CN107871259A - 一种信息推荐的处理方法、装置及客户端 - Google Patents
一种信息推荐的处理方法、装置及客户端 Download PDFInfo
- Publication number
- CN107871259A CN107871259A CN201610852965.2A CN201610852965A CN107871259A CN 107871259 A CN107871259 A CN 107871259A CN 201610852965 A CN201610852965 A CN 201610852965A CN 107871259 A CN107871259 A CN 107871259A
- Authority
- CN
- China
- Prior art keywords
- information
- search
- complete sentence
- wide
- search term
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3322—Query formulation using system suggestions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3338—Query expansion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/2866—Architectures; Arrangements
- H04L67/30—Profiles
- H04L67/306—User profiles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
Abstract
本申请实施例公开了一种信息推荐的处理方法、装置及客户端。所述方法包括:确定获取的搜索词为宽泛搜索词时,基于预先设置的资讯语料库,将所述宽泛搜索词扩展成至少一个搜索成句;从选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息;展示至少一条所述推荐资讯信息。利用本申请方法或装置实施例,可以向用户推荐与所述搜索成句相匹配的推荐资讯信息,所述推荐资讯信息不仅丰富用户选择的空间,还可以给用户提供进一步的搜索引导。
Description
技术领域
本申请涉及数据处理技术领域,特别涉及一种信息推荐的处理方法、装置及客户端。
背景技术
信息推荐技术可以根据用户的搜索信息,给用户提供相应的引导,帮助用户做出最终决策。一般地,信息推荐技术广泛应用于商品搜索领域,信息推荐技术可以根据用户提供的搜索词,向用户展示与所述搜索词相匹配的商品信息,供用户选择。但是,用户在很多时候只是提供一个宽泛的搜索词,例如“新款女装”、“手机”等包含有效信息较少的词汇。对于此类词义宽泛的搜索词,由于包含的有效信息很少,一般难以捕捉用户的意图,往往会向推荐大量无用信息。
现有技术中针对宽泛搜索词的信息推荐方法通常是根据用户的搜索日志,将宽泛搜索词扩充成信息量较多的搜索词,例如,将“手机”扩充成“苹果手机”,增强搜索精度。然而在很多情况下,用户只是并无明确意图地浏览,此时给用户提供精确的商品信息,可能违背用户的搜索初衷。
发明内容
本申请实施例的目的在于提供一种信息推荐的处理方法、装置及客户端,可以丰富用户选择的空间,还可以给用户提供进一步的搜索引导。
本申请实施例提供的一种信息推荐的处理方法、装置及客户端具体是这样实现的:
一种信息推荐的处理方法,所述方法包括:
确定获取的搜索词为宽泛搜索词时,基于预先设置的资讯语料库,将所述宽泛搜索词扩展成至少一个搜索成句;
从选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息;
展示至少一条所述推荐资讯信息。
一种信息推荐的处理装置,所述装置包括:
宽泛词扩展单元,用于确定获取的搜索词为宽泛搜索词时,基于预先设置的资讯语料库,将所述宽泛搜索词扩展成至少一个搜索成句;
推荐资讯信息获取单元,用于从选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息;
资讯信息展示单元,用于展示至少一条所述推荐资讯信息。
一种客户端,所述客户端包括:
存储器,用于存储预先设置的资讯语料库,以及存储选取的资讯信息集;
处理器,用于确定获取的搜索词为宽泛搜索词时,基于所述预先设置的资讯语料库,将所述宽泛搜索词扩展成至少一个搜索成句,以及,用于从所述选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息;
显示器,用于展示至少一条所述推荐资讯信息。
本申请提供的信息推荐的处理方法、装置及客户端,在确定获取的搜索词为宽泛搜索词时,可以将所述宽泛搜索词扩展成至少一个搜索成句,再从选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息,最后展示至少一条所述推荐资讯信息。将所述宽泛搜索词扩展成搜索成句,一方面,可以基于原始的宽泛搜索词,保护用户的搜索主题,另一方面,基于提供的资讯预料库对所述宽泛搜索词进行扩展,不仅可以丰富所述宽泛搜索词的有效信息,还可以使得扩展后的所述搜索成句更接近于资讯信息。相对于现有技术中,根据用户搜索日志扩展宽泛搜索词,并向用户推荐范围很小的精确信息的方法,本实施例中可以向用户推荐与所述搜索成句相匹配的推荐资讯信息,所述推荐资讯信息不仅丰富用户选择的空间,还可以给用户提供进一步的搜索引导。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请提供的信息推荐的处理方法的一种实施例的方法流程示意图;
图2是本申请提供的对宽泛词文本分析方法的一种实施例的方法流程图;
图3是本申请提供的扩展宽泛搜索词方法的一种实施例的方法流程图;
图4是本申请提供的生成搜索成句方法的一种实施例的方法流程图;
图5是本申请提供的搜索成句筛选方法的一种实施例的方法流程图;
图6是本申请提供的引导信息展示方法的一种实施例的方法流程图;
图7是本申请提供的资讯信息筛选方法的一种实施例的方法流程图;
图8是本申请应用场景中用户界面展示的搜索成句与搜索短语;
图9是本申请应用场景中用户界面展示的资讯信息列表;
图10是本申请提供的信息推荐处理装置的一种实施例的模块结构示意图;
图11是本申请提供的宽泛词扩展单元的一种实施例的模块结构示意图;
图12是本申请提供的宽泛词扩展单元的另一种实施例的模块结构示意图;
图13是本申请提供的搜索成句组合单元的一种实施例的模块结构示意图;
图14是本申请提供的信息推荐处理装置的另一种实施例的模块结构示意图;
图15是本申请提供的信息推荐处理装置的另一种实施例的模块结构示意图;
图16是本申请提供的信息推荐处理装置的另一种实施例的模块结构示意图;
图17是本申请提供的推荐资讯信息获取单元的一种实施例的模块结构示意图;
图18是本申请提供的客户端的一种实施例的模块结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
下面结合附图对本申请所述的信息推荐的处理方法进行详细的说明。图1是本申请提供的信息推荐的处理方法的一种实施例的方法流程示意图。虽然本申请提供了如下述实施例或附图所示的方法操作步骤,但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑性上不存在必要因果关系的步骤中,这些步骤的执行顺序不限于本申请实施例提供的执行顺序。所述方法在实际中的信息推荐的处理过程中或者装置执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
具体的本申请提供的一种信息推荐的处理方法的一种实施例如图1所示,所述方法可以包括:
S1:确定获取的搜索词为宽泛搜索词时,基于预先设置的资讯语料库,将所述宽泛搜索词扩展成至少一个搜索成句。
本实施例中,可以由服务器确定获取的搜索词为宽泛搜索词,所述服务器可以包括具有数据信息处理功能的硬件设备和驱动该硬件设备工作所需的必要的软件。本实施例中,用户在客户端上输入搜索词,客户端检测到所述搜索词后,向所述服务器发出搜索请求,所述搜索请求至少包括所述搜索词。本实施例中,所述服务器在接收所述搜索词时,可以判断所述搜索词是否为宽泛搜索词。如上所述,所述宽泛搜索词中包含的有效信息较少,在本申请的一个实施例中,可以根据所述搜索词的浏览量以及所述搜索词中包含的分词个数判断所述搜索词是否为宽泛搜索词。在一个具体的场景中,如表1所示,用户在XX购物客户端中输入搜索词“骑行”,经过后台数据库统计分析得到,近一周商品名称中包含“骑行”的页面浏览量为2307,近一周用户通过搜索“骑行”而完成的商品成交量为2,分析得到“骑行”的分词数为1。另一方面,对于搜索词“加绒加厚打底裤女外穿”,数据库统计分析得到,近一周商品名称中包含“加绒加厚打底裤女外穿”的页面浏览量为350,近一周用户通过搜索“加绒加厚打底裤女外穿”而完成的商品成交量为15,分析得到“加绒加厚打底裤女外穿”的分词数为5。根据所述搜索词的浏览量、成交量、分词数,采用加权和算法分别计算搜索词“骑行”和“加绒加厚打底裤女外穿”的宽泛词指数值为0.83和0.37,设置当所述宽泛词指数值大于0.75时,确定所述搜索词为宽泛搜索词。因此,可以确定“骑行”为宽泛搜索词,“加绒加厚打底裤女外穿”不是宽泛搜索词。
表1宽泛搜索词评判表
本实施例中,可以将所述宽泛搜索词扩展成至少一个搜索成句,所述搜索成句中可以为包含所述宽泛搜索词信息的成句。在本申请的一个实施例中,可以首先对所述宽泛词进行文本分析,再将其扩展成至少一个搜索成句。图2是本申请提供的对宽泛词文本分析方法的一种实施例的方法流程图,如图2所示,所述将所述宽泛搜索词扩展成至少一个搜索成句包括:
S21:从所述宽泛搜索词中提取扩展信息,所述扩展信息至少包括下述中的一种:核心词、属性词、分词的权重,所属类目;
S22:至少基于预先设置的资讯语料库以及所述扩展信息,将所述宽泛搜索词扩展成至少一个搜索成句。
本实施例中,可以从所述宽泛搜索词中提取扩展信息,所述扩展信息至少包括下述中的一种:核心词、属性词、分词的权重,所属类目。其中,所述核心词可以为所述宽泛搜索词中最能表征搜索内容的分词,具体可以采用字典匹配计算得到所述核心词。例如,对于宽泛搜索词“拉风骑行装备”,可以提取得到所述宽泛搜索词的核心词为“骑行装备”。在后续对所述宽泛搜索词的扩展过程中,可以以所述核心词为基础词进行扩展。所述属性词可以提现搜索词的个性化信息,具体可以采用条件随机场算法提取所述属性词。例如对于上述宽泛搜索词“拉风骑行装备”,可以提取得到属性词为“拉风”。在后续对所述宽泛搜索词的扩展过程中,可以以所述属性词作为个性化扩展参考。所述分词的权重为所述宽泛搜索词中包含的各个分词的权重,具体可以参考预设词库中记录的分词的权重信息。例如,对于上述宽泛搜索词“拉风骑行装备”的分词“拉风”、“骑行”、“装备”,权重从大到小的排序为:装备>骑行>拉风。在后续对所述宽泛搜索词的扩展过程中,还可以将权重值较大的分词作为基础词进行扩展。所述宽泛搜索词的所属类目可以采用贝叶斯、最大熵等模型提取得到,提取所述宽泛搜索词的所属类目之后可以减少所述宽泛搜索词的扩展空间。例如,通过贝叶斯模型提取得到上述宽泛搜索词“拉风骑行装备”的所属类目为运动户外->骑行垂钓。
在本申请的一个实施例中,还提供一种扩展宽泛搜索词的方法,图3是本申请提供的扩展宽泛搜索词方法的一种实施例的方法流程图,如图3所示,所述将所述宽泛搜索词扩展成至少一个搜索成句可以包括:
S31:从所述宽泛搜索词包含的分词中提取至少一个基础分词。
本实施例中,可以从所述宽泛搜索词包含的分词中提取至少一个基础分词,所述基础分词可以作为扩展所述宽泛搜索词的基础。例如,在本申请的一个实施例中,所述基础分词可以为所述宽泛搜索词的核心词。在本申请的另一个实施例中,所述基础分词还可以为所述宽泛搜索词包含的分词中权重值最大的分词。
在本申请的一个实施例中,所述基础分词还可以包括所述分词的同义词或者近义词。在实际场景中,由于用户的语言表达习惯不同,往往会提供低频的宽泛搜索词,例如,对于宽泛搜索词“杭州旅店”,虽然分词“旅店”的使用频次较低,但是根据“旅店”的近义词“酒店”、“客栈”等,可以推断出用户的搜索意图。在具体的实施方式中,可以从预设的近义同义词库中获取与所述分词的近义词或者同义词。本实施例一方面可以扩展宽泛搜索词的丰富性,另一方面还可以增强低频词的扩展性。
S32:从预先设置的资讯语料库中获取与所述基础分词相关联的词语。
本实施例中,可以从预先设置的资讯语料库中获取与所述基础分词相关联的词语。所述资讯语料库可以为基于海量的资讯信息构建而成的语言模型,所述资讯语料库可以根据统计得到的所述资讯信息中词语之间的关联频次等信息,建立词语之间的关联关系。需要说明的是,所述资讯信息可以包括新闻、供求、动态、技术、政策、评论、观点和学术等多种范畴的信息,所述资讯信息可以给用户带来一定的使用价值,并且可以获取用户的反馈信息。本实施例中,可以基于N-gram模型获取与所述基础分词相关联的词语,所述N-gram模型可以对离线资讯信息进行词向量计算,将表述同一类信息的词语聚集到同一簇中。因此,基于所述N-gram模型可以获取与所述基础分词相关性较大的词语。例如,根据N-gram模型,可以从提供的资讯语料库获取“热爱”、“户外”、“周末”、“外出”、“眼镜”、“时光”等与“骑行”相关联的词语。
S33:将所述基础分词与所述关联的词语组合成搜索成句。
本实施例中,可以将所述基础分词与获取的所述关联的词语组合成搜索成句。例如,根据基础分词“骑行”以及从资讯语料库中提取的与“骑行”相关联的词语,可以组合成“热爱骑行装备必备眼镜”、“户外骑行服选择周末外出”、“爱骑行装备逼格”等搜索成句。
一般地,若仅仅将基础分词与所述关联的词语组合之后,获取的搜索成句往往具有语病问题,困惑度值较高。但是,资讯信息中所包含的信息往往是语义明确、语序正确的成句,如果搜索成句的困惑度值较高,那么后续难以获取比较准确、价值较高的资讯信息。本实施例中可以对组合而成的初级成句进行平滑后,生成搜索成句。图4是本申请提供的生成搜索成句方法的一种实施例的方法流程图,如图4所示,所述将所述基础分词与所述关联的词语组合成搜索成句可以包括:
S41:使用预设语言模型将所述基础分词与所述关联的词语组合,生成初级成句;
S42:对所述初级成句平滑处理,生成搜索成句。
本实施例中,可以使用预设语言模型将所述基础分词与所述关联的词语组合,生成初级成句,例如上述根据基础分词“骑行”以及从资讯语料库中提取的与“骑行”相关联的词语,可以组合成“热爱骑行装备必备眼镜”、“户外骑行服选择周末外出”、“爱骑行装备逼格”等初级成句。可以发现,上述初级成句的困惑度值较高,本实施例中,可以利用如N-gram等语言模型对所述初级成句进行平滑处理后,生成所述搜索成句。例如,可以将“热爱骑行装备必备眼镜”平滑处理成“热爱骑行装备之必备眼镜”,将“户外骑行服选择周末外出”平滑处理成“服周末外出选择户外骑行”,将“爱骑行装备逼格”平滑处理成“爱骑行的您装备够逼格吗”。
本实施例中,对所述基础分词与所述关联的词语组合而成的初级成句进行平滑处理,可以大大降低生成的搜索成句的困惑度值,有利于后续从资讯信息集中获取与所述搜索成句相匹配的利用价值较高的资讯信息。
本实施例中,还可以对所述搜索成句进行筛选,图5是本申请提供的搜索成句筛选方法的一种实施例的方法流程图,如图5所示,所述方法还包括:
S51:计算所述搜索成句的预设参数的参数值,所述预设参数至少包括下述中的一种:语义困惑度、用户信息匹配指数、资讯信息召回指数。
本实施例中,可以基于所述搜索成句的预设参数对所述搜索成句进行筛选,具体地,所述预设参数至少可以包括下述中的一种:语义困惑度、用户信息匹配指数、资讯信息召回指数。其中,所述语义困惑度可以根据语言模型计算得到,所述语义困惑度值可以用来确定所述搜索成句的语义精确度,语义越精确,所述语义困惑度值越低。所述用户信息匹配指数可以用来确定所述搜索成句与用户个性化信息之间的匹配程度。本实施例中,可以根据服务器中离线存储的用户个性化信息,获取用户的基本资料、属性偏好、产品偏好等信息,根据所述搜索成句的内容以及所述用户个性化信息,可以计算得到所述用户信息匹配指数。所述资讯信息召回指数可以用来确定所述搜索成句关联的资讯信息的数量和质量,所述资讯信息召回指数越高,所述搜索成句关联的资讯信息数量越多、质量越高。
S52:根据所述参数值以及所述预设参数的预设权重指数,计算所述搜索成句的综合指数。
本实施例中,可以根据所述参数值以及所述预设参数的预设权重指数,计算所述搜索成句的综合指数。例如,可以采用加权和算法计算所述综合指数,具体可以用下式(1)计算:综合指数=权值1×语义困惑度+权值2×用户信息匹配指数+权值3×资讯信息召回指数(1)
所述预设参数的权重指数可以根据实际应用场景中预设参数影响因子进行设定,例如,所述语义困惑度的值越高,所述搜索成句的语义越不明确,因此,式(1)中的权值1应为负值。
S53:根据所述综合指数,采用预设规则从所述至少一个搜索成句中筛选出目标搜索成句。
本实施例中,可以根据计算得到的所述综合指数,采用预设规则从所述至少一个搜索成句中筛选出目标搜索成句。在本申请的一个实施例中,所述预设规则可以被设置成:
从所述至少一个搜索成句中筛选出所述综合指数大于第一阈值,和/或将所述综合指数从高到低排序后位于前第二阈值的目标搜索成句。
本实施例中,可以将综合指数>第一阈值,和/或综合指数排名<第二阈值的搜索成句作为目标搜索成句,既可以保证目标搜索成句的多样性,还可以保证所述目标搜索成句的高综合指数,提高后续匹配资讯信息的效率。
当然,相应地,所述从选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息可以包括:
从选取的资讯信息集中获取与所述目标搜索成句相匹配的推荐资讯信息。
需要说明的是,在生成所述搜索成句之后,可以展示所述搜索成句,例如,可以在客户端搜索输入框下面展示所述搜索成句,以供用户选择。
本实施例中,可以基于从宽泛搜索词中提取的基础分词,从资讯语料库中获取与所述基础分词相关联的词语,并将所述基础分词与所述关联的词语组合成搜索成句。一方面,使得生成的搜索成句基于原始的宽泛搜索词,保护用户的搜索主题,另一方面,基于提供的资讯语料库对所述基础分词进行扩展,不仅可以丰富所述基础分词的搜索内容,还可以使得扩展得到的所述搜索成句更接近于资讯信息。
S2:从选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息。
本实施例中,为了给用户提供更加全面的引导信息,不仅可以在向用户展示所述搜索成句,还可以向用户展示由所述宽泛搜索词扩展得到的搜索短语。图6是本申请提供的引导信息展示方法的一种实施例的方法流程图,如图6所示,在将所述宽泛搜索词扩展成至少一个搜索成句之后,所述方法还包括:
S61:按照预设扩展规则将所述宽泛搜索词扩展成至少一个搜索短语。
S62:展示所述搜索成句和所述搜索短语。
本实施例中,所述预设扩展规则可以包括根据用户的搜索日志,将所述宽泛搜索词扩展成信息量更多的搜索词。例如,将宽泛搜索词“骑行”扩展成“骑行服”、“骑行手套”、“骑行头盔”、“骑行装备夏季”等搜索短语或者搜索短语的组合。在扩展生成所述搜索短语之后,可以展示所述搜索成句和所述搜索短语,同样地,具体可以在搜索输入框下面展示所述搜索成句和所述搜索短语,以供用户选择。
本实施例中,可以基于所述宽泛搜索词,从资讯信息和精确搜索词两个角度向用户展示更加全面的引导信息,增强用户的体验感。
相应地,如图6所示,所述从选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息可以包括:
S63:接收搜索请求,判断所述搜索请求中是否包含所述搜索成句;
S64:若判断结果为是,则响应于所述搜索请求,从选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息。
本实施例中,向用户展示所述搜索成句和所述搜索短语之后,若用户选择展示的搜索成句或者搜索短语之后,客户端将生成搜索请求,并将所述搜索请求发送至服务器,其中,所述搜索请求中至少包含用户选择的搜索成句或者搜索短语。服务器在接收所述搜索请求之后,可以判断所述搜索请求中是否包含所述搜索成句,若判断的结果为是,则响应于所述搜索请求,进一步地,从所述资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息。
本实施例中,所述资讯信息集可以包括从服务器中选取的资讯信息的集合,还可以包括从服务器以外的存储系统中选取的资讯信息的集合。如上所述,所述资讯信息可以多种范畴的信息,所述资讯信息可以给用户带来一定的使用价值,并且可以获取用户的反馈信息。在从选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息的过程中,可以提取所述搜索成句的关键词,再利用例如倒排索引的方法,根据所述关键词,索引得到所述资讯信息集中与所述关键词相关联的至少一个推荐资讯信息。例如,对于搜索成句“爱骑行的您装备够逼格吗”,提取得到所述搜索成句的关键词为“骑行”、“装备”,根据所述关键词可以从提供的资讯信息集中匹配得到“骑行装备,一路有你”、“爱骑行的您装备够逼格吗”等推荐资讯信息。
在实际场景中,一般只会向用户展示数量有限的资讯信息,若从提供的所述资讯信息集中获取数量较多的与所述搜索成句相匹配的推荐资讯信息,可以对所述推荐资讯信息进行筛选。在本申请的一个实施例中,提供一种对推荐资讯信息筛选的方法,图7是本申请提供的资讯信息筛选方法的一种实施例的方法流程图,如图7所示,在所述从选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息之后,所述方法还可以包括:
S71:从所述推荐资讯信息中提取与所述搜索成句具有关联关系的推广关联项。
S72:计算所述推荐资讯信息以及所述推广关联项的评分指数。
S73:根据所述推荐资讯信息以及所述推荐资讯信息包含的推广关联项的评分指数,从所述推荐资讯信息中筛选出目标资讯信息。
资讯信息中不仅可以包含切合主题的文本内容,一般还提供相应的推广信息。例如,购物平台中的资讯信息中往往提供与资讯主体相关的商品链接。在提取所述推荐资讯信息中与所述搜索成句具有关联关系的推广关联项之后,还可以计算所述推荐资讯信息以及所述推广关联项的评分指数。其中,所述推荐资讯信息的评分指数可以根据所述推荐资讯信息的文本质量、点击率、评论数、收藏数等参数确定,所述推广关联项的评分指数可以根据所述推广关联项的点击数、与所述搜索成句的关联性等参数确定。根据所述推荐资讯信息以及所述推荐资讯信息包含的推广关联项的评分指数,可以从所述至少一个推荐资讯信息中筛选出目标资讯信息。具体的筛选方法可以参考上述筛选搜索成句的方法,根据所述推荐资讯信息以及所述推广关联项的评分指数,采用加权和算法计算得到所述推荐资讯信息的综合指数,按照所述预设规则根据所述综合指数值筛选出目标资讯信息,所述预设规则参考S53,在此不再赘述。
本实施例中,可以根据所述推荐资讯信息的质量,从众多推荐资讯信息中筛选得到利用价值较高的推荐资讯信息。
S3:展示至少一条所述推荐资讯信息。
本实施例中,可以展示所述获取的至少一条所述推荐资讯信息。在本申请的另一个实施例中,如图7所示,所述展示至少一条所述推荐资讯信息可以包括:
在获取所述目标资讯信息之后,可以展示所述目标资讯信息以及所述目标资讯信息包含的推广关联项。
所述推荐资讯信息具体的展示方式可以为列表形式,将所述目标资讯信息以及所述推广关联项的主要信息展示于所述列表中,用户通过点击所述列表中的相应资讯信息或者推广关联项,可以直接进入所述资讯信息或者推广关联项的内容页。
下面通过一个具体的场景说明本实施例方法,用户在购物客户端中的宝贝输入框中输入搜索词“拉风骑行”,根据所述搜索词的网页浏览量、商品成交量、分词数等参数,确定搜索词“拉风骑行”为宽泛搜索词。将所述宽泛搜索词“拉风骑行”分成“拉风”、“骑行”两个分词,经过分析计算,将“骑行”设置为所述宽泛搜索词的核心词、将“拉风”设置为所述宽泛搜索词的属性词。本场景中,将核心词“骑行”作为基础分词,从预先设置的资讯语料库中获取与“骑行”相关联的词语,其中包括“装备”、“热爱”、“眼镜”、“户外”、“周末”、“外出”、“服装”、“时光”等多个词语。根据所述基础分词“骑行”以及获取的多个关联词语,组合生成如表2所示的搜索成句,表2中还展示了所述搜索成句的语义困惑度。本实施例中,可以排除语义困惑度较高的搜索成句“户外骑行服选择周末外出”和“环岛骑行服装一路星辰”。然后,可以分别计算“热爱骑行装备必备之眼镜”、“爱骑行的您装备够逼格吗”、“骑行的最美时光留给自己”、……多个搜索成句对应的语义困惑度值、用户信息匹配指数值、资讯信息召回指数值,生成如表3所示的搜索成句与预设参数关系对应表。本场景中,可以根据搜索账户对应的用户信息,计算用户与所述搜索成句的匹配指数。例如,已知搜索账户A的个人信息为“性别:男,年龄:28,购买力:强,标签:旅游、文艺、音乐;购买历史:山地车、背包、相机……”,根据A的个人信息可以分别各个搜索成句的用户信息匹配指数值。本场景中,还可以根据所述搜索成句所关联的资讯信息个数、资讯信息质量等参数计算所述搜索成句的资讯信息召回指数值。最后,设置所述语义困惑度的权重值为-0.0001,设置所述用户信息匹配指数的权重值为0.5,设置所述资讯信息召回指数值的权重值为0.5,根据公式(1)分别计算搜索成句的综合指数。根据所述综合指数,筛选出综合指数>0.3,且综合指数排名≤3的目标搜索成句,表3中所展示的三个搜索成句即为所述目标搜索成句。本实施例中,还可以根据用户的搜索日志,将所述宽泛搜索词扩展成信息量更多的搜索词。例如,根据与“骑行”相关的搜索词的搜索热度,将“骑行”扩展成“骑行手套”、“骑行服”、“骑行装备”、“骑行面罩”等搜索短语。此时,如图8所示,可以在输入框的下方展示所述目标搜索成句以及所述搜索短语。若用户点击其中的目标搜索成句,则从选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息。表4为目标资讯信息与资讯信息评分关系对应表,所述目标资讯信息为根据获取的推荐资讯信息以及推荐资讯信息中的推广关联项的评分指数筛选得到的资讯信息。最后,如图9所示,以列表的形式向用户展示所述目标资讯信息以及所述目标资讯信息中推广的商品信息。
表2搜索成句及语义困惑度对应表
搜索成句 | 语义困惑度值 |
热爱骑行装备必备之眼镜 | 528 |
户外骑行服选择周末外出 | 1440 |
环岛骑行服装一路星辰 | 2788 |
爱骑行的您装备够逼格吗 | 651 |
骑行的最美时光留给自己 | 480 |
表3搜索成句与预设参数值关系对应表
表4目标资讯信息与资讯信息评分关系对应表
本申请提供的信息推荐的处理方法,在确定获取的搜索词为宽泛搜索词时,可以将所述宽泛搜索词扩展成至少一个搜索成句,再从选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息,最后展示至少一条所述推荐资讯信息。将所述宽泛搜索词扩展成搜索成句,一方面,可以基于原始的宽泛搜索词,保护用户的搜索主题,另一方面,基于提供的资讯预料库对所述宽泛搜索词进行扩展,不仅可以丰富所述宽泛搜索词的有效信息,还可以使得扩展后的所述搜索成句更接近于资讯信息。相对于现有技术中,根据用户搜索日志扩展宽泛搜索词,并向用户推荐范围很小的精确信息的方法,本实施例中可以向用户推荐与所述搜索成句相匹配的推荐资讯信息,所述推荐资讯信息不仅丰富用户选择的空间,还可以给用户提供进一步的搜索引导。
本申请另一方面还提供一种信息推荐的处理装置,图10是本申请提供的信息推荐处理装置的一种实施例的模块结构示意图,如图10所示,所述装置100可以包括:
宽泛词扩展单元101,用于确定获取的搜索词为宽泛搜索词时,基于预先设置的资讯语料库,将所述宽泛搜索词扩展成至少一个搜索成句;
推荐资讯信息获取单元102,用于从选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息;
资讯信息展示单元103,用于展示至少一条所述推荐资讯信息。
本申请提供的信息推荐的处理装置,在确定获取的搜索词为宽泛搜索词时,可以将所述宽泛搜索词扩展成至少一个搜索成句,再从选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息,最后展示至少一条所述推荐资讯信息。将所述宽泛搜索词扩展成搜索成句,一方面,可以基于原始的宽泛搜索词,保护用户的搜索主题,另一方面,基于提供的资讯预料库对所述宽泛搜索词进行扩展,不仅可以丰富所述宽泛搜索词的有效信息,还可以使得扩展后的所述搜索成句更接近于资讯信息。相对于现有技术中,根据用户搜索日志扩展宽泛搜索词,并向用户推荐范围很小的精确信息的方法,本实施例中可以向用户推荐与所述搜索成句相匹配的推荐资讯信息,所述推荐资讯信息不仅丰富用户选择的空间,还可以给用户提供进一步的搜索引导。
在本申请的一个实施例中,图11是本申请提供的宽泛词扩展单元的一种实施例的模块结构示意图,如图11所示,所述宽泛词扩展单元101可以包括:
扩展信息提取单元111,用于从所述宽泛搜索词中提取扩展信息,所述扩展信息至少包括下述中的一种:核心词、属性词、分词的权重,所属类目;
搜索成句生成单元112,用于至少基于预先设置的资讯语料库以及所述扩展信息,将所述宽泛搜索词扩展成至少一个搜索成句。
在本申请的一个实施例中,图12是本申请提供的宽泛词扩展单元的另一种实施例的模块结构示意图,如图12所示,所述宽泛词扩展单元101可以包括:
基础分词提取单元121,用于从所述宽泛搜索词包含的分词中提取至少一个基础分词;
关联词获取单元122,用于从预先设置的资讯语料库中获取与所述基础分词相关联的词语;
搜索成句组合单元123,用于将所述基础分词与所述关联的词语组合成搜索成句。
在本申请的一个实施例中,所述基础分词可以包括所述分词的同义词或者近义词。
在本申请的一个实施例中,图13是本申请提供的搜索成句组合单元的一种实施例的模块结构示意图,如图13所示,如图13所示,所述搜索成句组合单元123可以包括:
初级成句生成单元131,用于使用预设语言模型将所述基础分词与所述关联的词语组合,生成初级成句;
平滑单元132,用于对所述初级成句平滑处理,生成搜索成句。
在本申请的一个实施例中,图14是本申请提供的信息推荐处理装置的另一种实施例的模块结构示意图,如图14所示,所述装置140还可以包括:
预设参数值计算单元141,用于计算所述搜索成句的预设参数的参数值,所述预设参数至少包括下述中的一种:语义困惑度、用户信息匹配指数、资讯信息召回指数;
综合指数计算单元142,用于根据所述参数值以及所述预设参数的预设权重指数,计算所述搜索成句的综合指数;
搜索成句筛选单元144,用于根据所述综合指数,采用预设规则从所述至少一个搜索成句中筛选出目标搜索成句;
相应地,所述推荐资讯信息获取单元102,还用于从选取的资讯信息集中获取与所述目标搜索成句相匹配的推荐资讯信息。
在本申请的一个实施例中,所述预设规则被设置成:
从所述至少一个搜索成句中筛选出所述综合指数大于第一阈值,和/或将所述综合指数从高到低排序后位于前第二阈值的目标搜索成句。
在本申请的一个实施例中,图15是本申请提供的信息推荐处理装置的另一种实施例的模块结构示意图,如图15所示,所述装置150还可以包括:
推广关联项获取单元151,用于从所述推荐资讯信息中提取与所述搜索成句具有关联关系的推广关联项;
评分指数计算单元152,用于计算所述推荐资讯信息以及所述推广关联项的评分指数;
目标资讯信息筛选单元153,用于根据所述推荐资讯信息以及所述推荐资讯信息包含的推广关联项的评分指数,从所述推荐资讯信息中筛选出目标资讯信息。
在本申请的一个实施例中,所述资讯信息展示单元103,还用于展示至少一条所述目标资讯信息以及所述目标资讯信息包含的推广关联项。
在本申请的一个实施例中,图16是本申请提供的信息推荐处理装置的另一种实施例的模块结构示意图,如图16所示,所述装置160还可以包括:
搜索短语获取单元161,用于按照预设扩展规则将所述宽泛搜索词扩展成至少一个搜索短语;
成句短语展示单元162,用于展示所述搜索成句和所述搜索短语。
在本申请的一个实施例中,图17是本申请提供的推荐资讯信息获取单元的一种实施例的模块结构示意图,如图17所示,所述推荐资讯信息获取单元102包括:
搜索成句判断单元171,用于接收搜索请求,判断所述搜索请求中是否包含所述搜索成句;
搜索请求响应单元172,用于若判断结果为是,则响应于所述搜索请求,从选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息。
本申请最后还提供一种客户端,图18是本申请提供的客户端的一种实施例的模块结构示意图,如图18所示,所述客户端180包括:
存储器181,用于存储预先设置的资讯语料库,以及存储选取的资讯信息集;
处理器182,用于确定获取的搜索词为宽泛搜索词时,基于所述预先设置的资讯语料库,将所述宽泛搜索词扩展成至少一个搜索成句,以及,用于从所述选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息;
显示器183,用于展示至少一条所述推荐资讯信息。
尽管本申请内容中提到实施例中的推荐资讯信息展示、提取扩展信息、数据筛选等之类的数据展示、设置、处理描述,但是,本申请并不局限于必须是完全符合行业编程语言设计标准或实施例所描述的数据展示、处理的情况。某些页面设计语言或实施例描述的基础上略加修改后的实施方案也可以实行上述实施例相同、等同或相近、或变形后可预料的实施效果。当然,即使不采用上数据处理、判断的方式,只要符合本申请上述各实施例的推荐资讯信息展示、提取扩展信息、数据筛选方式,仍然可以实现相同的申请,在此不再赘述。
虽然本申请提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或客户端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
上述实施例阐明的单元、装置,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现。当然,本申请中所述的某一单元模块也可以将实现同一功能的模块由多个子模块或子模块的组合实现。
本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请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,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,移动终端,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例采用递进的方式描述,各个实施例之间相同或相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
虽然通过实施例描绘了本申请,本领域普通技术人员知道,本申请有许多变形和变化而不脱离本申请的精神,希望所附的权利要求包括这些变形和变化而不脱离本申请的精神。
Claims (23)
1.一种信息推荐的处理方法,其特征在于,所述方法包括:
确定获取的搜索词为宽泛搜索词时,基于预先设置的资讯语料库,将所述宽泛搜索词扩展成至少一个搜索成句;
从选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息;
展示至少一条所述推荐资讯信息。
2.根据权利要求1所述的处理方法,其特征在于,所述将所述宽泛搜索词扩展成至少一个搜索成句包括:
从所述宽泛搜索词中提取扩展信息,所述扩展信息至少包括下述中的一种:核心词、属性词、分词的权重,所属类目;
至少基于预先设置的资讯语料库以及所述扩展信息,将所述宽泛搜索词扩展成至少一个搜索成句。
3.根据权利要求1所述的处理方法,其特征在于,所述将所述宽泛搜索词扩展成至少一个搜索成句包括:
从所述宽泛搜索词包含的分词中提取至少一个基础分词;
从预先设置的资讯语料库中获取与所述基础分词相关联的词语;
将所述基础分词与所述关联的词语组合成搜索成句。
4.根据权利要求3所述的处理方法,其特征在于,所述基础分词包括所述分词的同义词或者近义词。
5.根据权利要求3所述的处理方法,其特征在于,所述将所述基础分词与所述关联的词语组合成搜索成句包括:
使用预设语言模型将所述基础分词与所述关联的词语组合,生成初级成句;
对所述初级成句平滑处理,生成搜索成句。
6.根据权利要求3或4所述的处理方法,其特征在于,在将所述宽泛搜索词扩展成至少一个搜索成句之后,所述方法还包括:
计算所述搜索成句的预设参数的参数值,所述预设参数至少包括下述中的一种:语义困惑度、用户信息匹配指数、资讯信息召回指数;
根据所述参数值以及所述预设参数的预设权重指数,计算所述搜索成句的综合指数;
根据所述综合指数,采用预设规则从所述至少一个搜索成句中筛选出目标搜索成句;
相应地,所述从选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息包括:
从选取的资讯信息集中获取与所述目标搜索成句相匹配的推荐资讯信息。
7.根据权利要求6所述的处理方法,其特征在于,所述预设规则被设置成:
从所述至少一个搜索成句中筛选出所述综合指数大于第一阈值,和/或将所述综合指数从高到低排序后位于前第二阈值的目标搜索成句。
8.根据权利要求1所述的处理方法,其特征在于,在从选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息之后,所述方法还包括:
从所述推荐资讯信息中提取与所述搜索成句具有关联关系的推广关联项;
计算所述推荐资讯信息以及所述推广关联项的评分指数;
根据所述推荐资讯信息以及所述推荐资讯信息包含的推广关联项的评分指数,从所述推荐资讯信息中筛选出目标资讯信息。
9.根据权利要求8所述的处理方法,其特征在于,所述展示至少一条所述推荐资讯信息包括:
展示至少一条所述目标资讯信息以及所述目标资讯信息包含的推广关联项。
10.根据权利要求1所述的处理方法,其特征在于,在将所述宽泛搜索词扩展成至少一个搜索成句之后,所述方法还包括:
按照预设扩展规则将所述宽泛搜索词扩展成至少一个搜索短语;
展示所述搜索成句和所述搜索短语。
11.根据权利要求10所述的处理方法,其特征在于,所述从选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息包括:
接收搜索请求,判断所述搜索请求中是否包含所述搜索成句;
若判断结果为是,则响应于所述搜索请求,从选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息。
12.一种信息推荐的处理装置,其特征在于,所述装置包括:
宽泛词扩展单元,用于确定获取的搜索词为宽泛搜索词时,基于预先设置的资讯语料库,将所述宽泛搜索词扩展成至少一个搜索成句;
推荐资讯信息获取单元,用于从选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息;
资讯信息展示单元,用于展示至少一条所述推荐资讯信息。
13.根据权利要求12所述的处理装置,其特征在于,所述宽泛词扩展单元包括:
扩展信息提取单元,用于从所述宽泛搜索词中提取扩展信息,所述扩展信息至少包括下述中的一种:核心词、属性词、分词的权重,所属类目;
搜索成句生成单元,用于至少基于预先设置的资讯语料库以及所述扩展信息,将所述宽泛搜索词扩展成至少一个搜索成句。
14.根据权利要求12所述的处理装置,其特征在于,所述宽泛词扩展单元包括:
基础分词提取单元,用于从所述宽泛搜索词包含的分词中提取至少一个基础分词;
关联词获取单元,用于从预先设置的资讯语料库中获取与所述基础分词相关联的词语;
搜索成句组合单元,用于将所述基础分词与所述关联的词语组合成搜索成句。
15.根据权利要求14所述的处理装置,其特征在于,所述基础分词包括所述分词的同义词或者近义词。
16.根据权利要求14所述的处理装置,其特征在于,所述搜索成句组合单元包括:
初级成句生成单元,用于使用预设语言模型将所述基础分词与所述关联的词语组合,生成初级成句;
平滑单元,用于对所述初级成句平滑处理,生成搜索成句。
17.根据权利要求14或15所述的处理装置,其特征在于,所述装置还包括:
预设参数值计算单元,用于计算所述搜索成句的预设参数的参数值,所述预设参数至少包括下述中的一种:语义困惑度、用户信息匹配指数、资讯信息召回指数;
综合指数计算单元,用于根据所述参数值以及所述预设参数的预设权重指数,计算所述搜索成句的综合指数;
搜索成句筛选单元,用于根据所述综合指数,采用预设规则从所述至少一个搜索成句中筛选出目标搜索成句;
相应地,所述推荐资讯信息获取单元,还用于从选取的资讯信息集中获取与所述目标搜索成句相匹配的推荐资讯信息。
18.根据权利要求17所述的处理装置,其特征在于,所述预设规则被设置成:
从所述至少一个搜索成句中筛选出所述综合指数大于第一阈值,和/或将所述综合指数从高到低排序后位于前第二阈值的目标搜索成句。
19.根据权利要求12所述的处理装置,其特征在于,所述装置还包括:
推广关联项获取单元,用于从所述推荐资讯信息中提取与所述搜索成句具有关联关系的推广关联项;
评分指数计算单元,用于计算所述推荐资讯信息以及所述推广关联项的评分指数;
目标资讯信息筛选单元,用于根据所述推荐资讯信息以及所述推荐资讯信息包含的推广关联项的评分指数,从所述推荐资讯信息中筛选出目标资讯信息。
20.根据权利要求19所述的处理装置,其特征在于,所述资讯信息展示单元,还用于展示至少一条所述目标资讯信息以及所述目标资讯信息包含的推广关联项。
21.根据权利要求12所述的处理装置,其特征在于,所述装置还包括:
搜索短语获取单元,用于按照预设扩展规则将所述宽泛搜索词扩展成至少一个搜索短语;
成句短语展示单元,用于展示所述搜索成句和所述搜索短语。
22.根据权利要求21所述的处理装置,其特征在于,所述推荐资讯信息获取单元包括:
搜索成句判断单元,用于接收搜索请求,判断所述搜索请求中是否包含所述搜索成句;
搜索请求响应单元,用于若判断结果为是,则响应于所述搜索请求,从选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息。
23.一种客户端,其特征在于,所述客户端包括:
存储器,用于存储预先设置的资讯语料库,以及存储选取的资讯信息集;
处理器,用于确定获取的搜索词为宽泛搜索词时,基于所述预先设置的资讯语料库,将所述宽泛搜索词扩展成至少一个搜索成句,以及,用于从所述选取的资讯信息集中获取与所述搜索成句相匹配的推荐资讯信息;
显示器,用于展示至少一条所述推荐资讯信息。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610852965.2A CN107871259A (zh) | 2016-09-26 | 2016-09-26 | 一种信息推荐的处理方法、装置及客户端 |
US15/715,983 US20180089325A1 (en) | 2016-09-26 | 2017-09-26 | Method, Apparatus and Client of Processing Information Recommendation |
PCT/US2017/053478 WO2018058118A1 (en) | 2016-09-26 | 2017-09-26 | Method, apparatus and client of processing information recommendation |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610852965.2A CN107871259A (zh) | 2016-09-26 | 2016-09-26 | 一种信息推荐的处理方法、装置及客户端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107871259A true CN107871259A (zh) | 2018-04-03 |
Family
ID=61686320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610852965.2A Pending CN107871259A (zh) | 2016-09-26 | 2016-09-26 | 一种信息推荐的处理方法、装置及客户端 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20180089325A1 (zh) |
CN (1) | CN107871259A (zh) |
WO (1) | WO2018058118A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112765466A (zh) * | 2021-01-15 | 2021-05-07 | 电子科技大学 | 一种基于用户历史的装备个性化推荐方法 |
CN112925900A (zh) * | 2021-02-26 | 2021-06-08 | 北京百度网讯科技有限公司 | 搜索信息处理方法、装置、设备及存储介质 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7268528B2 (ja) * | 2019-08-06 | 2023-05-08 | 株式会社Jvcケンウッド | 情報処理装置、プログラム |
CN110765771B (zh) * | 2019-09-17 | 2023-05-05 | 创新先进技术有限公司 | 用于确定广告语句的方法及装置 |
CN112463841B (zh) * | 2020-11-03 | 2023-04-21 | 贵州江南航天信息网络通信有限公司 | 一种基于工业大数据的智能化决策与精准推送的方法及引擎 |
CN112596617A (zh) * | 2020-12-25 | 2021-04-02 | 维沃移动通信有限公司 | 消息内容的输入方法、装置和电子设备 |
CN113806519A (zh) * | 2021-09-24 | 2021-12-17 | 金蝶软件(中国)有限公司 | 一种搜索召回方法、装置及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070061301A1 (en) * | 2005-09-14 | 2007-03-15 | Jorey Ramer | User characteristic influenced search results |
US20070203929A1 (en) * | 2006-02-28 | 2007-08-30 | Ebay Inc. | Expansion of database search queries |
US7752243B2 (en) * | 2006-06-06 | 2010-07-06 | University Of Regina | Method and apparatus for construction and use of concept knowledge base |
CN101779180A (zh) * | 2007-08-08 | 2010-07-14 | 贝诺特公司 | 基于背景的内容推荐的方法和设备 |
CN103136224A (zh) * | 2011-11-24 | 2013-06-05 | 百度时代网络技术(北京)有限公司 | 一种关键词的推荐方法和装置 |
CN104268176A (zh) * | 2012-06-26 | 2015-01-07 | 北京奇虎科技有限公司 | 一种基于搜索关键词的推荐方法及系统 |
CN104598511A (zh) * | 2014-10-23 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 搜索结果推荐方法、装置及系统 |
CN105205075A (zh) * | 2014-06-26 | 2015-12-30 | 中国科学院软件研究所 | 基于协同自扩展的命名实体集合扩展方法及查询推荐方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8392440B1 (en) * | 2009-08-15 | 2013-03-05 | Google Inc. | Online de-compounding of query terms |
US8762302B1 (en) * | 2013-02-22 | 2014-06-24 | Bottlenose, Inc. | System and method for revealing correlations between data streams |
US9836529B2 (en) * | 2014-09-22 | 2017-12-05 | Oracle International Corporation | Semantic text search |
-
2016
- 2016-09-26 CN CN201610852965.2A patent/CN107871259A/zh active Pending
-
2017
- 2017-09-26 US US15/715,983 patent/US20180089325A1/en not_active Abandoned
- 2017-09-26 WO PCT/US2017/053478 patent/WO2018058118A1/en active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070061301A1 (en) * | 2005-09-14 | 2007-03-15 | Jorey Ramer | User characteristic influenced search results |
US20070203929A1 (en) * | 2006-02-28 | 2007-08-30 | Ebay Inc. | Expansion of database search queries |
US7752243B2 (en) * | 2006-06-06 | 2010-07-06 | University Of Regina | Method and apparatus for construction and use of concept knowledge base |
CN101779180A (zh) * | 2007-08-08 | 2010-07-14 | 贝诺特公司 | 基于背景的内容推荐的方法和设备 |
CN103136224A (zh) * | 2011-11-24 | 2013-06-05 | 百度时代网络技术(北京)有限公司 | 一种关键词的推荐方法和装置 |
CN104268176A (zh) * | 2012-06-26 | 2015-01-07 | 北京奇虎科技有限公司 | 一种基于搜索关键词的推荐方法及系统 |
CN105205075A (zh) * | 2014-06-26 | 2015-12-30 | 中国科学院软件研究所 | 基于协同自扩展的命名实体集合扩展方法及查询推荐方法 |
CN104598511A (zh) * | 2014-10-23 | 2015-05-06 | 腾讯科技(深圳)有限公司 | 搜索结果推荐方法、装置及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112765466A (zh) * | 2021-01-15 | 2021-05-07 | 电子科技大学 | 一种基于用户历史的装备个性化推荐方法 |
CN112765466B (zh) * | 2021-01-15 | 2022-05-03 | 电子科技大学 | 一种基于用户历史的装备个性化推荐方法 |
CN112925900A (zh) * | 2021-02-26 | 2021-06-08 | 北京百度网讯科技有限公司 | 搜索信息处理方法、装置、设备及存储介质 |
CN112925900B (zh) * | 2021-02-26 | 2023-10-03 | 北京百度网讯科技有限公司 | 搜索信息处理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2018058118A1 (en) | 2018-03-29 |
US20180089325A1 (en) | 2018-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107871259A (zh) | 一种信息推荐的处理方法、装置及客户端 | |
US11507975B2 (en) | Information processing method and apparatus | |
WO2021159632A1 (zh) | 智能问答方法、装置、计算机设备及计算机存储介质 | |
CN106960001B (zh) | 一种检索词的实体链接方法及系统 | |
US9864803B2 (en) | Method and system for multimodal clue based personalized app function recommendation | |
CN111260437B (zh) | 一种基于商品方面级情感挖掘和模糊决策的产品推荐方法 | |
CN109582764A (zh) | 基于依存句法的交互注意力情感分析方法 | |
CN106815252A (zh) | 一种搜索方法和设备 | |
CN108268668B (zh) | 一种基于话题多样性的文本数据观点摘要挖掘方法 | |
CN106933821A (zh) | 一种基于相似度计算的个性化职位推荐方法和系统 | |
CN103577432A (zh) | 一种商品信息搜索方法和系统 | |
CN103207913A (zh) | 商品细粒度语义关系的获取方法和系统 | |
CN105095311B (zh) | 推广信息的处理方法、装置及系统 | |
CN104778283B (zh) | 一种基于微博的用户职业分类方法及系统 | |
CN105468790B (zh) | 一种评论信息检索方法和装置 | |
CA3166094A1 (en) | Commodity short title generation method and apparatus | |
CN104679731B (zh) | 提取页面中关键词的方法及装置 | |
CN103294681A (zh) | 一种搜索结果的生成方法和装置 | |
CN103902549B (zh) | 搜索数据排序的方法和装置,数据搜索的方法和装置 | |
Kiran et al. | User specific product recommendation and rating system by performing sentiment analysis on product reviews | |
CN111625718A (zh) | 一种基于用户搜索关键词数据的用户画像构建方法 | |
Wu et al. | Sentiment analysis of online product reviews based on SenBERT-CNN | |
Sangeetha et al. | Aspects based opinion mining from online reviews for product recommendation | |
Ollagnier et al. | Classification and event identification using word embedding | |
Liu et al. | An online activity recommendation approach based on the dynamic adjustment of recommendation lists |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180403 |