用户会话信息中搜索词对应的搜索结果中url对应的站点信息，挖掘并补充潜在需求词集合。
S340，根据潜在需求词集合的统计特性，筛选并确定多个需求维度。
S350，建立用户会话信息中的搜索词与多个需求维度之间的对应关系。
S360，根据多个需求维度、用户会话信息中的搜索词以及对应关系生成搜索词需求维度对照表。
S140，根据多个搜索结果对多个需求维度进行聚合。
具体而言，在本发明的实施例中，根据多个搜索结果对多个需求维度进行聚合的具体实现过程可如下：可先分析多个搜索结果中标题和摘要的句法结构，并分析多个搜索结果中url对应的站点信息和网页类型，最后，根据分析得到的标题句法结构、摘要句法结构、站点信息和网页类型，对多个需求维度进行聚合。
更具体地，多个搜索结果中，每个搜索结果包括标题、摘要和url信息，之后，可根据这些信息分别提取标题的句法分析结果、摘要的句法分析结果、url的站点信息、url对应的网页类型，然后，根据这些分析结果，对搜索词对应的多个需求维度进行聚合，以将相同或相似的需求进行聚合，例如，“怎么回事”与“原因”具有相同涵义的需求，“怎么办”与“如何解决”具有相同涵义的需求，“去哪里修”与“故障维修”具有相同涵义的需求等。
S150，获取每个需求维度对应的答案，根据聚合之后的需求维度对多个需求维度对应的答案进行聚合，以生成聚合结果。
具体地，从多个搜索结果中获取每个需求维度所对应的答案内容，之后，将每个需求维度对应的答案映射到聚合之后的需求维度，并将映射到同一需求维度的答案相互聚合以生成聚合结果。例如，以搜索词“小米4自动重启”为例，在“故障原因”需求维度下，搜索结果内容会提到很多类似的观点，如“软件不兼容”、“手机硬件问题”，通过内容聚合将该“故障原因”需求维度下的答案内容进行聚合，以得到该需求维度下的结果聚合内容。可以理解，为了避免结果内容的冗余，在根据聚合之后的需求维度对多个需求维度对应的答案进行聚合之后，可对聚合后的结果进行归一化处理，以避免同样内容重复出现。
更具体地，由于多个搜索结果中，每个搜索结果包括标题、摘要和url信息，所以可根据这些信息分别提取标题的句法分析结果、摘要的句法分析结果、url的站点信息、url对应的网页类型，然后，根据这些分析结果，以大量用户会话信息为基础建立机器学习模型，将每一个搜索结果映射到某一个需求维度(如上述的聚合之后的需求维度)，最后，将映射到同一需求维度的结果互相聚合，以得到聚合结果。
具体而言，根据聚合之后的需求维度对多个需求维度对应的答案进行聚合，是人工智能中典型的机器学习过程。首先，根据搜索结果的标题、摘要和url信息，提取得到包括但不限于语义特征、句法结构特征、需求词特征、url站点类型特征等特征集合，本领域的普通技术人员可以根据已有用户会话数据、语义和页面分类工具的完备程度调整特征集合。之后，对大量带有需求维度标注的用户会话信息提取特征集合，训练多分类器，在特征集合映射和需求维度集合之间学习映射关系。本步骤中使用的多分类器可以是以支持向量机为例的传统机器学习模型，以随机森林为例的集成机器学习模型，或以深度神经网络为例的复杂机器学习模型，本领域的普通技术人员可以根据数据量、特征数量和计算机设备性能，通过尝试和对比选择合适的模型。最后，在搜索词得到多个搜索结果后，对多个搜索结果分别提取特征并经过多分类器映射，可得知每个搜索结果对应的需求维度，并按照需求维度是否相同完成聚合。
例如，以搜索词“刘德华”为例，多个搜索结果中分别有标题为“刘德华最新电影在线观看”和“刘德华经典电影观看”的两条结果。通过对标题的句法分析，可以得知这两条结果的需求词均为“观看”，并且url的站点均为在线视频网站。已训练得到的机器学习模型可以通过这些特征将这两个结果同时映射到“视频”需求维度上。最后，这两个结果因为被映射到同一需求维度而聚合在一起。可以理解，依照该例子展示的方式，可以对多个搜索结果进行聚合，为搜索词关联的各需求维度关联一个或多个搜索结果。
由此，通过搜索需求和结果多层次分析，将搜索结果重新整合展现，在满足用户信息需求的同时，可以精准链接到服务，比如在“维修商户”维度下，可以直接给出官方维修商户地址，甚至可以是客服平台。可以理解，可以根据需求维度的不同，可以为用户提供该需求维度所对应的服务内容，如问题答案内容、购买信息内容、维修服务内容等。
为了使得本领域的技术人员能够更加清楚地了解本发明，下面可举例说明。
例如，以搜索词“吴亦凡”为例，在获取到搜索词“吴亦凡”之后，可根据该搜索词生成对应的多个搜索结果，并根据该搜索词从搜索词需求维度对照表中查询对应的多个需求维度，如“知识百科”需求维度、“明星行程”需求维度、“粉丝关注”视频维度、“明星微博”维度、“图片”维度、“新闻”维度等。然后，根据上述得到的多个搜索结果对该多个需求维度进行聚合，即根据搜索结果将多个需求维度进行归类，即将具有相同涵义的需求维度归为一类，以完成对多个需求维度的聚合。然后，可从多个搜索结果中获取每个需求维度(即最先开始获取到的需求维度)所对应的答案内容，最后，根据聚合之后的需求维度对每个需求维度所对应的答案进行聚合，以得到聚合结果。例如，如图4(a)、图4(b)和图4(c)所示，为搜索词“吴亦凡”所对应的聚合结果在移动手机中的浏览器应用程序上所展现的样式，该聚合结果中包含了上述需求维度以及每个需求维度下所对应的结果内容。
又如，以搜索词“北京天气”为例，在获取到搜索词“北京天气”之后，可根据该搜索词生成对应的多个搜索结果，并根据该搜索词从搜索词需求维度对照表中查询对应的多个需求维度，如“实时天气”需求维度、“生活指数”需求维度，该“生活指数”需求维度下还可包含“美食”需求维度、“穿衣”、“文化休闲”、“景点”需求维度等。然后，根据上述得到的多个搜索结果对该多个需求维度进行聚合，即根据搜索结果将多个需求维度进行归类，即将具有相同涵义的需求维度归为一类，以完成对多个需求维度的聚合。然后，可从多个搜索结果中获取每个需求维度(即最先开始获取到的需求维度)所对应的答案内容，最后，根据聚合之后的需求维度对每个需求维度所对应的答案进行聚合，以得到聚合结果。例如，如图5(a)、图5(b)和图5(c)所示，为搜索词“北京天气”所对应的聚合结果在移动手机中的浏览器应用程序上所展现的样式，该聚合结果中包含了上述需求维度以及每个需求维度下所对应的结果内容。
综上，本发明实施例的基于人工智能的搜索结果聚合方法，将用户的搜索请求先在需求维度上进行聚合，并对单需求问题通过对结果的多维度分析，将搜索结果归类整理，并提取维度特征，以做到信息类的精准满足和服务类的精准提供；而对于多需求问题，先对需求做分类聚合，再分层展现，使得用户不需要重新发起新的搜索就可以找到所需。由此，在对单需求问题满足的同时，智能推荐相关问题和相关结果，给用户以沉浸式的体验。例如，用户输入“小米自动重启”，可以通过需求分析和聚合，得到“故障原因”、“解决方法”、“维修商户”等多种需求；针对“解决方法”，又可以分为“小米3”和“小米4”等多个维度；对于指定维度，如“小米4解决方法”，通过结果聚合归纳，又可以总结出“电池末端垫纸”、“按压电池座金手指”、“插上充电器”等多个实际方案，从而多层次多维度解决用户的实际问题。
本发明实施例的基于人工智能的搜索结果聚合方法，可先获取搜索词，之后，可根据搜索词生成多个搜索结果，并根据搜索词获取对应的多个需求维度，然后，根据多个搜索结果对多个需求维度进行聚合，之后，获取每个需求维度对应的答案，并根据聚合之后的需求维度对多个需求维度对应的答案进行聚合，以生成聚合结果，至少具有以下优点：(1)通过聚合方式对结果做去重、交叉验证、重排序等，减少用户的重复点击行为，同时可提供聚合统计结果作为参考，辅助用户决策；(2)通过对搜索词对应的需求维度进行聚合，并对每个需求维度的结果内容进行聚合，即对混杂的结果重新整合，使得搜索结果逻辑清晰，层次分明，便于浏览，进而可以更快的帮助用户找到所需。
图6是根据本发明一个具体实施例的基于人工智能的搜索结果聚合方法的流程图。
为了提升用户的搜索体验，使得用户在沉浸式浏览体验中找到所需，在本发明的实施例中，还可通过引导、激发等手段，给出其他维度的相关结果。具体地，如图6所示，该基于人工智能的搜索结果聚合方法可以包括：
S610，获取搜索词。
S620，根据搜索词生成多个搜索结果。
S630，根据搜索词获取对应的多个需求维度。
作为一种示例，可先获取搜索词需求维度对照表，之后，可根据搜索词从搜索词需求维度对照表中进行查找以获取与该搜索词对应的多个需求维度。
其中，可以理解，上述搜索词需求维度对照表的生成方式可以有很多种，例如，可以通过用户会话信息中用户主动变化行为来挖掘需求维度；又如，可以基于Title和URL信息来挖掘需求维度：
作为一种示例，如图2所示，搜索词需求维度对照表通过以下步骤预先生成：
S210，获取多个用户的用户会话信息。
S220，根据用户会话信息中的用户主动变化行为信息进行需求挖掘，以生成多个需求维度。
S230，建立用户会话信息中的搜索词与多个需求维度之间的对应关系。
S240，根据多个需求维度、用户会话信息中的搜索词以及对应关系生成搜索词需求维度对照表。
作为另一种示例，如图3所示，搜索词需求维度对照表通过以下步骤预先生成：
S310，获取多个用户的用户会话信息。
S320，根据用户会话信息中搜索词的句法结构，挖掘潜在需求词集合。
S330，根据用户会话信息中搜索词对应的搜索结果中url对应的站点信息，挖掘并补充潜在需求词集合。
S340，根据潜在需求词集合的统计特性，筛选并确定多个需求维度。
S350，建立用户会话信息中的搜索词与多个需求维度之间的对应关系。
S360，根据多个需求维度、用户会话信息中的搜索词以及对应关系生成搜索词需求维度对照表。
S640，根据多个搜索结果对多个需求维度进行聚合。
具体而言，在本发明的实施例中，根据多个搜索结果对多个需求维度进行聚合的具体实现过程可如下：可先分析多个搜索结果中标题和摘要的句法结构，并分析多个搜索结果中url对应的站点信息和网页类型，最后，根据分析得到的标题句法结构、摘要句法结构、站点信息和网页类型，对多个需求维度进行聚合。
S650，获取每个需求维度对应的答案，根据聚合之后的需求维度对多个需求维度对应的答案进行聚合，以生成聚合结果。
具体而言，在本发明的一个实施例中，可从多个搜索结果中获取每个需求维度所对应的答案内容，之后，将每个需求维度对应的答案映射到聚合之后的需求维度，并将映射到同一需求维度的答案相互聚合以生成聚合结果。
S660，确定聚合结果中未涵盖的需求维度，并将聚合结果中未涵盖的需求维度通过相关搜索词的形式展现在搜索结果页面。
例如，在得到聚合结果之后，基于上述的搜索词需求维度对照表，可以将聚合结果中未涵盖的需求维度通过相关搜索词的形式展现在搜索结果页面，以提供给用户，给用户以启发式引导，这样，当用户点击该相关搜索词时，可触发一次新的搜索需求，并返回步骤S610，进而达到全方位满足用户需求的目的。
本发明实施例的基于人工智能的搜索结果聚合方法，在得到聚合结果之后，可确定聚合结果中未涵盖的需求维度，并将聚合结果中未涵盖的需求维度通过相关搜索词的形式展现在搜索结果页面。即将聚合结果中未涵盖的需求维度通过相关搜索词的形式展现在搜索结果页面，以提供给用户，给用户以启发式引导，这样，通过引导、激发等手段，给出其他维度的相关结果，让用户在沉浸式浏览体验中找到所需。
与上述几种实施例提供的基于人工智能的搜索结果聚合方法相对应，本发明的一种实施例还提供一种基于人工智能的搜索结果聚合装置，由于本发明实施例提供的基于人工智能的搜索结果聚合装置与上述几种实施例提供的基于人工智能的搜索结果聚合方法相对应，因此在前述基于人工智能的搜索结果聚合方法的实施方式也适用于本实施例提供的基于人工智能的搜索结果聚合装置，在本实施例中不再详细描述。图7是根据本发明一个实施例的基于人工智能的搜索结果聚合装置的结构框图。如图7所示，该基于人工智能的搜索结果聚合装置可以包括：搜索词获取模块100、搜索结果获取模块200、需求维度获取模块300、第一聚合模块400、答案获取模块500和第二聚合模块600。
具体地，搜索词获取模块100可用于获取搜索词。
搜索结果获取模块200可用于根据搜索词生成多个搜索结果。
需求维度获取模块300可用于根据搜索词获取对应的多个需求维度。具体而言，在本发明的一个实施例中，该需求维度获取模块300可先获取预先生成的搜索词需求维度对照表，之后，可根据搜索词从搜索词需求维度对照表中进行查找以获取与搜索词对应的多个需求维度。
进一步地，在本发明的一个实施例中，如图8所示，该基于人工智能的搜索结果聚合装置还可包括：预先处理模块700。预先处理模块700可用于获取多个用户的用户会话信息，并根据用户会话信息中的用户主动变化行为信息进行需求挖掘，以生成多个需求维度，并建立用户会话信息中的搜索词与多个需求维度之间的对应关系，以及根据多个需求维度、用户会话信息中的搜索词以及对应关系生成搜索词需求维度对照表。
在本发明的另一个实施例中，该预先处理模块700还可用于：获取多个用户的用户会话信息，并根据用户会话信息中搜索词的句法结构，挖掘潜在需求词集合，并根据用户会话信息中搜索词对应的搜索结果中url对应的站点信息，挖掘并补充潜在需求词集合，并根据潜在需求词集合的统计特性，筛选并确定多个需求维度，并建立用户会话信息中的搜索词与多个需求维度之间的对应关系，以及根据多个需求维度、用户会话信息中的搜索词以及对应关系生成搜索词需求维度对照表。
第一聚合模块400可用于根据多个搜索结果对多个需求维度进行聚合。具体而言，在本发明的一个实施例中，如图9所示，该第一聚合模块400可包括：第一分析单元410、第二分析单元420和聚合单元430。其中，第一分析单元410可用于分析多个搜索结果中标题和摘要的句法结构。第二分析单元420可用于分析多个搜索结果中url对应的站点信息和网页类型。聚合单元430用于根据分析得到的标题句法结构、摘要句法结构、站点信息和网页类型，对多个需求维度进行聚合。
答案获取模块500可用于获取每个需求维度对应的答案。具体而言，在本发明的实施例中，答案获取模块500可从多个搜索结果中获取每个需求维度对应的答案。
第二聚合模块600可用于根据聚合之后的需求维度对多个需求维度对应的答案进行聚合，以生成聚合结果。具体而言，在本发明的实施例中，第二聚合模块600可将每个需求维度对应的答案映射到聚合之后的需求维度，并将映射到同一需求维度的答案相互聚合以生成聚合结果。
进一步地，在本发明的一个实施例中，如图10所示，该基于人工智能的搜索结果聚合装置还可包括：确定模块800和展现模块900。其中，确定模块800可用于确定聚合结果中未涵盖的需求维度。展现模块900可用于将聚合结果中未涵盖的需求维度通过相关搜索词的形式展现在搜索结果页面。
本发明实施例的基于人工智能的搜索结果聚合装置，可通过搜索词获取模块获取搜索词，搜索结果获取模块根据搜索词生成多个搜索结果，需求维度获取模块根据搜索词获取对应的多个需求维度，第一聚合模块根据多个搜索结果对多个需求维度进行聚合，答案获取模块获取每个需求维度对应的答案，第二聚合模块根据聚合之后的需求维度对多个需求维度对应的答案进行聚合，以生成聚合结果，至少具有以下优点：(1)通过聚合方式对结果做去重、交叉验证、重排序等，减少用户的重复点击行为，同时可提供聚合统计结果作为参考，辅助用户决策；(2)通过对搜索词对应的需求维度进行聚合，并对每个需求维度的结果内容进行聚合，即对混杂的结果重新整合，使得搜索结果逻辑清晰，层次分明，便于浏览，进而可以更快的帮助用户找到所需。
为了实现上述实施例，本发明还提出了一种搜索引擎，该搜索引擎可包括本发明上述任一个实施例所述的基于人工智能的搜索结果聚合装置。
本发明实施例的搜索引擎，可通过搜索结果聚合装置中的搜索词获取模块获取搜索词，搜索结果获取模块根据搜索词生成多个搜索结果，需求维度获取模块根据搜索词获取对应的多个需求维度，第一聚合模块根据多个搜索结果对多个需求维度进行聚合，答案获取模块获取每个需求维度对应的答案，第二聚合模块根据聚合之后的需求维度对多个需求维度对应的答案进行聚合，以生成聚合结果，至少具有以下优点：(1)通过聚合方式对结果做去重、交叉验证、重排序等，减少用户的重复点击行为，同时可提供聚合统计结果作为参考，辅助用户决策；(2)通过对搜索词对应的需求维度进行聚合，并对每个需求维度的结果内容进行聚合，即对混杂的结果重新整合，使得搜索结果逻辑清晰，层次分明，便于浏览，进而可以更快的帮助用户找到所需。
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (15)

1.一种基于人工智能的搜索结果聚合方法，其特征在于，包括以下步骤：
获取搜索词；
根据所述搜索词生成多个搜索结果；
根据所述搜索词获取对应的多个需求维度；
根据所述多个搜索结果对所述多个需求维度进行聚合；
获取每个需求维度对应的答案，根据聚合之后的需求维度对所述多个需求维度对应的答案进行聚合，以生成聚合结果。
2.如权利要求1所述的基于人工智能的搜索结果聚合方法，其特征在于，所述根据所述搜索词获取对应的多个需求维度，包括：
获取预先生成的搜索词需求维度对照表；
根据所述搜索词从所述搜索词需求维度对照表中进行查找以获取与所述搜索词对应的多个需求维度。
3.如权利要求2所述的基于人工智能的搜索结果聚合方法，其特征在于，所述搜索词需求维度对照表通过以下步骤预先生成：
获取多个用户的用户会话信息；
根据所述用户会话信息中的用户主动变化行为信息进行需求挖掘，以生成多个需求维度；
建立所述用户会话信息中的搜索词与所述多个需求维度之间的对应关系；
根据所述多个需求维度、所述用户会话信息中的搜索词以及所述对应关系生成所述搜索词需求维度对照表。
4.如权利要求2所述的基于人工智能的搜索结果聚合方法，其特征在于，所述搜索词需求维度对照表通过以下步骤预先生成：
获取多个用户的用户会话信息；
根据所述用户会话信息中搜索词的句法结构，挖掘潜在需求词集合；
根据所述用户会话信息中搜索词对应的搜索结果中url对应的站点信息，挖掘并补充所述潜在需求词集合；
根据所述潜在需求词集合的统计特性，筛选并确定多个需求维度；
建立所述用户会话信息中的搜索词与所述多个需求维度之间的对应关系；
根据所述多个需求维度、所述用户会话信息中的搜索词以及所述对应关系生成所述搜索词需求维度对照表。
5.如权利要求1所述的基于人工智能的搜索结果聚合方法，其特征在于，所述根据所述多个搜索结果对所述多个需求维度进行聚合，包括：
分析所述多个搜索结果中标题和摘要的句法结构；
分析所述多个搜索结果中url对应的站点信息和网页类型；
根据分析得到的标题句法结构、摘要句法结构、站点信息和网页类型，对所述多个需求维度进行聚合。
6.如权利要求1所述的基于人工智能的搜索结果聚合方法，其特征在于，所述获取每个需求维度对应的答案，根据聚合之后的需求维度对所述多个需求维度对应的答案进行聚合，以生成聚合结果，包括：
从所述多个搜索结果中获取每个需求维度对应的答案；
将每个需求维度对应的答案映射到聚合之后的需求维度，并将映射到同一需求维度的答案相互聚合以生成聚合结果。
7.如权利要求1所述的基于人工智能的搜索结果聚合方法，其特征在于，还包括：
确定所述聚合结果中未涵盖的需求维度，并将所述聚合结果中未涵盖的需求维度通过相关搜索词的形式展现在搜索结果页面。
8.一种基于人工智能的搜索结果聚合装置，其特征在于，包括：
搜索词获取模块，用于获取搜索词；
搜索结果获取模块，用于根据所述搜索词生成多个搜索结果；
需求维度获取模块，用于根据所述搜索词获取对应的多个需求维度；
第一聚合模块，用于根据所述多个搜索结果对所述多个需求维度进行聚合；
答案获取模块，用于获取每个需求维度对应的答案；
第二聚合模块，用于根据聚合之后的需求维度对所述多个需求维度对应的答案进行聚合，以生成聚合结果。
9.如权利要求8所述的基于人工智能的搜索结果聚合装置，其特征在于，所述需求维度获取模块具体用于：
获取预先生成的搜索词需求维度对照表；
根据所述搜索词从所述搜索词需求维度对照表中进行查找以获取与所述搜索词对应的多个需求维度。
10.如权利要求9所述的基于人工智能的搜索结果聚合装置，其特征在于，还包括：
预先处理模块，用于获取多个用户的用户会话信息，并根据所述用户会话信息中的用户主动变化行为信息进行需求挖掘，以生成多个需求维度，并建立所述用户会话信息中的搜索词与所述多个需求维度之间的对应关系，以及根据所述多个需求维度、所述用户会话信息中的搜索词以及所述对应关系生成所述搜索词需求维度对照表。
11.如权利要求10所述的基于人工智能的搜索结果聚合装置，其特征在于，所述预先处理模块还用于：获取多个用户的用户会话信息，并根据所述用户会话信息中搜索词的句法结构，挖掘潜在需求词集合，并根据所述用户会话信息中搜索词对应的搜索结果中url对应的站点信息，挖掘并补充所述潜在需求词集合，并根据所述潜在需求词集合的统计特性，筛选并确定多个需求维度，并建立所述用户会话信息中的搜索词与所述多个需求维度之间的对应关系，以及根据所述多个需求维度、所述用户会话信息中的搜索词以及所述对应关系生成所述搜索词需求维度对照表。
12.如权利要求8所述的基于人工智能的搜索结果聚合装置，其特征在于，所述第一聚合模块包括：
第一分析单元，用于分析所述多个搜索结果中标题和摘要的句法结构；
第二分析单元，用于分析所述多个搜索结果中url对应的站点信息和网页类型；
聚合单元，用于根据分析得到的标题句法结构、摘要句法结构、站点信息和网页类型，对所述多个需求维度进行聚合。
13.如权利要求8所述的基于人工智能的搜索结果聚合装置，其特征在于，
所述答案获取模块具体用于：从所述多个搜索结果中获取每个需求维度对应的答案；
所述第二聚合模块具体用于：将每个需求维度对应的答案映射到聚合之后的需求维度，并将映射到同一需求维度的答案相互聚合以生成聚合结果。
14.如权利要求8所述的基于人工智能的搜索结果聚合装置，其特征在于，还包括：
确定模块，用于确定所述聚合结果中未涵盖的需求维度；
展现模块，用于将所述聚合结果中未涵盖的需求维度通过相关搜索词的形式展现在搜索结果页面。
15.一种搜索引擎，其特征在于，包括：如权利要求8至14中任一项所述的基于人工智能的搜索结果聚合装置。
CN201610482110.5A 2016-06-27 2016-06-27 基于人工智能的搜索结果聚合方法、装置以及搜索引擎 Pending CN106096037A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201610482110.5A CN106096037A (zh) 2016-06-27 2016-06-27 基于人工智能的搜索结果聚合方法、装置以及搜索引擎
US16/313,195 US10902077B2 (en) 2016-06-27 2016-09-05 Search result aggregation method and apparatus based on artificial intelligence and search engine
PCT/CN2016/098130 WO2018000575A1 (zh) 2016-06-27 2016-09-05 基于人工智能的搜索结果聚合方法、装置以及搜索引擎

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610482110.5A CN106096037A (zh) 2016-06-27 2016-06-27 基于人工智能的搜索结果聚合方法、装置以及搜索引擎

Publications (1)

Publication Number Publication Date
CN106096037A true CN106096037A (zh) 2016-11-09

Family

ID=57213644

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610482110.5A Pending CN106096037A (zh) 2016-06-27 2016-06-27 基于人工智能的搜索结果聚合方法、装置以及搜索引擎

Country Status (3)

Country Link
US (1) US10902077B2 (zh)
CN (1) CN106096037A (zh)
WO (1) WO2018000575A1 (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106649647A (zh) * 2016-12-09 2017-05-10 北京百度网讯科技有限公司 基于人工智能的搜索结果排序方法和装置
CN106776878A (zh) * 2016-11-29 2017-05-31 西安交通大学 一种基于ElasticSearch对MOOC课程进行分面检索的方法
CN107885872A (zh) * 2017-11-27 2018-04-06 百度在线网络技术（北京）有限公司 用于生成信息的方法和装置
CN108052613A (zh) * 2017-12-14 2018-05-18 北京百度网讯科技有限公司 用于生成页面的方法和装置
CN110069810A (zh) * 2019-03-11 2019-07-30 北京百度网讯科技有限公司 电池故障预测方法、装置、设备和可读存储介质
CN110659406A (zh) * 2018-06-13 2020-01-07 钉钉控股（开曼）有限公司 搜索方法及装置
CN111382339A (zh) * 2020-03-10 2020-07-07 北京搜狗科技发展有限公司 一种搜索处理方法、装置和用于搜索处理的装置
CN113094522A (zh) * 2021-06-09 2021-07-09 北京达佳互联信息技术有限公司 多媒体资源处理方法、装置、电子设备及存储介质
CN113505301A (zh) * 2021-07-23 2021-10-15 北京字节跳动网络技术有限公司 一种信息查询方法及其相关设备
CN113614714A (zh) * 2021-06-24 2021-11-05 曹庆恒 一种智能搜索方法及系统

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106202285A (zh) * 2016-06-30 2016-12-07 北京百度网讯科技有限公司 搜索结果展示方法和装置
US20200159860A1 (en) * 2018-11-15 2020-05-21 Microsoft Technology Licensing, Llc Search engine user interface ai skinning
WO2020142110A1 (en) * 2018-12-31 2020-07-09 Intel Corporation Securing systems employing artificial intelligence
CN110516024B (zh) * 2019-08-30 2022-05-20 百度在线网络技术（北京）有限公司 地图搜索结果展现方法、装置、设备和存储介质
CN110674632A (zh) * 2019-09-23 2020-01-10 清华大学 一种确定安全级别的方法及装置、存储介质和设备
CN114372215B (zh) * 2022-01-12 2023-07-14 抖音视界有限公司 一种搜索结果展示、搜索请求处理方法及装置
CN115544399A (zh) * 2022-10-24 2022-12-30 北京字跳网络技术有限公司 搜索结果展示方法、搜索结果确定方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102419776A (zh) * 2011-12-31 2012-04-18 北京百度网讯科技有限公司 一种满足用户多维度搜索需求的方法和设备
CN103294815A (zh) * 2013-06-08 2013-09-11 北京邮电大学 基于关键字分类并有多种呈现方式的搜索引擎装置与方法
CN103744866A (zh) * 2013-12-18 2014-04-23 北京百度网讯科技有限公司 一种搜索方法与装置
CN104035958A (zh) * 2014-04-14 2014-09-10 百度在线网络技术（北京）有限公司 搜索方法和搜索引擎
CN104111990A (zh) * 2014-07-02 2014-10-22 百度在线网络技术（北京）有限公司 搜索结果卡片的展现方法和装置

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7346613B2 (en) * 2004-01-26 2008-03-18 Microsoft Corporation System and method for a unified and blended search
EP1854030A2 (en) * 2005-01-28 2007-11-14 Aol Llc Web query classification
US7899818B2 (en) * 2006-03-29 2011-03-01 A9.Com, Inc. Method and system for providing focused search results by excluding categories
US7558787B2 (en) * 2006-07-05 2009-07-07 Yahoo! Inc. Automatic relevance and variety checking for web and vertical search engines
BR112012001168A2 (pt) * 2009-07-17 2019-09-24 Google Inc proporcionando anúncios a partir de solicitação de pesquisa
US8880390B2 (en) * 2011-12-20 2014-11-04 Yahoo! Inc. Linking newsworthy events to published content
US8577859B2 (en) * 2012-01-09 2013-11-05 Wajam Internet Technologie Inc. Method and system for aggregating searchable web content from a plurality of social networks and presenting search results
CN103914553A (zh) * 2014-04-14 2014-07-09 百度在线网络技术（北京）有限公司 搜索方法和搜索引擎
RU2670494C2 (ru) * 2014-05-07 2018-10-23 Общество С Ограниченной Ответственностью "Яндекс" Способ обработки поискового запроса, сервер и машиночитаемый носитель для его осуществления
CN104036003B (zh) * 2014-06-16 2018-12-14 北京奇虎科技有限公司 搜索结果整合方法和装置
CN104965897A (zh) * 2015-06-26 2015-10-07 百度在线网络技术（北京）有限公司 信息推荐方法和装置
US20170039283A1 (en) * 2015-08-03 2017-02-09 Microsoft Technology Licensing, Llc Searching Based on the Persona of Another
US10657492B1 (en) * 2019-09-23 2020-05-19 Coupang Corp. Systems and methods for optimization of a product inventory by an intelligent adjustment of inbound purchase orders

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102419776A (zh) * 2011-12-31 2012-04-18 北京百度网讯科技有限公司 一种满足用户多维度搜索需求的方法和设备
CN103294815A (zh) * 2013-06-08 2013-09-11 北京邮电大学 基于关键字分类并有多种呈现方式的搜索引擎装置与方法
CN103744866A (zh) * 2013-12-18 2014-04-23 北京百度网讯科技有限公司 一种搜索方法与装置
CN104035958A (zh) * 2014-04-14 2014-09-10 百度在线网络技术（北京）有限公司 搜索方法和搜索引擎
CN104111990A (zh) * 2014-07-02 2014-10-22 百度在线网络技术（北京）有限公司 搜索结果卡片的展现方法和装置

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106776878A (zh) * 2016-11-29 2017-05-31 西安交通大学 一种基于ElasticSearch对MOOC课程进行分面检索的方法
CN106649647B (zh) * 2016-12-09 2020-12-11 北京百度网讯科技有限公司 基于人工智能的搜索结果排序方法和装置
CN106649647A (zh) * 2016-12-09 2017-05-10 北京百度网讯科技有限公司 基于人工智能的搜索结果排序方法和装置
CN107885872A (zh) * 2017-11-27 2018-04-06 百度在线网络技术（北京）有限公司 用于生成信息的方法和装置
CN107885872B (zh) * 2017-11-27 2023-12-19 百度在线网络技术（北京）有限公司 用于生成信息的方法和装置
CN108052613B (zh) * 2017-12-14 2021-12-31 北京百度网讯科技有限公司 用于生成页面的方法和装置
CN108052613A (zh) * 2017-12-14 2018-05-18 北京百度网讯科技有限公司 用于生成页面的方法和装置
CN110659406A (zh) * 2018-06-13 2020-01-07 钉钉控股（开曼）有限公司 搜索方法及装置
CN110659406B (zh) * 2018-06-13 2023-10-31 钉钉控股（开曼）有限公司 搜索方法及装置
CN110069810A (zh) * 2019-03-11 2019-07-30 北京百度网讯科技有限公司 电池故障预测方法、装置、设备和可读存储介质
CN110069810B (zh) * 2019-03-11 2023-04-07 北京百度网讯科技有限公司 电池故障预测方法、装置、设备和可读存储介质
CN111382339A (zh) * 2020-03-10 2020-07-07 北京搜狗科技发展有限公司 一种搜索处理方法、装置和用于搜索处理的装置
CN111382339B (zh) * 2020-03-10 2024-04-02 北京搜狗科技发展有限公司 一种搜索处理方法、装置和用于搜索处理的装置
CN113094522A (zh) * 2021-06-09 2021-07-09 北京达佳互联信息技术有限公司 多媒体资源处理方法、装置、电子设备及存储介质
WO2022266973A1 (zh) * 2021-06-24 2022-12-29 曹庆恒 一种智能搜索方法及系统
CN113614714A (zh) * 2021-06-24 2021-11-05 曹庆恒 一种智能搜索方法及系统
CN113614714B (zh) * 2021-06-24 2024-09-27 曹庆恒 一种智能搜索方法及系统
WO2023000779A1 (zh) * 2021-07-23 2023-01-26 北京字节跳动网络技术有限公司 一种信息查询方法及其相关设备
CN113505301A (zh) * 2021-07-23 2021-10-15 北京字节跳动网络技术有限公司 一种信息查询方法及其相关设备

Also Published As

Publication number Publication date
WO2018000575A1 (zh) 2018-01-04
US10902077B2 (en) 2021-01-26
US20190163714A1 (en) 2019-05-30

Similar Documents

Publication Publication Date Title
CN106096037A (zh) 基于人工智能的搜索结果聚合方法、装置以及搜索引擎
US11372935B2 (en) Automatically generating a website specific to an industry
US8620849B2 (en) Systems and methods for facilitating open source intelligence gathering
CN109726274B (zh) 问题生成方法、装置及存储介质
US9483577B2 (en) Small form factor web browsing
US9569541B2 (en) Evaluating preferences of content on a webpage
CN103098051B (zh) 搜索引擎优化助理
CN102193953B (zh) 桌面应用迁移系统和方法
RU2693915C2 (ru) Контекстный поиск в мультимедийном контенте
US20090158161A1 (en) Collaborative search in virtual worlds
KR20160055930A (ko) 연속적인 소셜 커뮤니케이션에 사용되는 콘텐츠를 능동적으로 구성하기 위한 시스템 및 방법
CN105045864B (zh) 一种数字化资源个性化推荐方法
CN106776869A (zh) 基于神经网络的搜索优化方法、装置以及搜索引擎
KR20030003396A (ko) 사용자의 분야별 선호 프로파일을 이용한 컨텐츠 추천서비스 방법
US20170109442A1 (en) Customizing a website string content specific to an industry
CN111488186A (zh) 数据处理方法、装置、电子设备及计算机存储介质
Terveen et al. Building task-specific interfaces to high volume conversational data
CN108427755B (zh) 电子书问题的答题方法、电子设备及计算机存储介质
CN104881428A (zh) 一种信息图网页的信息图提取、检索方法和装置
CN110264283A (zh) 一种推广资源展示方法及装置
CN110209780A (zh) 一种问题模板生成方法、装置、服务器及存储介质
Gali et al. Extracting representative image from web page
KR20050070955A (ko) 과학기술 정보분석 방법 및 그 방법에 대한 컴퓨터프로그램을 저장한 기록매체
CN116629215A (zh) 教学文档生成方法、装置、电子设备、存储介质
CN104303182A (zh) 用于快速提供信息的方法和装置

Legal Events

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