CN107229728A - 基于神经网络的搜索方法、设备及存储介质 - Google Patents
基于神经网络的搜索方法、设备及存储介质 Download PDFInfo
- Publication number
- CN107229728A CN107229728A CN201710420576.7A CN201710420576A CN107229728A CN 107229728 A CN107229728 A CN 107229728A CN 201710420576 A CN201710420576 A CN 201710420576A CN 107229728 A CN107229728 A CN 107229728A
- Authority
- CN
- China
- Prior art keywords
- search result
- network model
- neutral net
- neural network
- search
- 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.)
- Granted
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
- G06F16/957—Browsing optimisation, e.g. caching or content distillation
- G06F16/9574—Browsing optimisation, e.g. caching or content distillation of access to content, e.g. by caching
-
- 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
- G06F16/951—Indexing; Web crawling techniques
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于神经网络的搜索方法、设备及存储介质，所述基于神经网络的搜索方法包括以下步骤：接收终端发送的搜索请求，并根据所述搜索请求中的搜索关键词从互联网中进行搜索，以获取对应的搜索结果列表；根据预设的神经网络模型对所述搜索结果列表进行处理；将处理后的搜索结果列表发送至终端，以供所述终端接收并显示所述搜索结果列表。本发明通过在得到搜索结果列表后，调用预设的神经网络模型对搜索结果列表进行处理，能够有效的提高搜索结果的准确性。
Description
技术领域
本发明涉及搜索引擎的技术领域，尤其涉及一种基于神经网络的搜索方法、设备及存储介质。
背景技术
搜索引擎(Search Engine)是指根据一定的策略、运用特定的计算机程序从互联网上搜集信息，在对信息进行组织和处理后，为用户提供检索服务，将用户检索相关的信息展示给用户的系统。
目前，搜索引擎的排序是根据某个字段进行排序，有的搜索引擎具有多级排序，而多级排序也只限于指定多个字段，即先按第一个字段的值进行排序，在第一个字段值相等的情况下，再按第二个字段的值进行排序，以此类推从互联网上收集信息。
现有的搜索引擎的排序方式，只能反映出搜索关键词与搜索获得的内容之间的相互关系，在很大程度上，排序在前的内容并不一定是用户所需的内容，用户需要逐一预览展示的信息，才能筛选出用户想要的内容，即搜索结果的准确性较差。因此，现有的搜索引擎的排序方式，存在搜索结果的准确性较差的问题。
发明内容
本发明的主要目的在于提供一种基于神经网络的搜索方法、设备及存储介质，旨在解决现有的搜索引擎的排序方式，搜索结果的准确性较差的技术问题。
为实现上述目的，本发明提供一种基于神经网络的搜索方法，所述基于神经网络的搜索方法包括以下步骤：
接收终端发送的搜索请求，并根据所述搜索请求中的搜索关键词从互联网中进行搜索，以获取对应的搜索结果列表；
根据预设的神经网络模型对所述搜索结果列表进行处理；
将处理后的搜索结果列表发送至终端，以供所述终端接收并显示所述搜索结果列表。
可选地，所述根据预设的神经网络模型对所述搜索结果列表进行处理的步骤包括：
获取预设的神经网络模型的输入层信息；
根据所述输入层信息确定所述搜索结果列表中每一搜索结果的模型输入数据；
将所述模型输入数据输入预设的所述神经网络模型，以获取每一搜索结果的转化率；
根据所述转化率对所述搜索结果列表进行排序调整。
可选地，所述接收终端发送的搜索请求，并根据所述搜索请求中的搜索关键词从互联网中进行搜索，以获取对应的搜索结果列表的步骤之后，所述基于神经网络的搜索方法还包括：
将预设的神经网络模型的有效期限与预设期限进行比对，并在所述有效期限超过预设期限时，获取用户行为数据；
根据所述用户行为数据建立神经网络模型，并将建立的神经网络模型置为预设的神经网络模型。
可选地，所述根据所述用户行为数据建立神经网络模型的步骤包括：
根据所述用户行为数据确定待建立的神经网络模型的数据训练维度；
根据所述数据训练维度从所述用户行为数据中筛选出训练数据，并计算所述训练数据的转换率；
根据所述数据训练维度确定训练模型，并将所述训练数据作为所述训练模型的输入，所述转化率作为所述训练模型的输出进行训练，以建立神经网络模型。
可选地，所述根据所述数据训练维度从所述用户行为数据中筛选出训练数据，并计算所述训练数据的转换率的步骤包括：
统计所述用户行为数据中每一搜索结果的曝光量和点击量；
根据所述曝光量和所述点击量过滤所述用户行为数据；
从过滤的用户行为数据中提取搜索关键词，并根据所述搜索关键词还原搜索结果；
根据还原的搜索结果和所述数据训练维度确定训练数据；
根据所述曝光量和所述点击量计算所述训练数据的转换率。
可选地，所述根据预设的神经网络模型对所述搜索结果列表进行处理的步骤之后，所述基于神经网络的搜索方法还包括：
根据预设规则从处理后的搜索结果列表中提取对应的搜索结果，并计算所述搜索结果的转化率的平均值；
当所述平均值小于预设值时，根据预设调整规则调整所述神经网络模型；
根据调整的神经网络模型对所述搜索结果列表进行处理。
可选地，所述神经网络模型以预设间隔时间进行更新。
可选地，所述根据所述搜索请求中的搜索关键词从互联网中进行搜索，以获取对应的搜索结果列表的步骤之后，所述基于神经网络的搜索方法还包括：
将预设的神经网络模型的有效期限与预设期限进行比对，并在所述有效期限超过预设期限时，将所述搜索结果列表发送至终端，以供所述终端接收并显示所述搜索结果列表。
此外，为实现上述目的，本发明还提供一种基于神经网络的搜索设备，所述基于神经网络的搜索设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于神经网络的搜索程序，所述基于神经网络的搜索程序被所述处理器执行时实现如上所述的基于神经网络的搜索方法的步骤。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基于神经网络的搜索程序，所述基于神经网络的搜索程序被处理器执行时实现如上所述的基于神经网络的搜索方法的步骤。
本发明通过接收终端发送的搜索请求，并根据该搜索请求中的搜索关键词从互联网中进行搜索，以获取对应的搜索结果列表，然后根据预设的神经网络模型对该搜索结果列表进行处理，并将处理后的搜索结果列表发送至终端，以供该终端接收并显示该搜索结果列表，本方案通过在得到搜索结果列表后，调用预设的神经网络模型对搜索结果列表进行处理，能够有效的提高搜索结果的准确性，同时使得处理后的搜索结果列表中有价值的搜索结果的排序处于靠前的位置，便于用户快速的从显示的搜索结果列表中获取所需的搜索结果，用户体验较好。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图；
图2为本发明基于神经网络的搜索方法第一实施例的流程示意图；
图3为本发明实施例涉及的一种终端的硬件结构示意图；
图4为图2中所述根据预设的神经网络模型对所述搜索结果列表进行处理步骤的细化流程示意图；
图5为本发明基于神经网络的搜索方法第二实施例的流程示意图；
图6为图5中所述根据所述用户行为数据建立神经网络模型步骤的细化流程示意图；
图7为本发明第三实施例中所述根据所述数据训练维度从所述用户行为数据中筛选出训练数据，并计算所述训练数据的转换率步骤的细化流程示意图；
图8为本发明基于神经网络的搜索方法第四实施例的流程示意图；
图9为本发明基于神经网络的搜索方法第五实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例的主要解决方案是：通过接收终端发送的搜索请求，并根据该搜索请求中的搜索关键词从互联网中进行搜索，以获取对应的搜索结果列表，然后根据预设的神经网络模型对该搜索结果列表进行处理，并将处理后的搜索结果列表发送至终端，以供该终端接收并显示该搜索结果列表。
由于现有的搜索引擎的排序方式，只能反映出搜索关键词与搜索获得的内容之间的相互关系，在很大程度上，排序在前的内容并不一定是用户所需的内容，用户需要逐一预览展示的信息，才能筛选出用户想要的内容，即搜索结果的准确性较差。
本发明提供一种解决方案，通过在得到搜索结果列表后，调用预设的神经网络模型对搜索结果列表进行处理，能够有效的提高搜索结果的准确性，同时使得处理后的搜索结果列表中有价值的搜索结果的排序处于靠前的位置，便于用户快速的从显示的搜索结果列表中获取所需的搜索结果，用户体验较好。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图。
本发明中描述的设备可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal Digital Assistant，PDA)、便捷式媒体播放器(Portable MediaPlayer，PMP)、导航装置、可穿戴设备、智能手环、计步器等移动终端，以及诸如数字TV、台式计算机等固定终端。
如图1所示，该基于神经网络的搜索设备可以包括：处理器1001，例如CPU，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选的用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，基于神经网络的搜索设备还包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，基于神经网络的搜索设备还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
本领域技术人员可以理解，图1中示出的基于神经网络的搜索设备结构并不构成对基于神经网络的搜索设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于神经网络的搜索程序。
在图1所示的基于神经网络的搜索设备中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的基于神经网络的搜索程序，并执行以下步骤：
接收终端发送的搜索请求，并根据所述搜索请求中的搜索关键词从互联网中进行搜索，以获取对应的搜索结果列表；
根据预设的神经网络模型对所述搜索结果列表进行处理；
将处理后的搜索结果列表发送至终端，以供所述终端接收并显示所述搜索结果列表。
进一步地，所述根据预设的神经网络模型对所述搜索结果列表进行处理的步骤包括：
获取预设的神经网络模型的输入层信息；
根据所述输入层信息确定所述搜索结果列表中每一搜索结果的模型输入数据；
将所述模型输入数据输入预设的神经网络模型，以获取每一搜索结果的转化率；
根据所述转化率对所述搜索结果列表进行排序调整。
进一步地，处理器1001可以调用存储器1005中存储的网络操作控制应用程序，还执行以下步骤：
将预设的神经网络模型的有效期限与预设期限进行比对，并在所述有效期限超过预设期限时，获取用户行为数据；
根据所述用户行为数据建立神经网络模型，并将建立的神经网络模型置为预设的神经网络模型。
进一步地，所述根据所述用户行为数据建立神经网络模型的步骤包括：
根据所述用户行为数据确定待建立的神经网络模型的数据训练维度；
根据所述数据训练维度从所述用户行为数据中筛选出训练数据，并计算所述训练数据的转换率；
根据所述数据训练维度确定训练模型，并将所述训练数据作为所述训练模型的输入，所述转化率作为所述训练模型的输出进行训练，以建立神经网络模型。
进一步地，所述根据所述数据训练维度从所述用户行为数据中筛选出训练数据，并计算所述训练数据的转换率的步骤包括：
统计所述用户行为数据中每一搜索结果的曝光量和点击量；
根据所述曝光量和所述点击量过滤所述用户行为数据；
从过滤的用户行为数据中提取搜索关键词，并根据所述搜索关键词还原搜索结果；
根据还原的搜索结果和所述数据训练维度确定训练数据；
根据所述曝光量和所述点击量计算所述训练数据的转换率。
进一步地，处理器1001可以调用存储器1005中存储的网络操作控制应用程序，还执行以下步骤：
根据预设规则从处理后的搜索结果列表中提取对应的搜索结果，并计算所述搜索结果的转化率的平均值；
当所述平均值小于预设值时，根据预设调整规则调整预设的神经网络模型；
根据调整的神经网络模型对所述搜索结果列表进行处理。
进一步地，所述神经网络模型以预设间隔时间进行更新。
进一步地，处理器1001可以调用存储器1005中存储的网络操作控制应用程序，还执行以下步骤：
将预设的神经网络模型的有效期限与预设期限进行比对，并在所述有效期限超过预设期限时，将所述搜索结果列表发送至终端，以供所述终端接收并显示所述搜索结果列表。
本发明基于神经网络的搜索设备的具体实施例与下述基于神经网络的搜索设备方法各实具体施例基本相同，在此不作赘述。
本发明提供一种基于神经网络的搜索方法。
参照图2，图2为本发明基于神经网络的搜索方法的第一实施例。
在本实施例中，该基于神经网络的搜索方法包括：
步骤S101，接收终端发送的搜索请求，并根据所述搜索请求中的搜索关键词从互联网中进行搜索，以获取对应的搜索结果列表。
该基于神经网络的搜索方法应用于基于神经网络的搜索设备，该基于神经网络的搜索设备与终端进行数据交互，该终端可以是移动终端，也可以是固定终端，图3为本发明实施例涉及的一种终端的硬件结构示意图，图3所示的终端为移动终端，该移动终端100可以包括：显示单元106、用户输入单元107、接口单元108、存储器109、处理器110、以及电源111等部件。本领域技术人员可以理解，图3中示出的移动终端结构并不构成对移动终端的限定，移动终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
下面结合图3对移动终端的各个部件进行具体的介绍：
显示单元106用于显示由用户输入的信息或提供给用户的信息。显示单元106可包括显示面板1061，可以采用液晶显示器(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板1061。
用户输入单元107可用于接收输入的数字或字符信息，以及产生与移动终端的用户设置以及功能控制有关的键信号输入。具体地，用户输入单元107可包括触控面板1071以及其他输入设备1072。触控面板1071可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器110，并能接收处理器110发来的命令并加以执行。具体地，其他输入设备1072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种，具体此处不做限定。
进一步的，触控面板1071可覆盖显示面板1061，当触控面板1071检测到在其上或附近的触摸操作后，传送给处理器110以确定触摸事件的类型，随后处理器110根据触摸事件的类型在显示面板1061上提供相应的视觉输出。可以将触控面板1071与显示面板1061集成而实现移动终端的输入和输出功能，具体此处不做限定。
接口单元108用作至少一个外部装置与移动终端100连接可以通过的接口。存储器109可用于存储软件程序以及各种数据。存储器109可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。
处理器110是移动终端的控制中心，利用各种接口和线路连接整个移动终端的各个部分，通过运行或执行存储在存储器109内的软件程序和/或模块，以及调用存储在存储器109内的数据，执行移动终端的各种功能和处理数据，从而对移动终端进行整体监控。处理器110可包括一个或多个处理单元；优选的，处理器110可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。
移动终端100还可以包括给各个部件供电的电源111(比如电池)，优选的，电源111可以通过电源管理系统与处理器110逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
该移动终端在接收到用户触发的搜索请求时，将该搜索请求发送至基于神经网络的搜索设备，该搜索请求携带用户输入的搜索关键词，该设备接收移动终端发送的搜索请求，并根据该搜索请求中的搜索关键词从互联网中进行搜索，以获取对应的搜索结果列表，即通过搜索器在互联网中漫游，搜集与搜索关键词相关的信息，然后通过索引器从搜集的信息中抽取索引项，并生成索引表，并通过检索器在索引表中检出用户查询的文档，最后，对待输出的搜索结果进行排序，以获取搜索结果列表。
步骤S102，根据预设的神经网络模型对所述搜索结果列表进行处理。
步骤S103，将处理后的搜索结果列表发送至终端，以供所述终端接收并显示所述搜索结果列表。
该设备在获得搜索结果列表后，根据预设的神经网络模型对该搜索结果列表进行处理，该设备根据神经网络模型对搜索结果列表处理后，将处理后的搜索结果列表发送至移动终端，该移动终端接收设备发送的搜索结果列表，并显示处理后的搜索结果列表。
具体地，参照图4，图4为图2中所述步骤S102的细化流程示意图，该步骤S102包括：
步骤S1021，获取预设的神经网络模型的输入层信息；
步骤S1022，根据所述输入层信息确定所述搜索结果列表中每一搜索结果的模型输入数据；
步骤S1023，将所述模型输入数据输入预设的神经网络模型，以获取每一搜索结果的转化率；
步骤S1024，根据所述转化率对所述搜索结果列表进行排序调整。
该设备在获得搜索结果列表后，获取预设的神经网络模型的输入层信息，并根据该输入层信息确定该搜索结果列表中每一搜索结果的模型输入数据，然后将每一搜索结果的模型输入数据逐一输入该神经网络模型，以获取每一搜索结果的转化率，并根据每一搜索结果的转化率，对该搜索结果列表中的搜索结果进行排序调整，即根据转化率的大小对该搜索列表中的每一搜索结果进行重新排序，转化率越大，排序越靠前，转化率越小，排序越靠后，该转化率为神经网络模型的输出。
在具体实施中，该神经网络模型以预设时长进行更新，该预设时长可以为一个月、三个月或六个月等，该设备中存储有用户行为数据，该用户行为数据与用户账号具有关联关系，在每一次搜索时，将搜索关键词和搜索结果的URL地址进行记录并存储，从而生成用户行为数据。当经过预设时长后，该设备调用用户行为数据，然后根据该用户行为数据对神经网络模型进行调整与更新或重新构建，具体为根据该用户行为数据重新确定神经网络模型的数据训练维度，然后根据该数据训练维度从该用户行为数据中筛选出训练数据，并计算该训练数据的转换率，最后根据该数据训练维度确定训练模型，并将该训练数据作为该训练模型的输入，该转化率作为该训练模型的输出进行训练，以建立神经网络模型。
在另一具体实施中，当转化率相同时，根据处理前的搜索结果列表中的排序进行排序调整，例如，设处理前的搜索结果列表为A，处理后的搜索结果列表为B，搜索结果1和2的转化率相同，且搜索结果2在A中的排序位置位于搜索结果1的排序位置之前，则处理后的搜索结果列表B中，搜索结果2同样位于搜索结果1之前。
在本实施例中，本发明通过接收终端发送的搜索请求，并根据该搜索请求中的搜索关键词从互联网中进行搜索，以获取对应的搜索结果列表，然后根据预设的神经网络模型对该搜索结果列表进行处理，并将处理后的搜索结果列表发送至终端，以供该终端接收并显示该搜索结果列表，本方案通过在得到搜索结果列表后，调用预设的神经网络模型对搜索结果列表进行处理，能够有效的提高搜索结果的准确性，同时使得处理后的搜索结果列表中有价值的搜索结果的排序处于靠前的位置，便于用户快速的从显示的搜索结果列表中获取所需的搜索结果，用户体验较好。
进一步的，参照图5，基于上述第一实施例提出本发明基于神经网络的搜索方法第二实施例，与前述实施例的区别在于，该步骤S101之后，该基于神经网络的搜索方法还
步骤S104，将预设的神经网络模型的有效期限与预设期限进行比对，并在所述有效期限超过预设期限时，获取用户行为数据；
步骤S105，根据所述用户行为数据建立神经网络模型，并将建立的神经网络模型置为预设的神经网络模型。
该设备在获得搜索结果列表后，获取预设的神经网络模型的有效期限，并将该有效期限与预设期限进行比对，如果该有效期限未超过预设期限，则根据预设的神经网络模型对搜索结果列表进行处理，如果该有效期限超过预设期限，则根据该搜索请求中的用户信息获取对应的用户行为数据，然后根据获取的用户行为数据建立神经网络模型，并将建立的神经网络模型置为预设的神经网络模型，该用户行为数据为预设时段内的，该预设时段包括最近三个月、最近六个月或最近一年等。
具体地，参照图6，图6为图5中所述步骤S105的细化流程示意图，该步骤S105包括：
步骤S1051，根据所述用户行为数据确定待建立的神经网络模型的数据训练维度；
步骤S1052，根据所述数据训练维度从所述用户行为数据中筛选出训练数据，并计算所述训练数据的转换率；
步骤S1053，根据所述数据训练维度确定训练模型，并将所述训练数据作为所述训练模型的输入，所述转化率作为所述训练模型的输出进行训练，以建立神经网络模型。
该设备根据该用户行为数据确定神经网络模型的数据训练维度，然后根据该数据训练维度从该用户行为数据中筛选出训练数据，并计算该训练数据的转换率，最后根据该数据训练维度确定训练模型，并将该训练数据作为该训练模型的输入，该转化率作为该训练模型的输出进行训练，以建立神经网络模型。在具体实施中，该设备还统计该用户行为数据中每一搜索结果的曝光量和点击量，根据该曝光量和点击量计算训练数据中每一资源的转换率，即将点击量除以点击量，从而得到转化率。
在本实施例中，当未检测到神经模型时，该设备调用用户行为数据建立神经网络模型，并将建立后的神经网络模型置为预设的神经网络模型，实现预设的神经网络模型的自动更新。
进一步地，参照图7，基于上述第二实施例提出本发明基于神经网络的搜索方法的第三实施例，与前述实施例的区别在于，该步骤S1052包括：
S10521，统计所述用户行为数据中每一搜索结果的曝光量和点击量；
S10522，根据所述曝光量和所述点击量过滤所述用户行为数据；
S10523，从过滤的用户行为数据中提取搜索关键词，并根据所述搜索关键词还原搜索结果；
S10524，根据还原的搜索结果和所述数据训练维度确定训练数据；
S10525，根据所述曝光量和所述点击量计算所述训练数据的转换率。
该设备在确定神经网络模型的数据训练维度后，统计该用户行为数据中每一搜索结果的曝光量和点击量，并根据该曝光量和点击量过滤所述用户行为数据，去除重复点击的用户行为数据，然后从过滤的用户行为数据中提取搜索关键词，并根据该搜索关键词还原搜索结果，最后，根据还原的搜索结果和该数据训练维度确定训练数据，同时根据该曝光量和该点击量计算该训练数据的转换率。
在本发明实施例中，本发明通过曝光量和点击量过滤用户行为数据，去除重复点击的用户行为数据，能够有效的防止错误的用户行为数据对神经网络模型的影响。
进一步地，参照图8，基于上述第一、第二或第三实施例，提出本发明基于神经网络的搜索方法的第四实施例，与前述实施例的区别在于，该步骤S102之后，该基于神经网络的搜索方法还包括：
S106，根据预设规则从处理后的搜索结果列表中提取对应的搜索结果，并计算所述搜索结果的转化率的平均值；
S107，当所述平均值小于预设值时，根据预设调整规则调整预设的神经网络模型；
S108，根据调整的神经网络模型对所述搜索结果列表进行处理。
该设备根据神经网络模型对该搜索结果列表进行处理后，根据预设规则从处理后的搜索结果列表中提取对应的搜索结果，即提取排序处于前20、30、50或60等的搜索结果，并计算提取的搜索结果的转化率的平均值，然后将该平均值与预设值进行比对，如果平均值大于预设值，则将处理后的搜索结果列表发送至移动终端，以供移动终端接收并显示该处理后的搜索结果列表，如果该平均值小于预设值，则根据预设调整规则调整该神经网络模型，并调用调整后的神经网络模型对该搜索结果进行重新处理，将处理后的搜索结果列表发送至移动终端，以供移动终端接收并显示该处理后的搜索结果列表。该预设调整规则为隐含层节点数的调整规则，通过调整隐含层节点数，从而调整神经网络模型对搜索结果列表的处理效果。
在本实施例中，本发明在神经网络模型的效果不好时，对神经网络模型进行调整，使得调整后的神经网络模型能够具备较好的对搜索结果列表的处理效果。
进一步地，基于上述第一实施例，提出本发明基于神经网络的搜索方法的第五实施例，与前述实施例的区别在于，该步骤S101之后，该基于神经网络的搜索方法还包括：
步骤S109，将预设的神经网络模型的有效期限与预设期限进行比对，并在所述有效期限超过预设期限时，将所述搜索结果列表发送至终端，以供所述终端接收并显示所述搜索结果列表。
该设备在获得搜索结果列表后，获取预设的神经网络模型的有效期限，并将该有效期限与预设期限进行比对，如果该有效期限超过预设期限，则将该搜索结果列表发送至终端，以供该终端接收并显示搜索结果列表。
在本实施例中，本发明在预设的神经网络模型失效时，直接将搜索结果列表发送至终端，防止设备因预设的神经网络模型失效引起的问题发生。
此外，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基于神经网络的搜索程序，所述基于神经网络的搜索程序被处理器执行时，实现以下步骤：
接收终端发送的搜索请求，并根据所述搜索请求中的搜索关键词从互联网中进行搜索，以获取对应的搜索结果列表；
根据预设的神经网络模型对所述搜索结果列表进行处理；
将处理后的搜索结果列表发送至终端，以供所述终端接收并显示所述搜索结果列表。
进一步地，所述根据预设的神经网络模型对所述搜索结果列表进行处理的步骤包括：
获取预设的神经网络模型的输入层信息；
根据所述输入层信息确定所述搜索结果列表中每一搜索结果的模型输入数据；
将所述模型输入数据输入预设的神经网络模型，以获取每一搜索结果的转化率；
根据所述转化率对所述搜索结果列表进行排序调整。
进一步地，所述接收终端发送的搜索请求，并根据所述搜索请求中的搜索关键词从互联网中进行搜索，以获取对应的搜索结果列表的步骤之后，所述基于神经网络的搜索方法还包括：
将预设的神经网络模型的有效期限与预设期限进行比对，并在所述有效期限超过预设期限时，获取用户行为数据；
根据所述用户行为数据建立神经网络模型，并将建立的神经网络模型置为预设的神经网络模型。
进一步地，所述根据所述用户行为数据建立神经网络模型的步骤包括：
根据所述用户行为数据确定待建立的神经网络模型的数据训练维度；
根据所述数据训练维度从所述用户行为数据中筛选出训练数据，并计算所述训练数据的转换率；
根据所述数据训练维度确定训练模型，并将所述训练数据作为所述训练模型的输入，所述转化率作为所述训练模型的输出进行训练，以建立神经网络模型。
进一步地，所述根据所述数据训练维度从所述用户行为数据中筛选出训练数据，并计算所述训练数据的转换率的步骤包括：
统计所述用户行为数据中每一搜索结果的曝光量和点击量；
根据所述曝光量和所述点击量过滤所述用户行为数据；
从过滤的用户行为数据中提取搜索关键词，并根据所述搜索关键词还原搜索结果；
根据还原的搜索结果和所述数据训练维度确定训练数据；
根据所述曝光量和所述点击量计算所述训练数据的转换率。
进一步地，所述基于神经网络的搜索程被处理器执行时，还实现以下步骤：
根据预设规则从处理后的搜索结果列表中提取对应的搜索结果，并计算所述搜索结果的转化率的平均值；
当所述平均值小于预设值时，根据预设调整规则调整所述神经网络模型；
根据调整的神经网络模型对所述搜索结果列表进行处理。
进一步地，所述神经网络模型以预设间隔时间进行更新。
进一步地，所述基于神经网络的搜索程被处理器执行时，还实现以下步骤：
将预设的神经网络模型的有效期限与预设期限进行比对，并在所述有效期限超过预设期限时，将所述搜索结果列表发送至终端，以供所述终端接收并显示所述搜索结果列表。
本发明计算机可读存储介质的具体实施例与上述基于神经网络的搜索方法各具体实施例基本相同，在此不作赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
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。
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上述实施例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如上所述的一个存储介质(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，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于神经网络的搜索方法，其特征在于，所述基于神经网络的搜索方法包括以下步骤：
接收终端发送的搜索请求，并根据所述搜索请求中的搜索关键词从互联网中进行搜索，以获取对应的搜索结果列表；
根据预设的神经网络模型对所述搜索结果列表进行处理；
将处理后的搜索结果列表发送至终端，以供所述终端接收并显示所述搜索结果列表。
2.如权利要求1所述的基于神经网络的搜索方法，其特征在于，所述根据预设的神经网络模型对所述搜索结果列表进行处理的步骤包括：
获取预设的神经网络模型的输入层信息；
根据所述输入层信息确定所述搜索结果列表中每一搜索结果的模型输入数据；
将所述模型输入数据输入预设的神经网络模型，以获取每一搜索结果的转化率；
根据所述转化率对所述搜索结果列表进行排序调整。
3.如权利要求1所述的基于神经网络的搜索方法，其特征在于，所述接收终端发送的搜索请求，并根据所述搜索请求中的搜索关键词从互联网中进行搜索，以获取对应的搜索结果列表的步骤之后，所述基于神经网络的搜索方法还包括：
将预设的神经网络模型的有效期限与预设期限进行比对，并在所述有效期限超过预设期限时，获取用户行为数据；
根据所述用户行为数据建立神经网络模型，并将建立的神经网络模型置为预设的神经网络模型。
4.如权利要求3所述的基于神经网络的搜索方法，其特征在于，所述根据所述用户行为数据建立神经网络模型的步骤包括：
根据所述用户行为数据确定待建立的神经网络模型的数据训练维度；
根据所述数据训练维度从所述用户行为数据中筛选出训练数据，并计算所述训练数据的转换率；
根据所述数据训练维度确定训练模型，并将所述训练数据作为所述训练模型的输入，所述转化率作为所述训练模型的输出进行训练，以建立神经网络模型。
5.如权利要求3所述的基于神经网络的搜索方法，其特征在于，所述根据所述数据训练维度从所述用户行为数据中筛选出训练数据，并计算所述训练数据的转换率的步骤包括：
统计所述用户行为数据中每一搜索结果的曝光量和点击量；
根据所述曝光量和所述点击量过滤所述用户行为数据；
从过滤的用户行为数据中提取搜索关键词，并根据所述搜索关键词还原搜索结果；
根据还原的搜索结果和所述数据训练维度确定训练数据；
根据所述曝光量和所述点击量计算所述训练数据的转换率。
6.如权利要求1-5中任一项所述的基于神经网络的搜索方法，其特征在于，所述根据预设的神经网络模型对所述搜索结果列表进行处理的步骤之后，所述基于神经网络的搜索方法还包括：
根据预设规则从处理后的搜索结果列表中提取对应的搜索结果，并计算所述搜索结果的转化率的平均值；
当所述平均值小于预设值时，根据预设调整规则调整预设的神经网络模型；
根据调整的神经网络模型对所述搜索结果列表进行处理。
7.如权利要求1-5中任一项所述的基于神经网络的搜索方法，其特征在于，所述神经网络模型以预设间隔时间进行更新。
8.如权利要求1所述的基于神经网络的搜索方法，其特征在于，所述根据所述搜索请求中的搜索关键词从互联网中进行搜索，以获取对应的搜索结果列表的步骤之后，所述基于神经网络的搜索方法还包括：
将预设的神经网络模型的有效期限与预设期限进行比对，并在所述有效期限超过预设期限时，将所述搜索结果列表发送至终端，以供所述终端接收并显示所述搜索结果列表。
9.一种基于神经网络的搜索设备，其特征在于，所述基于神经网络的搜索设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于神经网络的搜索程序，所述基于神经网络的搜索程序被所述处理器执行时实现如权利要求1至8中任一项所述的基于神经网络的搜索方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于神经网络的搜索程序，所述基于神经网络的搜索程序被处理器执行时实现如权利要求1至8中任一项所述的基于神经网络的搜索方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710420576.7A CN107229728B (zh) | 2017-06-05 | 2017-06-05 | 基于神经网络的搜索方法、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710420576.7A CN107229728B (zh) | 2017-06-05 | 2017-06-05 | 基于神经网络的搜索方法、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107229728A true CN107229728A (zh) | 2017-10-03 |
| CN107229728B CN107229728B (zh) | 2021-11-16 |
Family
ID=59935937
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710420576.7A Active CN107229728B (zh) | 2017-06-05 | 2017-06-05 | 基于神经网络的搜索方法、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107229728B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110427277A (zh) * | 2019-07-30 | 2019-11-08 | 腾讯科技（深圳）有限公司 | 数据校验方法、装置、设备及存储介质 |
| CN110968768A (zh) * | 2018-09-28 | 2020-04-07 | 北京易数科技有限公司 | 信息生成方法和装置 |
| CN111191133A (zh) * | 2019-12-31 | 2020-05-22 | 口口相传(北京)网络技术有限公司 | 业务搜索处理方法、装置及设备 |
| WO2023097749A1 (zh) * | 2021-11-30 | 2023-06-08 | 同程网络科技股份有限公司 | 一种流量调控方法、系统、智能终端及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104281585A (zh) * | 2013-07-02 | 2015-01-14 | 阿里巴巴集团控股有限公司 | 一种对象排序方法和装置 |
| CN105160545A (zh) * | 2015-08-07 | 2015-12-16 | 百度在线网络技术（北京）有限公司 | 投放信息样式确定方法及装置 |
| CN105208113A (zh) * | 2015-08-31 | 2015-12-30 | 北京百度网讯科技有限公司 | 信息推送的方法和装置 |
| CN106156187A (zh) * | 2015-04-21 | 2016-11-23 | 深圳市腾讯计算机系统有限公司 | 内容检索方法及检索系统 |
-
2017
- 2017-06-05 CN CN201710420576.7A patent/CN107229728B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104281585A (zh) * | 2013-07-02 | 2015-01-14 | 阿里巴巴集团控股有限公司 | 一种对象排序方法和装置 |
| CN106156187A (zh) * | 2015-04-21 | 2016-11-23 | 深圳市腾讯计算机系统有限公司 | 内容检索方法及检索系统 |
| CN105160545A (zh) * | 2015-08-07 | 2015-12-16 | 百度在线网络技术（北京）有限公司 | 投放信息样式确定方法及装置 |
| CN105208113A (zh) * | 2015-08-31 | 2015-12-30 | 北京百度网讯科技有限公司 | 信息推送的方法和装置 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110968768A (zh) * | 2018-09-28 | 2020-04-07 | 北京易数科技有限公司 | 信息生成方法和装置 |
| CN110968768B (zh) * | 2018-09-28 | 2023-11-24 | 北京易数科技有限公司 | 信息生成方法和装置 |
| CN110427277A (zh) * | 2019-07-30 | 2019-11-08 | 腾讯科技（深圳）有限公司 | 数据校验方法、装置、设备及存储介质 |
| CN111191133A (zh) * | 2019-12-31 | 2020-05-22 | 口口相传(北京)网络技术有限公司 | 业务搜索处理方法、装置及设备 |
| CN111191133B (zh) * | 2019-12-31 | 2023-12-01 | 口口相传(北京)网络技术有限公司 | 业务搜索处理方法、装置及设备 |
| WO2023097749A1 (zh) * | 2021-11-30 | 2023-06-08 | 同程网络科技股份有限公司 | 一种流量调控方法、系统、智能终端及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107229728B (zh) | 2021-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110472145A (zh) | 一种内容推荐方法和电子设备 | |
| CN107229728A (zh) | 基于神经网络的搜索方法、设备及存储介质 | |
| CN107809526A (zh) | 终端应用程序分类方法、移动终端及计算机可读存储介质 | |
| CN107241492B (zh) | 一种动态信息显示方法、设备及计算机可读存储介质 | |
| CN107169150A (zh) | 图片推送方法、移动终端以及计算机可读介质 | |
| CN107273404A (zh) | 搜索引擎的评估方法、装置及计算机可读存储介质 | |
| CN108090855A (zh) | 一种学习计划推荐方法及移动终端 | |
| CN107194732A (zh) | 一种应用推送方法、移动终端以及计算机可读存储介质 | |
| CN109145809A (zh) | 一种记谱处理方法和装置以及计算机可读存储介质 | |
| CN108121803A (zh) | 一种确定页面布局的方法和服务器 | |
| CN110174993A (zh) | 一种显示控制方法、终端设备及计算机可读存储介质 | |
| CN110162653B (zh) | 一种图文排序推荐方法及终端设备 | |
| CN107783709A (zh) | 一种图像的查看方法及移动终端 | |
| CN110457086A (zh) | 一种应用程序的控制方法、移动终端及服务器 | |
| CN107656793A (zh) | 一种应用程序界面切换方法及移动终端 | |
| CN108228720A (zh) | 识别目标文字内容和原图相关性的方法、系统、装置、终端、及存储介质 | |
| CN106874936A (zh) | 图像传播监测方法及装置 | |
| CN110231899A (zh) | 显示方法及终端设备 | |
| CN107798011A (zh) | 一种搜索方法和装置、一种用于搜索的装置 | |
| CN109151162A (zh) | 一种多面屏交互控制方法、设备及计算机可读存储介质 | |
| CN108460817A (zh) | 一种拼图方法及移动终端 | |
| CN108195392A (zh) | 一种多人线路规划方法及终端 | |
| CN107770450A (zh) | 图像处理方法、装置及终端设备 | |
| CN110380950A (zh) | 一种信息显示控制方法、终端及计算机可读存储介质 | |
| CN107608613A (zh) | 一种防止误操作的方法及终端 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |