CN109918565A - 一种搜索数据的处理方法、装置及电子设备 - Google Patents
一种搜索数据的处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN109918565A CN109918565A CN201910106440.8A CN201910106440A CN109918565A CN 109918565 A CN109918565 A CN 109918565A CN 201910106440 A CN201910106440 A CN 201910106440A CN 109918565 A CN109918565 A CN 109918565A
- Authority
- CN
- China
- Prior art keywords
- search
- result items
- intention
- last
- search result
- 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.)
- Granted
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种搜索数据的处理方法、装置及电子设备。该方法包括:根据搜索用户、搜索时间和搜索关键词对获取的用户搜索日志进行划分,获得每个用户对应一次搜索意图下的目标搜索行为及每次目标搜索行为对应的搜索意图和末次点击搜索结果项;获得同一搜索意图下、每条搜索结果项作为末次点击搜索结果项的次数以及每条搜索结果项的展现次数;计算各搜索意图下,每条搜索结果项对应的末次点击率:同一搜索意图下每条搜索结果项作为末次点击搜索结果项的次数与每条搜索结果项的展现次数的比值;根据末次点击率获得同一搜索意图下的每条搜索结果项与对应搜索意图下的关键词之间的搜索相关性,从而提高搜索相关性的准确性,改善搜索结果项的排序。
Description
技术领域
本发明涉及软件技术领域,特别涉及一种搜索数据的处理方法、装置及电子设备。
背景技术
随着科学技术的不断发展,搜索引擎越来越强大,搜索效率和匹配度都已经达到了非常高的水平,想要进一步提高非常的困难,但在搜索结果排序上还有较大的提升空间。
现有技术中,通常采用点击率来反映用户对于搜索结果项与搜索关键词之间相关性感知的反馈,从而根据点击率来对搜索结果项进行排序,其中,点击率是指某一搜索结果项被点击的次数与被显示次数之比。但本申请发明人在实施本申请的过程中发现,很多时候点击率并不能准确的反映用户感知反馈的搜索关键词与搜索结果项之间的相关性即搜索相关性,因为用户对于搜索结果项的点击往往是尝试性的,其点击的结果不一定是用户想要搜索的结果,可能还需要多次点击查看或修改搜索关键词才能获得真正想要的搜索结果,即现有技术中通过用户点击率来获取搜索相关性的方法存在准确性较差的技术问题。
发明内容
本发明实施例提供一种搜索数据的处理方法、装置及电子设备,能够提高搜索结果项与搜索关键词之间的搜索相关性的准确性,改善搜索结果项的排序。
本发明实施例提供一种搜索数据的处理方法,包括:
获取一定时间段内的用户搜索日志;
根据搜索用户、搜索时间和搜索关键词对所述用户搜索日志进行划分,得到每个用户对应一次搜索意图下的目标搜索行为,并确定出每次目标搜索行为对应的搜索意图和末次点击搜索结果项;
对属于同一搜索意图下的目标搜索行为进行统计,得到同一搜索意图下、每条搜索结果项作为末次点击搜索结果项的次数以及所述每条搜索结果项的展现次数;
计算得到各搜索意图下,每条搜索结果项对应的末次点击率;其中,所述每条搜索结果项对应的末次点击率等于同一搜索意图下所述每条搜索结果项作为末次点击搜索结果项的次数与所述每条搜索结果项的展现次数的比值;
根据所述末次点击率获得同一搜索意图下的每条搜索结果项与对应搜索意图下的关键词之间的搜索相关性。
可选的,所述根据搜索用户、搜索时间和搜索关键词对所述用户搜索日志进行划分,得到每个用户对应一次搜索意图下的目标搜索行为,包括:
根据用户搜索日志中的搜索时间,获得同一用户搜索日志中的预设时长内的搜索行为之间的搜索时间间隔以及各搜索行为的搜索关键词;
计算获得各搜索行为的搜索关键词之间的语义相似度和文本相似度;
获得所述搜索时间间隔小于第一阈值、所述搜索关键词之间的语义相似度大于第二阈值且所述文本相似度大于第三阈值的搜索行为作为同一用户对应的一次搜索意图下的所述目标搜索行为。
可选的,计算获得各搜索行为的搜索关键词之间的语义相似度,包括:
获得各搜索行为的搜索关键词的分词;
根据每个分词的词向量获得每个搜索关键词的词向量,分别计算任两个搜索行为的搜索关键词的词向量之间的相似度;
将各搜索行为的搜索关键词的词向量之间的相似度作为所述语义相似度。
可选的,计算获得各搜索行为的搜索关键词之间的文本相似度,包括:
获得各搜索行为的搜索关键词的分词;
获得各搜索关键词的分词中相同的分词数与各搜索关键词的分词总数之间的比值作为所述文本相似度。
可选的,所述搜索意图下的关键词包括:
所述搜索意图下的目标搜索行为包含的所有搜索行为对应的搜索关键词;或者,
所述搜索意图下的目标搜索行为中最后一次搜索行为对应的搜索关键词。
可选的,所述根据所述末次点击率获得同一搜索意图下的每条搜索结果项与对应搜索意图下的关键词之间的搜索相关性,包括:
根据所述末次点击率和目标参数对同一搜索意图下的每条搜索结果项与对应搜索意图的关键词之间的搜索相关性进行打分;
根据所述末次点击率、所述目标参数及所述打分获得训练样本进行模型训练,获得表征所述搜索相关性的模型;
其中,所述目标参数包括:同一搜索意图下的搜索结果项的标题与对应搜索意图的关键词之间的相似度、搜索结果项对应网站的权威性和/或搜索结果项中广告的数量。
可选的,在获取到所述末次点击率或所述搜索相关性之后,所述方法还包括:
接收用户输入的搜索关键词;
确定所述用户输入的搜索关键词所属的目标搜索意图,并获得所述用户输入的搜索关键词对应的目标搜索结果项;
获取每条目标搜索结果项在所述目标搜索意图下的末次点击率;
根据每条目标搜索结果项在所述目标搜索意图下的末次点击率或依据末次点击率得到的搜索相关性对每条目标搜索结果项进行排序,并基于排序结果进行搜索结果项展现。
可选的,在获取到所述末次点击率或所述搜索相关性之后,所述方法还包括:
接收用户输入的搜索关键词;
确定所述用户输入的搜索关键词所属的目标搜索意图,并获得所述目标搜索意图对应的目标搜索结果项,其中,所述目标搜索意图对应的目标搜索项包括针对所述目标搜索意图下的每个关键词分别进行搜索时获得的搜索结果项;
获取每条目标搜索结果项在所述目标搜索意图下的末次点击率;
根据每条目标搜索结果项在所述目标搜索意图下的末次点击率或依据末次点击率计算得到的搜索相关性对每条目标搜索结果项进行排序,并基于排序结果进行搜索结果项展现。
本申请实施例还提供一种搜索数据的处理装置,包括:
第一获取单元,用于获取一定时间段内的用户搜索日志;
划分单元,根据搜索用户、搜索时间和搜索关键词对所述用户搜索日志进行划分,得到每个用户对应一次搜索意图下的目标搜索行为,并确定出每次目标搜索行为对应的搜索意图和末次点击搜索结果项;
统计单元,用于对属于同一搜索意图下的目标搜索行为进行统计,得到同一搜索意图下、每条搜索结果项作为末次点击搜索结果项的次数以及所述每条搜索结果项的展现次数;
计算单元,用于计算得到各搜索意图下,每条搜索结果项对应的末次点击率;其中,所述每条搜索结果项对应的末次点击率等于同一搜索意图下所述每条搜索结果项作为末次点击搜索结果项的次数与所述每条搜索结果项的展现次数的比值;
第二获取单元,用于根据所述末次点击率获得同一搜索意图下的每条搜索结果项与对应搜索意图下的关键词之间的搜索相关性。
可选的,所述划分单元用于:
根据用户搜索日志中的搜索时间,获得同一用户搜索日志中的预设时长内的搜索行为之间的搜索时间间隔以及各搜索行为的搜索关键词;
计算获得各搜索行为的搜索关键词之间的语义相似度和文本相似度;
获得所述搜索时间间隔小于第一阈值、所述搜索关键词之间的语义相似度大于第二阈值且所述文本相似度大于第三阈值的搜索行为作为同一用户对应的一次搜索意图下的所述目标搜索行为。
可选的,所述划分单元包括语义计算子单元,用于:
获得各搜索行为的搜索关键词的分词;
根据每个分词的词向量获得每个搜索关键词的词向量,分别计算任两个搜索行为的搜索关键词的词向量之间的相似度;
将各搜索行为的搜索关键词的词向量之间的相似度作为所述语义相似度。
可选的,所述划分单元包括文本计算子单元,用于:
获得各搜索行为的搜索关键词的分词;
获得各搜索关键词的分词中相同的分词数与各搜索关键词的分词总数之间的比值作为所述文本相似度。
可选的,所述搜索意图下的关键词包括:
所述搜索意图下的目标搜索行为包含的所有搜索行为对应的搜索关键词;或者,
所述搜索意图下的目标搜索行为中最后一次搜索行为对应的搜索关键词。
可选的,所述第二获取单元用于:
根据所述末次点击率和目标参数对同一搜索意图下的每条搜索结果项与对应搜索意图的关键词之间的搜索相关性进行打分;
根据所述末次点击率、所述目标参数及所述打分获得训练样本进行模型训练,获得表征所述搜索相关性的模型;
其中,所述目标参数包括:同一搜索意图下的搜索结果项的标题与对应搜索意图的关键词之间的相似度、搜索结果项对应网站的权威性和/或搜索结果项中广告的数量。
可选的,所述装置还包括:排序单元,用于:
在获取到所述末次点击率或所述搜索相关性之后,接收用户输入的搜索关键词;
确定所述用户输入的搜索关键词所属的目标搜索意图,并获得所述用户输入的搜索关键词对应的目标搜索结果项;
获取每条目标搜索结果项在所述目标搜索意图下的末次点击率;
根据每条目标搜索结果项在所述目标搜索意图下的末次点击率或依据末次点击率得到的搜索相关性对每条目标搜索结果项进行排序,并基于排序结果进行搜索结果项展现。
可选的,所述装置还包括排序单元,用于:
在获取到所述末次点击率或所述搜索相关性之后,接收用户输入的搜索关键词;
确定所述用户输入的搜索关键词所属的目标搜索意图,并获得所述目标搜索意图对应的目标搜索结果项,其中,所述目标搜索意图对应的目标搜索项包括针对所述目标搜索意图下的每个关键词分别进行搜索时获得的搜索结果项;
获取每条目标搜索结果项在所述目标搜索意图下的末次点击率;
根据每条目标搜索结果项在所述目标搜索意图下的末次点击率或依据末次点击率计算得到的搜索相关性对每条目标搜索结果项进行排序,并基于排序结果进行搜索结果项展现。
本申请实施例还提供一种电子设备,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
获取一定时间段内的用户搜索日志;
根据搜索用户、搜索时间和搜索关键词对所述用户搜索日志进行划分,得到每个用户对应一次搜索意图下的目标搜索行为,并确定出每次目标搜索行为对应的搜索意图和末次点击搜索结果项;
对属于同一搜索意图下的目标搜索行为进行统计,得到同一搜索意图下、每条搜索结果项作为末次点击搜索结果项的次数以及所述每条搜索结果项的展现次数;
计算得到各搜索意图下,每条搜索结果项对应的末次点击率;其中,所述每条搜索结果项对应的末次点击率等于同一搜索意图下所述每条搜索结果项作为末次点击搜索结果项的次数与所述每条搜索结果项的展现次数的比值;
根据所述末次点击率获得同一搜索意图下的每条搜索结果项与对应搜索意图下的关键词之间的搜索相关性。
本申请实施例还提供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以下步骤:
获取一定时间段内的用户搜索日志;
根据搜索用户、搜索时间和搜索关键词对所述用户搜索日志进行划分,得到每个用户对应一次搜索意图下的目标搜索行为,并确定出每次目标搜索行为对应的搜索意图和末次点击搜索结果项;
对属于同一搜索意图下的目标搜索行为进行统计,得到同一搜索意图下、每条搜索结果项作为末次点击搜索结果项的次数以及所述每条搜索结果项的展现次数;
计算得到各搜索意图下,每条搜索结果项对应的末次点击率;其中,所述每条搜索结果项对应的末次点击率等于同一搜索意图下所述每条搜索结果项作为末次点击搜索结果项的次数与所述每条搜索结果项的展现次数的比值;
根据所述末次点击率获得同一搜索意图下的每条搜索结果项与对应搜索意图下的关键词之间的搜索相关性。
本申请实施例中的上述一个或多个技术方案,至少具有如下技术效果:
本申请实施例提供一种搜索数据的处理方法,根据搜索用户、搜索时间和搜索关键词对获取的用户搜索日志进行划分,获得每个用户对应一次搜索意图下的目标搜索行为及每次目标搜索行为对应的搜索意图和末次点击搜索结果项;获得同一搜索意图下、每条搜索结果项作为末次点击搜索结果项的次数以及每条搜索结果项的展现次数;计算各搜索意图下,每条搜索结果项对应的末次点击率:同一搜索意图下每条搜索结果项作为末次点击搜索结果项的次数与每条搜索结果项的展现次数的比值;根据末次点击率获得同一搜索意图下的每条搜索结果项与对应搜索意图下的关键词之间的搜索相关性。由于末次点击结果往往是用户最终想要的搜索结果,为此末次点击率更能准确的反映真实的搜索相关性,为此根据同一搜索意图下的末次点击率来获取搜索相关性更准确,解决了现有技术中搜索相关性获取准确性较差的技术问题,提高了搜索相关性的准确性,进而改善搜索结果项的排序。
附图说明
图1为本申请实施例提供的一种搜索数据处理方法的流程示意图;
图2为本申请实施例提供的一种数据处理装置的方框图;
图3为本申请实施例提供的一种电子设备的结构示意图;
图4为本申请实施例提供的一种服务器的结果示意图。
具体实施方式
在本申请实施例提供的技术方案中,提供一种搜索数据的处理方法,通过对用户的搜索意图进行划分,获得同一搜索意图下的末次点击率,并根据该末次点击率来获取搜索相关性,以提高搜索相关性的准确性,改善搜索结果的排序。
下面结合附图对本申请实施例技术方案的主要实现原理、具体实施方式及其对应能够达到的有益效果进行详细的阐述。
实施例
请参考图1,本申请实施例提供一种搜索数据的处理方法,该方法包括:
S11:获取一定时间段内的用户搜索日志;
S13:根据搜索用户、搜索时间和搜索关键词对用户搜索日志进行划分,得到每个用户对应一次搜索意图下的目标搜索行为,并确定出每次目标搜索行为对应的搜索意图和末次点击搜索结果项;
S15:对属于同一搜索意图的目标搜索行为进行统计,得到同一搜索意图下、每条搜索结果项作为末次点击搜索结果项的次数以及所述每条搜索结果项的展现次数;
S17、计算得到各搜索意图下,每条搜索结果项对应的末次点击率;其中,所述每条搜索结果项对应的末次点击率等于同一搜索意图下所述每条搜索结果项作为末次点击搜索结果项的次数与所述每条搜索结果项的展现次数的比值;
S19:根据所述末次点击率获得同一搜索意图下每条搜索结果项与对应搜索意图下的关键词之间的搜索相关性。
在具体实施过程中,S11在获取用户搜索日志时,可以以搜索用户为单位,分别获取各个搜索用户的搜索日志。搜索日志中记录有用户的搜索行为,每个搜索行为对应有搜索关键词、搜索结果项、点击情况等搜索信息。一次搜索日志中可以是用户的一次session(会话控制)日志;一次搜索日志记录用户在搜索引擎上的一次完整搜索行为,可以包含多次搜索行为。
在S11之后,执行S13时可以先根据同一搜索用户的搜索日志中的搜索时间、搜索关键词进行搜索意图划分,获得同一搜索用户在一次搜索意图下的目标搜索行为,得到同一用户对应一次搜索意图下的目标搜索行为,并确定出每次目标搜索行为对应的搜索意图和末次点击搜索结果项。
其中,一次目标搜索行为可以理解为用户在同一搜索意图下的一次完整的搜索行为,其可以仅包括一次搜索行为,也可以包括多次搜索行为。例如,用户输入搜索意图为A的搜索关键词Q1,得到对应的搜索结果,点击并查看了其中某个搜索结果项P1,关闭搜索引擎或者重新输入搜索意图为B的搜索关键词Q2,则可以认为在用户输入Q1之后到关闭搜索引擎或者重新输入Q2之前,为该用户针对搜索意图A的一次目标搜索行为,且搜索结果项P1为该次目标搜索行为对应的末次点击搜索结果项。再例如,用户输入搜索意图为A的搜索关键词Q1,得到对应的搜索结果,点击并依次查看了其中某个搜索结果项P1、P2、P3,关闭搜索引擎或者重新输入搜索意图为B的搜索关键词Q2,则可以认为在用户输入Q1之后到关闭搜索引擎或者重新输入Q2之前,为该用户针对搜索意图A的一次目标搜索行为,且搜索结果项P3为该次目标搜索行为对应的末次点击搜索结果项。再例如,用户输入搜索意图为A的搜索关键词Q1,得到对应的搜索结果,点击并依次查看了其中某个搜索结果项P1、P2,用户重新输入搜索意图为A的搜索关键词Q3,得到对应的搜索结果,点击并查看了其中某个搜索结果项P3后,关闭搜索引擎或者重新输入搜索意图为B的搜索关键词Q2,则可以认为在用户输入Q1之后到关闭搜索引擎或者重新输入Q2之前,为该用户针对搜索意图A的一次目标搜索行为,且搜索结果项P3为该次目标搜索行为对应的末次点击搜索结果项。需要说明的是,以上仅为示例,并不能代表实际搜索过程中的所有目标搜索行为。
其中,目标搜索行为对应的末次点击搜索结果项可以是目标搜索行为中最后一次搜索行为的最后一次点击对应的搜索结果项。一次搜索意图的搜索关键词可以包含其目标搜索行为对应的一个或多个搜索关键词,例如:一个搜索意图下的一次目标搜索行为包含3次搜索行为,该3个搜索行为对应的搜索关键词分别为q1、q2、q3,那么该搜索意图对应的搜索关键词包括q3或者{q1、q2、q3},也即一次搜索意图下的搜索关键词包括:该搜索意图下目标搜索行为对应的所有搜索行为的搜索关键词;或者,该搜索意图下目标搜索行为中最后一次搜索行为的搜索关键词。
其中,步骤S13所述的根据搜索用户、搜索时间和搜索关键词对用户搜索日志进行划分,得到每个用户对应一次搜索意图下的目标搜索行为可以包括:根据用户搜索日志中的搜索时间,获得同一用户搜索日志中的预设时长内的搜索行为之间的搜索时间间隔以及各搜索行为的搜索关键词;计算获得各搜索行为的搜索关键词之间的语义相似度和文本相似度;获得所述搜索时间间隔小于第一阈值、所述搜索关键词之间的语义相似度大于第二阈值且文本相似度大于第三阈值的搜索行为作为同一用户对应的一次搜索意图下的所述目标搜索行为。其中,预设时长内的搜索行为可以是连续的搜索行为,也可以是非连续的搜索行为。相应的,一次搜索意图下的目标搜索行为可以包含搜索时间间隔很短的非连续的搜索行为和/或连续的搜索行为。
例如:用户输入搜索意图为A的搜索关键词Q1进行搜索后,紧接着又输入搜索意图为A的搜索关键词Q2进行搜索,随后,输入搜索意图为B的搜索关键词Q3进行搜索,但在进行Q3搜索之后又输入搜索意图为A的搜索关键词Q4进行搜索,若搜索Q1、Q2、Q4的搜索行为均满足搜索时间间隔小于第一阈值、搜索关键词的语义相似度大于第二阈值且文本相似度大于第三阈值,搜索Q1与搜索Q4的搜索时间间隔也在预设时长内,这种情况下,可以将搜索Q1、Q2和Q4的搜索行为作为一次搜索意图下的目标搜索行为。
再例如:某用户在搜索引擎上先输入搜索关键词“苹果”进行搜索,紧接着修改搜索关键词“苹果”为“苹果手机”再进行搜索,一段时间后又输入搜索关键词“华为手机”进行搜索。根据上述方法,由于用户搜索“苹果”与“苹果手机”这两个搜索行为相邻且连续的搜索行为、相互之间的时间间隔非常短,并且“苹果”与“苹果手机”之间的语义相似度和文本相似度也非常高,为此可将用户的这两个搜索行为划分为一次搜索意图下的一次目标搜索行为。而用户的搜索“苹果手机”与“华为手机”的搜索行为则不满足搜索时间间隔小、搜索关键词的语义相似度、文本相似度高的条件,则将其划分为不同搜索意图的搜索行为。
在计算搜索关键词的语义相似度时,可以通过向量相似度的方式来计算。具体的,可以先对搜索关键词进行分词,获得两个搜索行为的搜索关键词的分词;根据每个分词的词向量获得每个搜索关键词的词向量,并计算搜索关键词的词向量之间的相似度;再将两个搜索行为的搜索关键词的词向量之间的相似度作为其语义相似度。其中,词向量之间的相似度可以采用cosine相似度、Tanimoto系数、欧几里德距离等方法,本实施例不做具体限定。例如:一搜索关键词为“姳是什么意思”,对该搜索关键词进行分词,分词结果为“姳”、“是”、”什么”、“意思”,查表得到各个分词对应的词向量分别为v1、v2、v3、v4,根据各个分词的词向量获得该搜索关键词的词向量,可以表示为V1=(v1+v2+v3+v4)/4,同理得到另一搜索关键词的词向量V2,两个搜索关键词的语义相似度则可以为
在计算搜索关键词的文本相似度时,则可以先获得两个搜索行为的搜索关键词的分词;然后,获得两个搜索关键词的分词中相同的分词数与两个搜索关键词的分词总数之间的比值作为文本相似度。例如:搜索关键词1是“姳是什么意思”,对应分词结果为“姳”、“是”、“什么”、“意思”,搜索关键词2“嫆是什么意思”,对应分词结果为“嫆”、“是”、“什么”、“意思”,两个搜索关键词相同的分词数为3,一共包含的分词数为5,那么可以获得其搜索关键词的文本相似度为3/5=0.6。当然,文本相似度也可以采用其他方法来计算,本实施例不做具体限定,例如,针对上述搜索关键词分词后获得两个搜索关键词的所有分词为“姳”、“是”、“什么”、“意思”、“嫆”,可以用向量表示搜索关键词1为v1=(1,1,1,1,0),用向量表示搜索关键词2为v2=(0,1,1,1,1),两个搜索关键词的文本相似度则可以为cos(v1,v2)=0.75。
通过计算同一用户多次搜索行为分别对应的搜索关键词的语义相似度、文本相似度以及搜索时间间隔,来进行同一搜索意图对应的目标搜索行为的划分,是为了能够确定用户针对一次目标搜索行为的有效点击结果,即该目标搜索行为对应的末次点击搜索结果项,可以将一次目标搜索行为中最后一次搜索行为的最后一次点击结果作为目标搜索行的末次点击搜索结果项。具体包括两种情况:
a、目标搜索行为包括一次搜索行为,确定该目标搜索行为的末次点击搜索结果项可以为本次搜索行为的最后一次点击结果。
例如,用户输入某搜索意图的搜索关键词,依次点击结果A、B、C后,结束该次查询,则可以认为结果C是该搜索意图下该次目标搜索行为的末次点击搜索结果项。
b、目标搜索行为包含多个搜索行为时,确定该目标搜索行为的末次点击搜索结果项可以为最后一次搜索行为的最后一次点击结果。
例如,用户输入搜索关键词q1,依次点击结果A、B、C后,重新输入搜索关键词q2,依次点击结果D、E后,结束查询;如果确定前后两次搜索行为的搜索意图相同,则可以认为前后两次搜索行为构成一次目标搜索行为,且结果E是对应该目标搜索行为的末次点击搜索结果项。
在S13之后,继续执行S15和S17,对属于同一搜索意图的目标搜索行为进行统计,得到同一搜索意图下、一条搜索结果项作为末次点击搜索结果项的次数以及该搜索结果项的展现次数,并据此计算得到各搜索意图下各搜索结果项对应的末次点击率。
具体的,可以根据所有目标搜索行为的末次点击搜索结果项,获得同一搜索意图下每条搜索结果项作为末次点击搜索结果项的次数及该搜索结果项被搜索展现的展现次数,计算每条搜索结果项作为末次点击搜索结果项的次数与其展现次数的比值,将该比值作为每条搜索结果项的末次点击率。例如:针对某一搜索意图q1对应的搜索结果项a1,所有用户搜索了n次,该搜索结果项a1作为末次点击搜索结果项出现过m次,若每次搜索后搜索结果项a1均被搜索展现,该搜索结果项a1的展现次数为n次,那么该搜索结果项a1的末次点击率则为m/n;若n次搜索中搜索结果项a1只有在n-k次搜索中被搜索展现,该搜索结果项a1的展现次数为n-k次,那么该搜索结果项a1的末次点击率则为m/(n-k)。
实际应用过程中,同一搜索意图下搜索结果项的末次点击率通常是小于同一搜索关键词下搜索结果的点击率的,末次点击率表征的是有效搜索结果的点击率,更能准确的反映搜索结果与搜索意图之间的相关性。为此,在S17之后,执行S19根据搜索结果项的末次点击率获得同一搜索意图下的搜索关键词与搜索结果项之间的搜索相关性。
执行S19所述的根据所述末次点击率获得同一搜索意图下各搜索结果项与对应搜索意图下的关键词之间的搜索相关性,可以采用如下任一方式:
方式一、将同一搜索意图下的各搜索结果的末次点击率直接作为该搜索意图下的关键词与各搜索结果项之间的相关性。
其中,同一搜索意图下的关键词可以包括该搜索意图下目标搜索行为对应的搜索关键词;所述目标搜索行为对应的搜索关键词包括该目标搜索行为下所有搜索行为对应的搜索关键词或者该目标搜索行为下最后一次搜索行为的搜索关键词。相同搜索意图下的关键词相同,所述关键词用于表征所述搜索意图
方式二、可以将搜索结果项的末次点击率作为训练模型输入特征中的一维特征,训练模型获得表征搜索相关性的模型,本实施例不限定模型的具体类型,可以是lambdaMART等LTR(learning to rank,排序学习)模型。
通过训练模型获得搜索相关性时,具体可以:先根据搜索结果项的末次点击率和目标参数对各个搜索意图下的搜索关键词与搜索结果项之间的搜索相关性进行打分。其中,目标参数为其他影响搜索相关性的参数,包括:获得搜索关键词与搜索结果项的标题之间的相似度、搜索结果对应网站的权威性和/或搜索结果中广告的数量等。例如:某一搜索意图下的搜索关键词q1对应有搜索结果项a1,a1的末次点击率为x1、q1与a1的标题之间的相似度为x2、a1对应的网址的权威性为x3、a1中的广告数量为x4,基于x1~x4对该搜索关键词q1与搜索结果项a1进行搜索相关性打分,获得其搜索相关性的得分为X,其中,打分的方式可以采用人工标注的方式进行。在获得其打分之后,进一步根据该搜索结果的末次点击率、目标参数及打分获得训练样本进行模型训练,即将末次点击率、目标参数作为模型的输入参数、将打分作为模型训练的目标进行模型训练,从而获得表征搜索相关性的模型。
当然,搜索相关性的获得还可以基于末次点击率和目标参数,采用人工策略的方式进行,本实施例并不限制根据末次点击率获得搜索相关性的具体方式。
在获取到搜索相关性或末次点击率后,可以将该搜索相关性或末次点击率用于指导搜索结果排序的相关技术中,提升搜索结果排序的准确性。
一种实施方式为,可以在搜索过程中,接收用户输入的搜索关键词;确定所述用户输入的搜索关键词所属的目标搜索意图,并获得用户输入的搜索关键词对应的目标搜索结果项;获取每条目标搜索结果项在所述目标搜索意图下的末次点击率;根据每条目标搜索结果项在所述目标搜索意图下的末次点击率或依据末次点击率计算得到的搜索相关性对每条目标搜索结果项进行排序,并基于排序结果进行搜索结果项展现。
例如:某一用户输入的搜索关键词q1,搜索关键词q1与搜索意图为Q1对应的关键词之间的相似度最大,获得q1所属的搜索意图为Q1;进一步获得搜索关键词q1对应的搜索结果项A11~A1n,获得A11~A1n中每个搜索结果项在搜索意图Q1下的末次点击率,并按照该末次点击率或依据该末次点击率计算得到的搜索相关性的大小对A11~A1n进行排序,对排序后的搜索结果项进行展现。由于基于搜索意图获得的搜索相关性和末次点击率更能准确的反映搜索结果与搜索关键词之间的关联关系,为此获得搜索结果项排序也更为准确,能够更好的满足用户的搜索需求。
另一种实施方式为,可以在搜索过程中,接收用户输入的搜索关键词;确定所述用户输入的搜索关键词所属的目标搜索意图,并获得所述目标搜索意图对应的目标搜索结果项,其中,所述目标搜索意图对应的目标搜索项包括针对所述目标搜索意图下的每个关键词分别进行搜索时获得的搜索结果项;获取每条目标搜索结果项在所述目标搜索意图下的末次点击率;根据每条目标搜索结果项在所述目标搜索意图下的末次点击率或依据末次点击率计算得到的搜索相关性对每条目标搜索结果项进行排序,并基于排序结果进行搜索结果项展现。
在确定用户输入的搜索关键词所属的搜索意图时,可以先获得用户输入的搜索关键词与各搜索意图对应的关键词之间的相似度;然后,比较各相似度的大小,将与用户输入的搜索关键词之间相似度最大的搜索意图作为其所属的搜索意图。其中,获得用户输入的搜索关键词与各搜索意图对应的关键词之间的相似度,同样可以采用将用户输入的搜索关键词、搜索意图对应的关键词转换为词向量,然后计算词向量之间的相似度来获得。
例如:某一用户输入的搜索关键词q1,搜索关键词q1与搜索意图为Q1对应的关键词之间的相似度最大,获得q1所属的搜索意图为Q1;进一步获得搜索意图Q1对应的搜索结果项,假设搜索意图Q1对应的关键词包括q1和q2,以关键词q1和q2分别作为搜索关键词进行搜索时对应的搜索结果项A11~A1n和A21~A2n,获得搜索意图Q1对应的搜索结果项为A11~A1n和A21~A2n;然后,获得A11~A1n和A21~A2n中每个搜索结果项在搜索意图Q1下的末次点击率,并按照该末次点击率或依据该末次点击率计算得到的搜索相关性的大小对A11~A1n和A21~A2n进行排序,对排序后的搜索结果项进行展现。由于基于搜索意图获得的搜索相关性和末次点击率更能准确的反映搜索结果与搜索关键词之间的关联关系,为此获得搜索结果项排序也更为准确,能够更好的满足用户的搜索需求。
在上述实施例中,通过对用户的搜索行为进行搜索意图划分,并基于相同搜索意图下的末次点击结果项来获得搜索结果项的末次点击率,以根据同一搜索意图下的末次点击率来获取搜索结果项的搜索相关性,使得末次点击率更能准确的反映真实的搜索相关性,从而解决了现有技术中搜索相关性获取准确性较差的技术问题,提高了搜索相关性的准确性,进而改善通过搜索相关性来进行搜索结果项排序的排序准确性。
针对上述实施例提供一种搜索数据的处理方法,本申请实施例还对应提供一种搜索数据的处理装置,请参考图2,该装置包括:
第一获取单元21,用于获取一定时间段内的用户搜索日志;
划分单元22,根据搜索用户、搜索时间和搜索关键词对所述用户搜索日志进行划分,得到每个用户对应一次搜索意图下的目标搜索行为,并确定出每次目标搜索行为对应的搜索意图和末次点击搜索结果项;
统计单元23,用于对属于同一搜索意图下的目标搜索行为进行统计,得到同一搜索意图下、每条搜索结果项作为末次点击搜索结果项的次数以及所述每条搜索结果项的展现次数;
计算单元24,用于计算得到各搜索意图下,每条搜索结果项对应的末次点击率;其中,所述每条搜索结果项对应的末次点击率等于同一搜索意图下所述每条搜索结果项作为末次点击搜索结果项的次数与所述每条搜索结果项的展现次数的比值;
第二获取单元25,用于根据所述末次点击率获得同一搜索意图下的每条搜索结果项与对应搜索意图下的关键词之间的搜索相关性。
作为一种可选的实施方式,所述划分单元22具体可以用于:根据用户搜索日志中的搜索时间,获得同一用户搜索日志中的预设时长内的搜索行为之间的搜索时间间隔以及各搜索行为的搜索关键词;计算获得各搜索行为的搜索关键词之间的语义相似度和文本相似度;获得所述搜索时间间隔小于第一阈值、所述搜索关键词之间的语义相似度大于第二阈值且所述文本相似度大于第三阈值的搜索行为作为同一用户对应的一次搜索意图下的所述目标搜索行为。
具体的,所述划分单元可以包括语义计算子单元和文本计算子单元。其中,语义计算子单元用于:获得各搜索行为的搜索关键词的分词;根据每个分词的词向量获得每个搜索关键词的词向量,分别计算任两个搜索行为的搜索关键词的词向量之间的相似度;将各搜索行为的搜索关键词的词向量之间的相似度作为所述语义相似度。文本计算子单元用于:获得各搜索行为的搜索关键词的分词;获得各搜索关键词的分词中相同的分词数与各搜索关键词的分词总数之间的比值作为所述文本相似度。
作为一种可选的实施方式,所述搜索意图下的关键词包括:所述搜索意图下的目标搜索行为包含的所有搜索行为对应的搜索关键词;或者,所述搜索意图下的目标搜索行为中最后一次搜索行为对应的搜索关键词。
作为一种可选的实施方式,所述第二获取单元25具体可以用于:
根据所述末次点击率和目标参数对同一搜索意图下的每条搜索结果项与对应搜索意图的关键词之间的搜索相关性进行打分;根据所述末次点击率、所述目标参数及所述打分获得训练样本进行模型训练,获得表征所述搜索相关性的模型;其中,所述目标参数包括:同一搜索意图下的搜索结果项的标题与对应搜索意图的关键词之间的相似度、搜索结果项对应网站的权威性和/或搜索结果项中广告的数量。
作为一种可选的实施方式,所述装置还可以包括排序单元26,用于通过如下任一方式对搜索结果项进行排序:
方式一、在获取到所述末次点击率或所述搜索相关性之后,接收用户输入的搜索关键词;确定所述用户输入的搜索关键词所属的目标搜索意图,并获得所述用户输入的搜索关键词对应的目标搜索结果项;获取每条目标搜索结果项在所述目标搜索意图下的末次点击率;根据每条目标搜索结果项在所述目标搜索意图下的末次点击率或依据末次点击率得到的搜索相关性对每条目标搜索结果项进行排序,并基于排序结果进行搜索结果项展现。
方式二、在获取到所述末次点击率或所述搜索相关性之后,接收用户输入的搜索关键词;确定所述用户输入的搜索关键词所属的目标搜索意图,并获得所述目标搜索意图对应的目标搜索结果项,其中,所述目标搜索意图对应的目标搜索项包括针对所述目标搜索意图下的每个关键词分别进行搜索时获得的搜索结果项;获取每条目标搜索结果项在所述目标搜索意图下的末次点击率;根据每条目标搜索结果项在所述目标搜索意图下的末次点击率或依据末次点击率计算得到的搜索相关性对每条目标搜索结果项进行排序,并基于排序结果进行搜索结果项展现。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图3是根据一示例性实施例示出的一种用于实现搜索数据的处理方法的电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图3,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/展现(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理元件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理部件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个展现接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为展现和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于展现音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信部件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信部件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器804,上述指令可由电子设备800的处理器820执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由移动终端的处理器执行时,使得移动终端能够执行一种搜索数据的处理方法,所述方法包括:
获取一定时间段内的用户搜索日志;根据搜索用户、搜索时间和搜索关键词对所述用户搜索日志进行划分,得到每个用户对应一次搜索意图下的目标搜索行为,并确定出每次目标搜索行为对应的搜索意图和末次点击搜索结果项;对属于同一搜索意图下的目标搜索行为进行统计,得到同一搜索意图下、每条搜索结果项作为末次点击搜索结果项的次数以及所述每条搜索结果项的展现次数;计算得到各搜索意图下,每条搜索结果项对应的末次点击率;其中,所述每条搜索结果项对应的末次点击率等于同一搜索意图下所述每条搜索结果项作为末次点击搜索结果项的次数与所述每条搜索结果项的展现次数的比值;根据所述末次点击率获得同一搜索意图下的每条搜索结果项与对应搜索意图下的关键词之间的搜索相关性。
图4是本发明实施例中服务器的结构示意图。该服务器1900可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(central processing units,CPU)1922(例如,一个或一个以上处理器)和存储器1932,一个或一个以上存储应用程序1942或数据1944的存储介质1930(例如一个或一个以上海量存储设备)。其中,存储器1932和存储介质1930可以是短暂存储或持久存储。存储在存储介质1930的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器1922可以设置为与存储介质1930通信,在服务器1900上执行存储介质1930中的一系列指令操作。
服务器1900还可以包括一个或一个以上电源1926,一个或一个以上有线或无线网络接口1950,一个或一个以上输入展现接口1958,一个或一个以上键盘1956,和/或,一个或一个以上操作系统1941,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种搜索数据的处理方法,其特征在于,包括:
获取一定时间段内的用户搜索日志;
根据搜索用户、搜索时间和搜索关键词对所述用户搜索日志进行划分,得到每个用户对应一次搜索意图下的目标搜索行为,并确定出每次目标搜索行为对应的搜索意图和末次点击搜索结果项;
对属于同一搜索意图下的目标搜索行为进行统计,得到同一搜索意图下、每条搜索结果项作为末次点击搜索结果项的次数以及所述每条搜索结果项的展现次数;
计算得到各搜索意图下,每条搜索结果项对应的末次点击率;其中,所述每条搜索结果项对应的末次点击率等于同一搜索意图下所述每条搜索结果项作为末次点击搜索结果项的次数与所述每条搜索结果项的展现次数的比值;
根据所述末次点击率获得同一搜索意图下的每条搜索结果项与对应搜索意图下的关键词之间的搜索相关性。
2.如权利要求1所述的方法,其特征在于,所述根据搜索用户、搜索时间和搜索关键词对所述用户搜索日志进行划分,得到每个用户对应一次搜索意图下的目标搜索行为,包括:
根据用户搜索日志中的搜索时间,获得同一用户搜索日志中的预设时长内的搜索行为之间的搜索时间间隔以及各搜索行为的搜索关键词;
计算获得各搜索行为的搜索关键词之间的语义相似度和文本相似度;
获得所述搜索时间间隔小于第一阈值、所述搜索关键词之间的语义相似度大于第二阈值且所述文本相似度大于第三阈值的搜索行为作为同一用户对应的一次搜索意图下的所述目标搜索行为。
3.如权利要求2所述的方法,其特征在于,计算获得各搜索行为的搜索关键词之间的语义相似度,包括:
获得各搜索行为的搜索关键词的分词;
根据每个分词的词向量获得每个搜索关键词的词向量,分别计算任两个搜索行为的搜索关键词的词向量之间的相似度;
将各搜索行为的搜索关键词的词向量之间的相似度作为所述语义相似度。
4.如权利要求2所述的方法,其特征在于,计算获得各搜索行为的搜索关键词之间的文本相似度,包括:
获得各搜索行为的搜索关键词的分词;
获得各搜索关键词的分词中相同的分词数与各搜索关键词的分词总数之间的比值作为所述文本相似度。
5.如权利要求1所述的方法,其特征在于,所述搜索意图下的关键词包括:
所述搜索意图下的目标搜索行为包含的所有搜索行为对应的搜索关键词;或者,
所述搜索意图下的目标搜索行为中最后一次搜索行为对应的搜索关键词。
6.如权利要求1~5任一所述的方法,其特征在于,所述根据所述末次点击率获得同一搜索意图下的每条搜索结果项与对应搜索意图下的关键词之间的搜索相关性,包括:
根据所述末次点击率和目标参数对同一搜索意图下的每条搜索结果项与对应搜索意图的关键词之间的搜索相关性进行打分;
根据所述末次点击率、所述目标参数及所述打分获得训练样本进行模型训练,获得表征所述搜索相关性的模型;
其中,所述目标参数包括:同一搜索意图下的搜索结果项的标题与对应搜索意图的关键词之间的相似度、搜索结果项对应网站的权威性和/或搜索结果项中广告的数量。
7.如权利要求1~5任一所述的方法,其特征在于,在获取到所述末次点击率或所述搜索相关性之后,所述方法还包括:
接收用户输入的搜索关键词;
确定所述用户输入的搜索关键词所属的目标搜索意图,并获得所述用户输入的搜索关键词对应的目标搜索结果项;
获取每条目标搜索结果项在所述目标搜索意图下的末次点击率;
根据每条目标搜索结果项在所述目标搜索意图下的末次点击率或依据末次点击率得到的搜索相关性对每条目标搜索结果项进行排序,并基于排序结果进行搜索结果项展现。
8.一种搜索数据的处理装置,其特征在于,包括:
第一获取单元,用于获取一定时间段内的用户搜索日志;
划分单元,根据搜索用户、搜索时间和搜索关键词对所述用户搜索日志进行划分,得到每个用户对应一次搜索意图下的目标搜索行为,并确定出每次目标搜索行为对应的搜索意图和末次点击搜索结果项;
统计单元,用于对属于同一搜索意图下的目标搜索行为进行统计,得到同一搜索意图下、每条搜索结果项作为末次点击搜索结果项的次数以及所述每条搜索结果项的展现次数;
计算单元,用于计算得到各搜索意图下,每条搜索结果项对应的末次点击率;其中,所述每条搜索结果项对应的末次点击率等于同一搜索意图下所述每条搜索结果项作为末次点击搜索结果项的次数与所述每条搜索结果项的展现次数的比值;
第二获取单元,用于根据所述末次点击率获得同一搜索意图下的每条搜索结果项与对应搜索意图下的关键词之间的搜索相关性。
9.一种电子设备,其特征在于,包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令:
获取一定时间段内的用户搜索日志;
根据搜索用户、搜索时间和搜索关键词对所述用户搜索日志进行划分,得到每个用户对应一次搜索意图下的目标搜索行为,并确定出每次目标搜索行为对应的搜索意图和末次点击搜索结果项;
对属于同一搜索意图下的目标搜索行为进行统计,得到同一搜索意图下、每条搜索结果项作为末次点击搜索结果项的次数以及所述每条搜索结果项的展现次数;
计算得到各搜索意图下,每条搜索结果项对应的末次点击率;其中,所述每条搜索结果项对应的末次点击率等于同一搜索意图下所述每条搜索结果项作为末次点击搜索结果项的次数与所述每条搜索结果项的展现次数的比值;
根据所述末次点击率获得同一搜索意图下的每条搜索结果项与对应搜索意图下的关键词之间的搜索相关性。
10.一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以下步骤:
获取一定时间段内的用户搜索日志;
根据搜索用户、搜索时间和搜索关键词对所述用户搜索日志进行划分,得到每个用户对应一次搜索意图下的目标搜索行为,并确定出每次目标搜索行为对应的搜索意图和末次点击搜索结果项;
对属于同一搜索意图下的目标搜索行为进行统计,得到同一搜索意图下、每条搜索结果项作为末次点击搜索结果项的次数以及所述每条搜索结果项的展现次数;
计算得到各搜索意图下,每条搜索结果项对应的末次点击率;其中,所述每条搜索结果项对应的末次点击率等于同一搜索意图下所述每条搜索结果项作为末次点击搜索结果项的次数与所述每条搜索结果项的展现次数的比值;
根据所述末次点击率获得同一搜索意图下的每条搜索结果项与对应搜索意图下的关键词之间的搜索相关性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910106440.8A CN109918565B (zh) | 2019-02-02 | 2019-02-02 | 一种搜索数据的处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910106440.8A CN109918565B (zh) | 2019-02-02 | 2019-02-02 | 一种搜索数据的处理方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109918565A true CN109918565A (zh) | 2019-06-21 |
CN109918565B CN109918565B (zh) | 2021-05-11 |
Family
ID=66961358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910106440.8A Active CN109918565B (zh) | 2019-02-02 | 2019-02-02 | 一种搜索数据的处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109918565B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113343028A (zh) * | 2021-05-31 | 2021-09-03 | 北京达佳互联信息技术有限公司 | 意图确定模型的训练方法和装置 |
CN114168810A (zh) * | 2021-11-19 | 2022-03-11 | 北京达佳互联信息技术有限公司 | 搜索意图确定方法、装置、设备以及存储介质 |
CN114238782A (zh) * | 2021-12-14 | 2022-03-25 | 北京达佳互联信息技术有限公司 | 数据处理方法、装置、服务器及计算机可读存储介质 |
CN114428902A (zh) * | 2021-12-31 | 2022-05-03 | 北京百度网讯科技有限公司 | 信息搜索方法、装置、电子设备及存储介质 |
CN114547421A (zh) * | 2021-12-24 | 2022-05-27 | 北京达佳互联信息技术有限公司 | 一种搜索处理方法、装置、电子设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030216930A1 (en) * | 2002-05-16 | 2003-11-20 | Dunham Carl A. | Cost-per-action search engine system, method and apparatus |
CN1755685A (zh) * | 2004-09-30 | 2006-04-05 | 微软公司 | 查询图 |
CN101042695A (zh) * | 2006-03-20 | 2007-09-26 | 腾讯科技(深圳)有限公司 | 一种搜索结果页面缩略显示方法及系统 |
CN101206674A (zh) * | 2007-12-25 | 2008-06-25 | 北京科文书业信息技术有限公司 | 以商品为媒介的增强型相关搜索系统及其方法 |
CN101241512A (zh) * | 2008-03-10 | 2008-08-13 | 北京搜狗科技发展有限公司 | 一种重新定义查询词的搜索方法及装置 |
CN104636403A (zh) * | 2013-11-15 | 2015-05-20 | 腾讯科技(深圳)有限公司 | 处理查询请求的方法及装置 |
CN107436871A (zh) * | 2016-05-25 | 2017-12-05 | 北京搜狗科技发展有限公司 | 一种数据搜索方法、装置及电子设备 |
-
2019
- 2019-02-02 CN CN201910106440.8A patent/CN109918565B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030216930A1 (en) * | 2002-05-16 | 2003-11-20 | Dunham Carl A. | Cost-per-action search engine system, method and apparatus |
CN1755685A (zh) * | 2004-09-30 | 2006-04-05 | 微软公司 | 查询图 |
CN101042695A (zh) * | 2006-03-20 | 2007-09-26 | 腾讯科技(深圳)有限公司 | 一种搜索结果页面缩略显示方法及系统 |
CN101206674A (zh) * | 2007-12-25 | 2008-06-25 | 北京科文书业信息技术有限公司 | 以商品为媒介的增强型相关搜索系统及其方法 |
CN101241512A (zh) * | 2008-03-10 | 2008-08-13 | 北京搜狗科技发展有限公司 | 一种重新定义查询词的搜索方法及装置 |
CN104636403A (zh) * | 2013-11-15 | 2015-05-20 | 腾讯科技(深圳)有限公司 | 处理查询请求的方法及装置 |
CN107436871A (zh) * | 2016-05-25 | 2017-12-05 | 北京搜狗科技发展有限公司 | 一种数据搜索方法、装置及电子设备 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113343028A (zh) * | 2021-05-31 | 2021-09-03 | 北京达佳互联信息技术有限公司 | 意图确定模型的训练方法和装置 |
CN114168810A (zh) * | 2021-11-19 | 2022-03-11 | 北京达佳互联信息技术有限公司 | 搜索意图确定方法、装置、设备以及存储介质 |
CN114238782A (zh) * | 2021-12-14 | 2022-03-25 | 北京达佳互联信息技术有限公司 | 数据处理方法、装置、服务器及计算机可读存储介质 |
CN114547421A (zh) * | 2021-12-24 | 2022-05-27 | 北京达佳互联信息技术有限公司 | 一种搜索处理方法、装置、电子设备及存储介质 |
CN114428902A (zh) * | 2021-12-31 | 2022-05-03 | 北京百度网讯科技有限公司 | 信息搜索方法、装置、电子设备及存储介质 |
CN114428902B (zh) * | 2021-12-31 | 2023-11-14 | 北京百度网讯科技有限公司 | 信息搜索方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109918565B (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109918565A (zh) | 一种搜索数据的处理方法、装置及电子设备 | |
CN109800325A (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
CN107239535A (zh) | 相似图片检索方法及装置 | |
CN104636453B (zh) | 非法用户资料识别方法及装置 | |
CN108073303B (zh) | 一种输入方法、装置及电子设备 | |
CN109543066A (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
CN109670077A (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
CN106407204A (zh) | 图书推荐方法及装置 | |
CN107918496A (zh) | 一种输入纠错方法和装置、一种用于输入纠错的装置 | |
CN110020145A (zh) | 一种信息推荐方法及装置 | |
CN109213942A (zh) | 一种搜索结果展示方法及装置 | |
CN110110207A (zh) | 一种信息推荐方法、装置及电子设备 | |
CN112148980A (zh) | 基于用户点击的物品推荐方法、装置、设备和存储介质 | |
CN109388699A (zh) | 输入方法、装置、设备及存储介质 | |
CN112307281A (zh) | 一种实体推荐方法及装置 | |
CN105551047A (zh) | 图片内容的检测方法和装置 | |
CN108182002A (zh) | 输入键的布局方法、装置、设备和存储介质 | |
CN111460172A (zh) | 产品问题的答案确定方法、装置和电子设备 | |
CN109977293A (zh) | 一种搜索结果相关性的计算方法及装置 | |
CN110213062A (zh) | 处理消息的方法及装置 | |
CN107436896A (zh) | 一种输入推荐方法、装置及电子设备 | |
CN109948039A (zh) | 一种优化搜索结果的方法、装置及电子设备 | |
CN108205534B (zh) | 一种皮肤资源展示方法、装置及电子设备 | |
CN111273786B (zh) | 智能输入方法及装置 | |
CN105988602A (zh) | 鼠标模拟方法和装置 |
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 |