CN109564571B - 利用搜索上下文的查询推荐方法及系统 - Google Patents
利用搜索上下文的查询推荐方法及系统 Download PDFInfo
- Publication number
- CN109564571B CN109564571B CN201780047572.7A CN201780047572A CN109564571B CN 109564571 B CN109564571 B CN 109564571B CN 201780047572 A CN201780047572 A CN 201780047572A CN 109564571 B CN109564571 B CN 109564571B
- Authority
- CN
- China
- Prior art keywords
- query
- search
- recommended
- candidate
- queries
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- 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
- G06F16/903—Querying
- G06F16/9032—Query formulation
- G06F16/90324—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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9032—Query formulation
- G06F16/90324—Query formulation using system suggestions
- G06F16/90328—Query formulation using system suggestions using search space presentation or visualization, e.g. category or range presentation and selection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
-
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开一种利用搜索上下文的查询推荐方法及系统。推荐查询提供方法可以包括以下步骤:基于包含与用户相关的查询历史和为各查询提供的搜索结果的搜索上下文,生成要向所述用户推荐的候选查询;基于所述候选查询之间的相似度,执行所述候选查询的群集化;以及将从所述候选查询的各群集选择的最终候选查询作为推荐查询提供给所述用户的电子设备。
Description
技术领域
以下的描述涉及一种在搜索服务中提供推荐查询的技术。
背景技术
搜索服务是指当用户输入查询词时向用户提供与输入的查询词相应的搜索结果(例如,包含输入的查询词的网站、包含输入的查询词的文章、或具有包含输入的查询词的文件名的图像等)的服务。
近年来,随着诸如智能手机(smart phone)、平板电脑(tablet)、可穿戴设备(wearable device)的移动终端的应用普及,在移动终端上也提供搜索服务。
移动终端呈现除了提供搜索服务之外还搭载诸如通信、游戏、多媒体服务等个人计算机(PersonalComputer,PC)可以提供的各种功能的发展趋势。
作为在移动环境中提供网络搜索服务的技术的一例,韩国授权专利第10-0860093号(授权日:2008年09月18日)中公开了提供利用移动网站的搜索服务的技术。
发明内容
(一)要解决的技术问题
本发明提供一种可以在以与用户对话的方式收发搜索查询和搜索结果的对话式搜索服务中考虑搜索上下文(context)来提供推荐查询的方法及系统。
本发明提供一种可以基于由使用对话式搜索服务的用户输入的查询历史和为各查询搜索的结果,推荐用户下次可能会搜索的查询的方法及系统。
(二)技术方案
提供一种推荐查询提供方法,其为由计算机实现的服务器中的推荐查询提供方法,包括以下步骤:基于包含与用户相关的查询历史和为各查询提供的搜索结果的搜索上下文,生成要向所述用户推荐的候选查询;基于所述候选查询之间的相似度,执行所述候选查询的群集化;以及将从所述候选查询的各群集选择的最终候选查询作为推荐查询提供给所述用户的电子设备。
根据一个方面,在所述生成步骤中,可以利用查询历史和各查询的搜索结果分析所述用户输入的搜索查询的二义性,然后基于所述搜索查询的二义性,生成所述候选查询。
根据另一方面,所述生成步骤可以包括以下步骤:基于所述用户输入的搜索查询的二义性,生成用于推荐与作为搜索结果搜索到的对象不同的对象的二义性候选查询。
根据另一方面,所述生成步骤还可以包括以下步骤:生成属性型候选查询、相关候选查询、热点话题候选查询中的至少一种,所述属性型候选查询用于推荐作为搜索结果搜索到的对象的属性,所述相关候选查询用于推荐与所述搜索查询相关的相关搜索词,所述热点话题候选查询用于推荐与作为搜索结果搜索到的对象相关的热点话题对象。
根据另一方面,在所述生成步骤中,可以利用二义性查询推荐逻辑、属性型查询推荐逻辑、相关查询推荐逻辑、热点话题查询推荐逻辑中的至少两种以上的推荐逻辑来生成所述候选查询,所述二义性查询推荐逻辑基于所述用户输入的搜索查询的二义性推荐与作为搜索结果搜索到的对象不同的对象,所述属性型查询推荐逻辑用于推荐作为搜索结果搜索到的对象的属性,所述相关查询推荐逻辑用于推荐与所述搜索查询相关的相关搜索词,所述热点话题查询推荐逻辑用于推荐与作为搜索结果搜索到的对象相关的热点话题对象。
根据另一方面,所述推荐查询提供方法还可以包括以下步骤:去除所述候选查询中与包含在所述查询历史中的查询重复的部分候选查询。
根据另一方面,在所述去除步骤中,可以利用向所述用户推荐的查询历史和所述用户直接输入的查询历史中的至少一种来去除部分候选查询。
根据另一方面,在所述去除步骤中,可以利用所述查询历史来去除所述候选查询中所述用户已在之前的搜索中利用的查询。
根据另一方面,在所述去除步骤中,可以利用所述查询历史,筛选向所述用户推荐的查询中与推荐次数相比具有预定比率以下的搜索利用履历的查询,以去除与所述查询重复的候选查询。
根据另一方面,在所述执行步骤中,可以基于所述候选查询之间的相似度,并利用分为预定数量(K)的集群的K平均算法(K-mean algorithm)来执行群集化。
根据另一方面,在所述执行步骤中,可以根据针对所述用户输入的搜索查询搜索到的对象的二义性程度和所述候选查询的数量确定集群的数量,然后基于所述候选查询之间的相似度,利用确定的数量的所述集群执行群集化。
提供一种推荐查询提供系统,其为由计算机实现的服务器的推荐查询提供系统,包括至少一个处理器,所述处理器被配置成执行计算机可读指令,所述至少一个处理器包括:候选查询生成部,基于包含与用户相关的查询历史和为各查询提供的搜索结果的搜索上下文,生成要向所述用户推荐的候选查询;查询群集化部,基于所述候选查询之间的相似度,执行所述候选查询的群集化;以及推荐查询提供部,将从所述候选查询的各群集选择的最终候选查询作为推荐查询提供给所述用户的电子设备。
(三)有益效果
根据本发明的实施例,针对用户输入的搜索查询,可以根据包含用户的查询历史的搜索上下文的确定结果,提供推荐查询。
根据本发明的实施例,可以确定由使用对话式搜索服务的用户输入的查询历史来提供反映用户的查询意图的推荐查询。
根据本发明的实施例,可以使用用户输入的查询历史和各查询的搜索结果来确定当前输入的搜索查询的二义性,并且可以推荐具有与该查询不同的含义的查询。
附图说明
图1是示出根据本发明的一个实施例的网络环境的例子的图。
图2是用于说明本发明的一个实施例中电子设备和服务器的内部配置的框图。
图3是示出根据本发明的一个实施例的服务器的处理器可以包括的组件的例子的框图。
图4是示出根据本发明的一个实施例的服务器可以执行的方法的例子的流程图。
图5至图6是用于说明本发明的一个实施例中通过多个推荐逻辑生成候选查询的过程的例子的图。
图7至图10是示出本发明的一个实施例中提供给服务器的搜索结果和推荐查询显示在电子设备的画面上的例子的图。
最佳实施方式
下面,参照附图对本发明的实施例进行详细说明。
本发明的实施例涉及一种在搜索服务中提供推荐查询的技术,具体而言,涉及一种可以在对话式搜索服务中考虑包括用户的查询历史的搜索上下文来提供推荐查询的技术,所述对话式搜索服务中像与用户对话似的通过语音或文本输入搜索查询,并作为搜索查询的答复提供与搜索查询对应的搜索结果。
包括本说明书中具体公开的内容的实施例可以在对话式搜索环境中提供考虑搜索上下文的推荐查询,并通过此,可以在效率性、便利性、降低成本等方面上实现很多优点。
图1是示出根据本发明的一个实施例的网络环境的例子的图。图1的网络环境示出包括多个电子设备110、120、130、140、多个服务器150、160及网络170的例子。该图1为用于说明发明的一个例子,电子设备的数量或服务器的数量并不限定于如图1所示。
多个电子设备110、120、130、140可以是由计算机装置实现的固定型终端或移动型终端。例如,多个电子设备110、120、130、140可以是智能手机(smart phone)、移动电话、导航仪、计算机、笔记本电脑、数字广播用终端、个人数字助理(PersonalDigitalAssistants,PDA)、便携式多媒体播放器(Portable Multimedia Player,PMP)、平板电脑等。例如,电子设备110可以利用无线或有线通信方式,并且通过网络170与其他电子设备120、130、140和/或服务器150、160通信。
通信方式不受限制,不仅可以包括利用网络170可以包括的通信网(例如,移动通信网、有线网络、无线网络、广播网)的通信方式,而且还可以包括各个设备之间的近距离无线通信。例如,网络170可以包括诸如个人局域网(personal area network,PAN)、局域网(local area network,LAN)、校园网(campus area network,CAN)、城域网(metropolitanarea network,MAN)、广域网(wide area network,WAN)、宽带网(broadband network,BBN)、互联网的网络中的任何一种以上网络。另外,网络170可以包括网络拓扑中的任何一种以上,所述网络拓扑包括总线型网络、星形网络、环形网络、网状网络、星型总线网络、树形或阶层式(hierarchical)网络等,但是网络170并不限定于此。
服务器150、160分别可以由计算机装置或多个计算机装置实现,其通过网络170与多个电子设备110、120、130、140通信,并提供指令、代码、文件、内容、服务等。
例如,服务器160可以向通过网络170连接的电子设备110提供用于安装应用程序的文件。在这种情况下,电子设备110可以利用由服务器160提供的文件来安装应用程序。另外,电子设备110可以根据电子设备110所包含的操作系统(Operating System,OS)或至少一个程序(例如,浏览器或安装的所述应用程序)的控制接入服务器150,以接收由服务器150提供的服务或内容。例如,当电子设备110根据应用程序的控制,通过网络170向服务器150传送服务请求消息时,服务器150可以向电子设备110传送对应于服务请求消息的代码,电子设备110根据应用程序的控制构成并显示基于代码的画面,从而可以向用户提供内容。
图2是用于说明本发明的一个实施例中电子设备和服务器的内部配置的框图。在图2中,作为一个电子设备的例子,说明电子设备110的内部配置,并且作为一个服务器的例子,说明服务器150的内部配置。其他电子设备120、130、140或服务器160也可以具有相同或相似的内部配置。
电子设备110和服务器150可以包括存储器211、221、处理器212、222、通信模块213、223及输入输出接口214、224。存储器211、221是计算机可读记录介质,其可以包括随机存取存储器(random access memory,RAM)、只读存储器(read only memory,ROM)及磁盘驱动器等非易失性大容量存储装置(permanent mass storage device)。另外,在存储器211、221中可以存储操作系统或至少一个程序代码(例如,用于安装在电子设备110中并被驱动的应用程序等的代码)。这些软件组件可以从不同于存储器211、221的另外的计算机可读记录介质加载。这些另外的计算机可读记录介质可以包括软盘驱动器、磁盘、磁带、DVD/CD-ROM驱动器、存储卡等计算机可读记录介质。在其他实施例中,软件组件可以通过通信模块213、223加载在存储器211、221中,而不是通过计算机可读记录介质。例如,至少一个程序可以基于通过由开发者或分发应用程序的安装文件的文件分发系统(例如,所述服务器160)通过网络170提供的文件安装程序(例如,所述应用程序)被加载在存储器211、221中。
处理器212、222可以被配置成通过执行基本的算术、逻辑和输入输出运算来处理计算机程序的指令。指令可以通过存储器211、221或通信模块213、223被提供到处理器212、222。例如,处理器212、222可以被配置成执行根据存储在诸如存储器211、221的存储装置中的程序代码接收的指令。
通信模块213、223可以通过网络170提供用于电子设备110和服务器150彼此通信的功能,并且可以提供用于与其他电子设备(例如,电子设备120)或其他服务器(例如,服务器160)通信的功能。例如,由电子设备110的处理器212根据存储在诸如存储器211的存储介质中的程序代码生成的请求(例如,搜索请求)可以根据通信模块213的控制通过网络170传递到服务器150。相反地,根据服务器150的处理器222的控制提供的控制信号或指令、内容、文件等可以经过通信模块223和网络170并通过电子设备110的通信模块213传递到电子设备110。例如,通过通信模块213接收的服务器150的控制信号或指令等可以传递到处理器212或存储器211,内容或文件等可以存储在电子设备110还可以包括的存储介质中。
输入输出接口214可以是用于与输入输出装置215连接(interface)的装置。例如,输入装置可以包括键盘或鼠标等装置,并且输出装置可以包括用于显示应用程序的通信会话的显示器等装置。作为另一个例子,输入输出接口214还可以是用于与诸如触摸屏的输入和输出功能一体集成的装置连接的装置。作为更具体的例子,电子设备110的处理器212在处理加载在存储器211中的计算机程序的指令时,利用服务器150或电子设备120提供的数据而构成的服务画面或内容可以通过输入输出接口214显示在显示器中。
另外,在其他实施例中,电子设备110和服务器150可以包括比图2中的组件更多的组件。然而,没有必要清楚地示出大部分现有技术的组件。例如,电子设备110可以被配置成包括上述的输入输出装置215中的至少一部分,或者可以进一步包括收发器(transceiver)、全球定位系统(Global Positioning System,GPS)模块、摄像头、各种传感器、数据库等其他组件。作为更具体的例子,在电子设备110为智能手机的情况下,可以知道,电子设备110可以进一步包括智能手机通常所包括的加速度传感器或陀螺仪传感器、摄像头、各种物理按钮、利用触摸面板的按钮、输入输出端口、用于振动的振动器等各种组件。
下面,对利用搜索上下文的查询推荐方法及系统的具体实施例进行说明。
现有的查询推荐方法存在如下局限性:针对使用服务的所有用户,当进行搜索时输入的搜索查询相同时,每次提供相同的推荐查询。
与此不同,本发明的实施例中,针对在对话式搜索服务中用户输入的搜索查询,使用包含用户的查询历史的搜索上下文,并且通过域名的连续性或客体的连续性等可以确定用户的查询意图或搜索查询的二义性,从而可以通过更有用的查询推荐来提高搜索的容易性和便利性。
图3是示出根据本发明的一个实施例的服务器的处理器可以包括的组件的例子的图,图4是示出根据本发明的一个实施例的服务器可以执行的方法的例子的流程图。
如图3所示,服务器150的处理器222可以包括候选查询生成部310、重复查询去除部320、查询群集化部330及推荐查询提供部340。所述处理器222和处理器222的组件可以控制服务器150以执行图4的方法所包括的步骤S410至S440。此时,处理器222和处理器222的组件可以被配置成执行根据存储器221所包含的操作系统的代码和至少一个程序的代码的指令(instruction)。另外,处理器222的组件可以是根据操作系统或至少一个程序提供的控制指令,由处理器222执行的彼此不同的功能(different functions)的表现。例如,作为处理器222根据所述控制指令提供推荐查询的功能性表现,可以使用推荐查询提供部340。
在步骤S410中,候选查询生成部310可以基于搜索上下文生成候选查询,以推荐电子设备110的用户可能会关心的查询,其中所述搜索上下文包括通过电子设备110的用户与用于搜索关键词的服务器150之间设定的对话收发的与用户相关的查询历史和为各查询提供的搜索结果。例如,电子设备110可以通过语音识别或文本输入的方式接收用户的搜索查询,并且通过网络170向服务器150传送用户输入的搜索查询,因此,服务器150可以生成与搜索查询对应的至少一个搜索结果,并且通过网络170向电子设备110传送搜索结果。通过电子设备110的用户与服务器150之间的对话收发的所有数据,即用户输入的搜索查询和为各搜索查询提供的搜索结果可以作为与该对话对应的对话式搜索界面(以下简称为“搜索对话窗”)的即时消息(instance message)存储在电子设备110和/或服务器150上的存储空间中。服务器150在提供与搜索查询对应的搜索结果的过程中,为了有助于搜索而提供推荐查询,此时,候选查询生成部310可以基于包括用户的查询历史和各查询的搜索结果的搜索上下文,生成用户下次可能会搜索的候选查询。
对话式搜索服务中使用的搜索上下文可以包括1)电子设备110的用户输入的搜索查询、2)向电子设备110的用户提供的搜索结果(文本、图像、对象ID等),并且可以进一步包括3)电子设备110的位置信息、4)电子设备110的时间信息等。搜索上下文可以包括搜索中被利用的查询历史和针对各查询提供的搜索结果,例如,针对查询“今天天气”之后输入的查询“明天”提供“明天天气”信息的内容、针对查询“小罗伯特唐尼”之后输入的“钢铁侠”提供小罗伯特唐尼出演的“电影钢铁侠”信息的内容、针对查询“李东旭”之后输入的“钢铁侠”提供李东旭出演的“电视剧钢铁侠”信息的内容、针对查询“隧道导演”提供“金成勋”信息的内容、针对查询“隧道导演”之后输入的查询“请告知作品”提供电影隧道导演“金成勋作品”信息的内容、针对查询“天气”提供与用户的当前位置对应的地区的“天气”信息的内容、针对查询“交通情况”提供与当前时间对应的“实时交通情况”信息的内容等。
除了上述的1)至4)的信息以外,搜索上下文还可以包括由服务器150提供的外部信息,例如,利用搜索服务的其他用户的搜索历史(查询和各查询的搜索结果)、基于搜索中利用的各种知识图表的相关信息(例如,诸如相关搜索词的查询-查询相关信息、高速公路GPS信息等与公路相关的信息等)等。
服务器150可以基于搜索上下文,通过多个推荐逻辑来生成候选查询,为此,候选查询生成部310可以包括二义性查询推荐模块、属性型查询推荐模块、相关查询推荐模块、热点话题查询推荐模块。
参照图5,候选查询生成部310的二义性查询推荐模块可以利用电子设备110的用户的查询历史和为各查询提供的搜索结果,分析用户输入的当前搜索查询的二义性,然后基于当前搜索查询的二义性,生成候选推荐查询(以下被称为“二义性候选查询”)(S501)。服务器150可以根据用户的之前的搜索查询来确定当前输入的搜索查询的二义性,并提供与其对应的搜索结果,此时,候选查询生成部310可以将除了以搜索结果提供的对象以外的其它对象作为二义性候选查询生成。换言之,当用户当前输入的搜索查询具有二义性的含义时,候选查询生成部310可以推荐除了以该查询的搜索结果提供的对象以外的其它对象。
此外,候选查询生成部310的属性型查询推荐模块可以利用与用户的搜索查询对应的主题的属性信息,生成针对搜索查询的候选推荐查询(以下被称为“属性型候选查询”)(S502)。服务器150可以包括存储并保持预先添加的关键词的关键词数据库,此时,关键词数据库中可以按关键词包括各关键词所属的主题(域名)和与该关键词相关的属性信息。主题可以表示用于按电视剧、电影、人物、歌曲等来分类信息的集合,属性信息可以包括与各主题相关的信息的种类或特性等。候选查询生成部310可以利用服务器150上的关键词数据库中存储的各关键词的属性信息,从与用户的搜索查询对应的关键词的属性信息生成属性型候选查询。换言之,当用户搜索的对象为具有属性的对象时,候选查询生成部310可以将搜索的对象的属性作为属性型候选查询生成。例如,当用户搜索电视剧时,可以将电视剧所具有的属性作为属性型候选查询生成,当用户搜索人物时,可以将与人物相关的属性作为属性型候选查询生成。
另外,候选查询生成部310的相关查询推荐模块可以将与用户的搜索查询直接/间接相关的相关搜索词作为候选推荐查询(以下简称为“相关候选查询”)生成(S503)。相关候选查询表示针对用户的搜索查询的相关搜索词,相关搜索词为具有语义性关系或统计性关系的词语,可以分析各种搜索词和内容来提取。
最后,候选查询生成部310的热点话题查询推荐模块可以针对用户的搜索查询生成具有时间性问题的候选推荐查询(以下被称为“热点问题候选查询”)(S504)。热点问题候选查询可以包括基于新闻、咖啡厅、博客等中生成的文件统计最近多次提及的关键词从而生成的热点话题关键词、由利用搜索服务的用户最近多次搜索的关键词确定的实时急剧上升的搜索词或热门搜索词等。换言之,候选查询生成部310可以将利用搜索服务的用户最近所关注的搜索查询相关的查询作为热点问题候选查询生成。
图6是示出通过所述多个推荐逻辑生成的候选查询的例子的图。当用户输入具有二义性含义的搜索查询“黄真伊”且作为对此的搜索结果提供“电视剧黄真伊”的信息时,二义性候选查询601用于推荐与作为搜索结果提供的“电视剧黄真伊”不同的对象的信息,其可以由“电影黄真伊”、“朝鲜名妓黄真伊”、“音乐黄真伊”、“图书黄真伊”等构成。
属性型候选查询602用于推荐作为搜索结果提供的“电视剧黄真伊”的属性信息,其可以由电视剧所具有的属性例如“演员组”、“编剧组”、“剧情”、“集数信息”等构成。
相关候选查询603用于推荐与用户输入的搜索查询“黄真伊”直接/间接相关的对象,其可以由与“黄真伊”有语义性关系或统计性关系的相关搜索词,例如“黄真伊OST”、“黄真伊始祖”、“黄真伊电影”、“黄真伊歌词”、“黄真伊收视率”等构成。
热点话题候选查询604用于推荐与作为搜索结果提供的“电视剧黄真伊”相关的用户最近所关注的查询,当在“电视剧黄真伊”中登场的人物“河智苑”最近成为话题时,可以由与“河智苑”相关的热点话题关键词,例如“河智苑近况”、“河智苑结婚”等构成。
因此,候选查询生成部310可以基于对话式搜索服务中与用户收发的搜索上下文,生成作为向用户推荐的查询的根据多个推荐逻辑的候选查询(二义性候选查询、属性型候选查询、相关候选查询、热点话题候选查询)。
重新参照图4,在步骤S420中,重复查询去除部320可以利用与用户相关的查询历史去除在步骤S410中生成的候选查询中与之前的查询重复的候选查询。查询历史可以包括向用户提供的推荐查询历史和用户直接输入的搜索查询历史中的至少一种。例如,重复查询去除部320可以筛选查询历史中包含的查询中用户已在之前的搜索中利用的查询,以去除与该查询相同的候选查询。作为另一例子,重复查询去除部320可以筛选向用户提供的推荐查询中与提供次数相比具有预定比率以下的搜索利用履历的查询,即筛选用户在搜索中利用的概率低的查询来去除与该查询相同的候选查询。换言之,重复查询去除部320可以利用查询历史来检查之前的查询和候选查询之间的重复与否,并且去除与之前的查询重复的部分候选查询。
在步骤S430中,查询群集化部330可以基于在步骤S410中生成的候选查询中去除部分候选查询而剩下的候选查询之间的相似度执行群集化(clustering)。候选查询群集化用于向用户推荐不同含义的各种查询而不是推荐相同或相似的查询。例如,群集化算法可以使用将候选查询分为K个集群的K平均(K-mean)群集化算法。群集数量K可以根据搜索的对象的二义性程度(例如,查询所具有的含义的数量或利用该查询搜索的对象被分类的主题的数量)和各推荐模块中生成的候选查询的数量而改变。每次反复(iteration)时测量其他集群之间的相似度,并且基于此计算整体的损耗(lose),并改变群集数量。
在步骤S440中,推荐查询提供部340可以从候选查询的群集选择最终查询,以作为推荐查询提供给电子设备110。例如,推荐查询提供部340可以从各群集中选择至少一个代表查询,以将各群集的代表查询构成为推荐查询。推荐查询提供部340可以构成以预定的顺序或任意顺序将群集之间的代表查询以预定数量交替排列的目录并提供给电子设备110。电子设备110可以将用户输入的搜索查询和服务器150针对该搜索查询提供的搜索结果以通过搜索对话窗与用户收发的对话消息形式显示在电子设备110的画面。此时,电子设备110可以将针对显示在电子设备110的画面的搜索查询或搜索结果服务器150要提供给用户的推荐查询一起显示。
图7至图10是示出在电子设备110的画面中显示的作为对话式搜索界面的搜索对话窗的例子的图。
参照图7,在搜索对话窗700中,由用户通过语音或文本输入的搜索查询710和针对搜索查询710由服务器150生成的搜索结果720可以以对话消息的形式显示。
当搜索结果720显示在搜索对话窗700时,由服务器150生成的推荐查询730可以一起显示在搜索对话窗700的部分区域,例如,搜索对话窗700的下端或与查询输入窗相邻的位置。
当服务器150针对“查询A”生成一个搜索结果720时,如图5所示,可以在搜索对话窗700中构成作为用于暴露搜索结果720的显示客体的一个卡片,并在该卡片上暴露搜索结果720。
另一方面,如图8所示,当服务器150针对“查询A”生成多个搜索结果820时,可以在搜索对话窗700以转盘(carousel)的形式构成与搜索结果820的数量对应的数量的卡片,并分别暴露搜索结果820。例如,响应于用户的轻弹手势,在对话窗700中以转盘形式构成的卡片移动,并且搜索结果820一个一个地选择性地被显示。
当针对“查询A”的搜索结果820为多个时,服务器150可以对每个搜索结果820生成推荐查询830,因此,可以在电子设备110的画面上显示与实际显示的搜索结果820相关的推荐查询830。
假设针对“查询A”生成两个搜索结果,即搜索结果I和搜索结果II,并且作为对搜索结果I的推荐查询生成查询1、查询2、查询3,作为对搜索结果II的推荐查询生成查询11、查询12、查询13。
当针对“查询A”的搜索结果中搜索结果I显示在电子设备110的画面时,暴露针对搜索结果I生成的推荐查询,即查询1、查询2、查询3,当搜索结果II显示在电子设备110的画面时,暴露针对搜索结果II生成的推荐查询,即查询11、查询12、查询13。当针对“查询A”提供多个搜索结果时,可以通过轻弹卡片将搜索结果一个一个地选择性地暴露,并且可以根据暴露在电子设备110的画面的搜索结果,推荐推荐查询或与该搜索结果对应的查询。换言之,可以考虑作为搜索结果提供的对象,每个搜索结果提供不同的推荐查询,即可以针对搜索结果I和搜索结果II提供不同的推荐查询。
当输入新的搜索查询时,之前的搜索查询和搜索结果可以向一侧方向,例如向上侧方向移动,而新输入的搜索查询和与其对应的新的搜索结果被插入到搜索对话窗而显示在电子设备110的画面中。此时,针对从电子设备110的画面脱离的之前的搜索结果的推荐查询消失,在电子设备110的画面中可以显示针对当前显示的新的搜索结果的推荐查询。
如图9所示,假设作为针对“查询A”的搜索结果的推荐查询,生成查询1、查询2、查询3,作为针对“查询B”的搜索结果的推荐查询,生成查询21、查询22、查询23。
当在电子设备110的画面中显示针对“查询A”的搜索结果921时,作为与搜索结果921相关的推荐查询931,可以显示查询1、查询2、查询3(S901)。之后,当输入新的搜索查询“查询B”并且在电子设备110的画面中显示“查询B”和针对“查询B”的搜索结果922时,推荐查询可以被变更为作为与搜索结果922相关的推荐查询932的查询21、查询22、查询23并显示在画面中(S902)。
此时,服务器150可以基于“查询A”和“查询A”的搜索结果921,确定“查询B”的二义性,并且考虑这些而生成“查询B”的搜索结果922。
此外,电子设备110可以响应于用户的滚动手势,显示在电子设备110的画面中的搜索对话窗移动,并且显示之前的搜索结果和推荐查询。
在电子设备110的画面暴露针对“查询B”的搜索结果922和推荐查询932,即查询21、查询22、查询23暴露的状态下,用户通过向上滚动移动搜索对话窗而在电子设备110的画面再次显示针对“查询A”的搜索结果921时,推荐查询可以变更为针对“查询A”的搜索结果921生成的推荐查询931,即查询1、查询2、查询3并显示在画面中。
以在电子设备110的画面暴露最近搜索结果922,然后再次显示之前的搜索结果921的时间点为基准,之前的搜索结果921的推荐查询931可以被更新并暴露。例如,当从暴露搜索结果921的初期时间点经过预定时间之后再次暴露时,可以再次请求针对搜索结果921的推荐查询,以将在该时间点新生成的推荐查询931暴露在电子设备110的画面中。例如,在暴露搜索结果921的初期时间点,推荐查询931可以暴露为查询1、查询2、查询3,当经过预定时间之后再次暴露搜索结果921时,可以暴露重新调整为查询1、查询2'、查询3的推荐查询931。
服务器150基于用户输入的搜索查询和针对搜索查询生成的搜索结果,提供推荐查询,并且其可以将诸如用于推荐除了搜索的对象以外的其它对象的查询、用于推荐搜索的对象的属性的查询、用于推荐与搜索的对象直接/间接相关的对象的查询、用于推荐与搜索的对象相关的热点话题对象的查询作为推荐查询来提供。
例如,如图10所示,当用户在搜索对话窗700作为搜索查询1010输入“黄真伊”,并且作为针对该搜索查询的搜索结果1020提供“电视剧黄真伊”的信息时,基于搜索查询1010和搜索结果1020生成的推荐查询1030可以一起暴露在搜索对话窗700。推荐查询1030可以包括作为用于推荐除了搜索到的对象“电视剧黄真伊”以外的其它对象的查询的二义性查询1031的例子“电影黄真伊”、作为用于推荐搜索到的对象“电视剧黄真伊”的属性的查询的属性型查询1032的例子“演员组”、作为用于推荐与搜索到的对象“电视剧黄真伊”直接/间接相关的对象的查询的相关查询1033的例子“黄真伊OST”,作为当与搜索到的对象“电视剧黄真伊”相关的人物“河智苑”的近况成为最近热门话题时用于推荐该热点话题对象的查询的热点话题查询1034的例子“河智苑近况”等。
电子设备110可以将从服务器150接收的推荐查询构成为转盘形式的卡片目录,并且根据用户的轻弹手势选择性地暴露目录中包含的至少一部分推荐查询,作为其他例子,可以提供针对推荐查询的单独的UI,并且当该UI被选择时,可以将目录中包含的所有查询一起暴露。
因此,本发明的实施例可以从搜索服务中与用户相关的查询历史和各查询的搜索结果确定用户的搜索上下文,以推荐用户可能会关心的查询。
如上所述,根据本发明的实施例,针对用户输入的搜索查询,可以根据确定包含用户的查询历史的搜索上下文的结果,提供推荐查询。此外,根据本发明的实施例,可以确定由使用对话式搜索服务的用户输入的查询历史来提供反映用户的查询意图的推荐查询。另外,根据本发明的实施例,可以使用用户输入的查询历史和各查询的搜索结果来确定当前输入的搜索查询的二义性,并且可以推荐具有与该查询不同的含义的查询。
以上描述的装置可以由硬件组件、软件组件和/或硬件组件和软件组件的组合来实现。例如,在实施例中描述的装置和组件,例如处理器、控制器、算术逻辑单元(arithmetic logic unit,ALU)、数字信号处理器(digital signal processor)、微型计算机、现场可编程门阵列(field programmable gate arry,FPGA)、可编程逻辑单元(programmable logic unit,PLU)、微处理器或可以执行指令(instruction)并响应的任何其他设备,可以利用一个以上的通用计算机或专用计算机来实现。处理装置可以执行操作系统(OS)和在所述操作系统中运行的一个以上的软件应用程序。并且,处理装置可以响应软件的执行来访问、存储、操作、处理及生成数据。为了便于理解,处理装置在某些情况下被描述为使用一个,但是所属技术领域的普通技术人员可以知道处理装置可以包括多个处理单元(processing element)和/或多个类型的处理元件。例如,处理装置可以包括多个处理器或一个处理器和一个控制器。并且,也可以是诸如并行处理器(parallel processor)的其他处理配置(processing configuration)。
软件可以包括计算机程序(computer program)、代码(code)、指令(instruction)或这些中的一个以上的组合,可以将处理装置配置成根据所需进行操作,或者独立地或结合地(collectively)命令处理装置。软件和/或数据,为了使用处理装置解释或向处理装置提供指令或数据,可以被永久性地或暂时性地被具体化(embody)在任何类型的机器、组件(component)、物理装置、虚拟设备(virtual equipment)、计算机存储介质或装置中。软件被分布在通过网路连接的计算机系统上,并可以以分布方式存储或运行。软件和数据可以存储在一个以上的计算机可读记录介质中。
根据实施例的方法,可以被实施为可以由各种计算机装置执行的程序指令形式,并存储在计算机可读介质中。所述计算机可读介质可以包括单独的或组合的程序指令、数据文件、数据结构等。被存储在所述介质中的程序指令可以是专门为实施例设计构建的,或者也可以是计算机软件技术人员熟知而应用的。计算机可读记录介质的例子包括:磁介质(magnetic media),如硬盘、软盘和磁带等;光学介质(optical media),如CD-ROM、DVD等;磁光介质(magneto-optical media),如光盘(floptical disk)等;以及专门配置为存储和执行程序指令的硬件装置,如只读存储器(ROM)、随机存取存储器(RAM)、闪存等。程序指令的例子,不仅包括由编译器产成的机器代码,还可包括可使用解释器等由计算机执行的高级语言代码。
具体实施方式
如上所述,本发明虽然参照限定的实施例和附图进行了说明,但本发明所属技术领域的普通技术人员均可以从上述记载内容进行各种修改和变形。例如,即使所述技术可按照与上述方法不同的顺序执行,和/或所述系统、结构、装置、电路等组件可以以与所述方法不同的形式结合或组合,或者被其他组件或等同物代替或置换,也能够获得适当的结果。
因此,其他实施、其他实施例及权利要求书的等同物均属于权利要求书的范围。
Claims (18)
1.一种推荐查询提供方法,其为由计算机实现的服务器中的推荐查询提供方法,包括以下步骤:
基于包含与用户相关的查询历史和为各查询提供的搜索结果的搜索上下文,生成要向所述用户推荐的候选查询;
基于所述候选查询之间的相似度,执行所述候选查询的群集化;以及
将从所述候选查询的各群集选择的最终候选查询作为推荐查询提供给所述用户的电子设备,
在所述执行步骤中,根据针对所述用户输入的搜索查询搜索到的对象的二义性程度和所述候选查询的数量确定集群的数量,然后基于所述候选查询之间的相似度,利用确定的数量的所述集群执行群集化。
2.根据权利要求1所述的推荐查询提供方法,其特征在于,
在所述生成步骤中,利用查询历史和各查询的搜索结果分析所述用户输入的搜索查询的二义性,然后基于所述搜索查询的二义性,生成所述候选查询。
3.根据权利要求1所述的推荐查询提供方法,其中,
所述生成步骤包括以下步骤:
基于所述用户输入的搜索查询的二义性,生成用于推荐与作为搜索结果搜索到的对象不同的对象的二义性候选查询。
4.根据权利要求3所述的推荐查询提供方法,其中,
所述生成步骤还包括以下步骤:
生成属性型候选查询、相关候选查询、热点话题候选查询中的至少一种,所述属性型候选查询用于推荐作为搜索结果搜索到的对象的属性,所述相关候选查询用于推荐与所述搜索查询相关的相关搜索词,所述热点话题候选查询用于推荐与作为搜索结果搜索到的对象相关的热点话题对象。
5.根据权利要求1所述的推荐查询提供方法,其特征在于,
在所述生成步骤中,利用二义性查询推荐逻辑、属性型查询推荐逻辑、相关查询推荐逻辑、热点话题查询推荐逻辑中的至少两种以上的推荐逻辑来生成所述候选查询,所述二义性查询推荐逻辑基于所述用户输入的搜索查询的二义性推荐与作为搜索结果搜索到的对象不同的对象,所述属性型查询推荐逻辑用于推荐作为搜索结果搜索到的对象的属性,所述相关查询推荐逻辑用于推荐与所述搜索查询相关的相关搜索词,所述热点话题查询推荐逻辑用于推荐与作为搜索结果搜索到的对象相关的热点话题对象。
6.根据权利要求1所述的推荐查询提供方法,还包括以下步骤:
去除所述候选查询中与包含在所述查询历史中的查询重复的部分候选查询。
7.根据权利要求6所述的推荐查询提供方法,其特征在于,
在所述去除步骤中,利用向所述用户推荐的查询历史和所述用户直接输入的查询历史中的至少一种来去除部分候选查询。
8.根据权利要求6所述的推荐查询提供方法,其特征在于,
在所述去除步骤中,利用所述查询历史来去除所述候选查询中所述用户已在之前的搜索中利用的查询。
9.根据权利要求6所述的推荐查询提供方法,其特征在于,
在所述去除步骤中,利用所述查询历史,筛选向所述用户推荐的查询中与推荐次数相比具有预定比率以下的搜索利用履历的查询,以去除与所述查询重复的候选查询。
10.根据权利要求1所述的推荐查询提供方法,其特征在于,
在所述执行步骤中,基于所述候选查询之间的相似度,并利用分为预定数量(K)的集群的K平均算法来执行群集化。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有用于执行权利要求1至10中任一项所述的方法的程序。
12.一种推荐查询提供系统,其为由计算机实现的服务器的推荐查询提供系统,包括至少一个处理器,所述处理器被配置成执行计算机可读指令,
所述至少一个处理器包括:
候选查询生成部,基于包含与用户相关的查询历史和为各查询提供的搜索结果的搜索上下文,生成要向所述用户推荐的候选查询;
查询群集化部,基于所述候选查询之间的相似度,执行所述候选查询的群集化;以及
推荐查询提供部,将从所述候选查询的各群集选择的最终候选查询作为推荐查询提供给所述用户的电子设备,
所述查询群集化部根据针对所述用户输入的搜索查询搜索到的对象的二义性程度和所述候选查询的数量确定集群的数量,然后基于所述候选查询之间的相似度,利用确定的数量的所述集群执行群集化。
13.根据权利要求12所述的推荐查询提供系统,其特征在于,
所述候选查询生成部基于所述用户输入的搜索查询的二义性,生成用于推荐与作为搜索结果搜索到的对象不同的对象的二义性候选查询。
14.根据权利要求12所述的推荐查询提供系统,其特征在于,
所述候选查询生成部包括二义性查询推荐模块、属性型查询推荐模块、相关查询推荐模块、热点话题查询推荐模块中的至少两种以上的推荐模块,所述二义性查询推荐模块基于所述用户输入的搜索查询的二义性推荐与作为搜索结果搜索到的对象不同的对象,所述属性型查询推荐模块用于推荐作为搜索结果搜索到的对象的属性,所述相关查询推荐模块用于推荐与所述搜索查询相关的相关搜索词,所述热点话题查询推荐模块用于推荐与作为搜索结果搜索到的对象相关的热点话题对象。
15.根据权利要求12所述的推荐查询提供系统,还包括:
重复查询去除部,其去除所述候选查询中与包含在所述查询历史的查询重复的部分候选查询。
16.根据权利要求15所述的推荐查询提供系统,其特征在于,
所述重复查询去除部利用所述查询历史去除所述候选查询中所述用户已在之前的搜索中利用的查询。
17.根据权利要求15所述的推荐查询提供系统,其特征在于,
所述重复查询去除部利用所述查询历史,筛选向所述用户推荐的查询中与推荐次数相比具有预定比率以下的搜索利用履历的查询,以去除与所述查询重复的候选查询。
18.根据权利要求12所述的推荐查询提供系统,其特征在于,
所述查询群集化部基于所述候选查询之间的相似度,并利用分为预定数量(K)的集群的K-平均算法来执行群集化。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2016-0137816 | 2016-10-21 | ||
KR1020160137816A KR101916798B1 (ko) | 2016-10-21 | 2016-10-21 | 검색 컨텍스트를 이용한 질의 추천 방법 및 시스템 |
PCT/KR2017/008282 WO2018074716A1 (ko) | 2016-10-21 | 2017-08-01 | 검색 컨텍스트를 이용한 질의 추천 방법 및 시스템 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109564571A CN109564571A (zh) | 2019-04-02 |
CN109564571B true CN109564571B (zh) | 2023-05-16 |
Family
ID=62018806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780047572.7A Active CN109564571B (zh) | 2016-10-21 | 2017-08-01 | 利用搜索上下文的查询推荐方法及系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11281724B2 (zh) |
JP (1) | JP6746778B2 (zh) |
KR (1) | KR101916798B1 (zh) |
CN (1) | CN109564571B (zh) |
WO (1) | WO2018074716A1 (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11928482B2 (en) | 2017-06-13 | 2024-03-12 | Google Llc | Interaction with electronic chat interfaces |
CN110796504B (zh) * | 2018-08-03 | 2023-11-03 | 京东科技控股股份有限公司 | 物品推荐方法和装置 |
US10956507B2 (en) * | 2018-08-16 | 2021-03-23 | Rovi Guides, Inc. | Reaction compensated result selection |
US20200097499A1 (en) * | 2018-09-26 | 2020-03-26 | Rovi Guides, Inc. | Systems and methods for generating query suggestions |
US11416701B2 (en) | 2018-11-19 | 2022-08-16 | Electronics And Telecommunications Research Institute | Device and method for analyzing spatiotemporal data of geographical space |
CN109918555B (zh) * | 2019-02-20 | 2021-10-15 | 百度在线网络技术(北京)有限公司 | 用于提供搜索建议的方法、装置、设备和介质 |
KR102194319B1 (ko) * | 2019-05-10 | 2020-12-22 | 네이버 주식회사 | 사용자에게 개인화된 지도 환경에서 장소 기반의 환경 정보를 제공하는 시스템 및 방법 |
WO2021050082A1 (en) * | 2019-09-13 | 2021-03-18 | Google Llc | Text entry recommendations based on stored search results |
CN111046265B (zh) * | 2019-12-11 | 2023-08-29 | 北京小米移动软件有限公司 | 卡片数据显示方法、装置、设备及存储介质 |
CN111444356B (zh) * | 2020-03-11 | 2024-02-13 | 北京字节跳动网络技术有限公司 | 基于搜索的推荐方法及装置 |
CN111949864B (zh) | 2020-08-10 | 2022-02-25 | 北京字节跳动网络技术有限公司 | 一种搜索方法、装置、电子设备及存储介质 |
KR102661768B1 (ko) * | 2021-03-17 | 2024-04-26 | 삼성생명보험주식회사 | 추천 질의문 생성 방법 |
CN112905871B (zh) * | 2021-03-29 | 2023-05-30 | 中国平安人寿保险股份有限公司 | 热点关键词推荐方法、装置、终端及存储介质 |
US11860884B2 (en) | 2021-03-30 | 2024-01-02 | Snap Inc. | Search query modification database |
US20220318239A1 (en) * | 2021-03-30 | 2022-10-06 | Vasyl Pihur | Search query modification |
WO2023277342A1 (en) * | 2021-06-29 | 2023-01-05 | Samsung Electronics Co., Ltd. | Method and system for modifying search query for a user |
US11989193B2 (en) | 2021-06-29 | 2024-05-21 | Samsung Electronics Co., Ltd. | Method and system for modifying search query for a user |
CN113505262B (zh) * | 2021-08-17 | 2022-03-29 | 深圳华声医疗技术股份有限公司 | 超声图像搜索方法、装置、超声设备及存储介质 |
CN116740578B (zh) * | 2023-08-14 | 2023-10-27 | 北京数慧时空信息技术有限公司 | 基于用户选择的遥感影像推荐方法 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3563682B2 (ja) * | 2000-09-12 | 2004-09-08 | 日本電信電話株式会社 | 次検索候補単語提示方法および装置と次検索候補単語提示プログラムを記録した記録媒体 |
US8086619B2 (en) * | 2003-09-05 | 2011-12-27 | Google Inc. | System and method for providing search query refinements |
US7617205B2 (en) * | 2005-03-30 | 2009-11-10 | Google Inc. | Estimating confidence for query revision models |
WO2007081681A2 (en) * | 2006-01-03 | 2007-07-19 | Textdigger, Inc. | Search system with query refinement and search method |
US20080256056A1 (en) * | 2007-04-10 | 2008-10-16 | Yahoo! Inc. | System for building a data structure representing a network of users and advertisers |
KR100860093B1 (ko) | 2007-05-10 | 2008-09-25 | 에스케이 텔레콤주식회사 | 웹 검색 시스템 및 방법 |
US8370329B2 (en) * | 2008-09-22 | 2013-02-05 | Microsoft Corporation | Automatic search query suggestions with search result suggestions from user history |
US9330165B2 (en) * | 2009-02-13 | 2016-05-03 | Microsoft Technology Licensing, Llc | Context-aware query suggestion by mining log data |
WO2010141429A1 (en) * | 2009-06-01 | 2010-12-09 | Sean Christopher Timm | Providing suggested web search queries based on click data of stored search queries |
KR101194296B1 (ko) * | 2010-09-01 | 2012-10-24 | 주식회사 다음커뮤니케이션 | 관련 검색어 제공 방법 및 시스템 |
US8515984B2 (en) * | 2010-11-16 | 2013-08-20 | Microsoft Corporation | Extensible search term suggestion engine |
US8489625B2 (en) * | 2010-11-29 | 2013-07-16 | Microsoft Corporation | Mobile query suggestions with time-location awareness |
JP5426526B2 (ja) * | 2010-12-21 | 2014-02-26 | 日本電信電話株式会社 | 確率的情報検索処理装置、確率的情報検索処理方法および確率的情報検索処理プログラム |
KR101269217B1 (ko) * | 2011-09-05 | 2013-05-30 | 주식회사 다음커뮤니케이션 | 검색 서비스 제공 시스템 및 그의 검색 서비스 제공 방법 |
US9129606B2 (en) * | 2011-09-23 | 2015-09-08 | Microsoft Technology Licensing, Llc | User query history expansion for improving language model adaptation |
US10984337B2 (en) * | 2012-02-29 | 2021-04-20 | Microsoft Technology Licensing, Llc | Context-based search query formation |
KR101485940B1 (ko) * | 2013-08-23 | 2015-01-27 | 네이버 주식회사 | 시멘틱 뎁스 구조 기반의 검색어 제시 시스템 및 방법 |
KR101576935B1 (ko) * | 2014-03-07 | 2015-12-21 | 네이버 주식회사 | 정답 키워드 제공 방법 및 장치 |
JP5952343B2 (ja) * | 2014-06-11 | 2016-07-13 | ヤフー株式会社 | 検索装置、検索方法及び検索プログラム |
US9690860B2 (en) * | 2014-06-30 | 2017-06-27 | Yahoo! Inc. | Recommended query formulation |
US10936632B2 (en) * | 2014-09-11 | 2021-03-02 | Ebay Inc. | Enhanced search query suggestions |
KR101584225B1 (ko) * | 2014-09-23 | 2016-01-12 | 네이버 주식회사 | 메신저의 대화 내용을 바탕으로 추천 검색어를 제공하는 방법과 시스템 및 기록 매체 |
CN105956149B (zh) * | 2016-05-12 | 2019-12-06 | 北京奇艺世纪科技有限公司 | 默认搜索词的推荐方法和装置 |
-
2016
- 2016-10-21 KR KR1020160137816A patent/KR101916798B1/ko active IP Right Grant
-
2017
- 2017-08-01 WO PCT/KR2017/008282 patent/WO2018074716A1/ko active Application Filing
- 2017-08-01 CN CN201780047572.7A patent/CN109564571B/zh active Active
- 2017-08-01 JP JP2019512773A patent/JP6746778B2/ja active Active
-
2019
- 2019-04-19 US US16/389,357 patent/US11281724B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
KR101916798B1 (ko) | 2018-11-09 |
US20190251125A1 (en) | 2019-08-15 |
US11281724B2 (en) | 2022-03-22 |
WO2018074716A1 (ko) | 2018-04-26 |
KR20180044481A (ko) | 2018-05-03 |
JP6746778B2 (ja) | 2020-08-26 |
CN109564571A (zh) | 2019-04-02 |
JP2019530075A (ja) | 2019-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109564571B (zh) | 利用搜索上下文的查询推荐方法及系统 | |
CN108804532B (zh) | 一种查询意图的挖掘和查询意图的识别方法、装置 | |
EP3724785B1 (en) | Fast indexing with graphs and compact regression codes on online social networks | |
US11803564B2 (en) | Method and system for keyword search using messaging service | |
WO2023005339A1 (zh) | 搜索结果展示方法、装置、设备和介质 | |
CN109165302B (zh) | 多媒体文件推荐方法及装置 | |
US8341185B2 (en) | Method and apparatus for context-indexed network resources | |
CN111144952A (zh) | 基于用户兴趣的广告推荐方法、装置、服务器及存储介质 | |
WO2017039869A1 (en) | Context based instant search suggestions | |
CN113204691B (zh) | 一种信息展示方法、装置、设备及介质 | |
KR102337536B1 (ko) | 장기간 관련 있는 이슈 단위의 클러스터를 이용한 문서 타임라인을 제공하는 방법 및 시스템 | |
KR20180000166A (ko) | 관심사 및 콘텐츠를 제공하는 방법 및 시스템 | |
KR101747532B1 (ko) | 여행성 질의에 대응하는 검색 결과로 코스를 추천하는 방법 및 시스템 | |
KR20200097949A (ko) | 키워드 관계 구조를 이용한 동의어 추출 방법 및 시스템 | |
CN111310016B (zh) | 标签挖掘方法、装置、服务器和存储介质 | |
KR102195191B1 (ko) | 키워드 관계 구조를 이용한 신규 키워드 추출 방법 및 시스템 | |
KR20210052912A (ko) | 앱 사용 패턴과 대화 분석을 통한 앱 기능 바로가기 추천 방법 및 장치 | |
KR102373595B1 (ko) | 급상승 검색어에 대한 연관 콘텐츠를 제공하는 방법 및 시스템 | |
WO2021098175A1 (zh) | 录制语音包功能的引导方法、装置、设备和计算机存储介质 | |
Muroň et al. | User-Driven Toponym Disambiguation Using Dialogue | |
CN115374378A (zh) | 生成应用导航服务信息的方法及装置 | |
CN117370666A (zh) | 书籍推荐方法、装置、电子设备和存储介质 | |
CN115617426A (zh) | 具有丰富的对象的自动建议 | |
CN117473038A (zh) | 实体推荐方法、装置、存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |