CN108140212B

CN108140212B - 用于确定搜索种子的系统和方法

Info

Publication number: CN108140212B
Application number: CN201680060233.8A
Authority: CN
Inventors: 托尔加·科尼卡; 拉吉雅什里·慕克吉
Original assignee: eBay Inc
Current assignee: eBay Inc
Priority date: 2015-08-14
Filing date: 2016-08-12
Publication date: 2022-08-09
Anticipated expiration: 2036-08-12
Also published as: EP3335132A1; WO2017031002A1; CN115222484A; KR102151905B1; KR102035435B1; KR20190119679A; US10839441B2; EP3335132A4; KR20180039154A; US20170206578A9; US20170046764A1; CN108140212A

Abstract

描述了用于确定搜索种子的系统和方法。所述系统识别包括在多个列表中的种子列表，所述多个列表描述正在基于网络的市场上供销售的项目。所述系统基于所述种子列表和概率来识别种子过滤器上下文。所述概率描述属性‑值对在分别描述先前在所述基于网络的市场上交易的项目的多个列表中的出现率。所述系统基于所述种子过滤器上下文从所述种子列表提取值。所述系统基于所述值初始化所述种子过滤器上下文，并基于所述种子过滤器上下文生成搜索结果。所述搜索结果包括从第一多个列表中识别的第二多个列表。最后，所述系统将界面信息传送给客户机，所述界面信息包括所述种子过滤器上下文和来自所述第二多个列表的至少一个列表。

Description

用于确定搜索种子的系统和方法

相关申请的交叉引用

本申请要求2015年8月14日提交的美国申请第14/827,196号的权益，该美国申请是一部分继续申请其要求了2014年8月15日提交的美国申请第14/460,728号的优先权、2014年8月15日提交的美国申请第14/ 460,690号的优先权、以及2014年8月15日提交的美国申请第14/460,7 67号的优先权，所有这些在先申请都要求了2014年6月9日提交的美国临时申请第62/009,817号的优先权，该美国临时申请的全部内容通过引用并入本文。

附图说明

附图中的各个附图仅示出了本发明的示例实施例，并且不能被认为限制其范围。

图1A示出根据一个实施例的在由关键词组成的查询中识别过滤器集合的系统；

图1B示出根据一个实施例的识别和呈现过滤器的系统；

图1C示出根据一个实施例的识别被选择的过滤器的值的系统；

图1D示出根据一个实施例的流行度表的生成的示意图；

图1E示出根据一个实施例的确定搜索种子的系统；

图2A至2D示出根据一个实施例的用户界面；

图3A至3C示出根据一个实施例的用户界面；

图4A至4B示出根据一个实施例的用户界面；

图4C至4D示出根据一个实施例的用户界面；

图5示出根据一个实施例的可以实现示例实施例的环境；

图6A示出根据一个实施例的搜索元数据；

图6B示出根据一个实施例的域信息；

图6C示出根据一个实施例的分类规则信息；

图6D示出根据一个实施例的分类规则；

图6E示出了根据一个实施例的属性-值对；

图6F示出根据一个实施例的项目表；

图6G示出根据一个实施例的列表；

图6H示出根据一个实施例的结构化信息；

图6I示出根据一个实施例的流行度表；

图6J示出根据一个实施例的属性-值流行度信息；

图6K示出根据一个实施例的图像表；

图7示出根据一个实施例的提取完成列表并生成流行度表的方法；

图8A示出在由关键词组成的查询中识别过滤器集合的方法；

图8B示出根据一个实施例的从关键词查询中提取过滤器集合的方法；

图8C示出根据一个实施例的对查询进行分析的方法；

图8D示出根据一个实施例的对过滤器集合进行评分的方法；

图9A示出根据一个实施例的识别和呈现过滤器的方法；

图9B示出根据一个实施例的识别过滤器上下文中的过滤器的顺序的方法；

图9C示出根据一个实施例的识别过滤器建议中的过滤器以及它们的呈现顺序的方法；

图9D示出根据一个实施例的表1至2；

图9E示出根据一个实施例的识别过滤器名称的值的有序集合的方法；

图9F示出根据一个实施例的表3至4；

图9G示出根据一个实施例的表5；

图10A示出根据一个实施例的识别所选择的过滤器的值的方法；

图10B示出根据一个实施例的生成界面的方法；

图10C示出根据一个实施例的确定搜索种子的方法；

图10D示出根据一个实施例的识别种子过滤器上下文中的过滤器的方法；

图10E示出根据一个实施例的识别种子过滤器建议中的过滤器的方法；

图10F示出根据一个实施例的表6；

图10G示出根据一个实施例的表7；

图10H示出根据一个实施例的表8；

图10I示出根据一个实施例的表9；

图11是示出基于高级客户端-服务器的网络架构的示例实施例的框图；

图12是示出发布系统的示例实施例的框图；

图13是示出根据一个实施例的由发布系统使用的表的框图；以及

图14是以计算系统作为示例形式的机器的框图，在所述机器中可以执行用于使得所述机器执行本文讨论的方法中的任何一个或多个方法的指令集。

具体实施方式

以下描述包括体现本发明的说明性实施例的系统、方法、技术、指令序列、和计算机器程序产品。在下文的描述中，出于解释的目的，阐述了很多具体细节以提供对本发明主题的实施例的理解。然而，本领域技术人员将显而易见的是：本发明主题的实施例可以在没有这些具体细节的情况下实施。一般而言，公知的指令实例、协议、结构和技术不被详细示出。

图1A示出了根据一个实施例的本公开的第一方面，其采用系统10 的形式，用于识别由关键词组成的查询中的过滤器集合。系统10可以接收查询，基于查询中的关键词识别查询中的多个过滤器集合，对每个过滤器集合进行评分，识别具有最高分数的过滤器集合，并利用具有最高分数的过滤器集合来识别描述在基于网络的市场上出售的项目 (item)的列表(例如搜索结果)。过滤器集合可以包括(多个)过滤器，所述过滤器进一步包括属性-值对。系统10可以基于描述属性- 值对在列表中的出现率的概率来从其他过滤器集合中识别出一个过滤器集合，所述列表描述先前在基于网络的市场上交易的项目。因此，系统10可以基于属性-值对在先前交易的列表中的流行度，来从查询的多个竞争性解释中进行选择。大体上，考虑一个卖家在基于网络的市场上列出要出售的项目，并且一个买家输入一个查询，该查询由基于网络的市场接收并处理以返回搜索结果。例如，图1A示出操作“A”，其中操作客户机的卖家可以输入描述项目的信息，该信息通过网络传送给基于网络的市场。在操作“B”中，基于网络的市场可以接收该信息并将其存储在项目表中的列表中。例如，基于网络的市场可以接收并在项目表中的列表中存储标题“红色IPHONE出售-便宜”。在操作“C”中，基于网络的市场可以进一步将分类规则应用于标题，以在操作“D”中以属性-值对的形式生成结构化信息。例如，基于网络的市场可以将分类规则应用于列表中的标题中包括的关键词，以识别属性- 值对“颜色＝红色”、“品牌＝苹果”和“类型＝手机”。基于网络的市场可以对标题中的关键词进行结构化，以识别不同的含义。再比如，考虑“苹果”一词并不意味着品牌，而是水果。也就是说，列表的标题(例如，“苹果园出售-昂贵但非常理想”)中的词“苹果”可具有不同的含义(例如，“水果＝苹果”)。另外，考虑基于网络的市场可以为查询中的相同的关键词识别出多个过滤器集合。

回到图1A，在操作“E”中，买家可以输入查询“红色苹果IPHON E”，基于网络的市场接收该查询，进而将分类规则应用于该查询，以在操作“F”中识别出四个过滤器集合。在操作“G”中，基于网络的市场可以从这四个过滤器集合中识别出一个过滤器集合，以作为查询“红色苹果IPHONE”的解释含义向卖家显示。系统10可以通过对每个过滤器集合评分来从多个可能集合中识别出一个过滤器集合，所述评分基于描述属性-值对在列表中的出现率的概率，所述列表描述先前在基于网络的市场上交易的项目(例如，完成列表)，如下面进一步所述。也就是说，可以基于(作为属性-值对的)每个过滤器出现在完成列表的标题中的概率，并且基于(作为属性-值对的)每个过滤器与过滤器集合中的每个其他过滤器共同出现在完成列表中的概率，来对每个过滤器集合评分。最后，在操作“G”中，基于网络的市场可以基于最高评分的过滤器集合来过滤项目表中的列表，以生成用于传送给由卖家操作的客户机的搜索结果。因此，系统10可以基于属性-值对在先前在基于网络的市场上进行了交易的列表中的出现率，从一组过滤器集合中选择最流行的过滤器集合。

图1B示出了根据一个实施例的本公开的第二方面，其采用系统20 的形式，用于识别并呈现过滤器。大体上，考虑一个买家在操作“A”中输入查询“红色苹果IPHONE”，该查询可以通过网络进行传送并且由基于网络的市场接收。在操作“B”中，基于网络的市场可以将分类规则应用于该查询，以在操作“C”中生成过滤器上下文，其形式为过滤器“颜色＝红色”、“品牌＝苹果”和“类型＝[PHONE”的集合。在操作“D”中，基于网络的市场可以识别过滤器在用户界面上的呈现顺序(例如，“类型＝IPHONE”、“品牌＝苹果”和“颜色＝红色”)。此外，在操作“E”中，系统20可以以第二个过滤器集合的形式来识别和呈现过滤器建议，包括它们在用户界面上呈现的顺序。系统20可以基于过滤器上下文中的过滤器以及描述属性-值对(例如，过滤器)在列表中的出现率的概率来识别过滤器建议中的过滤器以及它们的呈现顺序，所述列表描述先前在基于网络的市场中交易的项目(例如，完成列表)。也就是说，可以基于(作为属性-值对的)过滤器在完成列表中出现的概率，并且基于(作为属性-值对的)过滤器与过滤器上下文中的每个其他过滤器共同出现在完成列表中的概率，来确定过滤器建议中的每个过滤器及其呈现顺序。最后，系统20可以生成包括基于过滤器上下文识别的搜索结果在内的用户界面，并且通过网络将用户界面传送给客户机。

图1C示出了根据一个实施例的本公开的第三方面，其采用系统30 的形式，用于识别针对所选择的过滤器的值。大体上，考虑一个买家在操作“A”中，选择过滤器“颜色＝黑色”以更新概念查询(未示出) “颜色＝红色”、“品牌＝苹果”和“类型＝IPHONE”中的过滤器“颜色＝红色”。该选择可以通过网络传送并由基于网络的市场接收。在操作“B”中，基于网络的市场可以基于过滤器名称“颜色”和概念查询中的其他过滤器(例如，“品牌＝苹果”，“类型＝IPHONE”)识别过滤器集合，识别它们的呈现顺序，生成用户界面，并且在操作“C”中通过网络将该用户界面传送回客户机。因此，用户界面可以包括更新后的概念查询(例如“颜色＝黑色”、“品牌＝苹果”和“类型＝IPHO NE”)、以指示顺序排列的用于所识别的过滤器集合的值的集合(例如“蓝色”、“黄色”、“紫色”、“绿色”)、以及包括基于该概念查询识别的列表(未示出)在内的搜索结果，如图1C所示。请注意，值“黑色”位于该值的集合中的第一位，因为它是由用户选择的。系统30可以基于该概念查询，并基于描述属性-值对(例如，过滤器)在列表中的出现率的概率来识别过滤器，包括它们的值和它们的呈现顺序，所述列表分别描述先前在基于网络的市场中交易的项目(例如，完成列表)。也就是说，可以基于(作为属性-值对的)过滤器在完成列表的标题中出现的概率，并且基于(作为属性-值对的)过滤器与概念查询中的每个其他过滤器(例如，“品牌＝苹果”，“类型＝IPHON E”)共同出现在完成列表中的概率，来确定过滤器中的每个值(例如“蓝色”、“黄色”、“紫色”、“绿色”)及其呈现顺序。

图1D示出根据示例实施例的流行度表的生成的示意图。流行度表可以用于：1)从基于关键词查询而识别的多个过滤器集合中识别一个过滤器集合，如图1A所示；2)基于所识别的过滤器集合(例如，概念查询/过滤器上下文)从多个过滤器中识别一个或多个过滤器和它们的呈现顺序，如图1B所示；3)从多个过滤器以及呈现顺序中识别一个或多个过滤器以及它们的相关联的值，如图1C所示；以及4)确定搜索种子，如图1E所示。流行度表可以由上述特征所利用是因为，它提供了对以下信息的即时实时访问：属性-值对(例如，过滤器)在先前在基于网络的市场中交易的列表(例如，完成列表)的标题中出现的概率，以及属性-值对(例如，过滤器)的对在先前在基于网络的市场中交易的列表(例如，完成列表)的标题中共同出现的概率。在本文档中，前一概率被称为标题概率。在本文档中，后一概率被称为联合概率。

大体上，可以利用离线步骤和在线步骤的组合来生成流行度表并使其能够由上述特征使用。在操作“A”中，流行度模块可以从项目表中对“完成列表”进行取样。“完成列表”可以是描述已经出售(例如，购买/赢得拍卖)的项目(例如，商品或服务)的列表。例如，流行度模块可以在基于网络的市场上执行，以对在包括开始时间和结束时间在内的预定时间段期间发生的时间完成(例如，销售)的列表进行取样。接下来，在操作“B”处，流行度模块可以：对完成列表的数量进行计数(例如，一万个列表)；根据列表的标题中的唯一属性- 值对，对属性-值对(例如，过滤器)的数量进行计数(例如，两百个列表具有包括属性-值对“颜色＝红色”的标题，两百个列表具有包括属性-值对“颜色＝蓝色”的标题)；以及根据一个属性-值对与另一个属性-值对在列表的标题中的共同出现，对属性-值对的对(例如，过滤器-过滤器)的数量进行计数(例如，十个列表包括包含属性-值对“颜色＝红色”和“品牌＝苹果”的对的标题(例如，10/200＝5％))。接下来，在操作“C”中，流行度模块可以生成流行度表，使得每行对应于属性-值对(例如，过滤器)。也就是说，行可以包括：属性-值 (例如，过滤器)；标题概率(例如，包括包含该行的属性-值对的标题的列表的百分比)；以及一个或多个针对属性-值对的对的共同出现概率，所述属性-值对的对包括为该行指定的属性-值对(例如，过滤器)和另一个属性-值对(共同出现属性-值对)。联合概率信息的大小不会过大，因为大多数过滤器对(例如，过滤器属性-值对和共同出现属性-值对)的概率为零。最后，在操作“D”处，基于网络的市场可以利用流行度表来识别过滤器集合，识别一个或多个过滤器以及它们的呈现顺序，并且识别一个或多个过滤器值以及它们的呈现顺序，如以上和贯穿本文档所描述的。此外，在操作“D”处，基于网络的市场可以利用流行度表来生成搜索，如下所述。

图1E示出根据一个实施例的本公开的第四方面，其采用系统32的形式，用于确定搜索种子。在确定搜索种子之前，基于网络的市场可以配置有用于识别搜索结果的约束。例如，可以基于预先存在的约束来生成用户界面33，预先存在的约束包括查询(例如，“IPADAIR”) 和过滤器上下文(例如，“类型＝IPAD”，“品牌＝苹果”(未示出))。此外，用户界面33可以以来自用户的选择的形式接收额外的预先存在的约束，其识别过滤器建议中的一个或多个过滤器(没有对象示出为被选择)。相应地，在某些情况下，基于网络的市场可以在利用种子列表确定搜索种子之前配置有预先存在的约束。

在操作“A”处，用户从用户界面33中选择搜索结果中的特定列表作为种子列表。种子列表描述了用于进一步改进搜索结果的项目。应该理解，其他示例可以利用其他机制来识别种子列表。此外，将意识到，其他机制可以不与预先存在的约束相关联。

在操作“B”处，基于网络的市场作为通过网络的传送接收该选择，在操作“C”处，基于网络的市场利用该选择来在项目表中识别种子列表。

在操作“D”处，基于网络的市场基于种子列表中的种类(例如“种类＝计算机”)和预先存在的约束来识别种子过滤器上下文。种类是具有属性“种类”的过滤器。在一些示例中，基于网络的市场利用多个种类来识别种子过滤器上下文。本示例示出了预先存在的约束。因此，基于网络的市场可以利用来自种子列表的种类(例如“种类＝计算机”)、来自用户界面33的过滤器上下文(例如“类型＝IPAD”，“品牌＝苹果”(未示出))、以及来自过滤器建议的任何所选择的过滤器，来识别种子过滤器上下文。

基于网络的市场最初将种子过滤器上下文识别为未初始化的一个或多个过滤器(例如，不具有值的属性)(例如，“品牌＝”、“运营商＝”、“内存＝”(未示出))。系统32基于种子列表中的种类、预先存在的约束、以及描述属性-值对(例如，过滤器)在列表中的出现率的概率来识别种子过滤器上下文中的未初始化的过滤器以及它们的呈现顺序，所述概率描述属性-值对(例如，过滤器)在列表中的出现率，所述列表描述先前在基于网络的市场中交易的项目(例如，完成列表)。也就是说，基于(作为属性-值对的)过滤器在完成列表中出现的概率，并且基于(作为属性-值对的)过滤器与每个种类过滤器和预先存在的约束中的过滤器在完成列表中共同出现的概率，来确定种子过滤器上下文中的每个未初始化的过滤器及其呈现顺序。

在操作“E”处，基于网络的市场基于种子过滤器上下文中的未初始化的过滤器的属性，从种子列表中提取值。例如，基于网络的市场可以利用种子过滤器上下文“品牌＝”、“运营商＝”、“内存＝”中的未初始化的过滤器的属性，来识别种子列表中的结构化信息中的过滤器(例如，“品牌＝苹果”)的匹配属性，并提取相应的值(例如“苹果”、“ATT”、“64GB”)。

在操作“F”处，基于网络的市场用从种子列表中提取的相应的识别值(例如，“苹果”、“ATT”、“64GB”)来初始化种子过滤器上下文中的每个过滤器“品牌＝”、“运营商＝”、“内存＝”，以产生种子过滤器上下文。例如，种子过滤器上下文初始化为“品牌＝苹果”、“运营商＝ATT”和“内存＝64GB”。

在操作“G”处，基于网络的市场以第二过滤器集合的形式识别种子过滤器建议，以呈现在用户界面35中。系统32可以基于种子过滤器上下文以及描述属性-值对(例如，过滤器)在列表中的出现率的概率来识别种子过滤器建议中的过滤器以及它们的呈现顺序，所述列表描述先前在基于网络的市场中交易的项目(例如，完成列表)。也就是说，可以基于(作为属性-值对的)过滤器在完成列表中出现的概率，并且基于(作为属性-值对的)过滤器与种子过滤器上下文中的每个其他过滤器共同出现在完成列表中的概率，来确定种子过滤器建议中的每个过滤器及其呈现顺序。

在操作H处，系统32通过基于种子过滤器上下文(例如“品牌＝苹果”、“运营商＝ATT”、“内存＝64GB”)、查询(例如“IPAD AIR”)、过滤器上下文(例如，“类型＝IPAD”、“品牌＝苹果”(未示出)) 以及过滤器建议中可能已由用户选择的任何过滤器搜索项目表来生成搜索结果。例如，系统可以通过将查询中的词与列表中的非结构化文本(例如，描述、标题等)进行匹配，并将过滤器(例如，种子过滤器上下文、过滤器上下文、以及过滤器建议中的所选过滤器)与列表中的结构化信息进行匹配，来生成搜索结果，如下面进一步描述的。

在操作“I”处，系统32将界面信息传送给客户机，在客户机处使用界面信息来生成并呈现用户界面35。例如，界面信息可以包括查询、种子过滤器上下文、种子过滤器建议以及搜索结果(例如，排序后的搜索结果)，并且客户机可以利用界面信息来更新或生成用户界面或其一部分。在另一个实施例中，用户界面35可以在基于网络的市场处生成。在呈现用户界面35之后，用户可以从用户界面35上的种子过滤器建议中选择过滤器，以添加一个或多个用于进一步改进搜索结果的附加过滤器。因此，系统32通过基于种子项目约束(例如，种子过滤器上下文、从种子过滤器建议中选择的过滤器)和预先存在的约束(例如，查询、过滤器上下文、从过滤器建议中选择的过滤器)搜索项目表来生成搜索结果。种子项目约束可以通过利用在种子列表的右上部分提供的取消机制来取消。一些实施例可以接收分别识别多个种子列表的多个选择，以确定搜索种子。相应地，每个种子列表与种子项目约束的集合相关联，该种子项目约束的集合分别包括用来识别搜索结果的一个或多个过滤器。

在一些实施例中，系统32可以通过项目相似度排名对搜索结果进行排序。项目相似度排名将搜索结果中的列表按照从与种子列表最相似的列表到与种子列表最不相似的列表进行排序。在一些实施例中，用户可以提供用于排序的一个或多个准则。在这种情况下，系统32可以选择被识别为与种子列表最相似的搜索结果的一部分，并根据用户选择的准则(例如，最近列出的)对搜索结果的该所选择的部分进行排序。

图2A示出根据一个实施例的具有导航面板44的用户界面40。用户界面40可以包括查询面板42、导航面板44和搜索结果面板46。查询面板42可以包括用于接收查询的输入框48。该查询可以包含关键词或其他键盘字符。该查询可以响应于接收到对搜索用户界面元素50的选择而被接收。对查询的接收可以覆盖以前的查询。导航面板44可以用于显示基于查询识别的过滤器(未示出)(稍后描述)。搜索结果面板 46可以用于显示搜索结果(未示出)，该搜索结果包括对在基于网络的市场上发布的项目的描述。

图2B-2D示出了根据一个实施例的用于以交互方式处理查询的用户界面60。这三幅图示出了查询的顺序处理。图2B示出了根据一个实施例的用于以交互方式处理查询的用户界面60。用户界面60可以包括查询面板42、概念查询面板62和搜索结果面板46。查询面板42可以用于接收输入到输入框48中的查询。该查询可以包含关键词和/其他键盘字符。用户界面元素63可以用来添加查询。例如，输入框48可以包括查询或查询片段，响应于接收到对用户界面元素63的选择而接收到该查询或查询片段。查询(例如，“红色”)可以被解析以识别出在概念查询面板62中显示的一个或多个过滤器。搜索结果面板46可以用于显示基于概念查询面板62中的概念查询(未示出)识别的搜索结果(例如，列表的描述)。

图2C示出了根据一个实施例的用于以交互方式处理查询的用户界面60。用户界面60示出对查询“红色”进行处理，以识别出现在显示为概念查询64的过滤器66(例如，颜色＝红色)。概念查询64中的每个过滤器66可以与过滤器移除复选框68相关联。可以选择过滤器移除复选框68，以从概念查询64中选择性地移除过滤器66。输入框48被示出为显示查询片段“苹果IPHONE”。响应于接收到对用户界面元素63 的选择，该查询片段可以被解析，以识别出被添加到概念查询64的一个或多个过滤器66。搜索结果面板46可以用于显示基于概念查询而识别的搜索结果(例如，颜色＝红色)。

图2D示出了根据一个实施例的用于以交互方式处理查询的用户界面60。示出用户界面60以演示以下过程：查询片段“红色”和“苹果IPHONE”先前输入到输入框48中，解析查询“红色”以识别第一过滤器66(例如，颜色＝红色)，解析查询片段“苹果IPHONE”以识别第二过滤器66(例如，品牌＝苹果)和第三过滤器66(例如，类型＝IPHO NE)以生成概念查询64(例如，颜色＝红色，品牌＝苹果，类型＝IPHON E)。搜索结果面板46可以用于显示基于概念查询64(例如，颜色＝红色，品牌＝苹果，类型＝IPHONE)而识别的搜索结果(未示出)。

图3A示出根据一个实施例的具有导航面板44的用户界面40。用户可以将查询“红色苹果”输入到输入框48中并选择用户界面元素50。响应于对用户界面元素50的选择，基于网络的市场可以接收该选择和该查询“红色苹果”，并且解析该查询以识别以过滤器上下文为形式的过滤器集合，该过滤器上下文包括以过滤器66为形式的第一过滤器 (例如，颜色＝红色)以及以过滤器66为形式的第二过滤器(例如，品牌＝苹果)。接下来，基于网络的市场可以识别过滤器上下文中的过滤器66的呈现顺序，识别以过滤器建议为形式的第二个过滤器集合，并且识别过滤器建议中的过滤器的呈现顺序。最后，基于网络的市场可以生成用户界面40，并将该用户界面40传送给客户机，如图3B所示。过滤器上下文和过滤器建议可以显示在导航面板44中，如图3B所示。

图3B示出根据一个实施例的具有导航面板44的用户界面40。如图所示的用户界面40是根据图3A中描述的操作生成的。用户界面40可以包括导航面板44和搜索结果面板46。导航面板44可以包括：包括两个过滤器66(例如，颜色＝红色，品牌＝苹果)的过滤器上下文70；包括三个属性(例如“类型”、“状况”、“项目位置”)的过滤器建议 72，其中每个属性与值的集合相关联，该值的集合可以分别与相应的属性组合以形成属性-值对(例如，过滤器66)。过滤器上下文70、以及过滤器上下文70的过滤器66的顺序可以基于查询和流行度表(未示出)来识别，如本文后面所描述的。过滤器建议72包括可以基于过滤器上下文70和流行度表(未示出)来识别的一个或多个过滤器66，如本文后面所描述的。此外，过滤器建议72中的过滤器66的呈现顺序可以基于过滤器上下文70和流行度表(未示出)来识别，如本文后面所描述的。如前所述，搜索结果面板46可以包括基于过滤器上下文70识别的列表的描述。每个列表描述可以描述被提供用于通过购买或拍卖来出售的项目，并且可以包括图像、标题、描述、出价数量和拍卖的最高出价。用户界面40的其他实施例可以包括其他信息。

图3C示出根据一个实施例的具有导航面板44的用户界面40。如图所示的用户界面40是根据图3A和图3B中描述的操作生成的。用户界面 40示出：选择与属性“类型”相关联的值“手机”，以生成用于添加到过滤器上下文70的过滤器66“类型＝手机”。响应于过滤器上下文7 0的更新，基于网络的市场还可以更新导航面板44和搜索结果面板46。例如，可以基于新的过滤器上下文70来更新导航面板44，以改变过滤器上下文70中的过滤器66的呈现顺序，为过滤器建议72选择不同的属性集合，并且为过滤器提议72选择不同的属性呈现顺序。另外，与用于形成过滤器66的属性相关联的值可以以与过滤器66的上述选择类似的方式来选择和排序。例如，可以基于过滤器上下文70(例如，“类型＝手机”、“颜色＝红色”和“品牌＝苹果”)以及流行度表来识别与过滤器上下文70中的过滤器66“类型＝手机”相关联的值和它们的呈现顺序，如本文后面所描述的。此外，例如，可以基于过滤器上下文70 (例如，“类型＝手机”、“颜色＝红色”和“品牌＝苹果”)以及流行度表来识别与过滤器上下文70中的过滤器66“颜色＝红色”相关联的值和它们的呈现顺序，如本文后面所描述的。此外，例如，可以基于过滤器上下文70(例如，“类型＝手机”、“颜色＝红色”和“品牌＝苹果”) 以及流行度表来识别与过滤器上下文70中的过滤器66“品牌＝苹果”相关联的值和它们的呈现顺序，如本文后面所描述的。此外，例如，可以基于过滤器上下文70(例如，“类型＝手机”、“颜色＝红色”和“品牌＝苹果”)以及流行度表来识别与过滤器建议72中的属性“运送”相关联的值(例如，“标准”、“快速”)和它们的呈现顺序，如本文后面所描述的。最后，例如，可以基于过滤器上下文70(例如，“类型＝手机”、“颜色＝红色”和“品牌＝苹果”)以及流行度表来识别与过滤器建议72中的属性“状况”相关联的值(例如，“用过”、“新”、“未说明”)和它们的呈现顺序，如本文后面所描述的。

图4A示出根据一个实施例的用于以交互方式处理查询的用户界面60。用户界面60可以包括基于查询而识别的概念查询64。概念查询 64被示为包括三个过滤器66，其包括“颜色＝红色”、“品牌＝苹果”和“类型＝IPHONE”。用户界面60可以包括值面板76。除了值“红色”以外，值面板76可以包括基于概念查询64识别的值。具体地，可以基于过滤器“品牌＝苹果”、过滤器“类型＝IPHONE”、属性“颜色”和流行度表，来识别除“红色”以外的值。此外，从左到右按照基于过滤器66“品牌＝苹果”、过滤器66“类型＝IPHONE”、属性“颜色”和流行度表识别的顺序，呈现除了“红色”之外的值(例如，“黑色”、“蓝色”、“黄色”和“紫色”)。另外，每个值与图像78相关联，其基于相应值(例如，“红色”、“黑色”、“蓝色”、“黄色”和“紫色”)、所选属性(例如，“颜色”)、以及概念查询64中的其余过滤器66(例如，“品牌＝苹果”和“类型＝IPHONE”)而识别，如本文后面所描述的。用户界面60可以包括搜索结果。

图4B示出了根据一个实施例的用于以交互方式处理查询的用户界面60。用户界面60可以关于概念查询64、值面板76和搜索结果面板 46进行更新。例如，图4B中的用户界面60可以响应于以下内容而更新：基于网络的市场接收到对图4A中所示的值面板76中的值“黑色”的选择。返回到图4B，概念查询64可以被更新，以用过滤器66“颜色＝黑色”替换过滤器“颜色＝红色”。值面板76可以被更新，以用值“黑色”替换值“红色”。此外，可以更新值面板76，以包括基于过滤器“品牌＝苹果”、过滤器“类型＝IPHONE”、属性“颜色”和流行度表而识别的值。此外，从左到右按照基于过滤器66“品牌＝苹果”、过滤器66“类型＝IPHONE”、属性“颜色”和流行度表识别的顺序，呈现除了“黑色”之外的值(例如，“蓝色”、“黄色”、“紫色”和“绿色”)。另外，每个值与图像78相关联，其基于相应值(例如，“黑色”、“蓝色”、“黄色”、“紫色”和“绿色”)、所选属性(例如，“颜色”)、以及概念查询64中的其余过滤器66(例如，“品牌＝苹果”和“类型＝ IPHONE”)和流行度表而识别，如本文后面所描述的。搜索结果面板46可以被更新，以包括基于概念查询64而识别的搜索结果。

图4C出根据一个实施例的用户界面35。用户界面35是根据图1E中描述的操作生成的。如前所述，可以响应于对种子列表90的选择而生成用户界面35。用户界面35包括输入面板82、种子面板84、种类面板 86、导航面板44和搜索结果面板46。输入面板82包括输入框48和搜索按钮。输入框48用于接收由关键词组成的查询。搜索按钮是可选择的，用于将查询传送给基于网络的市场。

种子面板84包括种子过滤器上下文88和种子列表90。种子过滤器上下文88可以基于从种子列表90提取的一个或多个种类和预先存在的约束(可选)来生成。种子过滤器上下文88包括多个过滤器66(例如，“品牌＝苹果”，“运营商＝ATT”，“内存＝64GB”)。种子过滤器上下文88用于识别搜索结果面板46中的搜索结果中的列表。

种子过滤器上下文88中的每个过滤器66可以用消除机制单独取消，以扩大搜索结果的范围。例如，响应于基于网络的市场接收到用于取消种子过滤器上下文88中的特定过滤器66的选择，基于网络的市场从种子面板84中的种子过滤器上下文88中移除过滤器66，从导航面板44中的种子过滤器上下文88中移除过滤器66，并且更新搜索结果面板46中的搜索结果。

此外，种子面板84包括可选择以取消整个种子过滤器上下文88的“清除”按钮。例如，响应于基于网络的市场接收到“清除”按钮选择，基于网络的市场从种子面板84移除种子过滤器上下文88，更新搜索结果面板46中的搜索结果，并且从导航面板44移除种子过滤器上下文88。此外，在存在预先存在的约束并且种子过滤器上下文88被取消的情况下，基于网络的市场基于预先存在的约束来识别搜索结果。

种子列表90是项目表中的列表，在种子面板84中被呈现为包括图像、标题以及列表的任何其他元素或部分。种子列表90可以用取消机制取消。响应于基于网络的市场接收到用于取消种子列表90的选择，基于网络的市场移除种子过滤器上下文88，并且基于预先存在的约束更新搜索结果面板46中的列表。

导航面板44包括种子过滤器上下文88和种子过滤器建议92。种子过滤器上下文88在上文中结合种子面板84进行了描述。响应于从种子过滤器上下文88中取消过滤器66，基于网络的市场进一步更新导航面板44和搜索结果面板46，如上所述。例如，可以基于新的种子过滤器上下文88(例如，取消“内存＝64GB”)来更新导航面板44，以改变种子过滤器上下文88中的过滤器66的呈现，并且可以选择用于种子过滤器建议92的属性的不同的集合和顺序，并选择用于种子过滤器建议92 中的每个属性的值的不同集合和顺序，如本文后面所描述的。

搜索结果面板46包括搜索结果和排序选择机制。搜索结果可以包括描述在基于网络的市场上出售的项目的列表，所述列表包括图像和包含标题的描述。列表是基于预先存在的约束和种子项目约束(例如，种子过滤器上下文、从种子过滤器提议中选择的过滤器)来识别的。预先存在的约束是可选的。也就是说，可以在没有预先存在的约束的情况下，利用种子列表来确定搜索种子。预先存在的约束可以包括查询、过滤器上下文以及从过滤器建议中选择的过滤器。种子项目约束可以包括种子过滤器上下文以及从种子过滤器建议中选择的一个或多个过滤器等。在一些情况下，选择与用于识别搜索结果的多个种子上下文对应的多个种子列表。查询与列表中的非结构化文本进行匹配，过滤器与列表中的结构化信息进行匹配。

排序选择机制用于接收排序准则。例如，基于网络的市场可以接收用于根据价格、发布日期、拍卖结束时间等对搜索结果中的列表进行排序的准则。响应于准则的接收，基于网络的市场可以组合多个排序方案。例如，响应于准则的接收，基于网络的市场可基于以下内容进行排序：1)每个列表与一个或多个种子列表的项目相似性排名，2) 根据准则而指定的排序方案。

图4D示出根据一个实施例的用户界面94。响应于通过识别种子列表90而确定搜索种子，生成用户界面94。用户界面94包括种子列表面板96、种子过滤器面板98和搜索结果面板46。用户界面94基本上根据图1E中描述的处理来生成。

用户界面94与图4C所示的用户界面35不同。一个区别是省略了导航面板44(未示出)。另一个区别是用轮转(carousel)机制显示搜索结果。例如，搜索结果面板46可以利用轮转机制来显示隐藏的搜索结果。根据一个实施例，与搜索结果面板46上的触敏屏幕接触的划动动作(例如，从右到左或从左到右)将搜索结果中的先前隐藏的列表显露在搜索结果面板46中。其他差异如下所述。种子列表面板96包括种子列表，其包括图像、标题、以及列表的任何其他元素或部分，如下面进一步描述的。种子列表面板96还包括取消机制97，取消机制97 可被选择以取消种子列表。例如，响应于基于网络的市场接收到用于取消种子列表的选择，基于网络的市场移除种子过滤器上下文，并基于预先存在的约束更新搜索结果面板46中的列表，如前所述。

如前所述，种子过滤器面板98包括种子过滤器上下文88和查询 (例如，“IPADAIR”)。如前所述，搜索结果面板46包括基于约束而识别的搜索结果(例如，列表的描述)。搜索结果面板46中的列表可以用从左向右的划动动作或从右向左划动动作滚动。

图5示出根据一个实施例的系统100。系统100可以用于实现本申请中描述的任何方法、特征或结构。系统100可以包括通过网络104与基于网络的市场106耦接的客户机102。客户机102可以包括手持设备、台式计算机或能够进行电子通信的任何其他电子设备。网络104可以包括电话网络、电话蜂窝网络、因特网、无线网络或其任何组合。网络 104可以支持本地、中等范围或广域距离上的模拟和/或数字通信。基于网络的市场106可以包括用于实现商品和/或服务的交易的买家和卖家的任何电子市场(例如eBay、亚马逊等)。基于网络的市场106可以包括前端服务器108、后端服务器110、数据库服务器112和数据库114。客户机102可以通过网络104与前端服务器108进行通信，前端服务器1 08进而与后端服务器110通信，后端服务器11O又与数据库服务器112 通信，数据库服务器112将数据存储到数据库114并从数据库114取回数据。

前端服务器108可以包括通信模块116和列表模块118。列表模块 118可以从由用户(例如，卖方)操作的客户机102接收请求，然后将响应传送回用户。请求可以包括用于在列表中公开的、包含文本或图像在内的信息，该列表描述了在基于网络的市场106上正在出售的项目。可以基于规则来解析文本以对信息进行结构化。例如，分类规则可以包括条件信息和补充信息。条件信息可以应用于列表的标题或列表的任何其他部分，以识别匹配的关键词。响应于对匹配的识别，可以用补充信息来补充列表(例如，对列表进行标记)。例如，如果列表的标题包括与条件信息“红色”相匹配的词“红色”，则列表模块118 可以用补充信息“颜色＝红色”来标记列表(例如，与列表连接)。通信模块116可以从由用户(例如，买家)操作的客户机102接收请求，并将响应传送回用户。请求可以包括查询、查询片段、标识过滤器的选择、标识过滤器的值的选择、以及其他信息。对请求的响应可以包括具有请求状态、概念查询面板62、导航面板44、搜索结果面板46和其他信息的用户界面。

后端服务器110可以包括搜索引擎121、流行度模块128和种子模块130。搜索引擎121可以包括过滤器提取模块122、过滤器名称模块1 24和过滤器值模块126。搜索引擎121可以处理搜索请求、过滤器选择和其他与搜索有关的请求。搜索引擎121可以响应于接收到查询而利用查询或查询片段来调用过滤器提取模块122。过滤器提取模块122可以基于分类规则从查询中提取过滤器集合，基于流行度表144对过滤器集合进行评分，并且基于最高得分从多个过滤器集合中识别过滤器集合 (例如，概念查询64/过滤器上下文70)，如本文稍后讨论的那样。过滤器名称模块124可以接收一个或多个过滤器66(例如，概念查询64/ 过滤器上下文70)，并且基于流行度表144来识别一个或多个过滤器。过滤器值模块126可以接收一个或多个过滤器66和过滤器名称(例如，属性)，以基于流行度表144识别分别包括值(例如，红色、绿色、蓝色等)的一个或多个过滤器66。流行度模块128可用于生成流行度表144(参见图7)。种子模块130可以用于使利用种子列表来确定搜索种子。种子模块130可以识别种子列表90，促进对种子过滤器上下文88 的识别，从种子列表90提取值168，初始化种子过滤器上下文88，促进对种子过滤器建议92的识别，生成搜索结果，并传送用于生成或更新客户机上的显示的界面信息。

数据库114可以包括搜索元数据140、项目表142和流行度表144。搜索元数据140可以存储分类规则和其他信息，它们用于基于列表、查询或查询片段来生成结构化信息(例如，过滤器66、属性-值对)。从查询中提取的过滤器66是属性-值对，并且因此可以用于与列表中的属性-值对进行匹配，以生成搜索结果。项目表142可用于存储列表，所述列表描述在基于网络的市场106上出售的项目。流行度表144可以从完成列表的集合中生成，所述完成列表是基于包括在预定时间段中的准则从项目表142中提取的。流行度表144可以包括与属性-值对/过滤器66相对应的行。每行(例如，属性-值对/过滤器66)可以包括描述属性-值对/过滤器66在完成列表集合中的流行度的概率信息。

图6A示出根据一个实施例的搜索元数据140。搜索元数据140可以包括域信息150的多个条目。搜索元数据140描述可用于对列表进行分类的域的集合，描述在基于网络的市场106上被提供供出售的项目。域可以嵌套在另一个域内。例如，域“家”、“电子产品”、“手机和配件”和“流行品牌”嵌入包括域“流行品牌”、“电子产品”、“手机和配件”的叶子种类。也就是说，域“家”包括域“电子产品”，域“电子产品”包括域“手机和配件”，域“手机和配件”包括域“流行品牌”，域“流行品牌”包括描述在基于网络的市场106上出售的项目的列表。将进一步认识到，域可以包括多于一个的域。

图6B示出根据一个实施例的域信息150。域信息150可以包括域15 2(例如“家”、“电子产品”、“电视机”、“手机和配件”、“流行品牌”等)、分类规则信息154和条件信息156。分类规则信息154 可以包括与域152相关联的分类规则的集合。条件信息156可以包括可评估“真”或“假”的一个或多个布尔测试。在本上下文中，条件信息156可以用来识别关联域152。例如，域152“汽车”可以包括条件信息156以测试短语“福特漫游者”(FORD RANGER)(例如，if“福特漫游者”)。也就是说，如果字符串“福特漫游者”被匹配，则对于“汽车”的域152声明“真”。其他测试可以适用于其他域152(例如，玩具、电话)。

图6C示出根据一个实施例的分类规则信息154。分类规则信息154 可以包括分类规则160的多个条目。分类规则160可以用来对查询、查询片段或列表中的文本进行结构化。

图6D示出根据一个实施例的分类规则160。分类规则160可以包括如前所述的条件信息156、以及补充信息162。可以响应于条件信息15 6评估为“真”来利用补充信息162。例如，条件信息156可以包括布尔测试“if‘红色’”。条件信息156可以应用于所识别的对象(例如，列表中的标题、列表中的描述、查询、查询片段等)。此外，例如，条件信息156可以包括布尔测试“if‘苹果IPHONE’”。补充信息162 可用于：响应于条件信息156评估为“真”，用属性-值对来补充列表，用过滤器66来补充概念查询64，或用过滤器66来补充过滤器上下文70。

图6E示出了根据一个实施例的属性-值对164。属性-值对164(例如“颜色＝红色”)可以包括属性166(例如“颜色”)和值168(例如“红色”)。属性-值对164可以描述在列表170(图6F中所示)中描述的项目。属性-值对164可以用作过滤器66，以识别项目表142中的列表170。属性166可以用作过滤器66的过滤器名称。值168可以对应于属性 166，并且用于使属性166具体化。例如，属性166“颜色”对应于并具体化为值168“蓝色”、“红色”、“绿色”等等。

图6F示出根据一个实施例的项目表142。项目表142可以包括在基于网络的市场106上发布的列表170。

图6G示出根据一个实施例的列表170。列表170可以描述在基于网络的市场106上供销售的项目。列表170可以包括：标题172、描述174、结构化信息176、可由卖家上传的项目的图像78、可由卖家配置的用于购买项目的价格180、作为项目的当前最高出价的出价182、用户可在种类的可导航分层结构中找到列表170的一个或多个种类184(例如，域152)、销售完成标志186、以及销售日期188。标题172可以是列表 170的标题，并且可以在搜索结果中以粗体显示。标题172和描述174 可以从卖家接收。结构化信息176可以包括一个或多个属性-值对164。可以由基于网络的市场106基于分类规则160并基于标题172或描述174 自动生成结构化信息176。结构化信息176还可以基于从用户(例如卖家)接收的选择来识别。响应于列表170所描述的项目的销售(例如，购买、赢得拍卖)，将销售完成标志声明为“真”，从而将列表170 登记为完成。销售日期188是完成销售的日期。

图6H示出了根据一个实施例的结构化信息176。结构化信息176可以包括：标题结构化信息200，包括一个或多个属性-值对164；以及用户配置结构化信息202，包括一个或多个属性-值对164。可以响应于使用分类规则160来解析列表170的标题172中的文本，由基于网络的市场 106生成包括在标题结构化信息200中的一个或多个属性-值对164。可以基于从用户接收的选择来识别包括在用户配置结构化信息202中的一个或多个属性-值对164。例如，卖家可以通过从用户界面中选择品牌(例如“苹果”)以识别属性-值对164(例如，“品牌＝苹果”)，来将由列表170描述的项目识别为特定品牌。

图6I示出了根据一个实施例的流行度表144。流行度表144可以描述属性-值对164/过滤器66和它们的相对流行度。与流行的属性-值对相关联的概率大于与不流行的属性-值对相关联的概率。流行度表144 可以基于被识别为完成的列表170的集合来生成。流行度表144还可以通过基于销售日期188从项目表142中提取完成列表来生成。例如，流行度表144还可以通过基于在开始日期和结束日期之间识别的销售日期188从项目表142中提取完成列表170来生成。流行度表144可以包括多行属性-值流行度信息210。

图6J示出了根据一个实施例的属性-值流行度信息210。属性-值流行度信息210可以包括过滤器66、标题概率信息212和联合概率信息 214。属性-值流行度信息210对应于流行度表144中的行，而流行度表 144中的行又对应于用作过滤器66的属性-值对164(例如，“颜色＝红色”)。标题概率信息212可以包括存储概率的标题概率213，该概率是在从完成列表集合中随机选择的列表170的标题172中识别出属性- 值对164的概率，所述完成列表集合是为了生成流行度表144而从项目表142中提取的。例如，在10,000个完成列表170的集合中，包括了一百个其标题172具有属性-值对164“颜色＝红色”的列表170，据此，用于过滤器66“颜色＝红色”的属性-值流行度信息210可被计算为1％。

联合概率信息214可以包括多个过滤器对信息216条目。响应于在已完成并用于生成流行度表144的列表170的标题172中识别出当前属性-值对164(例如，过滤器66)和另一个属性-值对164(例如，共同出现的属性-值对217)的出现，可以生成联合概率信息214以包括过滤器对信息216的条目联合概率信息214的大小不会过大，因为大多数属性-值对164的配对在列表170的标题172中是找不到的。过滤器对信息 216可以包括共同出现属性-值对217和联合概率218。例如，用于属性- 值对164“颜色＝红色”的联合概率信息214可以包括过滤器对信息216 的四个条目(例如，(品牌＝苹果，5％)(类型＝IPHONE，3％)(状况＝新，1％)(项目位置＝美国，1％)。

图6K示出了根据一个实施例的图像表220。图像表220可以包括图像信息222的多个条目。图像信息222可以包括描述关联图像78的一个或多个属性值对164。例如，属性值对“颜色＝黑色”、“品牌＝苹果”和“类型＝IPHONE”可以与由加利福尼亚州库比蒂诺的苹果公司制造的称为“iPhone”的黑色蜂窝电话的图像78相关联。此外，例如，属性值对164“颜色＝红色”、“品牌＝苹果”和“类型＝IPHONE”可以与由加利福尼亚州库比蒂诺的苹果公司制造的称为“iPhone”的红色蜂窝电话的图像78相关联。

图7示出根据一个实施例的提取完成列表并生成流行度表144的方法300。方法300可以在操作302处开始，在该操作中，流行度模块1 28从项目表142中识别并提取(例如，复制)已完成的列表170。例如，流行度模块128可以从项目表142中识别并提取(例如，复制)位于预定开始日期和预定结束日期之间的列表170，以生成完成列表的集合。例如，响应于识别出列表170包括已声明的销售完成标志186(例如，“真”)并且包括位于预定开始日期和预定结束日期之间的销售日期 188，流行度模块128可以从项目表142中将列表170提取(例如，复制) 到完成列表的集合。

在操作303至312中，流行度模块128处理在操作302中提取的完成列表170的集合。在操作303处，流行度模块128可前进至该完成列表的集合中的第一个列表170。在操作306处，流行度模块128可以识别已完成的列表170的标题172中的属性-值对164。例如，流行度模块128可以识别列表170的标题结构化信息200中的属性-值对164。在操作308处，流行性模块128可以递增与在已完成的列表170中识别出的属性-值对1 64相关联的计数。例如，响应于在标题172中识别出属性值对164“颜色＝红色”，流行度模块128可以递增与属性值对164“颜色＝红色”相关联的计数。类似地，流行度模块128可以响应于在标题172中识别出其他属性-值对而递增其他计数。在操作310处，流行度模块128可以递增与在已完成的列表170的标题172中找到的属性-值对164元素的对相关联的计数。例如，流行度模块128可以响应于在标题172(例如，“红色苹果IPHONE出售”)中识别出第一对元素，来递增与属性值对164 元素“颜色＝红色”和“类型＝手机”的对相关联的计数。又如，流行度模块128可以响应于在同一标题172(例如，“红色苹果IPHONE出售”) 中识别出第二对元素，来递增与属性值对164元素“颜色＝红色”和“品牌＝苹果”的对相关联的计数。类似地，流行度模块128可以响应于在已完成的列表170的标题172中识别出属性-值对164元素的其他对，来递增其他计数。根据一个实施例，在操作308和310中描述的计数可以被实现为具有X轴和Y轴的表格，该X轴和Y轴响应于发现了新类型的属性-值对164而扩展，该表格的单元被用来存储与标题172中的属性-值对164的识别以及标题172中的属性-值对164元素的对的识别相关联的计数。例如，在处理一百个列表170之后，计数的集合可以显示如下：

	“颜色＝红色”	“品牌＝苹果”	“类型＝IPHONE”
				“颜色＝红色”	10	1	2
“品牌＝苹果”	1	12	3
				“类型＝IPHONE”	2	3	11

属性-值对164与其自身(例如，“颜色＝红色”和“颜色＝红色”) 的交点所关联的单元可用于存储表示该属性-值对164在标题172中被识别的次数的计数。属性-值对164与另一个属性-值对164(例如，“颜色＝红色”和“品牌＝苹果”)的交点所关联的单元可用于存储表示该属性-值对164(例如，“颜色＝红色”)在标题172中与第二个属性- 值对164(例如，“品牌＝苹果”)一起被识别的次数的计数。在判定操作312处，流行度模块128可以识别该完成列表的集合中是否存在更多列表170。如果识别出更多列表170，则流行度模块128可前进到下一个列表170并转到操作306。否则，处理在操作314处继续。在操作314 处，流行度模块128可以生成标题概率和联合概率。例如，假设上述表格代表处理了100个完成列表后的计数。流行度模块128可计算概率如下：

属性-值对164与其自身(例如，“颜色＝红色”和“颜色＝红色”) 的交点所关联的单元可用于存储标题概率213(例如，表示该属性-值对164在标题172中被识别的次数)。属性-值对164与另一个属性-值对 164(例如，“颜色＝红色”和“品牌＝苹果”)的交点所关联的单元可用于存储联合概率218，其表示该属性-值对164(例如，“颜色＝红色”) 在标题172中与第二个属性-值对164(例如，“品牌＝苹果”)一起被识别的次数的计数。在操作316处，流行度模块128可以基于上述计算生成流行度表144。

图8A示出根据一个实施例的在由关键词组成的查询中识别过滤器集合的方法400。在左边示出的是由客户机102执行的操作，在中间示出的是由基于网络的市场106中的前端服务器108执行的操作，在右边示出的是由基于网络的市场106中的后端服务器110执行的操作。方法400可以在操作402处开始，在该操作中，客户机102通过网络104将包括查询在内的请求传送给基于网络的市场106。查询可以包括一个或多个关键词。例如，客户机102可以呈现如图2A所示的用户界面40或者如图2B所示的用户界面60，以接收查询或查询片段，然后通过网络10 4将请求传送给基于网络的市场106。

在操作404处，通信模块116可以接收请求，并将查询传送给后端服务器110处的搜索引擎121。在操作406处，搜索引擎121可以接收并存储查询。在操作408处，搜索引擎121可以调用过滤器提取模块122，过滤器提取模块122从查询中提取过滤器集合。例如，过滤器提取模块 122可以通过利用分类规则160来解析查询，以从查询中识别并提取一个或多个过滤器66。过滤器提取模块122可以从相同的查询中提取多个过滤器集合。例如，过滤器提取模块122可以利用搜索元数据140来解析查询“红色苹果IPHONE”，以识别以下四个过滤器集合：

以上所有的过滤器集合都是良好形成的。然而，过滤器提取模块 122可以基于流行度表144将以上过滤器集合中的一个过滤器集合识别为流行的。操作408在图8B和图8C中进一步描述。在操作410处，过滤器提取模块122可以通过利用流行度表144中的表征过滤器66的流行度的概率，来对每个过滤器集合进行评分。例如，过滤器集合可以被评分如下：

过滤器集合	分数
		1)颜色＝红色，品牌＝苹果，类型＝手机	100
2)颜色＝红色，品牌＝苹果，类型＝工PHONE	95
		3)颜色＝红色，产品＝苹果工PHONE	93
4)流行产品＝红色苹果工PHONE	80

操作410在图8D中进一步描述。在操作412处，过滤器提取模块12 2可以识别具有最高分数的过滤器集合(例如，概念查询64或过滤器上下文70)。在操作414处，过滤器提取模块122可基于具有最高分数的过滤器集合来生成搜索结果。例如，过滤器提取模块122可以通过在项目表142中识别与已识别的过滤器集合中的过滤器66相匹配的列表170，来生成搜索结果。在一些情况下，过滤器提取模块122可以不将查询中的每个关键词映射到过滤器66。在这样的情况下，过滤器提取模块12 2可以在项目表142中识别与以下两者相匹配的列表170：具有最高分数的过滤器集合中的过滤器66和查询中的未映射关键词。在操作416处，过滤器提取模块122可将搜索结果和具有最高分数的过滤器集合(例如，概念查询64或过滤器上下文70)传送给前端服务器108。在操作418处，通信模块116可以生成适当的用户界面(例如，用户界面40或用户界面 60)，并且通过网络104将该用户界面传送给客户机102。在操作420 处，客户机102可显示该界面。

图8B示出根据一个实施例的从查询中提取过滤器集合的方法440。方法440可以在操作442处开始，在该操作中，过滤器提取模块122前进到搜索元数据140中的第一个域信息150。在判定操作444处，过滤器提取模块122可以将域信息150中的条件信息156与查询进行比较，以识别用于特定域(例如，“电子手持设备”)的分类规则160是否将被应用于查询。例如，过滤器提取模块122可以将域信息150中的条件信息15 6中的词(例如，“IPHONE”)与查询(例如，“红色IPHONE”)中的词进行比较。如果条件评估为“真”(例如，匹配)，则处理在操作 446处继续。否则，处理在判定操作452处继续。在操作446处，过滤器提取模块122可以识别与当前域152相关联的分类规则160是否与查询相匹配，以识别过滤器集合。应该理解，在前进到下一个域152之前可以识别多个过滤器集合。操作446在图8C中进一步描述。在判定操作4 48处，过滤器提取模块122可以识别是否识别出了过滤器集合。如果识别出了过滤器集合，则处理在操作450处继续。否则，处理在判定操作 452处继续。在操作450处，过滤器提取模块122将过滤器集合登记为被识别。在判定操作452处，过滤器提取模块122可以识别在搜索元数据 140中是否存在更多域信息150。如果在搜索元数据140中存在更多域信息150，则过滤器提取模块122可以前进到下一个域信息150，并且处理在判定操作444处继续。否则，过滤器提取模块122可能已经从查询中提取了所有过滤器集合，并且处理结束。

图8C示出根据一个实施例的对查询进行分析的方法460。方法460 可以在操作461处开始，在该操作中，搜索引擎121中的过滤器提取模块122前进到域信息150(如先前在图8B所示的方法440中所识别的)中的第一个分类规则160。回到图8C，在操作462处，过滤器提取模块12 2可以识别分类规则160是否先前被登记为已使用(参见操作470)。如果分类规则160先前被登记为已使用，则转到判定操作472并且处理继续。否则，处理在判定操作464处继续。在判定操作464处，过滤器提取模块122可将分类规则160中的条件信息156与查询进行比较以识别匹配。如果分类规则160(例如，“IPHONE”)中的条件信息156与查询(例如，“苹果IPHONE”)中的一个或多个关键词匹配，则处理在操作466处继续。否则，处理在判定操作472处继续。在操作466处，过滤器提取模块122将过滤器66添加到当前的过滤器集合。例如，过滤器提取模块122可以在分类规则160的补充信息162中，用过滤器66“类型＝IPHONE”补充正在处理的过滤器集合。在操作468处，过滤器提取模块122可以从查询中移除与当前正在处理的分类规则160中的条件信息 156相匹配的关键词。在操作470处，过滤器提取模块122可以将当前正在处理的分类规则160登记为在当前正在处理的域152中已使用。在判定操作472处，过滤器提取模块122可以识别域152中是否存在更多分类规则160。如果存在更多分类规则160，则过滤器提取模块122可前进到下一个分类规则160，处理在判定操作462处继续。否则，过滤器提取模块122已经完成了利用当前域的分类规则信息154分析查询的单次过程。

图8D示出根据一个实施例的对过滤器集合进行评分的方法480。方法480可以在操作482处开始，在该操作中，过滤器提取模块122前进到第一个过滤器集合。回想一下，过滤器提取模块122先前通过利用分类规则160从查询中提取了一组过滤器集合。例如，过滤器提取模块1 22可能已经从查询“红色苹果IPHONE”中提取了如下两个过滤器集合：

在操作484处，过滤器提取模块122可以对当前正在处理的过滤器集合(例如，第一过滤器集合)中的过滤器66(例如“颜色＝红色”) 进行计数。在操作486处，过滤器提取模块122可以从概率表144中取回当前正在处理的过滤器66的标题概率213。例如，过滤器提取模块122 可以识别概率表144中的具有与正在处理的过滤器66(例如，“颜色＝红色”)相匹配的过滤器66(例如，“颜色＝红色”)的属性-值流行度信息210条目，并且从该识别出的属性-值流行度信息210条目中取回标题概率213。在操作488处，过滤器提取模块122可前进至所识别的属性-值流行度信息210中的第一个过滤器对信息216条目。在操作490处，过滤器提取模块122可从正在处理的过滤器对信息216中取回联合概率 218。在判定操作492处，过滤器提取模块122可以识别在正处理的过滤器66的过滤器对信息216中是否存在更多的过滤器对信息216条目。如果存在过滤器对信息216的另一条目，则转到操作490，以处理下一个过滤器对信息216。否则，处理在判定操作494处继续。在判定操作49 4处，过滤器提取模块122可以识别在正处理的过滤器集合中是否存在更多的过滤器66(例如，“品牌＝苹果”)。如果存在更多过滤器66，则过滤器提取模块122前进到下一个过滤器66，然后转到操作484。否则，处理进行到操作496。在操作496处，过滤器提取模块122可以生成当前正在处理的过滤器集合的分数。例如，过滤器提取模块122可以基于过滤器集合中的过滤器的数量、过滤器集合的标题概率213以及过滤器集合的联合概率218来生成分数。

根据一个实施例，过滤器提取模块122可以通过利用朴素贝叶斯概率来为过滤器集合生成分数。根据一个实施例，过滤器提取模块12 2可以将过滤器的概率和计数相加以生成分数。例如，过滤器提取模块 122可以将过滤器的数量、标题概率和联合概率相加以生成分数。根据另一个实施例，过滤器提取模块122可以在对信息求和之前对每种类型的信息施加权重。例如，过滤器提取模块122可以将过滤器的数量乘以系数；将标题概率乘以系数；以及将联合概率乘以系数；随后将三种类型的信息加到一起。根据一个实施例，系数可以由用户配置。根据一个实施例，过滤器提取模块122可以在将各个结果相乘以生成分数之前，对如上所述的概率和计数施加权重。在判定操作498处，过滤器提取模块122可以识别是否要处理更多过滤器集合(例如，“颜色＝红色”，“产品＝苹果IPHONE”)。如果要处理更多过滤器集合，则在操作484 处，过滤器提取模块122前进到下一个过滤器集合。否则，方法480结束。

图9A示出根据一个实施例的识别和呈现过滤器的方法500。在左边示出的是由客户机102执行的操作，在中间示出的是由基于网络的市场106中的前端服务器108执行的操作，在右边示出的是由基于网络的市场106中的后端服务器110执行的操作。方法500可以在操作502处开始，在该操作中，客户机102通过网络104将包括查询在内的请求传送给基于网络的市场106。查询可以包括一个或多个关键词。例如，客户机102可以呈现如图2A所示的用户界面40或者如图2B所示的用户界面6 0，然后接收查询并通过网络104将查询传送给基于网络的市场106。

操作504至512对应于图8A中的操作404至412和图8B至8D中的扩展描述。相应地，图8A中的操作404至412的描述和图8B至8D中的扩展描述对于图9A中的操作504至512是相同的。根据一个实施例，在操作 514处，搜索引擎121可以利用以过滤器上下文70(例如，第一多个过滤器)为形式的所识别的过滤器集合，来识别过滤器上下文70的呈现顺序，如图3B中的用户界面40中所示出和描述的。搜索引擎121可以基于流行度表144来识别过滤器上下文70的呈现顺序。例如，搜索引擎1 21可以识别出：要从用户界面40的顶部到底部，按照“颜色＝红色”和“品牌＝苹果”的顺序来呈现过滤器66“颜色＝红色”和“品牌＝苹果”。操作514在图9B 的方法530中进一步描述。

回到图9A，在操作516处，搜索引擎121可以作为过滤器建议72来识别第二多个过滤器以及它们在用户界面40上的呈现顺序，如图3B中的用户界面40中所图示和描述的。例如，搜索引擎121可以用过滤器上下文70“颜色＝红色，品牌＝苹果”调用过滤器名称模块124，以识别最流行的第二多个过滤器66以及它们的呈现顺序，过滤器包括属性166 (例如，过滤器名称)。过滤器名称模块124可以基于流行度表144来识别最流行的过滤器名称以及它们的呈现顺序。操作516在图9C的方法 540中进一步描述。

在操作518处，搜索引擎121可以基于过滤器上下文70生成搜索结果。例如，搜索引擎121可以通过识别项目表142中的具有与过滤器上下文70匹配的结构化信息176的列表170，来生成搜索结果以包括列表 170的描述。在一些情况下，搜索引擎121可以不将查询中的每个关键词映射到过滤器66。在这种情况下，搜索引擎121可以识别项目表142 中的与过滤器集合和其余关键词两者匹配的列表170。

在操作520处，搜索引擎121可将搜索结果和过滤器上下文70传送给前端服务器108。在操作522处，通信模块116可以生成界面并且通过网络104将界面传送给客户机102。例如，根据一个实施例，通信模块 116可以生成图3B中的用户界面40。根据一个实施例，通信模块116可以被配置为为了显示而识别预定数量的过滤器66。根据一个实施例，通信模块116可以被配置为识别由过滤器上下文70和过滤器建议72两者组成的总共五个过滤器，如图3B中的用户界面40所示。例如，通信模块116可以为了显示而识别由用户选择的两个过滤器以及来自排序的前三行的三个过滤器，如图3B中的用户界面40所示，以组合成预定数量的五个过滤器。此外，根据一个实施例，通信模块116可以基于先前描述的排序，为了显示而识别过滤器66在用户界面上的从顶部到底部的顺序、以及它们的各自值的从顶部到底部的顺序。例如，根据一个实施例，通信模块116可以基于先前描述的排序，为了显示而识别过滤器66在用户界面上的从顶部到底部的顺序、以及它们的各自值的从顶部到底部的顺序，如图3B中的用户界面40所示。

在操作524处，客户机102可显示该界面(例如，用户界面)。

图9B示出了根据示例实施例的识别过滤器上下文70中的过滤器的顺序的方法530。方法530可以在操作532处开始，在该操作中，搜索引擎121识别流行度表144中与过滤器上下文70中的过滤器66相匹配的行。例如，如果过滤器上下文70包括过滤器66“颜色＝红色”和“品牌＝苹果”(例如，图3B中的用户界面40)，则搜索引擎121可以识别流行度表144中的具有相同过滤器66的两行(例如，属性-值流行度信息 210)。

在操作534处，搜索引擎121可以对所识别的两行属性-值流行度信息210进行排序，以使标题概率213和联合概率218最大化。例如，搜索引擎121可以利用朴素贝叶斯概率来识别使概率最大化的行。根据一个实施例，搜索引擎121可对每行(例如，属性-值流行度信息210)的标题概率213和联合概率218进行求和以产生分数，并基于分数对行进行排序。根据另一个实施例，搜索引擎121可以在评分和排序之前对每种类型的概率施加权重。例如，搜索引擎121可以将行中的标题概率与系数相乘，将该行中的每个共同出现概率与系数相乘，并且将这两个乘积相加在一起以生成行的分数，该分数用于对行进行排序。根据一个实施例，搜索引擎121可以将两个乘积相乘在一起以生成行的分数，该分数用于对行进行排序。根据一个实施例，系数可以由用户配置。

在操作536处，搜索引擎121可以基于排序后的行的顺序，来识别过滤器上下文70中的过滤器66的呈现顺序。例如，如果将与过滤器66 “品牌＝苹果”和“颜色＝红色”相对应的行排序为“颜色＝红色”后跟“品牌＝苹果”的顺序(例如，从最高分数到最低分数)，则过滤器6 6按照最高分数以“颜色＝红色”和“品牌＝苹果”的顺序从顶部到底部呈现在用户界面上。例如，在图3B的用户界面40中，根据排序的顺序示出了“颜色＝红色”和“品牌＝苹果”的顺序。

回到图9B，在操作538处，搜索引擎121可以前进到上述排序中的第一行(例如，对应于第一个过滤器66“颜色＝红色”)。在操作539 处，搜索引擎121可以通过用过滤器66的名称和过滤器上下文70调用过滤器值模块126，来识别当前正在处理的过滤器66(例如，行)的值以及它们的显示顺序。操作539在图9E中进一步描述。

在判定操作541处，搜索引擎121可以识别在排序中是否存在更多的行(过滤器66)。如果在排序中存在更多的行(过滤器66)，则搜索引擎121前进到排序中的下一行并且转到操作539。否则，方法530 结束。

图9C示出了根据一个实施例的识别过滤器建议72中的过滤器以及它们的呈现顺序的方法540。方法540可以在操作542处开始，在该操作中，搜索引擎121用过滤器上下文70调用过滤器名称模块124。响应于接收到过滤器上下文70，过滤器名称模块124可以识别流行度表144 中的行(例如，属性-值流行度信息210)，所述行包括针对过滤器上下文70中的每个过滤器66的非零联合概率218。例如，如果过滤器上下文70包括过滤器66“颜色＝红色”和“品牌＝苹果”，则过滤器名称模块124可以识别流行度表144中的行，所述行具有针对过滤器66“颜色＝红色”和“品牌＝苹果”的非零联合概率218。

在操作544处，过滤器名称模块124可以对所识别的属性-值流行度信息210的行进行排序，以使每行中的标题概率213和联合概率218 最大化，如在操作534中所描述的。在操作546处，过滤器名称模块12 4可从属性-值流行度信息210的排序后的行中识别唯一过滤器名称(例如属性166)的集合和呈现顺序。例如，考虑图9D中的表1。表1包括六行属性-值流行度信息210，它们被排序为使标题概率213(未示出) 和联合概率218最大化(例如，行1最大化)。过滤器名称模块124可以从表1示出的行中提取具有重复过滤器名称(例如，属性166)的行，以生成表2。因此，过滤器名称模块124可以按照顺序识别唯一过滤器名称的集合。

回到图9C，在操作548处，搜索引擎121可以前进到上述排序中的第一行(例如，对应于第一个过滤器66“类型＝手机”)。在操作550 处，搜索引擎121可以通过用过滤器66的名称(例如，属性166)(例如，“类型”)和过滤器上下文70调用过滤器值模块126，来识别当前正在处理的过滤器66(例如，行)的值以及它们的显示顺序。操作55 0在图9E中进一步描述。

在判定操作552处，搜索引擎121可以识别在上述排序中是否存在更多的行(过滤器66)。如果在排序中存在更多的行(过滤器66)，则搜索引擎121前进到排序中的下一行并且转到操作550。否则，方法 540结束。

图9E示出了识别针对过滤器名称的值168的有序集合的方法560。方法560可以在操作562处开始，在该操作中，过滤器值模块126接收过滤器名称(例如，属性166)(例如，“颜色”)和过滤器66的集合。例如，该过滤器66的集合可以包括过滤器上下文70中的过滤器66、或概念查询64中的过滤器66(例如“颜色＝黑色”，“品牌＝苹果”，“类型＝IPHONE”)、或种子过滤器上下文88中的过滤器66(例如，“品牌＝苹果”，“运营商＝ATT”，“内存＝64GB”)。继续操作562，过滤器值模块126可以识别流行度表144中的第一行(例如，属性-值流行度信息210)集合，所述行具有包括与由过滤器值模块126接收的过滤器名称(例如“颜色”)相匹配的属性166的过滤器66。例如，如果由过滤器值模块126接收的过滤器名称是“颜色”，则包括具有属性166“颜色”的过滤器66的所有行被识别为匹配。例如，根据一个实施例，考虑图9F中的表3。图9F可以示出流行度表144中的至少六行属性-值流行度信息210。根据一个实施例，过滤器名称模块124可以从图9F的表3 中提取包括与过滤器名称“颜色”相匹配的属性166的行，以产生第一行集合，如表4所示。

回到图9E，在操作564处，过滤器值模块126可以基于由过滤器值模块126接收的过滤器66的集合，来从第一行集合中识别第二行集合。例如，滤波器值模块126可以从第一行集合中识别第二行集合，其中每行包括与由滤波器值模块126接收的滤波器66的集合中的滤波器66相对应的非零联合概率218。例如，假定过滤器值模块126接收到过滤器 66“颜色＝黑色”，“品牌＝苹果”，“类型＝IPHONE”的集合。根据一个实施例，过滤器值模块126可以识别如图9G的表5所示的行5和行6，因为这两行包括针对过滤器66“品牌＝苹果”和过滤器66“类型＝IPHO NE”的非零联合概率218。注意，来自图9F中的表4的行1未被包括在结果中，因为它包括了针对属性-值对164“品牌＝苹果”的为零的联合概率218。

回到图9E，在操作566处，过滤器值模块126可对所识别的属性- 值流行度信息210的行进行排序，以使标题概率213和联合概率218最大化。例如，过滤器值模块126可以利用朴素贝叶斯概率来识别使概率2 13、218最大化的行。根据一个实施例，过滤器值模块126可对每行(例如，属性-值流行度信息210)的标题概率213和联合概率218进行求和以产生分数，并基于分数对行进行排序。根据另一个实施例，过滤器值模块126可以在评分和排序之前对每种类型的概率施加权重。例如，过滤器值模块126可以将行中的标题概率213与系数相乘，将该行中的每个联合概率218与系数相乘，并且将这些乘积相加在一起以生成行的分数，该分数用于对行进行排序。根据一个实施例，过滤器值模块12 6可以将这些乘积相乘在一起以生成行的分数，该分数用于对行进行排序。根据一个实施例，系数可以由用户配置。在操作568处，过滤器值模块126可以识别过滤器值的顺序。例如，可以基于操作566中的排序结果(例如，第一行＝最高分数，第二行＝第二高分数)来识别过滤器值的顺序。

图10A示出根据一个实施例的识别所选择的过滤器的值168的方法600。在左边示出的是由客户机102执行的操作，在中间示出的是由基于网络的市场106中的前端服务器108执行的操作，在右边示出的是由基于网络的市场106中的后端服务器110执行的操作。在开始方法60 0之前，基于网络的市场106可以处理概念查询64(例如，“颜色＝红色”，“品牌＝苹果”和“类型＝IPHONE”)中的过滤器“颜色＝红色”的选择，以生成如图4A所示的用户界面60。用户界面60被显示为示出呈现颜色 (例如，值168)“红色”、“黑色”、“蓝色”、“黄色”和“紫色”的集合的值面板76。

方法600可以在操作602处开始，在该操作中，客户机102接收请求并通过网络104将该请求传送给基于网络的市场106，该请求包括识别过滤器66(例如，“颜色＝黑色”)的选择。例如，如图4A和图10A 所示，用户可以从用户界面60的值面板76中选择“黑色”，从而识别过滤器66“颜色＝黑色”并且使客户机102将包括第一属性-值对164“颜色＝黑色”在内的请求传送给基于网络的市场106。

在操作604处，在基于网络的市场106处，前端服务器108处的通信模块116可以接收该选择，并将该选择传送给后端服务器110。在操作606处，在后端服务器110处的搜索引擎121可以接收该选择。在操作 608处，搜索引擎121可以通过用过滤器66的名称(例如，属性166)(例如，“颜色”)和概念查询(例如，“颜色＝黑色”，“品牌＝苹果”和“类型＝IPHONE”)调用过滤器值模块126，来识别过滤器66(“颜色＝黑色”)的值以及它们的显示顺序。过滤器值模块126可基于概念查询64来识别过滤器名称“颜色”的值以及它们的呈现顺序。例如，过滤器值模块126可以识别、排序并返回如下的多个过滤器：分别包括多个值“蓝色”、“黄色”、“紫色”、“绿色”等的“颜色＝蓝色”、“颜色＝黄色”、“颜色＝紫色”、“颜色＝绿色”等。操作608可以在图9E中进一步描述。

在操作610处，搜索引擎121可基于概念查询64“颜色＝黑色”、“品牌＝苹果”和“类型＝IPHONE”来生成搜索结果，如前所述。在操作612处，搜索引擎121可将搜索结果和多个过滤器(例如，“颜色＝蓝色”、“颜色＝黄色”、“颜色＝紫色”、“颜色＝绿色”)传送给前端服务器108。

在操作614处，前端服务器108可以基于第一多个过滤器值和概念查询64来生成用户界面(例如，用户界面60)。例如，概念查询64可以被更新以包括过滤器66“颜色＝黑色”、“品牌＝苹果”和“类型＝I PHONE”。如图4B所示，可以针对值面板76中的值来识别图像78，并生成用户界面。在操作614处，通信模块116可以生成界面。例如，通信模块116可以生成如图4B所示的用户界面60。操作614在图10B中进一步描述。在操作616处，客户机102可接收并显示用户界面。

图10B示出根据一个实施例的生成包括过滤器值和图像在内的界面的方法700。方法700可以在操作702处开始，在该操作中，通信模块 116识别针对被选择的过滤器66的图像78。例如，通信模块116可以识别图像表220中的图像信息222，所述图像信息222包括与被选择的过滤器66“颜色＝黑色”以及概念查询64中的其他过滤器66“品牌＝苹果”、“类型＝IPHONE”相匹配的属性-值对164。响应于识别匹配，通信模块 116可以取回关联图像78(例如，黑色苹果iPhone)。

在操作706处，通信模块116可以识别第一个过滤器66。例如，通信模块116可以识别先前由过滤器值模块126识别的属性-值流行度信息210的行中的第一行(例如，最高排序优先级)(ROW1-“颜色＝蓝色”)。回想一下，过滤器值模块126识别并排序了属性-值流行度信息210的行集合，其中每行对应于过滤器66，如图9E中所描述的。

回到图10B，在操作710处，通信模块116可以识别针对正在处理的过滤器66以及概念查询64中的其他过滤器66的图像78。例如，通信模块116可以识别图像表220中的图像信息222，所述图像信息222包括与概念查询64“品牌＝苹果”、“类型＝IPHONE”和当前过滤器(例如“颜色＝蓝色”)相匹配的属性-值对164。

在判定操作712处，通信模块116可基于预定阈值来识别是否要处理更多滤波器66(例如，行)。例如，如图4B所示，预定阈值可以是五个(例如，“颜色＝黑色”、“颜色＝蓝色”、“颜色＝黄色”、“颜色＝紫色”、“颜色＝绿色”)。如果要在用户界面上显示更多过滤器 66，则在判定操作714处，处理继续下一个过滤器66(例如，行)。否则，处理在操作716处继续。在操作716处，通信模块116可以基于搜索结果、过滤器66的值、与过滤器66相关联的图像78以及概念查询64来生成界面。例如，通信模块116可以生成如图4B所示的用户界面60。

图10C示出根据一个实施例的确定搜索种子的方法800。在左边示出的是由客户机102执行的操作，在中间示出的是由基于网络的市场1 06中的前端服务器108执行的操作，在右边示出的是由基于网络的市场 106中的后端服务器110执行的操作。方法800在操作802处开始，在该操作中，客户机102将消息传送给基于网络的市场106，该消息包括将列表170识别为种子列表90的选择。例如，客户机102可以呈现如图1E 所示的用户界面33，以接收将列表170识别为种子列表90的消息选择，并且通过网络104将该消息传送给基于网络的市场106。在操作804处，通信模块116可以接收该消息，并将该消息传送给后端服务器110处的搜索引擎121。在操作805处，搜索引擎121接收该消息，并将项目表1 42中的列表170识别为种子列表90。

在操作806处，种子模块130识别种子过滤器上下文88。种子模块 130可基于从种子列表90中提取的种类184(例如“种类＝计算机”)来识别种子过滤器上下文88。另外，种子模块130可以利用预先存在的约束来识别种子过滤器上下文88。预先存在的约束是用于在选择种子列表90之前识别搜索结果的约束。例如，预先存在的约束可以包括：查询(例如，“IPAD AIR”)、过滤器上下文(例如，“类型＝IPAD”，“品牌＝苹果”)和从过滤器建议72选择的过滤器(例如，“运送＝标准”)。因此，种子模块130可以通过用来自种子列表90的种类(例如“种类＝计算机”)、来自过滤器上下文70(例如“类型＝IPAD”，“品牌＝苹果”)的过滤器66、以及从过滤建议72(例如，“运送＝标准”) 中选择的一个或多个过滤器66调用过滤器名称模块124，以识别最流行的多个过滤器66以及它们的呈现顺序，其中过滤器66包括属性166(例如，过滤器名称)，从而识别种子过滤器上下文88。

过滤器名称模块124基于流行度表144来识别最流行的过滤器名称166以及它们的呈现顺序。系统32可以基于来自种子列表90的一个或多个种类、预先存在的约束中的过滤器66、以及描述属性-值对(例如，过滤器)在列表170中的出现率的概率来识别种子过滤器上下文88中的过滤器66以及它们的呈现顺序，所述列表170描述先前在基于网络的市场110中交易的项目(例如，完成列表170)。也就是说，可以基于(作为属性-值对164的)过滤器66在完成列表170中出现的概率，并且基于 (作为属性-值对164的)过滤器66与来自种子列表90的一个或多个种类中的每一个以及预先存在的约束中的过滤器66共同出现在完成列表170中的概率，来确定种子过滤器上下文88中的每个过滤器及其呈现顺序。种子模块130可以作为种子过滤器上下文88来识别多个过滤器66 以及它们在用户界面40上的呈现顺序，如图4C中的用户界面35中所图示和描述的。操作806在图10D的方法840中进一步描述。在本示例中，方法840返回种子过滤器上下文88，其具有未用值168初始化的过滤器 66(例如，“品牌＝”、“运营商＝”、“内存＝”)。在其他示例中，种子列表90可以包括被传递给过滤器名称模块124的多于一个种类。在一个实施例中，多个种子列表90的选择导致过滤器名称模块124的迭代调用，以生成多个种子过滤器上下文88。

在操作807处，种子模块130基于种子过滤器上下文88的属性166 从种子列表90中提取值168。例如，种子模块130利用种子过滤器上下文88中的未初始化的过滤器66(例如，“品牌＝”、“运营商＝”、“内存＝”)的属性166，在种子列表90的结构化信息176(例如，“品牌＝苹果”)中识别具有匹配的属性166的过滤器66，以提取所识别的值1 68(例如，“苹果”、“ATT”、“64GB”)。

在操作808处，种子模块130用从种子列表90中提取的值(例如，“苹果”、“ATT”、“64GB”)来初始化种子过滤器上下文88中的每个过滤器“品牌＝”、，“运营商＝”、“内存＝”。例如，种子模块1 30将每个过滤器“品牌＝”、“运营商＝”和“内存＝”初始化为“品牌＝苹果”、“运营商＝ATT”和“内存＝64GB”。

在操作810处，种子模块130以过滤器66的集合的形式识别种子过滤器建议92，以呈现在用户界面35中。系统32可以基于种子过滤器上下文88以及描述属性-值对(例如，过滤器)在列表170中的出现率的概率来识别种子过滤器建议92中的过滤器66以及它们的呈现顺序，所述列表170描述先前在基于网络的市场110中交易的项目(例如，完成列表170)。也就是说，可以基于(作为属性-值对164的)过滤器66 在完成列表170中出现的概率，并且基于(作为属性-值对164的)过滤器66与种子过滤器上下文88中的每个其他过滤器66共同出现在完成列表170中的概率，来确定种子过滤器建议92中的每个过滤器66及其呈现顺序。种子模块130可以作为种子过滤器建议92来识别多个过滤器66 以及它们在用户界面40上的呈现顺序，如图4C中的用户界面35中所图示和描述的。例如，种子模块130可以用种子过滤器上下文88“品牌＝苹果”、“运营商＝ATT”和“内存＝64GB”调用过滤器名称模块124，以识别最流行的多个过滤器66以及它们的呈现顺序，其中所述过滤器包括属性166(例如，过滤器名称)。过滤器名称模块124可以基于流行度表144来识别最流行的过滤器名称以及它们的呈现顺序。操作516 在图10E的方法940中进一步描述。

在操作812处，种子模块130通过搜索项目表142来识别列表170，从而生成搜索结果。例如，种子模块130识别与预先存在的约束和种子项目约束相匹配的列表170。回忆一下，预先存在的约束包括：查询(例如，“IPAD AIR”)、过滤器上下文70(例如，“类型＝IPAD”，“品牌＝苹果”)和从过滤器建议选择的过滤器(例如，“运送＝标准”)。种子模块130将预先存在的约束中的查询与列表170中的非结构化信息进行匹配，并且将过滤器上下文70中的过滤器66以及过滤器建议72中的过滤器66与列表170中的结构化信息176进行匹配。种子项目约束可以包括种子过滤器上下文88(例如，“品牌＝苹果”、“运营商＝ATT”、“内存＝64GB”)和从种子过滤器建议中选择的过滤器66(例如，“状况＝新”)。种子模块130将种子项目约束与列表170中的结构化信息1 76进行匹配。回忆一下，一些实施例使用多个种子列表90。在这种情况下，种子项目约束包括针对每个种子列表90的种子过滤器上下文88、以及从多个种子过滤器建议中选择的过滤器66。

种子模块130根据项目相似度排名对搜索结果进行排序。项目相似度排名将搜索结果中的列表按照从与种子列表最相似的列表到与种子列表最不相似的列表进行排序。在一些实施例中，用户可以提供用于排序的一个或多个附加准则。在这种情况下，种子模块130选择被识别为与种子列表最相似的搜索结果的一部分，并根据所选择的准则对搜索结果的该所选择的部分进行排序。

在操作814处，种子模块130将搜索结果的界面信息传送给前端服务器108。界面信息可以包括用于生成用户界面35或用户界面94的任何信息。在操作816处，通信模块116接收界面信息，并且通过网络104 将界面信息传送给客户机102。根据一个实施例，通信模块116被配置为识别种子过滤器上下文88和种子过滤器建议92中的预定数量的过滤器66。根据一个实施例，通信模块116被配置为识别由种子过滤器上下文88和种子过滤器建议92两者组成的总共五个过滤器，如图4C中的用户界面350所示。在操作818处，客户机102接收界面信息，并利用界面信息来显示或更新界面(例如，用户界面)。例如，可以利用界面信息来在客户机102处显示用户界面或者在客户机102处更新用户界面。界面信息可用于显示或更新如图4C所示的用户界面35、或者如图4D所示的用户界面94。在另一个实施例中，界面信息可被前端服务器108 用来生成用户界面，然后将用户界面(用户界面35、用户界面94)传送给客户机102。

图10D示出了根据一个实施例的识别种子过滤器上下文72中的过滤器66以及它们的呈现顺序的方法840。方法840在操作842处开始，在该操作中，种子模块130用种子列表90的一个或多个种类194和来自预先存在的约束的过滤器66来调用过滤器名称模块124。回忆一下，预先存在的约束有时可能不存在。在本示例中，种类是“种类＝计算机”，来自预先存在的约束的过滤器66包括过滤器上下文70中的过滤器66 (例如“类型＝IPAD”、“品牌＝苹果”)和从过滤器建议中选择的过滤器66(例如，“运送＝标准”)。响应于接收到种类194和预先存在的约束，过滤器名称模块124可以识别流行度表144中的行(例如，属性-值流行度信息210)，所述行包括针对传递给过滤器名称模块124 的每个过滤器66(例如，“种类＝计算机”、“类型＝IPAD”、“品牌＝苹果”和“运送＝标准”)的非零联合概率218。例如，如果传递给过滤器名称模块124的过滤器66包括“种类＝计算机”、“类型＝IPAD”、“品牌＝苹果”和“运送＝标准”，则过滤器名称模块124可以识别流行度表144中的行，所述行具有针对过滤器66“种类＝计算机”、“类型＝IPAD”、“品牌＝苹果”和“运送＝标准”的非零联合概率218。

在操作844处，过滤器名称模块124可以对所识别的属性-值流行度信息210的行进行排序，以使每行中的标题概率213和联合概率218 最大化(最大化在图9B的操作534中进行了描述)。在操作846处，过滤器名称模块124从属性-值流行度信息210的排序后的行中识别唯一过滤器名称(例如属性166)的集合和呈现顺序。例如，考虑图10F中的表6。表6包括六行属性-值流行度信息210，它们被排序为使标题概率213(未示出)和联合概率218最大化(例如，行1最大化)。每行对应于过滤器66。每个过滤器66包括与联合概率218相关联的属性(例如，过滤器名称)166和值168。过滤器名称模块124可以从表6示出的行中提取具有重复过滤器名称(例如，属性166)的行，以生成图10G 中的表7。表7包括与关于表6所描述的相同的元素(例如，过滤器66、联合概率218)。因此，过滤器名称模块124可以按照顺序识别唯一过滤器名称的集合。

回到图10D，在操作848处，种子模块130以种子过滤器上下文88 的形式返回过滤器66的集合，所述过滤器66包括属性166，但不具有值 168。在本示例中，尽管在表6和表7中使用了示例，但是过滤器名称模块124返回具有未初始化的过滤器66“品牌＝”、“运营商＝”和“内存＝”的种子过滤器上下文88。

图10E示出了根据一个实施例的识别种子过滤器建议92中的过滤器以及它们的呈现顺序的方法940。方法940在操作942处开始，在该操作中，种子模块130用种子过滤器上下文88调用过滤器名称模块124。响应于接收到种子过滤器上下文88，过滤器名称模块124识别流行度表 144中的行(例如，属性-值流行度信息210)，所述行包括针对种子过滤器上下文88中的每个过滤器66的非零联合概率218。例如，如果种子过滤器上下文88包括过滤器66“品牌＝苹果”、“运营商＝ATT”和“内存＝64GB”，则过滤器名称模块124可以识别流行度表144中的行，所述行具有针对过滤器66“品牌＝苹果”、“运营商＝ATT”和“内存＝64GB”的非零联合概率218。

在操作944处，过滤器名称模块124对所识别的属性-值流行度信息210的行进行排序，以使每行中的标题概率213和联合概率218最大化 (最大化在图9B的操作534中进行了描述)。在操作946处，过滤器名称模块124从属性-值流行度信息210的排序后的行中识别唯一过滤器名称(例如属性166)的集合和呈现顺序。例如，考虑图10H中的表8。表8包括六行属性-值流行度信息210，它们被排序为使标题概率213(未示出)和联合概率218最大化(例如，行1最大化)。表8包括与表6中所描述的相同的元素(例如，过滤器66、联合概率218)。过滤器名称模块124可以从表8示出的行中提取具有重复过滤器名称(例如，属性 166)的行，以生成图10I中的表9。表9包括与表6中所描述的相同的元素(例如，过滤器66、联合概率218)。因此，过滤器名称模块124可以按照顺序识别唯一过滤器名称的集合。

回到图10E，在操作946处，种子模块121前进到上述排序中的第一行(例如，对应于第一个过滤器66(例如，“类型＝手机”))。在操作950处，种子模块130通过用过滤器66的名称(例如，属性166)(例如，“类型”)和种子过滤器上下文88调用过滤器值模块126，来识别当前正在处理的过滤器66(例如，行)的值168以及它们的显示顺序。操作950在图9E中进一步描述。

回到图10E，在判定操作952处，种子模块121识别在上述排序中是否存在更多的行(过滤器66)。如果在排序中存在更多的行(过滤器66)，则种子模块121前进到排序中的下一行，然后转到操作950。否则，方法940结束。

图11示出了根据实施例的网络架构1100。在网络-服务器侧功能的示例性形式中，联网系统1102经由通信网络1104(例如，因特网、无线网络、蜂窝网络或广域网(WAN))耦接到一个或多个客户端设备 1110和1112。联网系统1102对应于图5中的系统100，通信网络1104对应于图5中的网络104，并且客户端设备1110和1112对应于图5中的客户机102，相应地，除非另有说明，相同或相似的参考标记已被用于指示相同或相似的特征。例如，图11示出了经由浏览器(例如如由华盛顿州雷德蒙德市的

公司开发的Internet

浏览器) 操作的web客户端1106和在各个客户端设备1110和1112上执行的可编程客户端1108。

网络架构1100可以用于执行本文档中描述的方法中的任意一个。客户端设备1110和1112可以包括移动电话、台式计算机、膝上型计算机、或用户可以用于访问联网系统1102的任意其他通信设备。在一些实施例中，客户端设备1110可以包括显示模块(未示出)以显示信息 (例如，以用户接口的形式)。在另外的实施例中，客户端设备1110 可以包括触摸屏、加速度计、相机、麦克风和GPS设备中的一个或多个。客户端设备1110和1112可以是用户的设备，其用于执行涉及联网系统 1102内的数字商品的交易。在一个实施例中，联网系统1102是基于网络的市场，其管理数字商品、发布包括在基于网络的市场上可用的产品的项目列表的发布、并管理这些市场交易的支付。另外，外部站点 1128、1128’可以是经由网络1104耦合到联网系统1102的站点。外部站点可以是任何期望的系统，包括电子商务系统。

应用程序接口(API)服务器1114和web服务器1116耦接到一个或多个应用服务器1118，并分别向该一个或多个应用服务器118提供编程和web接口。应用服务器1118托管发布系统1200和支付系统1122，其中发布系统120和支付系统122中的每一个可以包括一个或多个模块、应用或引擎，并且发布系统120和支付系统122中的每一个可以具体实现为硬件、软件、固件或其任何组合。应用服务器1118进而耦接到一个或多个数据库服务器1124，以便于访问一个或多个信息存储库或(一个或多个)数据库1126。在一个实施例中，数据库1126是存储要向发布系统1200通告的信息(例如，发布或列表)的存储设备。根据示例实施例，数据库1126还可以存储数字商品信息。

在示例实施例中，发布系统1200在网络(例如，因特网)上发布内容。因此，发布系统1200向访问联网系统1102的用户提供多个发布以及市场功能和服务。结合图12更详细地讨论了发布系统1200。在示例实施例中，针对在线市场环境来讨论发布系统1200。然而，要注意的是，发布系统1200可以与例如信息(如，搜索引擎)或社交网络环境之类的非市场环境相关联。

支付系统1122向用户提供多个支付服务和功能。支付系统1122允许用户在他们的账户中累积值(例如，以商业货币(例如美元)、或专有货币(例如，私人实体提供的积分、里程或其他形式的货币))，然后，稍后兑换累积值以用于经由发布系统1200或网络1104上的其他地方可用的产品(例如，商品或服务)。支付系统1122还便于从支付机制(例如，银行帐户、PayPal^TM或信用卡)进行支付以经由任何类型和形式的基于网络的市场购买项目。

虽然在图11中将发布系统1200和支付系统1122示出为二者都形成联网系统1102的一部分，但是将理解的是，在备选实施例中，支付系统1122可以形成与联网系统1102分离且不同的支付服务的一部分。此外，尽管图11的示例网络架构1100采用客户端-服务器架构，本领域技术人员将意识到本公开不限于这种架构。示例网络架构1100同样可以在例如分布式或对等架构系统中很好地应用。发布系统1200和支付系统1122还可以被实现为在不一定具有联网能力的单独硬件平台下操作的独立系统或独立软件程序。

现在参考图12，其示出了说明在一个实施例中在联网系统1102的发布系统1200内提供的多个组件的示例框图。在该实施例中，发布系统1200是可以提供售卖项目(例如商品或服务)并且进一步实现本文所描述的用于交互式查询生成和精炼的特征的市场系统。这些项目可以包括数字商品(例如货币、许可权)。发布系统1200可以被托管在专用或共享的服务器机器(未示出)上，这些服务器机器被通信地耦接以实现服务器机器之间的通信。多个组件自身直接或间接彼此通信耦合并与各种数据源通信耦合(例如经由适当的接口)，以允许信息在组件间传递或允许组件共享并访间公共数据。此外，组件可以经由一个或多个数据库服务器1124访间一个或多个数据库1126，如图11中所不。

回到图12，发布系统1200提供多种发布、列表和价格设置机制，其中，买家可以列出出售的商品或服务(或发布关于商品或服务的信息)，买家可以表示购买这种商品或服务的兴趣或者意向，并且可以为关于商品或服务的交易设置价格。为此，发布系统1200可以包括至少一个发布引擎1202和一个或多个拍卖引擎1204，一个或多个拍卖引擎204支持拍卖格式列表和价格设置机制(例如，英语、荷兰语、汉语、双语、反向拍卖等)。

定价引擎1206支持各种价格列表格式。一个这种格式是固定价格列表格式(例如，传统划分广告类型列表或类别列表)。另一种格式包括买入型(buyout-type)列表。可以结合拍卖格式列表提供买入型列表(例如由加利福尼亚州圣何塞的eBay公司开发的现在购买(BIN) 技术)，并且允许买家以通常高于项目的拍卖起始价格的固定价格购买也通过拍卖供应出售的商品或服务。

商店引擎1208允许买家将列表组合在“虚拟”商店中，该“虚拟”商店可以被卖家冠以品牌或者被买家个性化。这种虚拟商店还可以提供促销、激励以及对于买家来说特定和个性化的特征。在一个示例中，买家可以供应多个项目作为虚拟商店中的现在购买项目，提供多个项目用于拍卖，或二者的组合。

信誉引擎1210允许使用联网系统1102进行交易的用户建立、构建和维护信誉。可以使得这些信誉可用并发布给潜在的贸易伙伴。因为发布系统1200支持未知实体之间的个人对个人的交易，因此根据一个实施例，用户否则可能没有可以由此评估潜在贸易伙伴的可信赖性和可信度的历史或其他参考信息。信誉引擎1210允许用户例如通过由一个或多个其他交易伙伴提供的反馈来随时间在基于网络的市场106内建立信誉。然后，其他潜在贸易伙伴可以参考信誉，以用于评估可信度和可信赖性的目的。

基于网络的市场106的导航可以由导航引擎1212来实现。例如，导航引擎1212的浏览器模块(未示出)允许用户浏览各种类别、目录或库存数据结构，据此可以在发布系统1200内对列表进行分类。可以提供导航引擎1212内的各种其他导航应用，以补充浏览应用。例如，导航引擎1212可以包括通信模块116，如前所述。

为使可经由联网系统1102获得的列表尽可能可视化地进行通知且吸引人，发布系统1200可以包括使用户能够上载图像以包括在发布中并将图像涵盖在查看的列表内的成像引擎1214。成像引擎1214还可以从用户接收图像数据作为搜索查询，并且利用图像数据来识别由图像数据描绘或描述的项目。

列表创建引擎1216允许用户(例如，买家)方便地创建项目的列表。在一个实施例中，列表与用户(例如，买家)希望经由发布系统 1200交易的商品或服务有关。在其他实施例中，用户可以创建作为广告或其他形式的发布的列表。

列表管理引擎1218允许用户管理这样的列表。具体地，在特定用户创作或发布大量列表的情况下，这些列表的管理可能提出挑战。列表管理引擎1218提供多个特征(例如，自动重新列出、库存水平监视器等)以帮助用户管理这样的列表。列表管理引擎1218可以包括列表模块118，如前所述。

列出后管理引擎1220还帮助用户进行通常在列出后发生的多个活动。例如，在完成由一个或多个拍卖引擎1204辅助的拍卖时，买家可能希望留下关于特定卖家的反馈。为此，列表后管理引擎1220可以提供针对信誉引擎1210的接口，从而允许买家方便地向信誉引擎1210 提供关于多个卖家的反馈。另一种列表后动作可以是售出项目的运送，由此列表后管理引擎1220可以协助打印运送标签、估计运送成本并且建议运送商。

搜索引擎1222执行对联网系统1102中与查询匹配的发布的搜索。在示例实施例中，搜索引擎1222包括使得能够对经由发布系统1200发布的发布进行关键词搜索的搜索模块(未示出)。此外，例如，搜索引擎1222可以执行之前参考搜索引擎121描述的功能。在另一实施例中，搜索引擎1222可以将成像引擎1214接收的图像作为用于执行搜索的输入。搜索引擎1222获取查询输入并确定来自联网系统1102的多个匹配 (例如，存储在数据库1126中的发布)。注意，搜索引擎1222的功能可以与导航引擎1212进行组合。发布系统1200中的搜索引擎1222可以执行先前关于搜索引擎121描述的功能。

图12中的用户活动检测引擎1224可以监视用户会话期间的用户活动，并检测用户活动级别的改变，如下面更详细地讨论的，用户活动级别的改变可以预测用户即将进行购买。用户活动级别的改变的确切量可能会有所不同。一般的指导方针可以是监视多个会话，并检测随时间的任意显著增加(例如，活动级别在短时间内翻倍或翻三倍)。在一个实施例中，当用户活动检测引擎1224检测到这种情况时，电子商务系统可以进行干预，以提供用于显示给用户的内容，从而努力提高用户做出购买的概率，和/或还激励用户在该电子商务系统站点上进行购买(不是转到竞争对手的网站寻求更好的购买)。换句话说，在购买行为之前的一段时间和不同时间的活动提供了基于时间通过如上所述的干预来向用户进行个性化营销的机会。下面讨论在该营销个性化中包含时间框架的其他示例。发布系统1200还可以包括流行度模块 128，如前所述。

尽管已经关于各种单个模块和引擎定义了发布系统1200的各种组件，本领域技术人员将认识到：根据示例实施例，许多项目可以用其他方式组合或组织，并且并不是所有模块或引擎都需要存在或被实现。此外，图12中并没有包括发布系统1200的全部组件。通常，没有具体示出或论述不与示例实施例的功能直接相关的组件、协议、结构和技术(例如，争议解决引擎、忠诚度促进引擎、个性化引擎)。本文给出的描述仅提供了各种示例性实施例以帮助读者理解本文所使用的系统和方法。

数据结构

图13是高级实体关系图，示出了各种表1250，其可以在图11的数据库1126内维护，以及由图11的发布系统1200和支付系统1122两者使用并且支持这两个系统。用户表1252可以包含针对图11和图5的网络系统1102(例如，基于网络的市场106)的每个注册用户的记录。用户在基于网络的市场106(例如图11和图5)内可作为卖家、买家或这二者操作。在一个示例实施例中，买家可以是具有累积值(例如，流通货币或专有货币)的用户，并因此能够用累积值来交换由基于网络的市场106提供待售的项目。

表格1250还可以包括项目表1254(例如，项目表142)，在项目表1254中维护针对可经由基于网络的市场106交易的或已经交易的商品和服务(例如，项目)的项目记录(例如，列表)。还可将项目表 1254内的项目记录(例如，列表)链接到用户表1252内的一个或多个用户记录，以将卖家和一个或多个实际买家或潜在买家与项目记录(例如，列表)相关联。

交易表1256可包含针对每个交易(例如，购买或出售交易或拍卖) 的记录，该每个交易涉及其记录存在于项目表1254中的项目。

可以用订单记录来填写订单表1258，其中，每个订单记录与订单相关联。每个订单进而可与其记录存在于交易表1256中的一个或多个交易相关联。

结合图12的拍卖引擎1204所支持的拍卖形式列表，出价表1260内的出价记录可以与在基于网络的市场106处接收到的出价有关。在一个示例实施例中，图12的一个或多个信誉引擎1210可以利用反馈表1262 来构建和维护具有反馈分数形式的与用户有关的信誉信息。历史表12 64可维护用户作为其一方的交易的历史。一个或多个属性表1266可记录涉及其记录存在于项目表1254内的项目的属性信息。仅考虑这样的属性的单个示例，属性表1266可指示与特定项目相关联的货币属性，该货币属性识别卖家所规定的相关项目的价格的货币。搜索表1268可存储由正寻找特定类型的列表的用户(例如，买家)输入的搜索信息。表1250可以包括流行度表144和搜索元数据140，如前所述。

机器

图14是示出了根据一些示例实施例的能够从机器可读介质1322（例如非临时机器可读介质、机器可读存储介质、计算机可读存储介质、或其任意适当组合）读取指令1324并完全或部分执行本文讨论的方法中的任意一个或多个方法的机器1300的组件的框图。具体地，图14示出了具有计算机系统（例如计算机）的示例形式的机器1300，其中，可以完全或部分执行用于使机器1300执行本文讨论的方法中的任意一个或多个方法的指令1324（例如软件、程序、应用、小程序、app或其他可执行代码）。

在备选实施例中，机器1300作为独立设备操作或者可以连接至 (例如联网)到其他机器。在联网部署中，机器1300可以以服务器- 客户端网络环境中的服务器机器或客户端机器的资格操作，或者作为分布式(例如对等)网络环境中的对等机器操作。机器1300可以是服务器计算机、客户端计算机、个人计算机(PC)、平板计算机、膝上型计算机、上网本、蜂窝电话、智能电话、机顶盒(STB)、个人数字助理(PDA)、web设备、网络路由器、网络交换机、网桥或者能够顺序地或以其他方式执行指令1324的任何机器，所述指令指定了该机器要采取的动作。此外，虽然仅示出了单个机器，但术语“机器”还应视为包括独立或联合执行指令1324以执行本文讨论的方法中的任意一种或更多种的全部或部分的机器的任意集合。

机器1300包括被配置为彼此经由总线1308通信的处理器1302(例如中央处理单元(CPU)、图形处理单元(GPU)、数字信号处理器(DSP)、专用集成电路(ASIC)、射频集成电路(RFIC)、或其任意适当组合)、主存储器1304、和静态存储器1306。处理器1302可以包含微电路，该微电路可由指令1324中的一些或全部临时或永久配置，使得处理器13 02可被配置为完全或部分执行本文描述的方法中的任意一个或多个方法。例如，处理器1302的一个或多个微电路的集合可被配置为执行本文描述的一个或多个模块(例如软件模块)。

机器1300还可以包括图形显示器1310(例如等离子显示面板(PD P)、发光二极管(LED)显示器、液晶显示器(LCD)、投影仪、阴极射线管(CRT)或能够显示图形或视频的任何其他显示器)。机器130 0还可以包括字母数字输入设备1312(例如键盘或键区)、光标控制设备1314(例如鼠标、触摸板、轨迹球、操纵杆、运动传感器、眼动跟踪设备或其他定位仪器)、存储单元1316、音频产生设备1318(例如声卡、放大器、扬声器、耳机插座或其任意适当组合)以及网络接口设备1320。

存储单元1316包括其上存储有指令1324的机器可读介质1322(例如有形且非瞬态机器可读存储介质)，指令724体现本文描述的方法或功能中的任意一个或多个方法或功能。指令1324还可以在机器1300执行指令724之前或期间完全或至少部分驻留在主存储器1304内、处理器 1302内(例如处理器的高速缓存内)或这二者内。因此，主存储器13 04和处理器1302可被视为机器可读介质(例如有形和非瞬态机器可读介质)。可以经由网络接口设备1320在网络1390上发送或接收指令13 24。例如，网络接口设备1320可以使用任何一个或更多个传输协议(例如，超文本传输协议(HTTP))来传送指令1324。

在一些示例实施例中，机器1300可以是便携式计算设备(如智能电话或平板计算机)，并且具有一个或多个附加输入组件1330(例如传感器或仪表)。这样的输入组件1330的示例包括图像输入组件(例如一个或多个相机)、音频输入组件(例如麦克风)、方向输入组件 (例如罗盘)、位置输入组件(例如全球定位系统GPS接收机)、取向组件(例如陀螺仪)、运动检测组件(例如一个或多个加速计)、高度检测组件(例如高度计)、以及气体检测组件(例如气体传感器)。这些输入组件中的任意一个或多个获得的输入可访间和可用于由本文描述的任一模块使用。

如本文所使用的，术语“存储器”指能够临时或永久地存储数据的机器可读介质，并且可看作包括(但不限于)随机存取存储器(RA M)、只读存储器(ROM)、缓冲存储器、闪存、以及高速缓存存储器。虽然机器可读介质1322在示例实施例中被示为是单个介质，但是术语“机器可读介质”应当被认为包括能够存储指令1324的单个介质或多个介质(例如，集中式或分布式数据库或相关联的高速缓存和服务器)。术语“机器可读介质”还应看作包括任何能够存储指令1324的介质或多个介质的组合，所述指令1324由机器1300执行，使得当指令824被机器1300的一个或多个处理器(例如处理器1302)执行时使机器1300在整体或部分上执行本文描述的方法中的任意一个或多个。因此，“机器可读介质”指单个存储装置或设备、以及包括多个存储装置或设备的“基于云”的存储系统或存储网络。因此，术语“机器可读机制”应看作包括但不限于固态存储器、光学介质、磁介质或其任意适当组合的一个或多个有形(例如非临时)数据仓库。

此外，机器可读介质可以包括任何形式的载体介质并且可以实现为诸如传播信号之类的瞬态介质。

在整个说明书中，复数实例可以实现如单个实例所描述的部件、操作或结构。虽然一个或多个方法的各个操作被示意和描述为分离的操作，但是各个操作中的一个或多个可以同时执行，并且无需按所示顺序执行操作。在示例配置中被示为分离组件的结构和功能可以被实现为组合结构或组件。类似地，被示为单个组件的结构和功能可以被实现为分离的组件。这些和其他变型、修改、添加和改进落入本文中主题的范围内。

某些实施例在本文中被描述为包括逻辑或多个组件、模块或机构。模块可以包括软件模块(例如，在机器可读介质上或传输介质中存储或实现的代码)、硬件模块或者其任意合适的组合。“硬件模块”是能够执行某些操作的有形(例如非临时)单元，并且可以某物理方式配置或布置。在各种示例实施例中，一个或多个计算机系统(例如独立的计算机系统、客户端计算机系统或服务器计算机系统)或者计算机系统的一个或多个硬件模块(例如处理器或处理器组)可由元件(例如应用或应用部分)配置为操作为执行本文描述的特定操作的硬件模块。

在一些实施例中，硬件模块可以按照机械方式、电子方式或其任意适当组合来实现。例如，硬件模块可以包括永久地被配置为执行特定操作的专用电路或逻辑。例如，硬件模块可以是专用处理器，如现场可编程门阵列(FPGA)或ASIC。硬件模块还可以包括由软件临时配置为执行特定操作的可编程逻辑或电路。例如，硬件模块可以包括通用处理器或其他可编程处理器中包含的软件。应理解：以机械方式、以专用和永久配置的电路或以临时配置的电路(例如由软件配置)实现硬件模块的决定可出于成本和时间的考虑。

因此，短语“硬件模块”应理解为涵盖有形实体，并且这样的有形实体可以在物理上被构造、永久被配置(例如硬线连接)或临时被配置(例如编程)为以特定方式操作或执行本文描述的特定操作。如本文所使用的，“硬件实现的模块”指硬件模块。考虑临时配置(例如编程)硬件模块的实施例，无需在任一时刻配置或实例化硬件模块中的每一个。例如，在硬件模块包括被软件配置成为专用处理器的通用处理器的情况下，通用处理器可以在不同时间被配置为分别不同的专用处理器(例如包括不同的硬件模块)。因此，软件(例如软件模块)可以将一个或更多个处理器例如配置为在一个时刻构成特定硬件模块并在另一时刻构成不同的硬件模块。

硬件模块可以向其他硬件模块提供信息并从其他硬件模块接收信息。因此，所描述的硬件模块可以被看作通信地耦合。如果同时存在多个硬件模块，则可以通过两个或更多个硬件模块之间的信号传输 (例如通过适当的电路和总线)实现通信。在多个硬件模块在不同时间配置或实例化的实施例中，可以例如通过存储并获取多个硬件模块可访问的存储器结构中的信息来实现这样的硬件模块之间的通信。例如，一个硬件模块可以执行操作并在与其通信耦合的存储设备中存储该操作的输出。另一硬件模块接着可以稍后访问存储器设备，以取回并处理所存储的输出。硬件模块还可以发起与输入或输出设备的通信，并且能够对资源(例如信息的集合)进行操作。

此处描述的示例方法的各种操作可以至少部分地由临时配置(例如通过软件)或永久配置为执行相关操作的一个或多个处理器执行。无论是临时还是永久配置，这样的处理器可以构成操作以执行本文描述的一个或多个操作或功能的处理器实现的模块。如本文所使用的，“处理器实现的模块”指使用一个或更多个处理器实现的硬件模块。

类似地，本文描述的方法可以至少部分是处理器实现的，处理器是硬件的示例。例如，方法的至少一些操作可由一个或多个处理器或处理器实现的模块执行。如本文使用的，“处理器实现的模块”指硬件包括一个或多个处理器的硬件模块。此外，一个或多个处理器还可操作以支持在“云计算”环境中或作为“软件即服务”(SaaS)执行有关操作。例如，操作中的至少一些可由计算机(作为包括处理器的机器的示例)组执行，这些操作可经由网络(例如互联网)并经由一个或多个适当接口(例如应用程序接口(API))来访问。

特定操作的执行可以分布在一个或更多个处理器之间，所述处理器不仅仅位于单个机器上，还可以跨多个机器部署。在一些示例实施例中，一个或更多个处理器或处理器实现的模块可以位于单个地理位置(例如在家庭环境、办公室环境或服务器群中)。在其他示例实施例中，一个或更多个处理器或处理器实现的模块可以跨多个地理位置分布。

本文讨论的主题的一些部分可以用算法或对数据的操作的符号表示来呈现，其存储为机器存储器(例如计算机存储器)内的比特或二进制数字信号。这样的算法或符号表示是数据处理技术领域普通技术人员用来向本领域其他技术人员传达他们工作实质的技术示例。如本文所使用的，“算法”是操作的自洽序列或导致期望结果的类似处理。在该上下文中，算法和操作涉及对物理量的物理操作。通常但非必要地，这样的量可以采取能够由机器存储、访问、传输、组合、比较或以其他方式操纵的电气、磁或光学信号的形式。有时，主要由于常见用法的原因，使用诸如“数据”、“内容”、“比特”、“值”、“元素”、“符号”、“字符”、“项”、“数”、“数字”等词语来指代这样的信号是方便的。然而，这些词语仅仅是方便的标记，并且应与适当的物理量相关联。

除非另行具体说明，否则本文使用例如“处理”、“计算”、“运算”、“确定”、“呈现”、“显示”等词语的讨论可以指操纵或变换被表示为一个或多个存储器(例如易失性存储器、非易失性存储器或其任意组合)、寄存器或接收、存储、发送或显示信息的其他机器组件内的物理(例如电子、磁或光学)量的数据的机器(例如计算机) 的动作或过程。此外，除非另行具体说明，否则如专利文献中常见的，本文中的术语“一”或“一个”用于包括一个或多于一个实例。最后，如本文所使用的，除非特别说明，连词“或”指非排他的“或”。

下面通过以下编号的示例来描述实施例。

1.一种系统，包括：

使用一个或多个处理器实现的种子模块，被配置为将第一列表识别为种子列表，所述第一列表包括在第一多个列表中，所述第一多个列表分别描述正在基于网络的市场上供销售的项目；

使用一个或多个处理器实现的过滤器名称模块，被配置为基于所述种子列表和概率来识别种子过滤器上下文，所述种子过滤器上下文包括多个属性-值对，所述多个属性-值对包括第一属性-值对和第二属性-值对，所述第一属性-值对是第一过滤器，所述第二属性-值对是第二过滤器，所述概率描述属性-值对在分别描述先前在所述基于网络的市场上交易的项目的多个列表中的出现率；

所述种子模块还被配置为：

基于所述种子过滤器上下文从所述种子列表提取值，

基于从所述种子列表提取的值初始化所述种子过滤器上下文，

基于所述种子过滤器上下文生成搜索结果，所述搜索结果包括从所述第一多个列表中识别的第二多个列表，以及

通过网络将界面信息传送给客户机，所述界面信息包括所述种子过滤器上下文和来自所述第二多个列表的至少一个列表。

2.根据示例1所述的系统，其中，所述过滤器名称模块基于包括在所述种子列表中的种类来识别所述种子过滤器上下文，所述种类用于在所述基于网络的市场上以分层种类结构呈现所述种子列表。

3.根据示例1所述的系统，其中，所述种子过滤器上下文中的过滤器的数量受预定参数限制。

4.根据示例1所述的系统，其中，所述第一属性-值对包括第一属性和第一值，并且其中所述第二属性-值对包括第二属性和第二值。

5.根据示例4所述的系统，其中，所述第一值和所述第二值用从所述种子列表中提取的值来初始化。

6.根据示例1所述的系统，其中，所述过滤器名称模块还被配置为识别包括第二多个过滤器的种子过滤器建议，其中，所述过滤器名称模块还被配置为基于所述种子过滤器上下文和概率来识别所述过滤器建议，所述概率描述属性-值对在所述第一多个列表中的出现率，所述第一多个列表分别描述先前在基于网络的市场上交易的项目。

7.根据示例1所述的系统，其中，所述第一多个列表包括包含标题的列表，其中，识别所述第二多个过滤器包括基于所述第一属性- 值对在所述标题中随机出现的概率来排序所述第二多个过滤器。

8.根据示例1所述的系统，其中，

所述种子模块还被配置为基于所述种子过滤器上下文来识别搜索结果，

候选搜索结果包括一个或多个候选列表，以及

所述种子模块还被配置为基于按照所述种子列表的项目相似度排名来对所述搜索结果进行排序以生成搜索结果，其中，所述项目相似度排名是将一个或多个候选列表按照从与所述种子列表最相似的列表到与所述种子列表最不相似的列表进行的排名。

9.根据示例8所述的系统，其中，所述种子模块还被配置为：

选择所述搜索结果中与所述种子列表最相似的部分，以及

根据用户选择的准则，对候选搜索结果的所述部分进行排序，以生成搜索结果。

10.一种计算机实现的方法，包括：

将第一列表识别为种子列表，所述第一列表包括在第一多个列表中，所述第一多个列表分别描述正在基于网络的市场上供销售的项目，所述识别由至少一个处理器执行；

基于所述种子列表和概率来识别种子过滤器上下文，所述种子过滤器上下文包括多个属性-值对，所述多个属性-值对包括第一属性- 值对和第二属性-值对，所述第一属性-值对是第一过滤器，所述第二属性-值对是第二过滤器，所述概率描述属性-值对在分别描述先前在所述基于网络的市场上交易的项目的多个列表中的出现率；

基于所述种子过滤器上下文从所述种子列表提取值；

基于从所述种子列表提取的值初始化所述种子过滤器上下文；

基于所述种子过滤器上下文生成搜索结果，所述搜索结果包括从所述第一多个列表中识别的第二多个列表；以及

11.根据示例10所述的方法，其中，识别所述种子过滤器上下文基于包括在所述种子列表中的种类，所述种类用于在所述基于网络的市场上以分层种类结构呈现所述种子列表。

12.根据示例10所述的方法，其中，所述种子过滤器上下文中的过滤器的数量受预定参数限制。

13.根据示例10所述的方法，其中，所述第一属性-值对包括第一属性和第一值，并且其中所述第二属性-值对包括第二属性和第二值。

14.根据示例13所述的方法，其中，所述第一值和所述第二值用从所述种子列表中提取的值来初始化。

15.根据示例10所述的方法，还包括：识别包括第二多个过滤器的种子过滤器建议，识别所述过滤器建议基于所述种子过滤器上下文和概率，所述概率描述属性-值对在所述第一多个列表中的出现率，所述第一多个列表分别描述先前在基于网络的市场上交易的项目。

16.根据示例10所述的方法，其中，所述第一多个列表包括包含标题的列表，其中，识别所述第二多个过滤器包括基于所述第一属性- 值对在所述标题中随机出现的概率来排序所述第二多个过滤器。

17.根据示例10所述的方法，还包括：

基于所述种子过滤器上下文来识别候选搜索结果，其中，所述候选搜索结果包括一个或多个候选列表；以及

基于按照所述种子列表的项目相似度排名来对所述候选搜索结果进行排序以生成搜索结果，其中，所述项目相似度排名是将所述一个或多个候选列表按照从与所述种子列表最相似的列表到与所述种子列表最不相似的列表进行的排名。

18.根据示例17所述的方法，还包括：

选择所述搜索结果中与所述种子列表最相似的部分；以及

根据用户选择的准则，对所述候选搜索结果的所述部分进行排序，以生成搜索结果。

19.一种存储指令集的机器可读硬件存储设备，所述指令集在被机器的处理器执行时使得所述机器执行包括以下各项的操作：

将第一列表识别为种子列表，所述第一列表包括在第一多个列表中，所述第一多个列表分别描述正在基于网络的市场上供销售的项目；

基于所述种子过滤器上下文从所述种子列表提取值；

20.一种携带指令的承载介质，所述指令在由处理器执行时，使机器执行示例10至18中任一项所述的方法。

21.根据权利要求19所述的机器可读硬件存储设备，其中，所述第一多个列表包括包含标题的列表，其中，识别所述第二多个过滤器包括基于所述第一属性-值对在所述标题中随机出现的概率来排序所述第二多个过滤器。

Claims

1.一种用于确定搜索种子的系统，包括：

使用一个或多个处理器实现的种子模块，被配置为接收从搜索结果的第一集合中选择第一列表作为种子列表的用户选择，所述搜索结果的第一集合是响应于查询生成的，所述第一列表包括在第一多个列表中，所述第一多个列表分别描述正在基于网络的市场上供销售的项目；

所述种子模块还被配置为：

基于所述种子过滤器上下文中的未初始化的过滤器中的属性从所述种子列表提取值，

基于初始化的种子过滤器上下文生成搜索结果的第二集合，所述搜索结果的第二集合包括从所述第一多个列表中识别的第二多个列表，以及

2.根据权利要求1所述的系统，其中，所述过滤器名称模块基于包括在所述种子列表中的种类来识别所述种子过滤器上下文，所述种类用于在所述基于网络的市场上以分层种类结构呈现所述种子列表。

3.根据权利要求1所述的系统，其中，所述种子过滤器上下文中的过滤器的数量受预定参数限制。

4.根据权利要求1所述的系统，其中，所述第一属性-值对包括第一属性和第一值，并且其中所述第二属性-值对包括第二属性和第二值。

5.根据权利要求4所述的系统，其中，所述第一值和所述第二值用从所述种子列表中提取的值来初始化。

6.根据权利要求1所述的系统，其中，所述过滤器名称模块还被配置为识别包括第二多个过滤器的种子过滤器建议，其中，所述过滤器名称模块还被配置为基于所述种子过滤器上下文和所述概率来识别所述过滤器建议。

7.根据权利要求1所述的系统，其中，所述第一多个列表包括包含标题的列表，其中，识别所述第二多个过滤器包括基于所述第一属性-值对在所述标题中随机出现的概率来排序所述第二多个过滤器。

8.根据权利要求1所述的系统，其中

候选搜索结果包括一个或多个候选列表，以及

9.根据权利要求8所述的系统，其中，所述种子模块还被配置为：

选择所述搜索结果中与所述种子列表最相似的部分，以及

10.一种计算机实现的用于确定搜索种子的方法，包括：

响应于查询，生成搜索结果的第一集合，所述搜索结果的第一集合包括第一多个列表，所述第一多个列表分别描述正在基于网络的市场上供销售的项目；

接收选择第一列表作为种子列表的用户选择，所述第一列表包括在所述第一多个列表中；

基于所述种子列表和概率来识别种子过滤器上下文，所述种子过滤器上下文包括多个属性-值对，所述多个属性-值对包括第一属性-值对和第二属性-值对，所述第一属性-值对是第一过滤器，所述第二属性-值对是第二过滤器，所述概率描述属性-值对在分别描述先前在所述基于网络的市场上交易的项目的多个列表中的出现率；

基于所述种子过滤器上下文中的未初始化的过滤器中的属性从所述种子列表提取值；

基于初始化的种子过滤器上下文生成搜索结果的第二集合，所述搜索结果的第二集合包括从所述第一多个列表中识别的第二多个列表；以及

11.根据权利要求10所述的方法，其中，识别所述种子过滤器上下文基于包括在所述种子列表中的种类，所述种类用于在所述基于网络的市场上以分层种类结构呈现所述种子列表。

12.根据权利要求10所述的方法，其中，所述种子过滤器上下文中的过滤器的数量受预定参数限制。

13.根据权利要求10所述的方法，其中，所述第一属性-值对包括第一属性和第一值，并且其中所述第二属性-值对包括第二属性和第二值。

14.根据权利要求13所述的方法，其中，所述第一值和所述第二值用从所述种子列表中提取的值来初始化。

15.根据权利要求10所述的方法，还包括：识别包括第二多个过滤器的种子过滤器建议，识别所述过滤器建议基于所述种子过滤器上下文和所述概率。

16.根据权利要求10所述的方法，其中，所述第一多个列表包括包含标题的列表，其中，识别所述第二多个过滤器包括基于所述第一属性-值对在所述标题中随机出现的概率来排序所述第二多个过滤器。

17.根据权利要求10所述的方法，还包括：

18.根据权利要求17所述的方法，还包括：

选择所述搜索结果中与所述种子列表最相似的部分；以及

19.一种承载指令集的机器可读介质，所述指令集在被机器的处理器执行时使得所述机器执行包括以下各项的操作：

20.根据权利要求19所述的机器可读介质，其中，所述第一多个列表包括包含标题的列表，其中，识别所述第二多个过滤器包括基于所述第一属性-值对在所述标题中随机出现的概率来排序所述第二多个过滤器。

21.一种携带指令的承载介质，所述指令在由处理器执行时，使机器执行权利要求10至18中任一项所述的方法。