CN109871483B - 一种推荐信息的确定方法及装置 - Google Patents
一种推荐信息的确定方法及装置 Download PDFInfo
- Publication number
- CN109871483B CN109871483B CN201910058097.4A CN201910058097A CN109871483B CN 109871483 B CN109871483 B CN 109871483B CN 201910058097 A CN201910058097 A CN 201910058097A CN 109871483 B CN109871483 B CN 109871483B
- Authority
- CN
- China
- Prior art keywords
- user
- search
- keyword
- historical
- target
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例涉及一种推荐信息的确定方法及装置。其中,方法包括:获取用户输入的目标搜索关键词;确定所述目标搜索关键词对应的至少一个分类维度;获取用户在所述至少一个分类维度相关联的历史搜索页面中的行为数据;基于所述行为数据,确定所述目标搜索关键词对应的推荐信息。本申请的方案在获取到用户输入的目标搜索关键词后,先确定目标搜索关键词的分类维度,之后,基于用户在该分类维度相关联的历史搜索页面中的历史搜索行为,推测出用户相对目标搜索关键词潜在的关注信息,并将其作为推荐信息提供给用户,从而实现了针对用户的个人推荐服务,可更好地引导用户做出搜索策略。
Description
技术领域
本申请实施例涉及计算机技术领域,尤其涉及一种推荐信息的确定方法及装置。
背景技术
信息推荐是搜索引擎的常见功能,可引导用户进行搜索,从而提升用户搜索体验。信息推荐具有多种实现方式。比如,在用户输入的原始搜索关键词基础之上,向用户推荐扩展后的搜索关键词;或者,向用户推荐与搜索关键词有关的一些热点信息等等。
现阶段,搜索引擎是基于泛用性较强的大数据,来预测用户潜在的推荐信息。而在实际日常生活中,用户的个人信息量是复杂而多变,依赖泛用性较强的大数据所作的推荐并不具有针对性,且推荐方式单一不变,导致推荐效果不佳。因此,不难看出,不是根据用户个人关注所做的推荐,往往导致推荐结果无法贴合用户的搜索需求。
有鉴于此,如何个性化地推荐用户需要的数据信息是本申请所要解决的技术问题。
发明内容
本申请实施例目的是提供一种推荐信息的确定方法及装置,能够个性化地推荐用户需要的数据信息。
为了实现上述目的,本申请实施例是这样实现的:
第一方面,提供一种推荐信息的确定方法,包括:
获取用户输入的目标搜索关键词;
确定所述目标搜索关键词对应的至少一个分类维度;
获取用户在所述至少一个分类维度相关联的历史搜索页面中的行为数据;
基于所述行为数据,确定所述目标搜索关键词对应的推荐信息。
第二方面,提供了一种推荐信息的确定装置,包括:
第一获取模块,用于获取用户输入的目标搜索关键词;
第一确定模块,用于确定所述目标搜索关键词对应的至少一个分类维度;
第二获取模块,用于用户在所述至少一个分类维度相关联的历史搜索页面中的行为数据;
第二确定模块,用于基于所述行为数据,确定所述目标搜索关键词对应的推荐信息。
本申请的方案在获取到用户输入的目标搜索关键词后,先确定目标搜索关键词的分类维度,之后,基于用户在该分类维度相关联的历史搜索页面中的搜索行为,推测出用户相对目标搜索关键词潜在的关注信息,并将其作为推荐信息提供给用户。由于本申请的方案是基于用户的个人搜索行为数据所作出的推荐信息,因此相比于现有技术中依赖泛用性较强的大数据所作的推荐,推荐结果更具有针对性,是根据用户个人关注所做的推荐。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请实施例中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的推荐信息的确定方法的流程示意图;
图2为本申请实施例提供的推荐信息的确定装置的结构示意图;
图3为本申请实施例提供的推荐信息的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
如前所述,目前传统的搜索引擎一般仅能够结合大数据来确定一些泛用性较强的推荐信息,无法真正意义地提供针对用户个人的推荐服务。随着用户在网络上进行搜索的场景越来越多,大量的用户行为数据被积累下来,这些数据能够反映用户的关注点,可作为搜索建议的重要依据。为此,本申请旨在提供一种基于用户历史搜索行为数据,确定符合用户搜索兴趣的推荐信息的技术方案。
一方面,本申请实施例提供一种推荐信息的确定方法,如图1所示,包括:
步骤S102,获取用户输入的目标搜索关键词。
针对步骤S102而言:
本步骤可以获取用户基于任意终端设备上的搜索引擎所输入的目标搜索关键词。其中,目标搜索关键词可以任意的字符、字符串,本申请实施例不作具体限定。
步骤S104,确定目标搜索关键词对应的至少一个分类维度。
针对步骤S104而言:
分类维度可以但不限于是基于目标搜索关键词所能够搜索到的信息类型。比如,以新闻类、人物类、知识类、实用信息类进行划分。
为了提供有个性化服务,分类维度还可以与用户的画像信息相匹配。比如,基于用户的画像信息,以及目标搜索关键词的关键词来确定目标搜索关键词对应用户的分类维度。
步骤S106,获取用户在至少一个分类维度相关联的历史搜索页面中的行为数据。
针对步骤S106而言:
作为示例性介绍,假设用户关注的目标搜索关键词的分类维度为新闻类,则历史搜索页面可以是新闻类相关联的历史搜索页面。
此外,与分类维度相关联的历史搜索页面还可以同时与目标搜索关键词相关联,从限定历史搜索页面的范围。比如,用户输入的目标搜索关键词表示为搜索财经新闻,则历史搜索页面也需要和财经相匹配,不能是体育类新闻的历史搜索页面。
步骤S108,基于上述行为数据,确定目标搜索关键词对应的推荐信息,推荐信息用于引导用户进行搜索。
针对步骤S108而言:
本步骤可以基于行为数据确定用户历史关注的信息内容,并基于用户历史关注的信息内容,确定目标搜索关键词对应的推荐信息。
需要给予说明的是,本申请实施例不限定推荐信息的具体形式以及推荐方式。作为示例性介绍,所述推荐信息可以但不限于包括:用于在搜索输入栏显示的与所述目标搜索关键词相关联的扩展后的搜索关键词,和/或,用于在所述目标搜索关键词对应的搜索页面中显示的与所述目标搜索关键词相关联的热点信息。
通过图1所示的推荐信息的确定方法可以知道,本申请实施例的方案在获取到用户输入的目标搜索关键词后,先确定目标搜索关键词的分类维度,之后,基于用户在该分类维度相关联的历史搜索页面中的历史搜索行为,推测出用户相对目标搜索关键词潜在的关注信息,并将其作为推荐信息提供给用户,从而实现了针对用户的个人推荐服务,可更好地引导用户做出搜索策略。
下面对本申请实施例的推荐信息的确定方法进行详细介绍。
实现方式一
本实现方式一中,本申请实施例的方法可以根据用户输入的历史搜索页面中的行为数据,来推测用户个人的关注信息项,进而根据用户个人关注的信息项,来对用户输入的搜索关键词进行扩展,并将扩展结果作为推荐信息推荐给用户。
具体流程包括:
步骤S201,获取到用户在搜索输入栏输入的目标搜索关键词。
步骤S202,确定用户针对目标搜索关键词的分类维度。
其中,搜索关键词的分类维度可以是基于搜索关键词所能搜索到的信息类别,比如,以新闻类、人物类、知识类、实用信息类进行划分。这些信息类别可以根据对搜索关键词进行分类确定的到。
本步骤可以基于分类模型以机械方式对目标搜索关键词进行分类,确定目标搜索关键词对应的分类维度。在该过程中,先对目标搜索关键词进行语义分析,得到目标搜索关键词的关键词特征。之后,将目标搜索关键词的关键词特征和用户画像特征(如用户的年龄、性别、职业等)输入至分类模型,得到分类模型输出与用户相关的目标搜索关键词对应的分类维度。
其中,分类模型是基于用户搜索样本集中的关键词特征和用户画像特征训练得到的。以有监督的训练方式作介绍,可以将用户搜索样本集中的关键词特征和用户画像特征作为分类模型的输入,将用户搜索样本集中用户搜索样本的标签作为分类模型的输出,对分类模型进行训练。在训练过程中,根据最大似然估计推导得到的损失函数计算训练结果与期望结果(期望结果为用户搜索样本的标签所指示的结果)的损失,并以降低损失为目的,优化分类模型中关键词特征和用户画像特征的权重值(权重值的大小反映了对分类结果的影响程度)。
需要说明的是,本申请实施例并不对分类模型作具体限定。作为示例性介绍,分类模型可以迭代决策树模型、逻辑回归模型等。只要能够实现分类功能,均可适用于本申请实施例的方案。
步骤S203,基于目标搜索关键词对应的至少一个分类维度,确定与目标搜索关键词相关联的历史搜索关键词。
应理解,分类维度是搜索关键词的关联因子,搜索关键词之间基于分类维度形成关联关系。因此,在得到目标搜索关键词的分类维度后,可以基于目标搜索关键词对应的至少一个分类维度,确定与目标搜索关键词相关联的历史搜索关键词。
比如,基于目标搜索关键词的分类维度与历史搜索关键词的分类维度,对目标搜索关键词和历史搜索关键词进行相似度计算,若目标搜索关键词和历史搜索关键词之间的相似度能够满足预设要求,则历史搜索关键词与目标搜索关键词相关联。
步骤S204,基于用户在历史关键词对应的历史搜索页面中的行为数据,确定与目标搜索关键词相关联的扩展后的搜索关键词。
其中,历史搜索页面可以包括:历史搜索结果列表界面和用户打开历史搜索结果列表界面中的搜索结果链接所生成的历史搜索结果详细界面。
本步骤可以先根据用户在历史搜索结果列表界面的行为数据,来判断历史搜索关键词是否符合用户的搜索期望。只有在历史搜索关键词符合用户的搜索期望时,再进一步基于用户针对历史搜索关键词的行为数据所确定出与目标搜索关键词相关联的扩展后的搜索关键词。
一般情况下,当搜索关键词不符合用户的搜索期望时,用户会及时更换其他搜索关键词重新进行搜索,而不会浪费时间对搜索结果列表页面进行操作。
因此,可以基于用户针对历史搜索结果列表页面的移动频率、移动距离以及移动时间中的至少一者,来判断历史搜索关键词是否符合用户的搜索期望。
比如,当用户的移动频率较高,移动时间和移动距离较短,都可以反映出用户针对历史搜索关键词的搜索结果的否定,此时可判断历史搜索关键词不符合用户的搜索预期。同理,当移动频率较低,移动时间和移动距离较长时,则可判断历史搜索关键词符合用户的搜索预期。
在确定历史搜索关键词符合用户的搜索预期后,即可基于用户在历史搜索结果详细界面的行为数据,与目标搜索关键词相关联的扩展后的搜索关键词。
具体地,可以基于用户针对历史搜索结果详细界面的停留位置对应的信息内容以及停留位置对应的停留时间,来确定用户关注的信息。
比如,停留位置对应的停留时间达到预设时长时,则反应停留位置对应的信息内容是用户所关注的,则可以将其确定为用户关注的信息。
或者,也可以将用户在历史搜索结果详细界面中选中的信息内容作为用户关注的信息。
再或者,也可以基于用户针对历史搜索结果详细界面的面部数据,来确定用户关注的信息。比如,基于用户面部数据中的视线信息确定用户针对历史搜索结果的视线停留位置,若停留时间达到预设时长时,则可以将视线停留位置对应的信息内容作为用户关注的信息。
除上述示例外,用户针对历史搜索结果详细界面行为还可以包括:收藏行为、文本编辑行为等,由于具体实现方式并不唯一,本文不再一一举例赘述。
在确定用户关注的信息后,本申请实施例的方法基于语言模型可以对用户关注的信息进行语义分析、分类,得到用户的关注信息项。之后将用户关注的信息项作为与目标搜索关键词关联的拓展后的搜索关键词。
应理解的是,本实现方式一还可以关联记录目标搜索关键词、目标搜索关键词对应的至少一个分类维度以及用户在目标搜索关键词对应的搜索页面中的行为数据,以作为后续确定推荐信息的依据。
下面结合一个应用场景,对上述实现方式一进行示例介绍。
本应用场景中,推荐信息的确定方法在任何终端设备的浏览器上使用,可针对不同用户提供个性化的搜索推荐。用户在浏览器中进行搜索操作后,记录用户的搜索关键词以及关键词类别、分类维度、在搜索结果列表页面中的滑动频率、高度和时长,以及在具体搜索结果页面中的停留时长,停留页面位置的内容、视线(也可以是手指)停留情况、选中内容类别等,从而预测出用户在搜索某类搜索关键词的时候,最可能的目标搜索结果是哪类信息项,进而在下次给出合适搜索建议,可提升用户使用浏览器搜索的效率。
对应流程如下:
步骤一,配置用户专属的推荐信息数据库,关联存储用户对应的历史搜索词、历史搜索词的分类维度和关注信息项。其中,关注信息项是基于用户在历史搜索词对应的历史搜索页面中的行为数据确定得到的,由于方法在上文已经介绍,不再举例赘述。
步骤二,用户在搜索输入栏内输入关键词特征“麒麟合盛”。
步骤三,基于分类模型确定“麒麟合盛”对应的分类维度。
本步骤中,对“麒麟合盛”进行语义分析,得到“麒麟合盛”是一家公司名称,并将“公司名称”和用户画像特征“待业学生”输入至分类模型后,得到的分类维度为“终端科技公司”和“北京公司”。其中,“终端科技公司”和“北京公司”标示出麒麟合盛基于招聘角度的公司分类,介绍了麒麟合盛的公司业务方向和公司地址。
步骤四,将搜索关键词词“麒麟合盛”向推荐信息数据库中进行匹配。
假设推荐信息数据库中之前未记录有“麒麟合盛”的搜索关键词,则将搜索关键词“麒麟合盛”、“麒麟合盛”的分类维度“终端科技公司”和“北京公司”关联存储至推荐信息数据库中。
步骤五,记录用户在“麒麟合盛”的对应搜索页面的行为数据,并确定用户针对“麒麟合盛”的关注信息项。
比如,若发现用户停留在“麒麟合盛”对应的搜索结果列表页面较长时间时,则确定“麒麟合盛”符合用户的搜索期望,并开始确定用户针对“麒麟合盛”的关注信息项。
当用户进入“麒麟合盛”的搜索结果详细界面时,若停留在“招聘信息”较长时间,或者选中“招聘信息”的文本内容,再或者是收藏了具有“招聘信息”的搜索结果详细界面时,可以将“招聘”作为用户的关注信息项,并将“招聘”存储至推荐信息数据库中对应“麒麟合盛”的字段内。
步骤六,用户在搜索输入栏内输入下一个目标关键词“锤子科技”时,基于分类模型对“锤子科技”进行分类,确定“锤子科技”是一家北京的终端科技公司,对应的分类维度为“终端科技公司”和“北京公司”。
步骤七,基于“锤子科技”的分类维度“终端科技公司”和“北京公司”对推荐信息库进行匹配查询,确定出相关联的历史搜索词为“麒麟合盛”,以及用户针对“麒麟合盛”的关注信息项“招聘”。
步骤八,将“招聘”作为“锤子科技”的扩展搜索关键词,在搜索输入栏内提示给用户。
比如,可以在搜索输入栏内用户输入“锤子科技”的下方进一步提示“锤子科技招聘”。
实现方式二
本实现方式二中,本申请实施例的方法可以根据用户输入的历史搜索页面中的行为数据,来推测用户个人的关注信息项,并将与目标搜索关键词相关联的属于关注信息项的热点信息作为推荐信息推荐给用户。
具体流程包括:
步骤S301,获取到用户在搜索输入栏输入的目标搜索关键词。
步骤S302,确定用户针对目标搜索关键词的分类维度。
其中,搜索关键词的分类维度可以是基于搜索关键词所能搜索到的信息类别,比如,以新闻类、人物类、知识类、实用信息类进行划分。这些信息类别可以根据对搜索关键词进行分类确定的到。
本步骤可以基于分类模型以机械方式对目标搜索关键词进行分类,确定目标搜索关键词对应的分类维度。在该过程中,先对目标搜索关键词进行语义分析,得到目标搜索关键词的关键词特征。之后,将目标搜索关键词的关键词特征和用户画像特征(如用户的年龄、性别、职业等)输入至分类模型,得到分类模型输出与用户相关的目标搜索关键词对应的分类维度。
其中,分类模型是基于用户搜索样本集中的关键词特征和用户画像特征训练得到的。以有监督的训练方式作介绍,可以将用户搜索样本集中的关键词特征和用户画像特征作为分类模型的输入,将用户搜索样本集中用户搜索样本的标签作为分类模型的输出,对分类模型进行训练。在训练过程中,根据最大似然估计推导得到的损失函数计算训练结果与期望结果(期望结果为用户搜索样本的标签所指示的结果)的损失,并以降低损失为目的,优化分类模型中关键词特征和用户画像特征的权重值(权重值的大小反映了对分类结果的影响程度)。
需要说明的是,本申请实施例并不对分类模型作具体限定。作为示例性介绍,分类模型可以迭代决策树模型、逻辑回归模型等。只要能够实现分类功能,均可适用于本申请实施例的方案。
步骤S303,基于目标搜索关键词对应的至少一个分类维度,确定与目标搜索关键词相关联的历史搜索关键词。
应理解,分类维度是搜索关键词的关联因子,搜索关键词之间基于分类维度形成关联关系。因此,在得到目标搜索关键词的分类维度后,可以基于目标搜索关键词对应的至少一个分类维度,确定与目标搜索关键词相关联的历史搜索关键词。
比如,基于目标搜索关键词的分类维度与历史搜索关键词的分类维度,对目标搜索关键词和历史搜索关键词进行相似度计算,若目标搜索关键词和历史搜索关键词之间的相似度能够满足预设要求,则历史搜索关键词与目标搜索关键词相关联。
步骤S304,基于用户在历史关键词对应的历史搜索页面中的行为数据,确定与目标搜索关键词相关联的扩展后的搜索关键词。
其中,历史搜索页面可以包括:历史搜索结果列表界面和用户打开历史搜索结果列表界面中的搜索结果链接所生成的历史搜索结果详细界面。
本步骤可以先根据用户在历史搜索结果列表界面的行为数据,来判断历史搜索关键词是否符合用户的搜索期望。只有在历史搜索关键词符合用户的搜索期望时,再进一步基于用户针对历史搜索关键词的行为数据所确定出与目标搜索关键词相关联的扩展后的搜索关键词。
一般情况下,当搜索关键词不符合用户的搜索期望时,用户会及时更换其他搜索关键词重新进行搜索,而不会浪费时间对搜索结果列表页面进行操作。
因此,可以基于用户针对历史搜索结果列表页面的移动频率、移动距离以及移动时间中的至少一者,来判断历史搜索关键词是否符合用户的搜索期望。
比如,当用户的移动频率较高,移动时间和移动距离较短,都可以反映出用户针对历史搜索关键词的搜索结果的否定,此时可判断历史搜索关键词不符合用户的搜索预期。同理,当移动频率较低,移动时间和移动距离较长时,则可判断历史搜索关键词符合用户的搜索预期。
在确定历史搜索关键词符合用户的搜索预期后,即可基于用户在历史搜索结果详细界面的行为数据,与目标搜索关键词相关联的扩展后的搜索关键词。
具体地,可以基于用户针对历史搜索结果详细界面的停留位置对应的信息内容以及停留位置对应的停留时间,来确定用户关注的信息。
比如,停留位置对应的停留时间达到预设时长时,则反应停留位置对应的信息内容是用户所关注的,则可以将其确定为用户关注的信息。
或者,也可以将用户在历史搜索结果详细界面中选中的信息内容作为用户关注的信息。
再或者,也可以基于用户针对历史搜索结果详细界面的面部数据,来确定用户关注的信息。比如,基于用户面部数据中的视线信息确定用户针对历史搜索结果的视线停留位置,若停留时间达到预设时长时,则可以将视线停留位置对应的信息内容作为用户关注的信息。
除上述示例外,用户针对历史搜索结果详细界面行为还可以包括:收藏行为、文本编辑行为等,由于具体实现方式并不唯一,本文不再一一举例赘述。
在确定用户关注的信息后,本申请实施例的方法基于语言模型可以对用户关注的信息进行语义分析、分类,得到用户的关注信息项。之后将与为与目标搜索关键词关联的属于关注信息项的数据信息作为推荐信息。
应理解的是,本实现方式二还可以关联记录目标搜索关键词、目标搜索关键词对应的至少一个分类维度以及用户在目标搜索关键词对应的搜索页面中的行为数据,以作为后续确定推荐信息的依据。
下面结合一个应用场景,对上述实现方式二进行示例介绍。
本应用场景中,推荐信息的确定方法在任何终端设备的浏览器上使用,可针对不同用户提供个性化的搜索推荐。用户在浏览器中进行搜索操作后,记录用户的搜索关键词以及关键词类别、分类维度、在搜索结果列表页面中的滑动频率、高度和时长,以及在具体搜索结果页面中的停留时长,停留页面位置的内容、视线(也可以是手指)停留情况、选中内容类别等,从而预测出用户在搜索某类搜索关键词的时候,最可能的目标搜索结果是哪类信息项,进而在下次给出合适搜索建议,可提升用户使用浏览器搜索的效率。
对应流程如下:
步骤一,配置用户专属的推荐信息数据库,关联存储用户对应的历史搜索词、历史搜索词的分类维度和关注信息项。其中,关注信息项是基于用户在历史搜索词对应的历史搜索页面中的行为数据确定得到的,由于方法在上文已经介绍,不再举例赘述。
步骤二,用户在搜索输入栏内输入关键词特征“酷睿i5”。
步骤三,基于分类模型确定“酷睿i5”对应的分类维度。
本步骤中,对“酷睿i5”进行语义分析,得到“酷睿i5”是一款英特尔公司的处理器产品,并将“处理器”和用户画像特征“学生”输入至分类模型后,得到的分类维度为“桌面级处理器”。其中,“桌面级处理器”标示出酷睿i5是符合学生身份购买的非专业级处理器的分类。
步骤四,将“酷睿i5”向推荐信息数据库中进行匹配。
假设推荐信息数据库中之前未记录有“酷睿i5”的搜索关键词,则将搜索关键词“酷睿i5”、“酷睿i5”的分类维度“桌面级处理器”关联存储至推荐信息数据库中。
步骤五,记录用户在“酷睿i5”的对应搜索页面的行为数据,并确定用户针对“酷睿i5”的关注信息项。
比如,若发现用户停留在“酷睿i5”对应的搜索结果列表页面较长时间且移动频率较慢时,则确定“酷睿i5”符合用户的搜索期望,并开始确定用户针对“酷睿i5”的关注信息项。
当用户进入“酷睿i5”的搜索结果详细界面时,若停留在“睿频信息”较长时间,或者选中“睿频信息”的文本内容,再或者是收藏了具有“睿频信息”的搜索结果详细界面时,可以将“睿频”作为用户的关注信息项,并将“睿频”存储至推荐信息数据库中对应“酷睿i5”的字段内。
步骤六,用户在搜索输入栏内输入下一个目标关键词“锐龙2600x”时,基于分类模型对“锐龙2600x”进行分类,确定“锐龙2600x”是一款超威半导体公司的处理器产品,对应的分类维度为“桌面级处理器”。
步骤七,基于“锐龙2600x”的分类维度“桌面级处理器”对推荐信息库进行匹配查询,确定出相关联的历史搜索词为“酷睿i5”,以及用户针对“酷睿i5”的关注信息项“睿频”。
步骤八,将“锐龙2600x”的睿频信息作为推荐信息,显示在“锐龙2600x”对应的搜索页面内。
比如,可以在“锐龙2600x”的搜索页面的指定区域,显示锐龙2600x的睿频信息,或者在指定区域显示具有该睿频信息的网页的链接;再比如,可以在用户选中搜索页面内“锐龙2600x”的文本后,或者是用户停留在搜索页面内“锐龙2600x”的文本位置后,浮动显示出锐龙2600x的睿频信息。
以上实际应用仅作为本申请实施例的方法的示例性介绍,并不能限定本申请的保护方案。
应理解,随着时间积累,推荐信息数据库中的历史搜索关键词的数据资源会得到丰富和强化。一个历史搜索关键词可能对应有多个关注信息项,且一个关注信息项也可能对应有多个历史搜索关键词。推荐信息数据库会记录有每个历史搜索关键词的搜索置信度以及关注信息项的搜索置信度。每当基于用户在历史搜索页面中的行为数据确定出用户针对某一历史搜索词的关注信息项后,会相对应地增加该历史搜索词以及该关注信息项的搜索置信值。
在用户发起某一目标搜索关键词的搜索请求后,若基于目标搜索关键词的分类维度,确定出多个相关联的历史搜索关键词,则可以基于历史搜索关键词的搜索置信值从中选取出一定数量的目标历史搜索关键词,并基于各个目标历史搜索关键词对应的各个关注信息项目的搜索置信值,再进一步为每个目标历史搜索关键词选取出需要推荐的目标关注信息项目。
此外,针对推荐信息数据库中近期未被用户搜索形成关联的搜索关键词,还可以删除掉相关的数据,从而避免推荐信息数据库占用过多的存储空间。
与之对应地,本申请实施例还提供一种推荐信息的确定装置,如图2所示,包括:
第一获取模块21,用于获取用户输入的目标搜索关键词;
其中,本步骤可以获取用户基于任意终端设备上的搜索引擎所输入的目标搜索关键词。其中,目标搜索关键词可以任意的字符、字符串,本申请实施例不作具体限定。
第一确定模块22,用于确定所述目标搜索关键词对应的至少一个分类维度;
其中,分类维度可以但不限于是基于目标搜索关键词所能够搜索到的信息类型。比如,以新闻类、人物类、知识类、实用信息类进行划分。为了提供有个性化服务,分类维度还可以与用户的画像信息相匹配。比如,基于用户的画像信息,以及目标搜索关键词的关键词来确定目标搜索关键词对应用户的分类维度。
第二获取模块23,用于用户在所述至少一个分类维度相关联的历史搜索页面中的行为数据;
其中,假设用户关注的目标搜索关键词的分类维度为新闻类,则历史搜索页面可以是新闻类相关联的历史搜索页面。此外,与分类维度相关联的历史搜索页面还可以同时与目标搜索关键词相关联,从限定历史搜索页面的范围。比如,用户输入的目标搜索关键词表示为搜索财经新闻,则历史搜索页面也需要和财经相匹配,不能是体育类新闻的历史搜索页面。
第二确定模块24,用于基于所述行为数据,确定所述目标搜索关键词对应的推荐信息,推荐信息用于引导用户进行搜索。
其中,可以基于行为数据确定用户历史关注的信息内容,并基于用户历史关注的信息内容,确定目标搜索关键词对应的推荐信息。需要给予说明的是,本申请实施例不限定推荐信息的具体形式以及推荐方式。作为示例性介绍,所述推荐信息可以但不限于包括:用于在搜索输入栏显示的与所述目标搜索关键词相关联的扩展后的搜索关键词,和/或,用于在所述目标搜索关键词对应的搜索页面中显示的与所述目标搜索关键词相关联的热点信息。
通过图2所示的推荐信息的确定装置可以知道,本申请实施例的方案在获取到用户输入的目标搜索关键词后,先确定目标搜索关键词的分类维度,之后,基于用户在该分类维度相关联的历史搜索页面中的历史搜索行为,推测出用户相对目标搜索关键词潜在的关注信息,并将其作为推荐信息提供给用户,从而实现了针对用户的个人推荐服务,可更好地引导用户做出搜索策略。
下面对本申请实施例的装置进行详细介绍。
本申请实施的第一确定模块22在第一获取模块21获取到用户输入的目标搜索关键词后,确定用户针对目标搜索关键词的分类维度。
可选地,本申请实施的第一确定模块22可以基于分类模型以机械方式对目标搜索关键词进行分类,确定目标搜索关键词对应的分类维度。在该过程中,先对目标搜索关键词进行语义分析,得到目标搜索关键词的关键词特征。之后,将目标搜索关键词的关键词特征和用户画像特征(如用户的年龄、性别、职业等)输入至分类模型,得到分类模型输出与用户相关的目标搜索关键词对应的分类维度。
其中,分类模型是基于用户搜索样本集中的关键词特征和用户画像特征训练得到的。以有监督的训练方式作介绍,本申请实施例的方案可以将用户搜索样本集中的关键词特征和用户画像特征作为分类模型的输入,将用户搜索样本集中用户搜索样本的标签作为分类模型的输出,对分类模型进行训练。在训练过程中,根据最大似然估计推导得到的损失函数计算训练结果与期望结果(期望结果为用户搜索样本的标签所指示的结果)的损失,并以降低损失为目的,优化分类模型中关键词特征和用户画像特征的权重值(权重值的大小反映了对分类结果的影响程度)。
需要说明的是,本申请实施例并不对分类模型作具体限定。作为示例性介绍,分类模型可以迭代决策树模型、逻辑回归模型等。只要能够实现分类功能,均可适用于本申请实施例的方案。
应理解,分类维度是搜索关键词的关联因子,搜索关键词之间基于分类维度形成关联关系。
因此,在得到目标搜索关键词的分类维度后,第二获取模块23具体可以基于目标搜索关键词对应的至少一个分类维度,确定与目标搜索关键词相关联的历史搜索关键词。之后,获取用户在所述历史搜索关键词对应的历史搜索页面中的行为数据。
比如,基于目标搜索关键词的分类维度与历史搜索关键词的分类维度,对目标搜索关键词和历史搜索关键词进行相似度计算,若目标搜索关键词和历史搜索关键词之间的相似度能够满足预设要求,则历史搜索关键词与目标搜索关键词相关联。
在确定与目标搜索关键词相关联的历史搜索关键词后,第二获取模块23即可基于用户在历史关键词对应的历史搜索页面中的行为数据,确定目标搜索关键词对应的推荐信息。
具体地,历史搜索页面可以包括:历史搜索结果列表界面和用户打开历史搜索结果列表界面中的搜索结果链接所生成的历史搜索结果详细界面。
其中,第二确定模块24具体基于用户在历史搜索结果列表界面的行为数据,判断所述历史搜索关键词是否符合用户的搜索期望;若符合用户的搜索期望,则基于用户在历史搜索结果详细界面的行为数据,确定所述搜索关键词的推荐信息。
一般情况下,当搜索关键词不符合用户的搜索期望时,用户会及时更换其他搜索关键词重新进行搜索,而不会浪费时间对搜索结果列表页面进行操作。
因此,本申请实施例的所述第二确定模块24可以基于用户针对历史搜索结果列表页面的移动频率、移动距离以及移动时间中的至少一者,来判断历史搜索关键词是否符合用户的搜索期望。
比如,当用户的移动频率较高,移动时间和移动距离较短,都可以反映出用户针对历史搜索关键词的搜索结果的否定,此时可判断历史搜索关键词不符合用户的搜索预期。同理,当移动频率较低,移动时间和移动距离较长时,则可判断历史搜索关键词符合用户的搜索预期。
在确定历史搜索关键词符合用户的搜索预期后,第二确定模块24再进一步基于用户在历史搜索结果详细界面的行为数据,确定目标搜索关键词对应的推荐信息。
具体地,第二确定模块24可以基于用户针对历史搜索结果详细界面的停留位置对应的信息内容以及停留位置对应的停留时间,来确定用户关注的信息。
比如,停留位置对应的停留时间达到预设时长时,则反应停留位置对应的信息内容是用户所关注的,则可以将其确定为用户关注的信息。
或者,也可以将用户在历史搜索结果详细界面中选中的信息内容作为用户关注的信息。
再或者,也可以基于用户针对历史搜索结果详细界面的面部数据,来确定用户关注的信息。比如,基于用户面部数据中的视线信息确定用户针对历史搜索结果的视线停留位置,若停留时间达到预设时长时,则可以将视线停留位置对应的信息内容作为用户关注的信息。
由于,确定用户关注信息的行为数据以及方式并不唯一,本文不再举例赘述。
在确定用户关注的信息后,第二获取模块23可以基于语言模型可以对用户关注的信息进行语义分析、分类,得到用户关注的信息项,最终将与目标搜索关键词关联的、符合信息项的信息数据作为目标搜索关键词对应的推荐信息。
应理解的是,本申请实施例的装置还可以进一步包括:
存储模块,用于关联记录所述目标搜索关键词、所述目标搜索关键词对应的至少一个分类维度以及用户在所述目标搜索关键词对应的搜索页面中的行为数据,以作为后续确定推荐信息的依据。
在实际应用中,本申请实施例的装置可以应用于任何终端设备的浏览器,针对不同用户提供个性化的搜索推荐。用户在浏览器中进行搜索操作后,分步骤记录用户的搜索关键词以及关键词类别、分类维度,在搜索结果列表页面中的滑动频率、高度和时长,以及在具体搜索结果页面中的停留时长,停留页面位置的内容、视线(也可以是手指)停留情况、选中内容类别等,从而预测出用户在搜索某类搜索关键词的时候,最可能的目标搜索结果是哪类信息项,进而在下次给出合适搜索建议,可提升用户使用浏览器搜索的效率。
显然,本申请实施例提供的推荐信息的确定装置是图1所示推荐信息的确定方法的执行主体,因此该确定装置能够实现确定方法在图1所示实施例的功能,本文不再赘述。
此外,如图3所示,本申请实施例还提供一种电子设备。在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成问答对数据挖掘装置。处理器执行存储器所存放的程序,并具体用于执行以下操作:
获取用户输入的目标搜索关键词。
确定所述目标搜索关键词对应的至少一个分类维度。
获取用户在所述至少一个分类维度相关联的历史搜索页面中的行为数据。
基于所述行为数据,确定所述目标搜索关键词对应的推荐信息,所述推荐信息用于引导用户进行搜索。
本申请实施例的方案在获取到用户输入的目标搜索关键词后,先确定目标搜索关键词的分类维度,之后,基于用户在该分类维度相关联的历史搜索页面中的历史搜索行为,推测出用户相对目标搜索关键词潜在的关注信息,并将其作为推荐信息提供给用户,从而实现了针对用户的个人推荐服务,可更好地引导用户做出搜索策略。
本申请图1所示实施例揭示的推荐信息的确定方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
应理解,本申请实施例的电子设备还可执行图1所示的推荐信息的确定方法,并实现监控装置在图1所示实施例的功能,本文不再进行赘述。
当然,除了软件实现方式之外,本申请的电子设备并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的便携式电子设备执行时,能够使该便携式电子设备执行图1所示实施例的方法,并具体用于执行以下方法:
获取用户输入的目标搜索关键词;
确定所述目标搜索关键词对应的至少一个分类维度;
获取用户在所述至少一个分类维度相关联的历史搜索页面中的行为数据;
基于所述行为数据,确定所述目标搜索关键词对应的推荐信息,所述推荐信息用于引导用户进行搜索。
通过上述计算机可读存储介质可以知道,本申请实施例的方案在获取到用户输入的目标搜索关键词后,先确定目标搜索关键词的分类维度,之后,基于用户在该分类维度相关联的历史搜索页面中的历史搜索行为,推测出用户相对目标搜索关键词潜在的关注信息,并将其作为推荐信息提供给用户,从而实现了针对用户的个人推荐服务,可更好地引导用户做出搜索策略。
在本发明所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
需要说明的是,在本文中,术语"包括"、"包含"或者其任何其它变体意在涵盖非排它性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句"包括一个……"限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种推荐信息的确定方法,其特征在于,包括:
获取用户输入的目标搜索关键词;
确定所述目标搜索关键词对应的至少一个分类维度;
获取用户在所述至少一个分类维度相关联的历史搜索页面中的行为数据;具体包括:
基于所述目标搜索关键词对应的至少一个分类维度,确定与所述目标搜索关键词相关联的历史搜索关键词;
获取用户在所述历史搜索关键词对应的历史搜索页面中的行为数据;所述历史搜索页面包括:历史搜索结果列表界面和用户打开所述历史搜索结果列表界面中的搜索结果链接所生成的历史搜索结果详细界面;
基于所述行为数据,确定所述目标搜索关键词对应的推荐信息,所述推荐信息用于引导用户进行搜索,具体包括:
基于用户在历史搜索结果列表界面的行为数据,判断所述历史搜索关键词是否符合用户的搜索期望;
若符合用户的搜索期望,则基于用户在历史搜索结果详细界面的行为数据,确定所述目标搜索关键词的推荐信息。
2.如权利要求1所述的推荐信息的确定方法,其特征在于,
所述用户在历史搜索结果列表界面的行为数据包括以下至少一者:
所述用户针对历史搜索结果列表页面的移动频率、移动距离以及移动时间。
3.如权利要求2所述的推荐信息的确定方法,其特征在于,
所述用户在历史搜索结果详细界面的行为数据包括以下至少一者:
用户针对历史搜索结果详细界面的停留位置对应的信息内容以及停留位置对应的停留时间;用户在历史搜索结果详细界面选中的信息内容;用户针对历史搜索结果的面部数据。
4.如权利要求1所述的推荐信息的确定方法,其特征在于,
确定所述目标搜索关键词对应的至少一个分类维度,包括:
对所述目标搜索关键词进行语义分析,得到所述目标搜索关键词的关键词特征;
将所述关键词特征和用户画像特征输入至预设置的分类模型,得到所述目标搜索关键词对应的至少一个分类维度;
其中,所述分类模型是基于用户搜索样本集中的关键词特征和用户画像特征训练得到的。
5.如权利要求1所述的推荐信息的确定方法,其特征在于,还包括:
关联记录所述目标搜索关键词、所述目标搜索关键词对应的至少一个分类维度以及用户在所述目标搜索关键词对应的搜索页面中的行为数据。
6.如权利要求1-5任一项所述的推荐信息的确定方法,其特征在于,
所述推荐信息包括:用于在搜索输入栏显示的与所述目标搜索关键词相关联的扩展后的搜索关键词,和/或,用于在所述目标搜索关键词对应的搜索页面中显示的与所述目标搜索关键词相关联的热点信息。
7.一种推荐信息的确定装置,其特征在于,包括:
第一获取模块,用于获取用户输入的目标搜索关键词;
第一确定模块,用于确定所述目标搜索关键词对应的至少一个分类维度;
第二获取模块,用于用户在所述至少一个分类维度相关联的历史搜索页面中的行为数据;具体用于:
基于所述目标搜索关键词对应的至少一个分类维度,确定与所述目标搜索关键词相关联的历史搜索关键词;
获取用户在所述历史搜索关键词对应的历史搜索页面中的行为数据;所述历史搜索页面包括:历史搜索结果列表界面和用户打开所述历史搜索结果列表界面中的搜索结果链接所生成的历史搜索结果详细界面;
第二确定模块,用于基于所述行为数据,确定所述目标搜索关键词对应的推荐信息,所述推荐信息用于引导用户进行搜索;具体用于:
基于用户在历史搜索结果列表界面的行为数据,判断所述历史搜索关键词是否符合用户的搜索期望;
若符合用户的搜索期望,则基于用户在历史搜索结果详细界面的行为数据,确定所述目标搜索关键词的推荐信息。
8.如权利要求7所述的推荐信息的确定装置,其特征在于,
所述用户在历史搜索结果列表界面的行为数据包括以下至少一者:
所述用户针对历史搜索结果列表页面的移动频率、移动距离以及移动时间。
9.如权利要求8所述的推荐信息的确定装置,其特征在于,
所述用户在历史搜索结果详细界面的行为数据包括以下至少一者:
用户针对历史搜索结果详细界面的停留位置对应的信息内容以及停留位置对应的停留时间;用户在历史搜索结果详细界面选中的信息内容;用户针对历史搜索结果的面部数据。
10.如权利要求7所述的推荐信息的确定装置,其特征在于,
所述第一确定模块具体用于:
对所述目标搜索关键词进行语义分析,得到所述目标搜索关键词的关键词特征;
将所述关键词特征和用户画像特征输入至预设置的分类模型,得到所述目标搜索关键词对应的至少一个分类维度;
其中,所述分类模型是基于用户搜索样本集中的关键词特征和用户画像特征训练得到的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910058097.4A CN109871483B (zh) | 2019-01-22 | 2019-01-22 | 一种推荐信息的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910058097.4A CN109871483B (zh) | 2019-01-22 | 2019-01-22 | 一种推荐信息的确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109871483A CN109871483A (zh) | 2019-06-11 |
CN109871483B true CN109871483B (zh) | 2020-10-23 |
Family
ID=66917951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910058097.4A Active CN109871483B (zh) | 2019-01-22 | 2019-01-22 | 一种推荐信息的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109871483B (zh) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110750715A (zh) * | 2019-09-25 | 2020-02-04 | 平安科技(深圳)有限公司 | 内容推荐方法、装置、设备及可读存储介质 |
CN112784151B (zh) * | 2019-11-08 | 2024-02-06 | 北京搜狗科技发展有限公司 | 一种确定推荐信息的方法及相关装置 |
CN111104590A (zh) * | 2019-11-19 | 2020-05-05 | 泰康保险集团股份有限公司 | 信息推荐方法、装置、介质及电子设备 |
CN112989177B (zh) * | 2019-12-12 | 2024-05-03 | 阿里巴巴集团控股有限公司 | 信息处理方法、装置、电子设备及计算机存储介质 |
CN112989178B (zh) * | 2019-12-13 | 2023-10-27 | 百度在线网络技术(北京)有限公司 | 搜索方法、装置、设备和存储介质 |
CN111209277B (zh) * | 2020-01-06 | 2023-11-24 | 北京思维造物信息科技股份有限公司 | 一种数据处理方法、装置、设备及介质 |
CN113111216B (zh) * | 2020-01-13 | 2023-11-03 | 百度在线网络技术(北京)有限公司 | 广告推荐方法、装置、设备和存储介质 |
CN111339424B (zh) * | 2020-03-04 | 2021-05-14 | 北京字节跳动网络技术有限公司 | 基于关键词进行搜索的方法、装置、设备及存储介质 |
CN111540466B (zh) * | 2020-04-19 | 2021-01-15 | 深圳坐标软件集团有限公司 | 基于大数据的智慧医疗信息推送方法及大数据医疗云平台 |
CN111723227B (zh) * | 2020-06-14 | 2021-02-09 | 江苏谷德运维信息技术有限公司 | 基于人工智能和互联网的数据分析方法及云计算服务平台 |
CN111737501A (zh) * | 2020-06-22 | 2020-10-02 | 北京百度网讯科技有限公司 | 一种内容推荐方法及装置、电子设备、存储介质 |
CN111488451B (zh) * | 2020-06-29 | 2020-09-18 | 上海飞旗网络技术股份有限公司 | 基于svm分类模型的用户查询信息及意图提取方法及装置 |
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 |
CN112333480B (zh) * | 2020-09-03 | 2023-05-23 | 深圳Tcl新技术有限公司 | 节目的推荐方法、显示终端及计算机可读存储介质 |
CN112948449A (zh) * | 2021-02-23 | 2021-06-11 | 北京三快在线科技有限公司 | 一种信息推荐的方法及装置 |
CN113158004A (zh) * | 2021-04-29 | 2021-07-23 | 北京字节跳动网络技术有限公司 | 数据搜索处理方法、装置、电子设备和存储介质 |
CN113378015B (zh) * | 2021-06-28 | 2023-06-20 | 北京百度网讯科技有限公司 | 搜索方法、装置、电子设备、存储介质和程序产品 |
CN113656685A (zh) * | 2021-07-15 | 2021-11-16 | 北京达佳互联信息技术有限公司 | 一种搜索信息推荐方法、装置、电子设备及存储介质 |
CN113360779B (zh) * | 2021-08-09 | 2023-01-20 | 智者四海(北京)技术有限公司 | 内容推荐方法及装置、计算机设备及可读介质 |
CN114756751A (zh) * | 2022-04-18 | 2022-07-15 | 北京字节跳动网络技术有限公司 | 推荐词确定方法、装置、电子设备和存储介质 |
CN117150143B (zh) * | 2023-10-30 | 2024-01-26 | 华能信息技术有限公司 | 一种基于工业互联网平台的服务方法及系统 |
CN117235242B (zh) * | 2023-11-15 | 2024-02-06 | 浙江力石科技股份有限公司 | 一种基于智能问答数据库的热点信息筛选方法及系统 |
CN117688243A (zh) * | 2023-12-19 | 2024-03-12 | 广州无限可能数字科技有限公司 | 一种基于大数据的关键词筛选推荐的方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108446378A (zh) * | 2018-03-16 | 2018-08-24 | 蜜芽宝贝(北京)网络科技有限公司 | 基于用户搜索的方法、系统及计算机存储介质 |
CN108763579A (zh) * | 2018-06-08 | 2018-11-06 | Oppo(重庆)智能科技有限公司 | 搜索内容推荐方法、装置、终端设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8010537B2 (en) * | 2008-08-27 | 2011-08-30 | Yahoo! Inc. | System and method for assisting search requests with vertical suggestions |
CN103389988A (zh) * | 2012-05-10 | 2013-11-13 | 腾讯科技(深圳)有限公司 | 一种引导用户进行信息搜索的方法及装置 |
CN103744956B (zh) * | 2014-01-06 | 2017-01-04 | 同济大学 | 一种关键词的多样化拓展方法 |
CN105824833A (zh) * | 2015-01-07 | 2016-08-03 | 苏宁云商集团股份有限公司 | 基于用户行为反馈的关键词推荐方法和系统 |
-
2019
- 2019-01-22 CN CN201910058097.4A patent/CN109871483B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108446378A (zh) * | 2018-03-16 | 2018-08-24 | 蜜芽宝贝(北京)网络科技有限公司 | 基于用户搜索的方法、系统及计算机存储介质 |
CN108763579A (zh) * | 2018-06-08 | 2018-11-06 | Oppo(重庆)智能科技有限公司 | 搜索内容推荐方法、装置、终端设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109871483A (zh) | 2019-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109871483B (zh) | 一种推荐信息的确定方法及装置 | |
CN108829893B (zh) | 确定视频标签的方法、装置、存储介质和终端设备 | |
CN108491433B (zh) | 聊天应答方法、电子装置及存储介质 | |
CN107609101B (zh) | 智能交互方法、设备及存储介质 | |
CN107657048B (zh) | 用户识别方法及装置 | |
WO2017024884A1 (zh) | 一种搜索意图识别方法及装置 | |
US8560513B2 (en) | Searching for information based on generic attributes of the query | |
WO2018040068A1 (zh) | 基于知识图谱的语意分析系统及方法 | |
CN105069103B (zh) | App搜索引擎利用用户评论的方法及系统 | |
CN109918487A (zh) | 基于网络百科全书的智能问答方法和系统 | |
CN109271624B (zh) | 一种目标词确定方法、装置及存储介质 | |
CN111428027A (zh) | 查询意图确定方法及相关装置 | |
CN110569419A (zh) | 问答系统优化方法、装置、计算机设备及存储介质 | |
JP5406794B2 (ja) | 検索クエリ推薦装置及び検索クエリ推薦プログラム | |
EP2073131A1 (en) | Method and apparatus for processing a search query for text content items | |
US20210151038A1 (en) | Methods and systems for automatic generation and convergence of keywords and/or keyphrases from a media | |
CN104933099B (zh) | 一种为用户提供目标搜索结果的方法与装置 | |
CN110555165A (zh) | 信息识别方法、装置、计算机设备和存储介质 | |
CN113051919B (zh) | 一种识别命名实体的方法和装置 | |
CN111274483A (zh) | 关联推荐方法及关联推荐交互方法 | |
CN114169331A (zh) | 地址解析方法、装置、计算机设备和存储介质 | |
CN113988057A (zh) | 基于概念抽取的标题生成方法、装置、设备及介质 | |
KR20180101955A (ko) | 문헌 스코어링 방법 및 문헌 검색 시스템 | |
CN113656575A (zh) | 训练数据的生成方法、装置、电子设备及可读介质 | |
CN113704623A (zh) | 一种数据推荐方法、装置、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220729 Address after: No.16 and 17, unit 1, North District, Kailin center, No.51 Jinshui East Road, Zhengzhou area (Zhengdong), Henan pilot Free Trade Zone, Zhengzhou City, Henan Province, 450000 Patentee after: Zhengzhou Apas Technology Co.,Ltd. Address before: E301-27, building 1, No.1, hagongda Road, Tangjiawan Town, Zhuhai City, Guangdong Province Patentee before: ZHUHAI TIANYAN TECHNOLOGY Co.,Ltd. |