CN106909582A - 结合多数据源的热词推荐方法及装置 - Google Patents

Abstract

本发明公开了一种结合多数据源的热词推荐方法及装置，通过筛选搜索引擎数据库中的榜单数据，将筛选得到的榜单数据与搜索日志数据做交集，获取数据交集中的热词及热词对应的页面浏览量。提取页面浏览量排行在预定阈值前对应的热词。当客户端新启动时，从提取的热词中选取预定条数的热词推送给客户端进行显示。本发明的结合多数据源的热词推荐方法及装置结合多种数据源共同筛选热词，保证了推荐热词的时效性，去除了单一数据源推荐的搜索结果质量不高却被展现的热词。

Description

结合多数据源的热词推荐方法及装置

技术领域

本发明涉及互联网搜索技术领域，具体涉及一种结合多数据源的热词推荐方法及装置。

背景技术

用户在使用互联网进行搜索时，进入搜索页面，页面通常会在搜索输入栏下方展示一些热词供用户选择。这些热词即热门的搜索词，通常是用户搜索时输入最多的词语，一般是一段时间内的各界大事或流行的话题。热词推荐可以使用户更快更方便的了解最近一段时间内的热点信息。

现有热词推荐一般直接从搜索日志中取得，选择搜查日志中top100的热词随机展示给用户。这种只从单一的一种数据源中提取热词进行推荐，会导致一些搜索结果质量并不高的热词也会被展示，或展示的热词已经不是当前热门的搜索词汇，其时效已经过期。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的结合多数据源的热词推荐方法及装置。

根据本发明的一个方面，提供了一种结合多数据源的热词推荐方法，其包括：筛选搜索引擎数据库中的榜单数据；将筛选得到的榜单数据与搜索日志数据做交集，获取数据交集中的热词及热词对应的页面浏览量；提取所述页面浏览量排行在预定阈值前对应的热词；当客户端新启动时，从提取的热词中选取预定条数的热词推送给客户端进行显示。

进一步，在所述提取所述页面浏览量排行在预定阈值前对应的热词之后，所述方法还包括：根据热词对应的页面浏览量，计算所述热词对应的权重。

进一步，所述计算热词对应的权重值为log(页面浏览量)/log2。

进一步，所述从提取的热词中选取预定条数的热词推送给客户端进行显示进一步包括：按照热词对应的权重，利用权重随机算法从提取的热词中选取预定条数的热词推送给客户端进行显示。

进一步，所述筛选搜索引擎数据库中的榜单数据进一步包括：筛选搜索引擎数据库中的电影、电视剧、综艺、动漫、人物以及小说的榜单数据。

根据本发明的另一方面，提供了一种结合多数据源的热词推荐装置，其包括：筛选模块，适于筛选搜索引擎数据库中的榜单数据；交集模块，适于将筛选得到的榜单数据与搜索日志数据做交集，获取数据交集中的热词及热词对应的页面浏览量；提取模块，适于提取所述页面浏览量排行在预定阈值前对应的热词；推送模块，适于当客户端新启动时，从提取的热词中选取预定条数的热词推送给客户端进行显示。

进一步，还包括：计算模块，适于根据热词对应的页面浏览量，计算所述热词对应的权重。

进一步，所述计算模块进一步适于：计算热词对应的权重值为log(页面浏览量)/log2。

进一步，所述推送模块进一步适于：按照热词对应的权重，利用权重随机算法从提取的热词中选取预定条数的热词推送给客户端进行显示。

进一步，所述筛选模块进一步适于：筛选搜索引擎数据库中的电影、电视剧、综艺、动漫、人物以及小说的榜单数据。

根据本发明提供的结合多数据源的热词推荐方法及装置，通过筛选搜索引擎数据库中的榜单数据，将筛选得到的榜单数据与搜索日志数据做交集，获取数据交集中的热词及热词对应的页面浏览量。提取页面浏览量排行在预定阈值前对应的热词。当客户端新启动时，从提取的热词中选取预定条数的热词推送给客户端进行显示。多数据源相结合推荐热词，避免了单一数据源热词推荐而导致的热词时效性已失，或搜索结果质量不高的热词被展示。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了根据本发明一个实施例的结合多数据源的热词推荐方法的流程图；

图2示出了根据本发明另一个实施例的结合多数据源的热词推荐方法的流程图；

图3示出了根据本发明一个实施例的结合多数据源的热词推荐装置的功能框图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

图1示出了本发明提供的结合多数据源的热词推荐方法的一个实施例的流程图，如图1所示，本实施例的方法具体包括如下步骤：

步骤S101，筛选搜索引擎数据库中的榜单数据。

搜索引擎数据库，搜索引擎使用的数据库，可以存放与搜索相关的数据，如搜索结果中的热词(即关键字或搜索词)，搜索结果页的访问数据量、热词搜索次数、搜索结果页内容类型(如电影、电视剧、综艺、动漫、人物、小说)、访问时间等。

榜单数据，根据搜索引擎数据库中的数据，按照搜索结果页内容的不同类型，分别选取不同类型中的搜索词，按照搜索的次数进行排列。如电视剧榜单，根据现阶段电视剧类搜索词的搜索次数，排名第一的搜索词为“芈月传”，因此电视剧榜单数据第一位为“芈月传”。电视剧榜单数据可根据电视剧名称或电视剧热点人物搜索次数依次排序，可以选择如前100位搜查次数最多的电视剧进入电视剧榜单。榜单数据中包括了该榜单数据对应的热词(即关键字或搜索词)、热词搜索次数、该搜索词对应的搜索结果页、搜索结果页的访问数据量、访问时间等。

从搜索引擎数据库中筛选出各类型的榜单数据，这些榜单数据均为现阶段最热门的搜索，热词搜索次数最多的搜索数据。

筛选搜索引擎数据库中的榜单数据进一步包括：筛选搜索引擎数据库中的电影、电视剧、综艺、动漫、人物以及小说的榜单数据。搜索引擎数据库中的榜单数据多种多样，如电影、电视剧、综艺、动漫、人物、小说、汽车、大学、旅游等。不同的榜单针对的用户不同，关注点和关注用户群体也不相同。有些榜单，如汽车，可能汽车发烧友或需要购车的用户会更多的关注。如旅游，可能驴友或准备旅行的用户会更多的关注。这些榜单数据具有针对性，不是大多用户都会关注的数据。因此筛选时选择大多用户都会关注的数据如电影、电视剧、综艺、动漫、人物、小说的榜单数据。

步骤S102，将筛选得到的榜单数据与搜索日志数据做交集，获取数据交集中的热词及热词对应的页面浏览量。

搜索日志数据，包含了每天的热词搜索的相关数据，如热词每天的搜索次数、搜索时间等。

页面浏览量，用来计算页面被个体的访客(或用户)浏览的次数。如3个人浏览该页面一次，又有2个人浏览同样的页面2次，这个页面就有了7次页面浏览。该页面提供给用户的有效信息越多，页面内容的质量越高时，页面浏览量数值就会越高，反之，页面内容质量不高，页面的浏览量数值就越低。

将筛选得到的榜单数据与搜索日志数据做交集，获取两份数据都包含的数据交集中的热词和热词对应的页面浏览量。

步骤S103，提取页面浏览量排行在预定阈值前对应的热词。

执行步骤S102，得到了热词和热词对应的页面浏览量。对页面浏览量按照数值高低进行排列，提取页面浏览量排行在预定阈值前对应的热词。如提取页面浏览量排行前100的页面浏览量对应的热词。

步骤S104，当客户端新启动时，从提取的热词中选取预定条数的热词推送给客户端进行显示。

当每次新启动搜索的客户端时，从执行步骤S103所提取的热词中选取预定条数的热词，如10条热词，将选取的热词推送给客户端进行显示。

根据本发明提供的结合多数据源的热词推荐方法，通过筛选搜索引擎数据库中的榜单数据，将筛选得到的榜单数据与搜索日志数据做交集，获取数据交集中的热词及热词对应的页面浏览量。提取页面浏览量排行在预定阈值前对应的热词。当客户端新启动时，从提取的热词中选取预定条数的热词推送给客户端进行显示。多数据源相结合推荐热词，避免了单一数据源热词推荐而导致的热词时效性已失，或搜索结果质量不高的热词被展示，提高了被展示热词的时效性和搜索质量。

图2示出了根据本发明的结合多数据源的热词推荐方法的另一个实施例的流程图，如图2所示，本实施例的方法具体包括如下步骤：

步骤S201，筛选搜索引擎数据库中的榜单数据。

搜索引擎数据库，搜索引擎使用的数据库，可以存放与搜索相关的数据，如搜索结果中的热词(即关键字或搜索词)，搜索结果页的访问数据量、热词搜索次数、搜索结果页内容类型(如电影、电视剧、综艺、动漫、人物、小说)、访问时间等。

榜单数据，根据搜索引擎数据库中的数据，按照搜索结果页内容的不同类型，分别选取不同类型中的搜索词，按照搜索的次数进行排列。如电视剧榜单，根据现阶段电视剧类搜索词的搜索次数，排名第一的搜索词为“芈月传”，因此电视剧榜单数据第一位为“芈月传”。电视剧榜单数据可根据电视剧名称或电视剧热点人物搜索次数依次排序，可以选择如前100位搜查次数最多的电视剧进入电视剧榜单。榜单数据中包括了该榜单数据对应的热词(即关键字或搜索词)、热词搜索次数、该搜索词对应的搜索结果页、搜索结果页的访问数据量、访问时间等。

从搜索引擎数据库中筛选出各类型的榜单数据，这些榜单数据均为现阶段最热门的搜索，热词搜索次数最多的搜索数据。

筛选搜索引擎数据库中的榜单数据进一步包括：筛选搜索引擎数据库中的电影、电视剧、综艺、动漫、人物以及小说的榜单数据。搜索引擎数据库中的榜单数据多种多样，如电影、电视剧、综艺、动漫、人物、小说、汽车、大学、旅游等。不同的榜单针对的用户不同，关注点和关注用户群体也不相同。有些榜单，如汽车，可能汽车发烧友或需要购车的用户会更多的关注。如旅游，可能驴友或准备旅行的用户会更多的关注。这些榜单数据具有针对性，不是大多用户都会关注的数据。因此筛选时，可选择大多用户都会关注的数据如电影、电视剧、综艺、动漫、人物、小说的榜单数据。

步骤S202，将筛选得到的榜单数据与搜索日志数据做交集，获取数据交集中的热词及热词对应的页面浏览量。

搜索日志数据，包含了每天的热词搜索的相关数据，如热词每天的搜索次数、搜索时间等。

页面浏览量，用来计算页面被个体的访客(或用户)浏览的次数。如3个人浏览该页面一次，又有2个人浏览同样的页面2次，这个页面就有了7次页面浏览。该页面提供给用户的有效信息越多，页面内容的质量越高时，页面浏览量数值就会越高，反之，页面内容质量不高，页面的浏览量数值就越低。

将筛选得到的榜单数据与搜索日志数据做交集，选择出两份数据都包含的数据交集中的热词和热词对应的页面浏览量。

步骤S203，提取页面浏览量排行在预定阈值前对应的热词。

执行步骤S202，得到了热词和热词对应的页面浏览量。将页面浏览量按照数值高低进行排列，提取页面浏览量排行在预定阈值前对应的热词。如提取页面浏览量排行前100的页面浏览量对应的热词。

步骤S204，根据热词对应的页面浏览量，计算热词对应的权重。

权重，是一个相对的概念。计算热词的权重也就是计算该热词在所有提取的热词中相对的重要程度。根据步骤S203提取的热词对应的页面浏览量，计算热词对应的权重。

计算热词对应的权重值为log(页面浏览量)/log2。

步骤S205，当客户端新启动时，从提取的热词中选取预定条数的热词推送给客户端进行显示。

从提取的热词中选取预定条数的热词推送给客户端进行显示进一步包括：按照热词对应的权重，利用权重随机算法从提取的热词中选取预定条数的热词推送给客户端进行显示。

当每次新启动搜索的客户端时，按照步骤S204计算的热词对应的权重，利用权重随机算法，从提取的热词中按照权重随机选取预定条数的热词，如10条热词，将选取的热词推送给客户端进行显示。

根据本发明提供的结合多数据源的热词推荐方法，与上述实施例相比，增加了权重计算，按照热词对应的权重，利用权重随机算法从提取的热词中选取预定条数的热词推送给客户端进行显示。多数据源相结合推荐热词，避免了单一数据源热词推荐而导致的热词时效性已失，或搜索结果质量不高的热词被展示，提高了被展示热词的时效性和搜索质量。

图3示出了根据本发明的结合多数据源的热词推荐装置的一个实施例的功能框图，如图3所示，本实施例的装置包括如下模块：

筛选模块301，适于筛选搜索引擎数据库中的榜单数据。

搜索引擎数据库，搜索引擎使用的数据库，可以存放与搜索相关的数据，如搜索结果中的热词(即关键字或搜索词)，搜索结果页的访问数据量、热词搜索次数、搜索结果页内容类型(如电影、电视剧、综艺、动漫、人物、小说)、访问时间等。

榜单数据，根据搜索引擎数据库中的数据，按照搜索结果页内容的不同类型，分别选取不同类型中的搜索词，按照搜索的次数进行排列。如电视剧榜单，根据现阶段电视剧类搜索词的搜索次数，排名第一的搜索词为“芈月传”，因此电视剧榜单数据第一位为“芈月传”。电视剧榜单数据可根据电视剧名称或电视剧热点人物搜索次数依次排序，可以选择如前100位搜查次数最多的电视剧进入电视剧榜单。榜单数据中包括了该榜单数据对应的热词(即关键字或搜索词)、热词搜索次数、该搜索词对应的搜索结果页、搜索结果页的访问数据量、访问时间等。

筛选模块301从搜索引擎数据库中筛选出各类型的榜单数据，这些榜单数据均为现阶段最热门的搜索，热词搜索次数最多的搜索数据。

筛选模块301进一步适于：筛选搜索引擎数据库中的电影、电视剧、综艺、动漫、人物以及小说的榜单数据。搜索引擎数据库中的榜单数据多种多样，如电影、电视剧、综艺、动漫、人物、小说、汽车、大学、旅游等。不同的榜单针对的用户不同，关注点和关注用户群体也不相同。有些榜单，如汽车，可能汽车发烧友或需要购车的用户会更多的关注。如旅游，可能驴友或准备旅行的用户会更多的关注。这些榜单数据具有针对性，不是大多用户都会关注的数据。因此筛选模块301进行筛选时，筛选大多用户都会关注的数据如电影、电视剧、综艺、动漫、人物、小说的榜单数据。

交集模块302，适于将筛选得到的榜单数据与搜索日志数据做交集，获取数据交集中的热词及热词对应的页面浏览量。

搜索日志数据，包含了每天的热词搜索的相关数据，如热词每天的搜索次数、搜索时间等。

页面浏览量，用来计算页面被个体的访客(或用户)浏览的次数。如3个人浏览该页面一次，又有2个人浏览同样的页面2次，这个页面就有了7次页面浏览。该页面提供给用户的有效信息越多，页面内容的质量越高时，页面浏览量数值就会越高，反之，页面内容质量不高，页面的浏览量数值就越低。

交集模块302将筛选得到的榜单数据与搜索日志数据做交集，获取两份数据都包含的数据交集中的热词和热词对应的页面浏览量。

提取模块303，适于提取所述页面浏览量排行在预定阈值前对应的热词。

执行交集模块302，得到热词和热词对应的页面浏览量。将页面浏览量按照数值高低进行排列，提取模块303提取页面浏览量排行在预定阈值前对应的热词。如提取页面浏览量排行前100的页面浏览量对应的热词。

计算模块304，适于根据热词对应的页面浏览量，计算所述热词对应的权重。

权重，是一个相对的概念。计算热词的权重也就是计算该热词在所有提取的热词中相对的重要程度。计算模块304根据热词对应的页面浏览量，计算热词对应的权重。

计算模块304进一步适于：计算热词对应的权重值为log(页面浏览量)/log2。

推送模块305，适于当客户端新启动时，从提取的热词中选取预定条数的热词推送给客户端进行显示。

当每次新启动搜索的客户端时，执行提取模块303提取的热词中选取预定条数的热词，如10条热词，推送模块305将选取的热词推送给客户端进行显示。

推送模块305进一步适于：按照热词对应的权重，利用权重随机算法从提取的热词中选取预定条数的热词推送给客户端进行显示。

当每次新启动搜索的客户端时，执行计算模块304得到热词对应的权重，利用权重随机算法，从提取的热词中按照权重随机选取预定条数的热词，如10条热词，推送模块305将选取的热词推送给客户端进行显示。

根据本发明提供的结合多数据源的热词推荐装置，通过筛选搜索引擎数据库中的榜单数据，将筛选得到的榜单数据与搜索日志数据做交集，获取数据交集中的热词及热词对应的页面浏览量。提取页面浏览量排行在预定阈值前对应的热词。当客户端新启动时，从提取的热词中选取预定条数的热词推送给客户端进行显示。多数据源相结合推荐热词，避免了单一数据源热词推荐而导致的热词时效性已失，或搜索结果质量不高的热词被展示，提高了被展示热词的时效性和搜索质量。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的结合多数据源的热词推荐装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (10)

1.一种结合多数据源的热词推荐方法，其包括：

筛选搜索引擎数据库中的榜单数据；

将筛选得到的榜单数据与搜索日志数据做交集，获取数据交集中的热词及热词对应的页面浏览量；

提取所述页面浏览量排行在预定阈值前对应的热词；

当客户端新启动时，从提取的热词中选取预定条数的热词推送给客户端进行显示。

2.根据权利要求1所述的方法，其中，在所述提取所述页面浏览量排行在预定阈值前对应的热词之后，所述方法还包括：根据热词对应的页面浏览量，计算所述热词对应的权重。

3.根据权利要求2所述的方法，其中，所述计算热词对应的权重值为log(页面浏览量)/log2。

4.根据权利要求2或3所述的方法，其中，所述从提取的热词中选取预定条数的热词推送给客户端进行显示进一步包括：按照热词对应的权重，利用权重随机算法从提取的热词中选取预定条数的热词推送给客户端进行显示。

5.根据权利要求1-4任一项所述的方法，其中，所述筛选搜索引擎数据库中的榜单数据进一步包括：筛选搜索引擎数据库中的电影、电视剧、综艺、动漫、人物以及小说的榜单数据。

6.一种结合多数据源的热词推荐装置，其包括：

筛选模块，适于筛选搜索引擎数据库中的榜单数据；

交集模块，适于将筛选得到的榜单数据与搜索日志数据做交集，获取数据交集中的热词及热词对应的页面浏览量；

提取模块，适于提取所述页面浏览量排行在预定阈值前对应的热词；

推送模块，适于当客户端新启动时，从提取的热词中选取预定条数的热词推送给客户端进行显示。

7.根据权利要求6所述的装置，其中，还包括：计算模块，适于根据热词对应的页面浏览量，计算所述热词对应的权重。

8.根据权利要求7所述的装置，其中，所述计算模块进一步适于：计算热词对应的权重值为log(页面浏览量)/log2。

9.根据权利要求6或7所述的装置，其中，所述推送模块进一步适于：按照热词对应的权重，利用权重随机算法从提取的热词中选取预定条数的热词推送给客户端进行显示。

10.根据权利要求6-9任一项所述的装置，其中，所述筛选模块进一步适于：筛选搜索引擎数据库中的电影、电视剧、综艺、动漫、人物以及小说的榜单数据。