CN108509499A - 一种搜索方法及装置,电子设备 - Google Patents
一种搜索方法及装置,电子设备 Download PDFInfo
- Publication number
- CN108509499A CN108509499A CN201810162658.0A CN201810162658A CN108509499A CN 108509499 A CN108509499 A CN 108509499A CN 201810162658 A CN201810162658 A CN 201810162658A CN 108509499 A CN108509499 A CN 108509499A
- Authority
- CN
- China
- Prior art keywords
- search
- result
- component
- synthesis
- comprehensive
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了一种搜索方法,属于计算机技术领域,解决现有技术中搜索结果内容单一,无法满足不同用户的搜索需求的问题。所述搜索方法包括:对用户的当前搜索操作进行查询理解,确定所述用户的搜索意图;根据所述搜索意图和预设搜索组件的历史表现,确定至少部分所述预设搜索组件,作为所述当前搜索操作对接的综合搜索组件;分别确定专项搜索组件对应的专项召回结果和所述综合搜索组件对应的综合召回结果,将所述综合召回结果插入至所述专项召回结果中,以确定所述当前搜索操作的搜索结果。本申请实施例公开的搜索方法,通过将专项搜索组件之外的其他搜索组件的召回结果插入到专项搜索组件的召回结果中,丰富了展示给用户的搜索结果。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种搜索方法及装置,电子设备。
背景技术
随着互联网应用和数据处理处理技术的发展,搜索服务的平台获取各种类型数据已经成为可能。但是现有技术中,搜索服务平台在根据用户的搜索操作输出搜索结果时,通常只返回一种类型数据的搜索结果。例如,当用户在平台上执行搜索操作时,往往只输出商户搜索结果等单一的POI元素。随着平台业务类型的多样化,业务之间存在多种关联,而用户的搜索需求也不再是单一元素的搜索需求。例如,用户执行搜索操作时,不仅仅希望得到商户列表,还希望得到商户相关的文章介绍。
可见,现有技术中的搜索方法输出的搜索结果内容单一,无法满足不同用户的搜索需求。
发明内容
本申请提供一种搜索方法,至少解决现有技术中搜索结果内容单一,无法满足不同用户的搜索需求的问题。
为了解决上述问题,第一方面,本申请实施例提供了一种搜索方法包括:
对用户的当前搜索操作进行查询理解,确定所述用户的搜索意图;
根据所述搜索意图和预设搜索组件的历史表现,确定至少部分所述预设搜索组件,作为所述当前搜索操作对接的综合搜索组件;
根据所述当前搜索操作,分别确定专项搜索组件对应的专项召回结果和所述综合搜索组件对应的综合召回结果;
将所述综合召回结果插入至所述专项召回结果中,以确定所述当前搜索操作的搜索结果。
第二方面,本申请实施例提供了一种搜索装置,包括:
搜索意图确定模块,用于对用户的当前搜索操作进行查询理解,确定所述用户的搜索意图;
综合搜索组件确定模块,用于根据所述搜索意图和预设搜索组件的历史表现,确定至少部分所述预设搜索组件,作为所述当前搜索操作对接的综合搜索组件;
召回结果确定模块,用于根据所述当前搜索操作,分别确定专项搜索组件对应的专项召回结果和所述综合搜索组件对应的综合召回结果;
搜索结果确定模块,用于将所述综合召回结果插入至所述专项召回结果中,以确定所述当前搜索操作的搜索结果。
第三方面,本申请实施例还公开了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现本申请实施例所述的搜索方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时本申请实施例公开的搜索方法的步骤。
本申请实施例公开的搜索方法,通过对用户的当前搜索操作进行查询理解,确定所述用户的搜索意图;然后,根据所述搜索意图和预设搜索组件的历史表现,确定至少部分所述预设搜索组件,作为所述当前搜索操作对接的综合搜索组件;在根据所述当前搜索操作,分别确定专项搜索组件对应的专项召回结果和所述综合搜索组件对应的综合召回结果之后,将所述综合召回结果插入至所述专项召回结果中,以确定所述当前搜索操作的搜索结果,解决了现有技术中搜索结果内容单一,无法满足不同用户的搜索需求的问题。本申请实施例公开的搜索方法,通过将专项搜索组件之外的其他搜索组件的召回结果插入到专项搜索组件的召回结果中,丰富了展示给用户的搜索结果。
附图说明
为了更清楚地说明本申请实施例的技术方案,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是本申请实施例一的搜索方法流程图;
图2是本申请实施例二的搜索方法流程图;
图3是本申请实施例二的搜索方法专项召回结构构成的搜索结果列表示意图;
图4是图3所述搜索结果列表插入综合搜索组件对应的召回结果后的示意图;
图5是本申请实施例三的搜索装置的结构示意图之一;
图6是本申请实施例三的搜索装置的结构示意图之二。
具体实施方式
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,都属于本申请保护的范围。
实施例一
本实施例公开的一种搜索方法,如图1所示,该方法包括:步骤110至步骤140。
步骤110,对用户的当前搜索操作进行查询理解,确定所述用户的搜索意图。
准确理解用户的搜索意图有助于提升展示的搜索结果的准确性。现有技术中,通用搜索引擎或者垂直搜索引擎需要对用户的搜索意图进行精准识别,以指导后续的搜索策略。例如当用户搜索苹果时,需要去识别用户的真实意图是想要看到水果或者手机相关的信息。具体的搜索意图识别方法主要有词表法,规则解析法,或者将意图识别转化为统计模型以机器学习方法,对用户的真实意图进行精准识别。
搜索意图指用户搜索的目的或倾向。例如,当用户希望找一个可以提供早午餐的美食商户时,用户会输入关键词:早午餐;当用户希望找到周杰伦近期的演唱会信息时,用户会输入关键词:周杰伦;当用户希望找到小龙虾的吃法和全城最好吃的小龙虾商户时,用户会输入关键词:小龙虾。因此,通过对用户输入的关键词进行分析,可以执行当前搜索操作的搜索意图。
本申请实施例中所述搜索意图可包括:搜索地点、人、事物、时间、事件等元素,所述事物进一步又可以细分为:品牌或商户名、推荐菜、类目、酒店、景点、频道等。本申请具体实施时,可以根据关键词的类型识别用户的搜索意图。其中,关键词的类型包括但不限于以下任意一项或多项:菜品、品牌词、标签词、类目词。例如:“麦当劳”属于品牌词,当用户输入“麦当劳”时,可以确定用户的搜索意图为“品牌”;“小龙虾”属于推荐菜品、标签词,当用户输入“小龙虾”时,可以确定用户的搜索意图为“推荐菜”;“火锅”属于标准类目词,当用户输入“火锅”时,可以确定用户的搜索意图为“类目”。
还可以根据当用户输入的关键词的类型确定用户搜索的频道。例如,当用户输入“麦当劳”时,确定用户的搜索意图为“美食”频道;当用户输入“希尔顿”时,确定用户的搜索意图为“酒店”频道。
具体实施时,通过预设的查询理解引擎对用户的当前搜索操作进行查询理解,确定所述用户的搜索意图。所述查询理解引擎内设置若干知识库,知识库中有关键词和搜索意图映射关系。
步骤120,根据所述搜索意图和预设搜索组件的历史表现,确定至少部分所述预设搜索组件,作为所述当前搜索操作对接的综合搜索组件。
本申请实施例中所述的搜索组件表示搜索信息类型,例如:文章类信息、榜单类信息、美食类信息、视频类信息、商户类信息、人物类信息等。所述预设搜索组件包括但不限于:美食搜索组件、文章搜索组件、榜单搜索组件、商户搜索组件、视频搜索组件中的任意一项或多项。
具体实施时,可以首先根据确定的搜索意图进一步确定与所述搜索意图关联的一个或多个搜索组件,然后,再进一步根据所述一个或多个搜索组件的历史表现,从中选择符合预设历史表现条件的搜索组件,作为当前需要对接的综合搜索组件。具体实施时,根据具体业务需求,当前搜索操作可以对接多个搜索组件。
其中,确定与所述搜索意图关联的一个或多个搜索组件时,可以通过预先建立搜索意图和预设搜索组件的关联关系,然后,通过查询所述关联关系,进一步确定与所述搜索意图关联的搜索组件作为待对接的综合搜索组件。
具体实施时,可以通过搜索组件对应的搜索结果的历史点击数据确定所述搜索组件的历史表现。
步骤130,根据所述当前搜索操作,分别确定专项搜索组件对应的专项召回结果和所述综合搜索组件对应的综合召回结果。
本申请的应用场景为,基于已有的搜索应用,丰富搜索结果,将多种类型信息输出给用户,因此,具体实施时,需要通过搜索引擎分别基于专项搜索组件确定召回结果,以及,通过搜索引擎基于综合搜索组件确定召回结果。本申请实施例中所述的专项搜索组件是指搜索业务指定必须搜索的信息,例如:商家信息。
根据所述当前搜索操作,分别确定专项搜索组件对应的专项召回结果和所述综合搜索组件对应的综合召回结果的具体实施方式参见现有技术,本申请实施例中不再赘述。具体实施时,根据所述当前搜索操作,分别确定专项搜索组件对应的专项召回结果的步骤可以先于根据所述搜索意图和预设搜索组件的历史表现,确定至少部分所述预设搜索组件,作为所述当前搜索操作对接的综合搜索组件的步骤,本申请对确定预设搜索组件和定专项搜索组件对应的专项召回结果的执行顺序不做限定。
搜索引擎根据当前搜索操作确定的不同搜索组件的召回结果通常表示为按照点击率由高到低的顺序从前向后排列的召回结果列表,所述召回结果列表中每个召回结果包括点击率。
步骤140,将所述综合召回结果插入至所述专项召回结果中,以确定所述当前搜索操作的搜索结果。
在确定了专项召回结果和综合召回结果之后,根据用户的曝光反馈,将所述专项召回结果和综合召回结果进行融合,得到所述当前搜索操作的搜索结果。召回结果进行融合时,根据综合召回结果和专项召回结果在指定展示位上时的预估点击率之间的关系,确定所述综合召回结果插入至所述搜索结果列表中的相应位置。例如,当某一综合召回结果在第5个展示位上的预估点击率大于第6个展示位上专项召回结果的预估点击率与曝光控制系数的乘积时,将所述某一综合召回结果插入至所述搜索结果列表的第5个位置。
具体实施时,可以根据业务需求,设置综合召回结果对应的展示位范围,然后,根据该展示位范围内综合召回结果和专项召回结果的预估点击率之间的关系确定所述综合召回结果的插入位置。
最后,将插入了综合召回结构的专项召回结果,作为所述当前搜索操作的搜索结果列表。
本申请实施例公开的搜索方法,通过对用户的当前搜索操作进行查询理解,确定所述用户的搜索意图;然后,根据所述搜索意图和预设搜索组件的历史表现,确定至少部分所述预设搜索组件,作为所述当前搜索操作对接的综合搜索组件;在根据所述当前搜索操作,分别确定专项搜索组件对应的专项召回结果和所述综合搜索组件对应的综合召回结果之后,将所述综合召回结果插入至所述专项召回结果中,以确定所述当前搜索操作的搜索结果,解决了现有技术中搜索结果内容单一,无法满足不同用户的搜索需求的问题。本申请实施例公开的搜索方法,通过将专项搜索组件之外的其他搜索组件的召回结果插入到专项搜索组件的召回结果中,丰富了展示给用户的搜索结果,同时,通过根据搜索意图确定接入的综合搜索组件,使得展示给用户的搜索结果是根据用户、关键词等场景变化的,更符合用户的搜索需求,提高了搜索结果的准确度,改善了用户体验。
实施例二
本实施例公开的一种搜索方法,如图2所示,该方法包括:步骤210至步骤250。
步骤210,训练综合点击率预估模型。
具体实施时,训练综合点击率预估模型,包括:基于综合搜索结果列表页的用户点击日志提取所述预设搜索组件点击日志的组件特征;基于所述组件特征训练所述综合点击率预估模型,其中,所述组件特征至少包括以下三项:用户的搜索点击特征、搜索词的历史搜索特征以及搜索上下文特征。
Click Through Rate(ctr)点击率预估大量应用在广告点击率预估和排序场景中,通过选择合适的预测模型和影响用户点击的特征因素,结合历史点击日志数据作为训练集合,训练出模型的参数,以应用于一个新项目的点击概率预估,从而决定广告是否投放或者排序位置。本申请训练的模型主要用于对除指定的专项搜索组件以外的其他搜索组件的点击概率预估,因此,具体实施时,需要选择有除指定的专项搜索组件以外的其他搜索组件的曝光点击日志作为训练集,例如,选择综合搜索结果列表页的用户点击日志数据作为训练集。所述综合搜索结果列表页展示的搜索结果包括预设搜索组件召回的搜索结果。所述预设搜索组件包括但不限于:人物搜索组件、榜单搜索组件、文章搜索组件、视频搜索组件、美食搜索组件中的任意一项或多项。然后,提取所述预设搜索组件对应的点击日志数据的组件特征。
然后,基于点击日志的组件特征训练综合点击率预估模型。
具体实施时,训练的模型可以表示为:其中,ctritem表示除专项搜索组件外的综合搜索组件item的综合点击概率值,witem,i表示综合搜索组件item第i项组件特征的权重,xitem,i表示综合搜索组件item第i项组件特征,n为大于1的整数。本实施例中,n为大于等于3的整数,所述综合搜索组件的组件特征至少包括以下三项:用户的搜索点击特征、搜索词的历史搜索特征以及搜索上下文特征。
其中,用户的搜索点击特征为发生搜索点击行为的用户特征,包括:用户性别、年龄、地点、偏好、用户标签、用户画像、历史搜索行为数量,组件点击偏好等。
所述搜索词的历史搜索特征为历史搜索行为的统计特征,例如包括:搜索时段、搜索关键词、搜索地点、搜索词的历史商户模块搜索量和点击率、搜索词的历史文章模块搜索量和点击率、搜索词的历史榜单模块搜索量和点击率等统计特征。
所述搜索上下文特征为历史搜索行为的统计特征,例如包括:用户当前次搜索前预设时间段内的历史搜索关键词、历史搜索点击行为和历史商户结果质量特征、当前商户结果质量相关特征(如结果数,头部星级),召回所述预设搜索组件质量相关的特征(如相关度、搜索点击热度等)等。
具体实施时,可以通过逻辑回归模型拟合,利用随机梯度下降算法进行训练,调整参数权重,最终确定上述模型中的各项组件特征的权重。
步骤220,对用户的当前搜索操作进行查询理解,确定所述用户的搜索意图。
对用户的当前搜索操作进行查询理解,确定所述用户的搜索意图的具体实施方式参见实施例一,此处不再赘述。
本实施例中,以用户当前搜索操作输入的关键词为“小龙虾”为例,通过对用户的当前搜索操作进行查询理解,可以确定所述用户的搜索意图为“小龙虾的吃法”和“全城最好吃的小龙虾商户”。
步骤230,根据所述搜索意图和预设搜索组件的历史表现,确定至少部分所述预设搜索组件,作为所述当前搜索操作对接的综合搜索组件。
本申请实施例中所述的搜索组件表示搜索信息类型,例如:文章类信息、榜单类信息、美食类信息、视频类信息、商户类信息、人物类信息等。
具体实施时,所述根据所述搜索意图和预设搜索组件的历史表现,确定至少部分所述预设搜索组件,作为所述当前搜索操作对接的综合搜索组件,包括:根据所述搜索意图和预设搜索组件的关联关系,确定与所述搜索意图关联的预设搜索组件,作为候选搜索组件;确定历史表现满足预设条件的所述候选搜索组件,作为所述当前搜索操作对接的综合搜索组件。其中,所述历史表现为衡量搜索组件性能的指标。优选的,所述历史表现包括点击率。
首先,根据搜索意图和预设搜索组件的关联关系,选择与确定的所述搜索意图关联的一个或多个预设搜索组件作为候选搜索组件。然后,再进一步根据所述候选搜索组件的历史表现,从中选择符合预设历史表现条件的候选搜索组件,作为当前需要对接的综合搜索组件。具体实施时,根据具体业务需求,当前搜索操作可以对接多个综合搜索组件。
具体实施时,可以通过预设的搜索意图和搜索组件的关联关系确定所述搜索意图关联的搜索组件。例如,首先根据搜索意图“小龙虾的吃法”,确定搜索意图对应的关键词“小龙虾”为“推荐菜”;进一步的,根据“推荐菜”确定“小龙虾的吃法”关联的搜索组件为美食搜索组件、文章类搜索组件、榜单类搜索组件。再例如,首先根据搜索意图“全城最好吃的小龙虾商户”确定搜索意图对应的关键词为“商户”;进一步的,根据“商户”确定“全城最好吃的小龙虾商户”关联的搜索组件为商户搜索组件。本实施例中,将确定与所述搜索意图对应的4个候选搜索组件,分别为:美食搜索组件、文章类搜索组件、榜单类搜索组件和商户搜索组件。
由于商户搜索组件是本实施例中的专项搜索组件,因此,确定与所述搜索意图关联的除专项搜索组件以外的候选搜索组件,分别为:美食搜索组件、文章类搜索组件、榜单类搜索组件。
进一步的,可以通过搜索组件对应的搜索结果的历史点击数据确定所述搜索组件的历史表现,选择最终接入的搜索组件。
以用户输入关键词“小龙虾”为例,如果根据用户的历史行为数据确定:用户偏好麻辣食品,且历史上喜欢在全站浏览文章,当用户在中山公园附近,上班时搜索“小龙虾”,则可以确定用户希望看附近提供“小龙虾”的商户,同时希望看有哪些介绍“小龙虾”的内容,比如小龙虾的做法、小龙虾商户榜单等。因此,确定用户的搜索意图为:搜索商户、美食和内容。进一步根据预设的搜索意图和搜索组件的关联关系,可以确定,针对用户的搜索操作,需要接入商户搜索组件、美食搜索组件、文章类搜索组件、榜单类搜索组件。
在确定出专项搜索组件(即商户搜索组件)以外的其他候选搜索组件(即美食搜索组件、文章类搜索组件、榜单类搜索组件)之后,根据候选搜索组件的历史表现确定最终接入的搜索组件。具体实施时,通过搜索组件对应的搜索结果的历史点击数据确定所述搜索组件的历史表现。例如,通过统计用户对搜索列表页每个搜索组件对应的搜索结果的点击率确定所述搜索组件的历史表现。点击量越高,搜索组件的历史表现越好。
具体实施时,可以预设点击率阈值,用于确定搜索组件的历史表现。具体方法为:对比各个搜索组件的历史点击率,历史点击率大于等于预设点击率阈值,认为该搜索组件历史表现较高,则展示该搜索组件对应的搜索结果,即接入该搜索组件;如果历史点击率小于预设点击率阈值,则认为该搜索组件历史表现较差,则不展示该搜索组件对应的搜索结果,即不接入该搜索组件。例如,在“小龙虾”关键词下,文章类搜索结果的历史点击率为0.5%,榜单类搜索结果的历史点击率为10%,美食的点击率为15%,如果预设点击率阈值为10%,则认为美食搜索组件和榜单搜索组件历史表现较高,在基于商户搜索组件进行搜索的同时,对接美食搜索组件和榜单搜索组件。将美食搜索组件和榜单搜索组件确定为当前搜索操作对接的综合搜索组件。
步骤240,根据所述当前搜索操作,分别确定专项搜索组件对应的专项召回结果和所述综合搜索组件对应的综合召回结果。
根据所述当前搜索操作,分别确定专项搜索组件对应的专项召回结果和所述综合搜索组件对应的综合召回结果的具体实施方式参见实施例一,此处不再赘述。
本实施例中,假设确定的专项搜索组件为商户组件,所述专项搜索组件对应的专项召回结果为按照搜索引擎预估的点击率由高到低排列的topN个商户的列表。进一步的,根据业务需求,可以设置插入到商户搜索组件对应的搜索结果中的综合召回结果的数量。本实施例中,所述综合搜索组件包括:美食搜索组件和榜单搜索组件,假设插入到商户召回结果中的美食搜索组件对应的综合召回结果设置为2个,插入到商户召回结果中的榜单搜索组件对应的综合召回结果设置为1个,则选择美食召回结果中搜索引擎预估的点击率最高的2个美食召回结果和榜单召回结果中搜索引擎预估的点击率最高的1个榜单召回结果,作为综合搜索结果。
具体实施时,每个召回结果对应一个搜索引擎预估的点击率。
步骤250,将所述综合召回结果插入至所述专项召回结果中,以确定所述当前搜索操作的搜索结果。
在确定了专项召回结果和综合召回结果之后,根据用户的曝光反馈,将所述专项召回结果和综合召回结果进行融合,得到所述当前搜索操作的搜索结果。召回结果进行融合时,根据综合召回结果和专项召回结果在指定展示位上时的预估点击率之间的关系,确定所述综合召回结果插入至所述搜索结果列表中的相应位置。具体实施时,将所述综合召回结果插入至所述专项召回结果中,以确定所述当前搜索操作的搜索结果,包括:通过预先训练的综合点击率预估模型确定各所述综合搜索组件的综合点击概率值;根据所述综合点击概率值,确定所述综合搜索组件之间的排列顺序;根据召回结果的预估点击率和所述排列顺序,将所述综合召回结果插入至所述专项召回结果中,以确定所述当前搜索操作的搜索结果。其中,所述综合点击概率值是展示综合搜索组件的召回结果的页面内(例如网站的综合列表页),各召回结果的点击概率值。所述召回结果是所述综合召回结果和所述专项召回结果的总称,包括综合召回结果和专项召回结果。
具体实施时,对接的综合搜索组件可以为一个,也可以为多个。当对接的综合搜索组件只有一个时,可以省略根据综合点击概率值,确定所述综合搜索组件之间的排列顺序的步骤。
具体实施时,所述综合点击率预估模型表示为:
其中,ctritem表示综合搜索组件item的综合点击概率值,witem,i表示综合搜索组件item第i项组件特征的权重,xitem,i表示综合搜索组件item第i项组件特征,n为大于1的整数。本实施例中,优选的,n为大于等于3的整数,所述综合搜索组件的组件特征至少包括以下三项:用户的搜索点击特征、搜索词的历史搜索特征以及搜索上下文特征。通过sigmod函数将统计加权特征结果值转化为0-1之间的点击概率值,并进一步通过逻辑回归模型进行拟合,以训练特征的加权值。
具体实施时,用户的搜索点击特征、搜索词的历史搜索特征以及搜索上下文特征的含义和确定方法与训练所述综合点击率预估模型时相同,此处不再赘述。
以综合召回结果包括:美食召回结果A和B、榜单召回结果C为例,通过前述模型可以分别预估美食召回结果和榜单召回结果的综合点击概率值,用于当美食召回结果和榜单召回结果具有相同点击率时确定召回结果的排列顺序。
具体实施时,根据召回结果的预估点击率和所述排列顺序,将所述综合召回结果插入至所述专项召回结果中,以确定所述当前搜索操作的搜索结果,包括:对于每个综合召回结果,分别确定满足公式的展示位,其中,pos为确定的所述展示位;在由所述专项召回结果构成的搜索结果列表中所述展示位对应的列表位置,按照综合召回结果对应的所述综合搜索组件之间的排列顺序,插入相应的综合召回结果;将插入所述综合召回结果之后的搜索结果列表,作为所述当前搜索操作的搜索结果。其中,ItemCtrpos为插入所述综合召回结果之后的搜索结果列表中pos位置的综合召回结果的预估点击率,ShopCtrpos+1为插入所述综合召回结果之后的搜索结果列表中pos+1位置的专项召回结果的预估点击率,α为曝光控制系数,[m,n]为预设的综合召回结果的插入展示位区间,m和n为正整数。具体实施时,α根据业务需要设置,可以取值为大于1的数。m和n根据业务需要设置。具体实施时,不同的综合搜索组件对应的插入展示位区间可以相同也可以不同。
下面以商户搜索组件对应的召回结果包括10个商户,综合召回结果中包括2个美食(分别表示为:(FoodItem1,0.75)和(FoodItem2,0.65))和1个榜单(表示为(ListItem1,0.65))举例,详细说明根据召回结果的预估点击率和所述排列顺序,将所述综合召回结果插入至所述专项召回结果中,以确定所述当前搜索操作的搜索结果的具体实施方案。
首先,假设根据综合点击率预估模型预估的美食搜索组件的综合点击概率值大于榜单搜索组件的综合点击概率值。则展示搜索结果时,即输出至客户端的搜索结果列表中,点击率相同的美食召回结果和榜单召回结果的排雷顺序为:美食召回结果排序在榜单召回结果之前。
然后,将商户召回结果按照预估点击率由高到低的顺序进行排列,得到由商户召回结果构成的搜索结果列表Result10={(Resultltem1,ResultCtr1),(Resultltem2,ResultCtr2),…,(Resultltem10,ResultCtr10)},如图3所示。对于综合召回结果(FoodItem1,0.75)和(FoodItem2,0.65),分别在给定的美食召回结果的可展示范围内,如4≤pos≤8,确定满足公式ItemCtrpos>ShopCtrpos+1×α的最小pos。即通过将FoodItem1的预估点击率0.75与Resultltem4到Resultltem8的预估点击率的α倍进行比较,确定满足0.75>ShopCtrpos×α的最小pos,如pos=5。将FoodItem1插入至搜索结果列表Result的第5个位置后,搜索结果列表Result中包括11个召回结果,搜索结果将满足ItemCtr5>ShopCtr6×α。按照同样方法,分别确定FoodItem2和ListItem1对应的插入位置,如pos=7。具体实施时,由于FoodItem2和ListItem1的预估点击率相同,因此确定的插入位置相同,此时,根据预先确定的美食搜索结果前于榜单搜索结果的排列顺序,在确定的位置处由前向后依次插入FoodItem2和ListItem1,最后,将得到包括13个召回结果的搜索结果列表。图4为插入综合召回结果后的搜索结果列表示意图。
具体实施时,如果在预设的插入展示位区间,不存在符合条件的位置,则不进行插入综合召回结果的操作。
本申请实施例公开的搜索方法,通过对用户的当前搜索操作进行查询理解,确定所述用户的搜索意图;然后,根据所述搜索意图和预设搜索组件的历史表现,确定至少部分所述预设搜索组件,作为所述当前搜索操作对接的综合搜索组件;在根据所述当前搜索操作,分别确定专项搜索组件对应的专项召回结果和所述综合搜索组件对应的综合召回结果之后,将所述综合召回结果插入至所述专项召回结果中,以确定所述当前搜索操作的搜索结果,解决了现有技术中搜索结果内容单一,无法满足不同用户的搜索需求的问题。本申请实施例公开的搜索方法,通过将专项搜索组件之外的其他搜索组件的召回结果插入到专项搜索组件的召回结果中,为用户提供更丰富的搜索结果,为业务提供多样性的曝光机会,将搜索服务的功能触达用户。同时,通过根据搜索意图确定接入的综合搜索组件,使得展示给用户的搜索结果是根据用户、关键词等场景变化的,更符合用户的搜索需求,提高了搜索结果的准确度,改善了用户体验。
通过根据综合搜索列表页的点击数据训练搜素组件的综合点击率预估模型,并通过该模型预估接入的不同搜索组件的综合点击概率值,进一步根据预估的综合点击概率值确定对接的不同搜索组件之间的排列顺序,有利于提升展示的搜索结果的点击率。基于用户的搜索点击特征、搜索词的历史搜索特征以及搜索上下文特征等统计特征训练模型,进一步提升了模型预估综合点击概率值的准确性。
具体应用中,对于搜索商户需求比较明确,同时对其他类型的搜索结果感兴趣的用户,通过在商户搜索结果中增加其他用户感兴趣的搜索组件的搜索结果曝光率,可以进一步提升用户点击率。
实施例三
本实施例公开的一种搜索装置,如图5所示,所述装置包括:
搜索意图确定模块510,用于对用户的当前搜索操作进行查询理解,确定所述用户的搜索意图;
综合搜索组件确定模块520,用于根据所述搜索意图和预设搜索组件的历史表现,确定至少部分所述预设搜索组件,作为所述当前搜索操作对接的综合搜索组件;
召回结果确定模块530,用于根据所述当前搜索操作,分别确定专项搜索组件对应的专项召回结果和所述综合搜索组件对应的综合召回结果;
搜索结果确定模块540,用于将所述综合召回结果插入至所述专项召回结果中,以确定所述当前搜索操作的搜索结果。
可选的,如图6所示,所述搜索结果确定模块540进一步包括:
综合点击概率值确定单元5401,用于通过预先训练的综合点击率预估模型确定各所述综合搜索组件的综合点击概率值;
组件间排列顺序确定单元5402,用于根据所述综合点击概率值,确定所述综合搜索组件之间的排列顺序;
搜索结果确定单元5403,用于根据召回结果的预估点击率和所述排列顺序,将所述综合召回结果插入至所述专项召回结果中,以确定所述当前搜索操作的搜索结果。
可选的,所述综合点击率预估模型表示为:
其中,ctritem表示综合搜索组件item的综合点击概率值,witem,i表示综合搜索组件item第i项组件特征的权重,xitem,i表示综合搜索组件item第i项组件特征,n为大于1的整数。
可选的,n为大于等于3的整数,所述综合搜索组件的组件特征至少包括以下三项:用户的搜索点击特征、搜索词的历史搜索特征以及搜索上下文特征。
可选的,所述组件间排列顺序确定单元5402还用于:
基于综合搜索结果列表页的用户点击日志提取所述预设搜索组件点击日志的组件特征;
基于所述组件特征训练所述综合点击率预估模型,其中,所述组件特征至少包括以下三项:用户的搜索点击特征、搜索词的历史搜索特征以及搜索上下文特征。
可选的,所述搜索结果确定单元5403进一步用于:
对于每个综合召回结果,分别确定满足公式的展示位,其中,pos为确定的所述展示位;
在由所述专项召回结果构成的搜索结果列表中所述展示位对应的列表位置,按照综合召回结果对应的所述综合搜索组件之间的排列顺序,插入相应的综合召回结果;
将插入所述综合召回结果之后的搜索结果列表,作为所述当前搜索操作的搜索结果;
其中,ItemCtrpos为插入所述综合召回结果之后的搜索结果列表中pos位置的综合召回结果的预估点击率,ShopCtrpos+1为插入所述综合召回结果之后的搜索结果列表中pos+1位置的专项召回结果的预估点击率,α为曝光控制系数,[m,n]为预设的综合召回结果的插入展示位区间,m和n为正整数。
可选的,所述综合搜索组件确定模块520进一步用于:
根据所述搜索意图和预设搜索组件的关联关系,确定与所述搜索意图关联的预设搜索组件,作为候选搜索组件;
确定历史表现满足预设条件的所述候选搜索组件,作为所述当前搜索操作对接的综合搜索组件;
其中,所述历史表现包括点击率。
本申请实施例公开的搜索装置,通过对用户的当前搜索操作进行查询理解,确定所述用户的搜索意图;然后,根据所述搜索意图和预设搜索组件的历史表现,确定至少部分所述预设搜索组件,作为所述当前搜索操作对接的综合搜索组件;在根据所述当前搜索操作,分别确定专项搜索组件对应的专项召回结果和所述综合搜索组件对应的综合召回结果之后,将所述综合召回结果插入至所述专项召回结果中,以确定所述当前搜索操作的搜索结果,解决了现有技术中搜索结果内容单一,无法满足不同用户的搜索需求的问题。本申请实施例公开的搜索装置,通过将专项搜索组件之外的其他搜索组件的召回结果插入到专项搜索组件的召回结果中,为用户提供更丰富的搜索结果,为业务提供多样性的曝光机会,将搜索服务的功能触达用户。同时,通过根据搜索意图确定接入的综合搜索组件,使得展示给用户的搜索结果是根据用户、关键词等场景变化的,更符合用户的搜索需求,提高了搜索结果的准确度,改善了用户体验。
通过根据综合搜索列表页的点击数据训练搜素组件的综合点击率预估模型,并通过该模型预估接入的不同搜索组件的综合点击概率值,进一步根据预估的综合点击概率值确定对接的不同搜索组件之间的排列顺序,有利于提升展示的搜索结果的点击率。基于用户的搜索点击特征、搜索词的历史搜索特征以及搜索上下文特征等统计特征训练模型,进一步提升了模型预估综合点击概率值的准确性。
相应的,本申请还公开了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如本申请实施例一和实施例二所述的搜索方法。所述电子设备可以为PC机、移动终端、个人数字助理、平板电脑等。
本申请还公开了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请实施例一和实施例二所述的搜索方法的步骤。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上对本申请提供的一种搜索方法及装置进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
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各实施方式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实现。基于这样的理解,上述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计算机可读存储介质中,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,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
Claims (16)
1.一种搜索方法,其特征在于,包括:
对用户的当前搜索操作进行查询理解,确定所述用户的搜索意图;
根据所述搜索意图和预设搜索组件的历史表现,确定至少部分所述预设搜索组件,作为所述当前搜索操作对接的综合搜索组件;
根据所述当前搜索操作,分别确定专项搜索组件对应的专项召回结果和所述综合搜索组件对应的综合召回结果;
将所述综合召回结果插入至所述专项召回结果中,以确定所述当前搜索操作的搜索结果。
2.根据权利要求1所述的方法,其特征在于,所述将所述综合召回结果插入至所述专项召回结果中,以确定所述当前搜索操作的搜索结果的步骤,包括:
通过预先训练的综合点击率预估模型确定各所述综合搜索组件的综合点击概率值;
根据所述综合点击概率值,确定所述综合搜索组件之间的排列顺序;
根据召回结果的预估点击率和所述排列顺序,将所述综合召回结果插入至所述专项召回结果中,以确定所述当前搜索操作的搜索结果。
3.根据权利要求2所述的方法,其特征在于,所述综合点击率预估模型表示为:
其中,ctritem表示综合搜索组件item的综合点击概率值,witem,i表示综合搜索组件item第i项组件特征的权重,xitem,i表示综合搜索组件item第i项组件特征,n为大于1的整数。
4.根据权利要求3所述的方法,其特征在于,n为大于等于3的整数,所述综合搜索组件的组件特征至少包括以下三项:用户的搜索点击特征、搜索词的历史搜索特征以及搜索上下文特征。
5.根据权利要求2所述的方法,其特征在于,所述通过预先训练的综合点击率预估模型确定各所述综合搜索组件的综合点击概率值的步骤之前,还包括:
基于综合搜索结果列表页的用户点击日志提取所述预设搜索组件点击日志的组件特征;
基于所述组件特征训练所述综合点击率预估模型,其中,所述组件特征至少包括以下三项:用户的搜索点击特征、搜索词的历史搜索特征以及搜索上下文特征。
6.根据权利要求2所述的方法,其特征在于,所述根据召回结果的预估点击率和所述排列顺序,将所述综合召回结果插入至所述专项召回结果中,以确定所述当前搜索操作的搜索结果的步骤,包括:
对于每个综合召回结果,分别确定满足公式的展示位,其中,pos为确定的所述展示位;
在由所述专项召回结果构成的搜索结果列表中所述展示位对应的列表位置,按照综合召回结果对应的所述综合搜索组件之间的排列顺序,插入相应的综合召回结果;
将插入所述综合召回结果之后的搜索结果列表,作为所述当前搜索操作的搜索结果;
其中,ItemCtrpos为插入所述综合召回结果之后的搜索结果列表中pos位置的综合召回结果的预估点击率,ShopCtrpos+1为插入所述综合召回结果之后的搜索结果列表中pos+1位置的专项召回结果的预估点击率,α为曝光控制系数,[m,n]为预设的综合召回结果的插入展示位区间,m和n为正整数。
7.根据权利要求1至6任一项所述的方法,其特征在于,所述根据所述搜索意图和预设搜索组件的历史表现,确定至少部分所述预设搜索组件,作为所述当前搜索操作对接的综合搜索组件的步骤,包括:
根据所述搜索意图和预设搜索组件的关联关系,确定与所述搜索意图关联的预设搜索组件,作为候选搜索组件;
确定历史表现满足预设条件的所述候选搜索组件,作为所述当前搜索操作对接的综合搜索组件;
其中,所述历史表现包括点击率。
8.一种搜索装置,其特征在于,包括:
搜索意图确定模块,用于对用户的当前搜索操作进行查询理解,确定所述用户的搜索意图;
综合搜索组件确定模块,用于根据所述搜索意图和预设搜索组件的历史表现,确定至少部分所述预设搜索组件,作为所述当前搜索操作对接的综合搜索组件;
召回结果确定模块,用于根据所述当前搜索操作,分别确定专项搜索组件对应的专项召回结果和所述综合搜索组件对应的综合召回结果;
搜索结果确定模块,用于将所述综合召回结果插入至所述专项召回结果中,以确定所述当前搜索操作的搜索结果。
9.根据权利要求8所述的装置,其特征在于,所述搜索结果确定模块进一步包括:
综合点击概率值确定单元,用于通过预先训练的综合点击率预估模型确定各所述综合搜索组件的综合点击概率值;
组件间排列顺序确定单元,用于根据所述综合点击概率值,确定所述综合搜索组件之间的排列顺序;
搜索结果确定单元,用于根据召回结果的预估点击率和所述排列顺序,将所述综合召回结果插入至所述专项召回结果中,以确定所述当前搜索操作的搜索结果。
10.根据权利要求9所述的装置,其特征在于,所述综合点击率预估模型表示为:
其中,ctritem表示综合搜索组件item的综合点击概率值,witem,i表示综合搜索组件item第i项组件特征的权重,xitem,i表示综合搜索组件item第i项组件特征,n为大于1的整数。
11.根据权利要求10所述的装置,其特征在于,n为大于等于3的整数,所述综合搜索组件的组件特征至少包括以下三项:用户的搜索点击特征、搜索词的历史搜索特征以及搜索上下文特征。
12.根据权利要求9所述的装置,其特征在于,所述组件间排列顺序确定单元还用于:
基于综合搜索结果列表页的用户点击日志提取所述预设搜索组件点击日志的组件特征;
基于所述组件特征训练所述综合点击率预估模型,其中,所述组件特征至少包括以下三项:用户的搜索点击特征、搜索词的历史搜索特征以及搜索上下文特征。
13.根据权利要求9所述的装置,其特征在于,所述搜索结果确定单元进一步用于:
对于每个综合召回结果,分别确定满足公式的展示位,其中,pos为确定的所述展示位;
在由所述专项召回结果构成的搜索结果列表中所述展示位对应的列表位置,按照综合召回结果对应的所述综合搜索组件之间的排列顺序,插入相应的综合召回结果;
将插入所述综合召回结果之后的搜索结果列表,作为所述当前搜索操作的搜索结果;
其中,ItemCtrpos为插入所述综合召回结果之后的搜索结果列表中pos位置的综合召回结果的预估点击率,ShopCtrpos+1为插入所述综合召回结果之后的搜索结果列表中pos+1位置的专项召回结果的预估点击率,α为曝光控制系数,[m,n]为预设的综合召回结果的插入展示位区间,m和n为正整数。
14.根据权利要求8至13任一项所述的装置,其特征在于,所述综合搜索组件确定模块进一步用于:
根据所述搜索意图和预设搜索组件的关联关系,确定与所述搜索意图关联的预设搜索组件,作为候选搜索组件;
确定历史表现满足预设条件的所述候选搜索组件,作为所述当前搜索操作对接的综合搜索组件;
其中,所述历史表现包括点击率。
15.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任意一项所述的搜索方法。
16.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至7任意一项所述的搜索方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810162658.0A CN108509499A (zh) | 2018-02-27 | 2018-02-27 | 一种搜索方法及装置,电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810162658.0A CN108509499A (zh) | 2018-02-27 | 2018-02-27 | 一种搜索方法及装置,电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108509499A true CN108509499A (zh) | 2018-09-07 |
Family
ID=63375132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810162658.0A Pending CN108509499A (zh) | 2018-02-27 | 2018-02-27 | 一种搜索方法及装置,电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108509499A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111611289A (zh) * | 2019-02-22 | 2020-09-01 | 北京京东尚科信息技术有限公司 | 物品信息的搜索排序方法、装置、存储介质和电子设备 |
CN111782956A (zh) * | 2020-07-08 | 2020-10-16 | 重庆帮企科技集团有限公司 | 一种基于用户行为和关键词分类的搜索方法 |
CN111797312A (zh) * | 2020-06-22 | 2020-10-20 | 北京三快在线科技有限公司 | 模型训练的方法及装置 |
CN111797308A (zh) * | 2020-06-16 | 2020-10-20 | 北京达佳互联信息技术有限公司 | 一种资源推荐方法、装置、电子设备及介质 |
CN112417299A (zh) * | 2020-12-08 | 2021-02-26 | 西安联乘智能科技有限公司 | 一种网页推荐方法、计算机存储介质及计算设备 |
CN112711717A (zh) * | 2021-03-26 | 2021-04-27 | 北京三快在线科技有限公司 | 房间产品搜索方法、装置、电子设备 |
CN112989232A (zh) * | 2019-12-17 | 2021-06-18 | 北京搜狗科技发展有限公司 | 一种搜索结果排序方法及装置 |
CN113536120A (zh) * | 2021-07-14 | 2021-10-22 | 北京百度网讯科技有限公司 | 基于用户行为的兴趣点召回和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130110829A1 (en) * | 2011-10-31 | 2013-05-02 | Alibaba Group Holding Limited | Method and Apparatus of Ranking Search Results, and Search Method and Apparatus |
CN103514178A (zh) * | 2012-06-18 | 2014-01-15 | 阿里巴巴集团控股有限公司 | 一种基于点击率的搜索排序方法及装置 |
CN105808762A (zh) * | 2016-03-18 | 2016-07-27 | 北京百度网讯科技有限公司 | 资源排序方法和装置 |
CN107315841A (zh) * | 2017-07-20 | 2017-11-03 | 北京三快在线科技有限公司 | 一种信息搜索方法、装置及系统 |
-
2018
- 2018-02-27 CN CN201810162658.0A patent/CN108509499A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130110829A1 (en) * | 2011-10-31 | 2013-05-02 | Alibaba Group Holding Limited | Method and Apparatus of Ranking Search Results, and Search Method and Apparatus |
CN103514178A (zh) * | 2012-06-18 | 2014-01-15 | 阿里巴巴集团控股有限公司 | 一种基于点击率的搜索排序方法及装置 |
CN105808762A (zh) * | 2016-03-18 | 2016-07-27 | 北京百度网讯科技有限公司 | 资源排序方法和装置 |
CN107315841A (zh) * | 2017-07-20 | 2017-11-03 | 北京三快在线科技有限公司 | 一种信息搜索方法、装置及系统 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111611289A (zh) * | 2019-02-22 | 2020-09-01 | 北京京东尚科信息技术有限公司 | 物品信息的搜索排序方法、装置、存储介质和电子设备 |
CN112989232A (zh) * | 2019-12-17 | 2021-06-18 | 北京搜狗科技发展有限公司 | 一种搜索结果排序方法及装置 |
CN111797308A (zh) * | 2020-06-16 | 2020-10-20 | 北京达佳互联信息技术有限公司 | 一种资源推荐方法、装置、电子设备及介质 |
CN111797308B (zh) * | 2020-06-16 | 2023-11-28 | 北京达佳互联信息技术有限公司 | 一种资源推荐方法、装置、电子设备及介质 |
CN111797312A (zh) * | 2020-06-22 | 2020-10-20 | 北京三快在线科技有限公司 | 模型训练的方法及装置 |
CN111797312B (zh) * | 2020-06-22 | 2024-03-01 | 北京三快在线科技有限公司 | 模型训练的方法及装置 |
CN111782956A (zh) * | 2020-07-08 | 2020-10-16 | 重庆帮企科技集团有限公司 | 一种基于用户行为和关键词分类的搜索方法 |
CN112417299A (zh) * | 2020-12-08 | 2021-02-26 | 西安联乘智能科技有限公司 | 一种网页推荐方法、计算机存储介质及计算设备 |
CN112711717A (zh) * | 2021-03-26 | 2021-04-27 | 北京三快在线科技有限公司 | 房间产品搜索方法、装置、电子设备 |
CN113536120A (zh) * | 2021-07-14 | 2021-10-22 | 北京百度网讯科技有限公司 | 基于用户行为的兴趣点召回和装置 |
CN113536120B (zh) * | 2021-07-14 | 2023-08-01 | 北京百度网讯科技有限公司 | 基于用户行为的兴趣点召回方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108509499A (zh) | 一种搜索方法及装置,电子设备 | |
EP3623956A1 (en) | Method and apparatus for obtaining recommendation information, and electronic device | |
CN109189904A (zh) | 个性化搜索方法及系统 | |
CN108460082B (zh) | 一种推荐方法及装置,电子设备 | |
CN103593353B (zh) | 信息搜索方法、展示信息排序权重值确定方法及其装置 | |
CN105653562B (zh) | 一种文本内容与查询请求之间相关性的计算方法及装置 | |
RU2670494C2 (ru) | Способ обработки поискового запроса, сервер и машиночитаемый носитель для его осуществления | |
CN111177538B (zh) | 一种基于无监督权值计算的用户兴趣标签构建方法 | |
WO2018040069A1 (zh) | 信息推荐系统及方法 | |
CN106651544B (zh) | 最少用户交互的会话式推荐系统 | |
CN104836720A (zh) | 交互式通信中进行信息推荐的方法及装置 | |
CN110532351B (zh) | 推荐词展示方法、装置、设备及计算机可读存储介质 | |
CA2655196A1 (en) | System and method for generating a display of tags | |
CN104899315A (zh) | 推送用户信息的方法和装置 | |
CN109064293A (zh) | 商品推荐方法、装置、计算机设备及存储介质 | |
CN111177559B (zh) | 文旅服务推荐方法、装置、电子设备及存储介质 | |
CN106777282B (zh) | 相关搜索的排序方法和装置 | |
CN103942328B (zh) | 一种视频检索方法及视频装置 | |
CN110390052A (zh) | 搜索推荐方法、ctr预估模型的训练方法、装置及设备 | |
CN111061954B (zh) | 搜索结果排序方法、装置及存储介质 | |
CN103729424A (zh) | 问答社区内回答评价方法和系统 | |
CN112487283A (zh) | 训练模型的方法、装置、电子设备及可读存储介质 | |
CN107943910A (zh) | 一种基于组合算法的个性化图书推荐方法 | |
CN105677838A (zh) | 基于用户需求的用户档案创建、个性化搜索排名方法和系统 | |
CN113626638A (zh) | 短视频推荐处理方法、装置、智能终端及存储介质 |
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: 20180907 |