CN110377830B - 检索方法、装置、可读存储介质和电子设备 - Google Patents

检索方法、装置、可读存储介质和电子设备 Download PDF

Info

Publication number
CN110377830B
CN110377830B CN201910675103.0A CN201910675103A CN110377830B CN 110377830 B CN110377830 B CN 110377830B CN 201910675103 A CN201910675103 A CN 201910675103A CN 110377830 B CN110377830 B CN 110377830B
Authority
CN
China
Prior art keywords
information
determining
candidate object
coefficient
matching coefficient
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
Application number
CN201910675103.0A
Other languages
English (en)
Other versions
CN110377830A (zh
Inventor
言缵昊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lazas Network Technology Shanghai Co Ltd
Original Assignee
Lazas Network Technology Shanghai Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Lazas Network Technology Shanghai Co Ltd filed Critical Lazas Network Technology Shanghai Co Ltd
Priority to CN201910675103.0A priority Critical patent/CN110377830B/zh
Publication of CN110377830A publication Critical patent/CN110377830A/zh
Application granted granted Critical
Publication of CN110377830B publication Critical patent/CN110377830B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9538—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Technology Law (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明实施例公开了一种检索方法、装置、可读存储介质和电子设备。本发明实施例所述的方法根据用户的历史转移份额对本次转移份额进行预估，进而确定修正系数并根据修正系数对每个检索结果的匹配度进行修正，最终对检索结果根据所述匹配度进行排序。使得检索结果能够更好的和用户的价格偏好匹配，提升信息检索的准确率。

Description

检索方法、装置、可读存储介质和电子设备
技术领域
本发明涉及计算机技术领域，尤其涉及一种检索方法、装置、可读存储介质和电子设备。
背景技术
在通过互联网进行检索信息的过程中，由于互联网的信息量庞大，根据一个检索词会检索到大量的相关信息，若不对大量的信息进行处理，用户难以获取想要需要的信息。例如当用户需要在购物网站进行购物时，根据检索词检索到的大量商品若不进行排序则用户需要花费很多时间和精力进行查找筛选。现有技术在基于用户维度对检索信息进行处理时，将用户按照购买习惯分为多个群体，将检索到的信息根据所属群体的偏好进行处理、排序。这样得到的检索信息与所述用户所属的群体偏好相似，但对于每个用户来说并不准确。
发明内容
有鉴于此,本发明实施例提供一种检索方法、装置、可读存储介质和电子设备，旨在使检索结果能够更好的和用户的价格偏好匹配，提升信息检索的准确率。
第一方面，本发明实施例提供一种检索方法，所述方法包括：
接收来自用户终端的检索请求，基于所述检索请求获取检索词和所述用户的属性信息；
根据所述检索词和属性信息确定第一信息，所述第一信息用于表征本次检索预期发生的转移份额；
根据所述检索词确定各候选对象的第一匹配系数；
根据所述第一信息确定修正系数，基于所述修正系数对各候选对象的第一匹配系数进行修正确定第二匹配系数；
根据所述第二匹配系数对所述候选对象进行排序并向所述用户终端输出检索结果。
进一步地，所述根据所述检索词和属性信息确定第一信息具体为：
将所述检索词输入预测模型以确定第一信息，所述预测模型根据所述用户的历史检索词和历史行为数据预先训练得到。
进一步地，所述根据所述检索词确定第一信息包括：
获取所述用户的属性信息；
根据所述检索词和所述属性信息确定第一信息。
进一步地，所述根据所述检索词和所述属性信息确定第一信息具体为：
将所述属性信息和检索词输入预测模型以确定第一信息，所述预测模型根据全网用户的历史检索词和历史行为数据预先训练得到。
进一步地，所述根据所述第一信息确定修正系数包括：
根据所述第一信息和第二信息确定所述修正系数，其中，所述第二信息用于表征候选对象集合的转移份额状态，所述候选对象集合包括多个候选对象。
进一步地，所述根据所述第一信息确定修正系数还包括：
确定每个候选对象对应的转移份额；
根据所述各候选对象对应的转移份额确定第二信息。
进一步地，所述根据所述各候选对象对应的转移份额确定第二信息具体为
计算所述候选对象集合中的候选对象对应的转移份额的平均值以确定所述第二信息。
进一步地，所述根据所述第一信息和第二信息确定所述修正系数具体为：
计算所述第一信息和第二信息的商以确定所述修正系数。
进一步地，所述基于所述修正系数对各候选对象的第一匹配系数进行修正确定第二匹配系数包括：
确定目标候选对象对应的第一匹配系数和转移份额；
根据所述第一匹配系数、修正系数和目标候选对象的转移份额确定目标候选对象的第二匹配系数。
进一步地，所述确定第二匹配系数的公式为T＝S×Rc，其中，T为所述第二匹配系数，S为所述第一匹配系数，R为所述目标候选对象的转移份额，c为所述修正系数。
进一步地，所述根据所述第一信息确定修正系数还包括：
确定每个候选对象对应的转移份额；
根据所述第一信息和各候选对象对应的转移份额确定各候选对象对应的修正系数。
进一步地，所述基于所述修正系数对各候选对象的第一匹配系数进行修正确定第二匹配系数还包括：
确定目标候选对象对应的第一匹配系数和修正系数；
计算所述目标候选对象的第一匹配系数和修正系数的乘积以确定所述目标候选对象的第二匹配系数。
第二方面，本发明实施例公开了一种检索装置，所述装置包括：
数据获取模块，用于接收来自用户终端的检索请求，基于所述检索请求获取检索词；
第一计算模块，用于根据所述检索词确定第一信息，所述第一信息用于表征本次检索预期发生的转移份额；
检索模块，用于根据所述检索词确定各候选对象的第一匹配系数；
第二计算模块，用于根据所述第一信息确定修正系数，基于所述修正系数对各候选对象的第一匹配系数进行修正确定第二匹配系数；
排序模块，用于根据所述第二匹配系数对所述候选对象进行排序并向所述用户终端输出检索结果。
第三方面，本发明实施例公开了一种计算机可读存储介质，用于存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如第一方面中任一项所述的方法。
第四方面，本发明实施例公开了一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下所述步骤：
接收来自用户终端的检索请求，基于所述检索请求获取检索词和所述用户的属性信息；
根据所述检索词和属性信息确定第一信息，所述第一信息用于表征本次检索预期发生的转移份额；
根据所述检索词确定各候选对象的第一匹配系数；
根据所述第一信息确定修正系数，基于所述修正系数对各候选对象的第一匹配系数进行修正确定第二匹配系数；
根据所述第二匹配系数对所述候选对象进行排序并向所述用户终端输出检索结果。
进一步地，所述根据所述检索词和属性信息确定第一信息具体为：
将所述检索词输入预测模型以确定第一信息，所述预测模型根据所述用户的历史检索词和历史行为数据预先训练得到。
进一步地，所述根据所述检索词确定第一信息包括：
获取所述用户的属性信息；
根据所述检索词和所述属性信息确定第一信息。
进一步地，所述根据所述检索词和所述属性信息确定第一信息具体为：
将所述属性信息和检索词输入预测模型以确定第一信息，所述预测模型根据全网用户的历史检索词和历史行为数据预先训练得到。
进一步地，所述根据所述第一信息确定修正系数包括：
根据所述第一信息和第二信息确定所述修正系数，其中，所述第二信息用于表征候选对象集合的转移份额状态，所述候选对象集合包括多个候选对象。
进一步地，所述根据所述第一信息确定修正系数还包括：
确定每个候选对象对应的转移份额；
根据所述各候选对象对应的转移份额确定第二信息。
进一步地，所述根据所述各候选对象对应的转移份额确定第二信息具体为：
计算所述候选对象集合中的候选对象对应的转移份额的平均值以确定所述第二信息。
进一步地，所述根据所述第一信息和第二信息确定所述修正系数具体为：
计算所述第一信息和第二信息的商以确定所述修正系数。
进一步地，所述基于所述修正系数对各候选对象的第一匹配系数进行修正确定第二匹配系数包括：
确定每个目标候选对象对应的第一匹配系数和转移份额；
根据所述第一匹配系数、修正系数和目标候选对象的转移份额确定目标候选对象的第二匹配系数。
进一步地，所述确定第二匹配系数的公式为T＝S×Rc，其中，T为所述第二匹配系数，S为所述第一匹配系数，R为所述目标候选对象的转移份额，c为所述修正系数。
进一步地，所述根据所述第一信息确定修正系数还包括：
确定每个候选对象对应的转移份额；
根据所述第一信息和各候选对象对应的转移份额确定各候选对象对应的修正系数。
进一步地，所述基于所述修正系数对各候选对象的第一匹配系数进行修正确定第二匹配系数还包括：
确定目标候选对象对应的第一匹配系数和修正系数；
计算所述目标候选对象的第一匹配系数和修正系数的乘积以确定所述目标候选对象的第二匹配系数。
本发明实施例所述的方法根据用户的历史转移份额对本次转移份额进行预估，进而确定修正系数并根据修正系数对每个检索结果的匹配度进行修正，最终对检索结果根据所述匹配度进行排序。使得检索结果能够更好的和用户的价格偏好匹配，提升信息检索的准确率。
附图说明
通过以下参照附图对本发明实施例的描述，本发明的上述以及其它目的、特征和优点将更为清楚，在附图中：
图1为本发明实施例的检索方法流程图；
图2为本发明实施例的检索方法的数据流向示意图；
图3为本发明实施例的检索装置示意图；
图4为本发明实施例的电子设备示意图。
具体实施方式
以下基于实施例对本发明进行描述，但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。为了避免混淆本发明的实质，公知的方法、过程、流程并没有详细叙述。
此外，本领域普通技术人员应当理解，在此提供的附图都是为了说明的目的，并且附图不一定是按比例绘制的。
除非上下文明确要求，否则整个说明书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。
在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
图1为本发明实施例的检索方法流程图，如图1所示，所述方法包括：
步骤S100：接收来自用户终端的检索请求，基于所述检索请求获取检索词。
具体地，所述用户终端包括移动终端和固网终端，例如可以是手机、电脑、平板电脑等设备。所述接收检索请求的设备例如可以是服务器，所述检索请求包括检索词，服务器接收到所述检索请求后可以获取所述检索词。所述检索词用于在数据集合中检索相关的数据，例如在外卖软件中搜索“冷面”，即将所述外卖软件的数据库中全部包含“冷面”的数据作为结果输出。
可选地，所述用户终端发送的检索请求还包括所述用户的属性信息，所述用户的属性信息可以包括用户标识和用户的转移份额偏好、工资水平、城市等用于对所述用户进行分类的属性。所述转移份额为用户每通过一次检索完成某操作时的消耗\增长数值，例如在外卖软件上购买一次外卖时消费的金额，或在某软件在线完成一次任务时所增加的经验值。所述转移份额偏好为所述用户转移份额的金额范围，可以用于判断所述用户所属的消费群体，所述消费群体例如可以包括高级消费群体、中等消费群体、小资消费群体和平价消费群体等，不同的消费群体所倾向的转移份额不同，例如不同的用户在检索“牛排”时，小资消费群体期待检索到的西餐店转移份额在150～300元人民币之间，高级消费群体期待检索到的西餐店转移份额在800～1500元人民币之间。所述用户工资水平例如可以是3000～5000、5000～8000、8000～10000等，因工资水平不同的用户消费水平不同，可以根据用户工资水平对用户进行分类。所述城市用于对历史的转移份额进一步进行分类，所述转移份额偏好用于表示所述用户每次消费时所花费金额的范围。当所述检索方法用于外卖平台时，因不同城市的消费水平不同，每个城市的外卖对象平均转移份额也有很大的差异。例如在北京、上海、深圳等城市一碗牛肉面的价格在20～40元人民币之间，在西宁、呼和浩特、银川等城市一碗牛肉面的价格在10～20元人民币之间，当用户在北京时可能花费30元买一碗牛肉面，而在西宁时可能花费15元买一碗牛肉面。因此可以根据城市对用户进行分类。
步骤S200：根据所述检索词确定第一信息。
具体地，所述第一信息用于表征本次检索预期发生的转移份额，可以根据多种方式确定第一信息，即预测本次检索发生的转移份额。例如可以根据所述检索词对用户历史的订单进行检索，检索到相关的订单及对应的转移份额，所述相关订单例如可以是和本次检索的检索词相同、相似或和本次检索词内容属于同一类别的订单。再进一步在所述订单内确定转移份额与用户目前下单城市消费水平匹配的订单，计算所述订单转移份额的均值为本次检索预期发生的转移份额。例如，当在外卖软件进行检索时，本次输入的检索词为商品名称“牛肉面”，在所述用户历史的订单中检索获取相关订单，包括与本次检索词相同的订单，即商品名称为“牛肉面”的订单；与本次检索词相似的订单，例如商品名称为“牛肚面”、“牛杂面”、“牛肉粉”或“羊肉面”的订单；与本次检索词内容属于同一类别的订单，例如当所述商品“牛肉面”属于“粉面类”，则获取商品类别为“粉面类”的订单。再进一步分别确定所述订单对应的转移份额，即所述订单支出的金额。通过计算所述各专利份额的均值或加权和等方式确定第一信息。
进一步地，所述第一信息还可以通过将所述检索词输入预测模型确定，所述预测模型根据所述用户的历史检索词和历史行为数据预先训练得到。例如，当所述历史行为数据包含与历史检索词对应的历史转移份额时，获取所述用户历史输入的每个检索词，和与所述各检索词对应的订单的转移份额构建训练集合，将一次下单过程中的检索词作为输入，所述下单过程最终消费的金额，即本次输入的检索词对应的订单的转移份额作为输出训练预测模型。在当前需要确定第一信息时，将本次检索的检索词输入预测模型，输出值为本次检索预期发生的转移份额，即所述第一信息。所述预测模型与本次检索的用户相对应，即所述训练预测模型的过程针对每一个用户进行训练，最终使每一个用户对应一个预测模型。
作为本发明实施例的另一种实现方式，当利用所述预测模型确定第一信息时，所述确定第一信息的过程包括以下步骤：
步骤S210：获取所述用户的属性信息。
具体地，根据所述用户终端发送的检索请求确定所述用户的属性信息，所述属性信息包括所述用户的属性信息可以包括用户标识和用户的转移份额偏好、工资水平、城市等用于对用户进行分类的属性，所述用户标识用于确定所述用户的第一信息，所述转移份额偏好、工资水平、城市等对用户进行分类的属性用于确定与所述用户匹配的第一信息。
步骤S220：根据所述检索词和所述属性信息确定第一信息。
具体地，所述根据所述检索词和所述属性信息确定第一信息具体为将所述属性信息和检索词输入预测模型以确定第一信息，所述预测模型根据全网用户的历史检索词和历史行为数据预先训练得到。所述步骤在训练所述预测模型时需要将全网用户的历史检索词和属性信息作为输入，历史转移份额作为输出。当某一个用户需要确定第一信息时，将本次的检索词和所述用户的属性信息输入所述预测模型，以确定所述用户本次检索的第一信息。例如本次检索词为“火锅”、用户标识为所述用户的ID“001”、转移份额偏好为“100～150”、工资水平为“8000～10000”、城市为“成都”，可以先将所述“火锅”和用户标识“001”输入预测模型，确定输出的值为所述用户的第一信息。若输入所述用户标识“001”无法确定所述第一信息，则认为与所述用户标识匹配的样本数量过少，需要通过与所述用户消费习惯和水平相似的样本确定第一信息。即将所述检索词“火锅”和用户属性“转移份额偏好：100～150”、“城市：成都”和“工资水平：8000～10000”输入所述预测模型，确定输出的值为所述用户的第一信息。
步骤S300：根据所述检索词确定各候选对象的第一匹配系数。
具体地，先根据所述检索词在数据集合中确定多个候选对象，再确定每个候选对象对应的第一匹配系数。所述候选对象为包括与所述检索词匹配内容的对象，例如可以是商户、商品、信息等。当所述检索词为“冷面”时，将所述包括“冷面”、“韩国冷面”、“朝鲜冷面”、“烤冷面”、“凉面”等与“冷面”匹配的商品的对象确定为候选对象。所述第一匹配系数用于表征每个候选对象与所述检索词的匹配度，通过以距离、人气、好评、销量等参数作为参考值计算确定。例如，当仅以关键词的匹配程度作为匹配度的参考值搜索“冷面”时，包含商品“冷面”的对象的第一匹配系数高于包含所述“烤冷面”、“凉面”、“韩国冷面”等商品的对象。所述确定第一匹配系数的方法包括多种，例如可以是获取所述全部对象的距离、人气、好评、销量等参数构建训练集合，通过所述训练集合训练匹配度模型。在需要确定目标候选对象的第一匹配系数时，将所述对象的距离、人气、好评、销量等参数输入所述匹配度模型中，即可输出所述候选对象对应的第一匹配系数。或通过计算预先确定所述距离、人气、好评、销量等参数的权重，在需要确定目标候选对象的第一匹配系数时，通过计算所述对象的距离、人气、好评、销量等参数的加权和得到所述候选对象对应的第一匹配系数。例如，当所述第一匹配系数通过距离A、人气B、好评C和销量D四个参数作为参考值确定时。预先设定所述距离、人气、好评和销量的权重分别为μ、μ1、μ2、μ3，则第一匹配系数的计算公式为S＝μA+μ1B+μ2C+μ3D，所述第一匹配系数为S。
作为本发明实施例的一个可选的实现方式，在根据所述检索词确定各候选对象的第一匹配系数的同时还可以确定所述确定每个候选对象对应的转移份额，所述每个候选对象对应的转移份额为可以表征所述对象售卖商品价格特征的金额，例如可以是所述对象全部历史订单的平均价格、所述对象历史被下单用户标记的人均价格的平均值、或所述用户历史在所述对象下单的金额等。
步骤S400：根据所述第一信息确定修正系数，基于所述修正系数对各候选对象的第一匹配系数进行修正确定第二匹配系数。
具体地，所述修正系数用于修正各候选对象的第一匹配系数。所述修正方式例如可以是计算所述修正系数和第一匹配系数的乘积、计算所述修正系数和第一匹配系数的加权和等。作为本实施例的一个可选的实施方式，所述根据所述第一信息确定修正系数的过程包括根据所述第一信息和第二信息确定所述修正系数的方案，其中，所述第二信息用于表征候选对象集合的转移份额状态，所述候选对象集合包括多个候选对象。具体而言，所述步骤S300确定各候选对象的第一匹配系数的同时还可以确定每个候选对象对应的转移份额，再根据所述转移份额确定第二信息。其中所述每个候选对象对应的转移份额为可以表征所述候选对象完成某项任务时的消耗/增长数值，例如在外卖软件上，所述对象为商户，所述转移份额为用于表征目标商户售卖商品价格特征的金额，例如可以是所述商户全部历史订单的平均价格、所述商户历史被下单用户标记的人均价格的平均值、或所述用户历史在所述商户下单的金额等。所述第二信息用于表征全部或部分候选对象的转移份额水平特征，例如可以是全部或部分候选对象对应转移份额的中值、最值、平均值等可以表征所述全部或部分候选对象整体价格水平的特征值。可选的，可以通过计算所述候选对象集合中的候选对象对应的转移份额的平均值确定所述第二信息。例如，当所述候选对象集合中包含的候选对象对应的转移份额分别为(P1,P2,…,PN)，N为正整数时，所述第二信息为
Figure GDA0002203966190000111
所述修正系数用于表示所述第一信息和第二信息之间的特征关系，即本次检索预期发生的转移份额和全部或部分候选对象对应的转移份额状态之间的特征关系。可选的，所述修正系数值为所述第一信息和第二信息的商，例如当所述第一信息为Q，所述第二信息为P时，所述修正系数为所述第一信息和所述第二信息的商
Figure GDA0002203966190000112
以输入检索词“火锅”为例，检索到的候选对象包括“呷哺呷哺”、“海底捞”、“井格”和“宽板凳”，各候选对象对应的转移份额分别为“50”、“148”、“130”和“128”，计算得出的第二信息为114。若根据步骤S200确定的第一信息为120元时，即本次检索预计的转移份额为120元。则计算得出所述修正系数为120/114＝1.05。
进一步地，所述修正系数用于对各候选对象的第一匹配系数进行修正以确定所述各候选对象对应的第二匹配系数，所述第二匹配系数相比第一匹配系数在第一匹配系数的基础上还增加了用户对转移份额偏好的考虑，使得各候选对象与用户的匹配程度更加精准。所述根据修正系数对第一匹配系数进行修正的方法包括直接计算所述修正系数与所述第一匹配系数的乘积、计算与第一匹配系数的加权和等。例如当所述目标候选对象的第一匹配系数为S，所述修正系数为c时，所述目标候选对象的第二匹配系数T＝Sc；或当所述目标候选对象的第一匹配系数为S，所述修正系数为c时，所述目标候选对象的第二匹配系数T＝S+μc，所述修正系数的权重μ可以是预先计算出的一个常数。
可选的，所述基于所述修正系数对各候选对象的第一匹配系数进行修正确定第二匹配系数的方法还包括根据各候选对象的转移份额、第一匹配系数和修正系数确定第二匹配系数。具体地，先确定目标候选对象对应的第一匹配系数和转移份额，再根据所述第一匹配系数、修正系数和目标候选对象的转移份额确定目标候选对象的第二匹配系数。所述确定第二匹配系数的公式为T＝S×Rc，其中，T为所述第二匹配系数，S为所述第一匹配系数，R为所述目标候选对象的转移份额，c为所述修正系数。仍以输入检索词“火锅”，检索到的候选对象包括“呷哺呷哺”、“海底捞”、“井格”和“宽板凳”，各候选对象对应的转移份额分别为“50”、“148”、“130”和“128”为例进行说明，根据所述各候选对象对应的转移份额计算得出的第二信息为114，各候选对象根据“距离”、“销量”和“评分”等参数确定的第一匹配系数分别为“0.73”、“0.70”、“0.68”和“0.82”。若根据步骤S200确定的第一信息为120元时，即本次检索预计的转移份额为120元。则计算得出所述修正系数为120/114＝1.05。根据公式T＝S×Rc分别计算各候选对象的第二匹配系数，得到各候选对象对应的第二匹配系数分别为“44.386”、“133.006”、“112.759”、“133.778”。
作为本实施例的另一个可选的实施方式，还可以根据所述第一信息和各候选对象对应的转移份额确定各候选对象的修正系数，以准确的对每个候选对象的第一匹配系数进行修正，使得到的所述第二匹配系数更加精确。所述方法需要先确定每个候选对象对应的转移份额，再根据所述第一信息和各候选对象对应的转移份额确定各候选对象对应的修正系数。所述确定修正系数的方式例如可以是分别计算所述第一信息与各候选对象对应的转移份额的比值，以输入检索词“火锅”为例，检索到的候选对象包括“呷哺呷哺”、“海底捞”、“井格”和“宽板凳”，各候选对象对应的转移份额分别为“50”、“148”、“130”和“128”。若根据步骤S200确定的第一信息为120元时，即本次检索预计的转移份额为120元。则计算得出各候选对象对应的修正系数分别为120/50＝2、120/148＝0.811、120/130＝0.923、120/128＝0.938。可选的，所述确定修正系数的方式还可以是分别计算所述第一信息与各候选对象对应的转移份额的差值的绝对值，仍以上述输入检索词“火锅”，检索到的候选对象包括“呷哺呷哺”、“海底捞”、“井格”和“宽板凳”，各候选对象对应的转移份额分别为“50”、“148”、“130”和“128”为了进行说明。计算得出各候选对象对应的差值为“70”、“28”、“10”、“8”。应理解，进行计算修正系数的目的在于确定所述各候选对象的转移份额与用户本次检索的预期转移份额的匹配程度，本领域技术人员也可以采用其它的现有算法来实现上述计算修正系数的步骤。
进一步地，根据所述第一信息和各候选对象对应的转移份额确定各候选对象的修正系数后，可以直接根据各候选对象对应的第一匹配系数和修正系数确定第二匹配系数。即先确定目标候选对象对应的第一匹配系数和修正系数，再计算所述目标候选对象的第一匹配系数和修正系数的乘积以确定所述目标候选对象的第二匹配系数。仍以输入检索词“火锅”，检索到的候选对象包括“呷哺呷哺”、“海底捞”、“井格”和“宽板凳”，各候选对象对应的转移份额分别为“50”、“148”、“130”和“128”为例进行说明。计算所述第一信息和所述各候选对象对应的转移份额的商得出的各候选对象对应的修正系数分别为“2”、“0.811”、“0.923”和“0.938”，若各候选对象根据“距离”、“销量”和“评分”等参数确定的第一匹配系数分别为“0.73”、“0.70”、“0.68”和“0.82”。通过计算所述候选对象对应的第一匹配系数和修正系数的乘积以确定各候选对象的第二匹配系数，得到各候选对象对应的第二匹配系数分别为“1.46”、“0.568”、“0.628”、“0.769”。
步骤S500：根据所述第二匹配系数对所述候选对象进行排序并输出检索结果。
具体地，根据步骤S400进一步修正后，候选对象集合中的每一个候选对象有对应的第二匹配系数，根据所述第二匹配系数由高到低的顺序对所述候选对象集合中的对象进行排序。并将第二匹配系数高的候选对象排列在前，第二匹配系数低的候选对象排列在后输出检索结果。根据匹配系数的表征方式不同，所述排序过程不同，例如当所述匹配系数越大表示越匹配时，将所述候选对象按照对应的匹配系数从大到小的顺序进行排序。当所述匹配系数越小表示越匹配时，将所述候选对象按照对应的匹配系数从小到大的顺序进行排序。因计算所述第二匹配系数的过程中引入了修正系数，所述排序过程可以改变输出的检索结果。仍以步骤S400中输入检索词“火锅”为例，检索到的候选对象包括“呷哺呷哺”、“海底捞”、“井格”和“宽板凳”，各候选对象根据“距离”、“销量”和“评分”等参数确定的第一匹配系数分别为“0.73”、“0.70”、“0.68”和“0.82”。以所述匹配系数越大表示越匹配为例，将所述候选对象按照对应的匹配系数从大到小的顺序进行排序。因此根据第一匹配系数对候选对象的排序依次为“宽板凳”、“呷哺呷哺”、“海底捞”和“井格”。在引入修正系数后，计算得出各候选对象对应的第二匹配系数分别为“44.386”、“133.006”、“112.759”、“133.778”。根据所述第二匹配系数排序后的候选对象依次为“宽板凳”、“海底捞”、“井格”和“呷哺呷哺”。使转移份额与本次检索预估转移份额相似的候选对象排列在前，转移份额与本次检索预估转移份额差距较大的候选对象排列在后。
所述方法根据用户的历史转移份额对本次转移份额进行预估，进而确定修正系数并根据修正系数对每个检索结果的匹配度进行修正，最终对检索结果根据所述匹配度进行排序。进一步增加判断检索到候选对象匹配度的转移份额参数，使得检索结果能够更好的和用户的价格偏好匹配，提升信息检索的准确率。
图2为本发明实施例的检索方法的数据流向示意图。如图2所示，用户根据检索词检索到候选对象及对应的第一匹配系数，再根据修正系数确定第二匹配系数，最后根据第二匹配系数排序并输出。
具体地，用户根据所述检索词在对象集合中确定与所述检索词相关的候选对象，所述对象例如可以是商户、商品、信息等。例如输入的检索词为“火锅”时检索到标签为“火锅”、对象名或商品名包括“火锅”或商品名包括“锅底”、“鸳鸯锅”、“麻辣锅”等相关词语的候选对象。每个候选对象包括对应的第一匹配系数S，用于表示所述候选对象与所述用户输入的检索词的匹配程度。所述修正系数通过用户的属性信息及候选对象的转移份额确定，具体为根据所述用户的属性信息确定用户本次预期的转移份额，根据全部或部分候选对象的转移份额确定候选对象的转移份额特征值，计算用户本次预期的转移份额与候选对象的转移份额特征值的商以确定修正系数。根据所述修正系数修正每个候选对象的第一匹配系数S具体为确定目标候选对象对应的第一匹配系数S和转移份额，根据所述第一匹配系数、修正系数和目标候选对象的转移份额确定目标候选对象的第二匹配系数T。所述确定第二匹配系数T的公式为T＝S×Rc，其中，T为所述第二匹配系数，S为所述第一匹配系数，R为所述目标候选对象的转移份额，c为所述修正系数。再根据每个候选对象对应的第二匹配系数S对所述候选对象进行排序，得到并输出按照所述用户对价格的偏好进行排序的检索结果。根据第二匹配系数的表征方式不同，所述排序过程不同，例如当所述第二匹配系数越大表示越匹配时，将所述候选对象按照对应的第二匹配系数从大到小的顺序进行排序。当所述第二匹配系数越小表示越匹配时，将所述候选对象按照对应的第二匹配系数从小到大的顺序进行排序。
图3为本发明实施例的检索装置示意图，如图3所示，所述检索装置包括数据获取模块30、第一计算模块31、检索模块32、第二计算模块33和排序模块34。
具体地，所述数据获取模块30用于接收来自用户终端的检索请求，基于所述检索请求获取检索词。所述第一计算模块31用于根据所述检索词确定第一信息，所述第一信息用于表征本次检索预期发生的转移份额。所述检索模块32用于根据所述检索词确定各候选对象的第一匹配系数。所述第二计算模块33用于根据所述第一信息确定修正系数，基于所述修正系数对各候选对象的第一匹配系数进行修正确定第二匹配系数。所述排序模块34用于根据所述第二匹配系数对所述候选对象进行排序并向所述用户终端输出检索结果。
所述装置可以根据用户的历史转移份额对本次转移份额进行预估，进而确定修正系数并根据修正系数对每个检索结果的匹配度进行修正，最终对检索结果根据所述匹配度进行排序。使得检索结果能够更好的和用户的价格偏好匹配，提升信息检索的准确率。
图4为本发明实施例的电子设备示意图，如图4所示，在本实施例中，所述电子设备包括服务器、终端等。如图所示，所述电子设备包括：至少一个处理器42；与至少一个处理器通信连接的存储器41；以及与存储介质通信连接的通信组件43，所述通信组件43在处理器的控制下接收和发送数据；其中，存储器41存储有可被至少一个处理器42执行的指令，指令被至少一个处理器42执行以实现如下所述的步骤：
接收来自用户终端的检索请求，基于所述检索请求获取检索词和所述用户的属性信息；
根据所述检索词和属性信息确定第一信息，所述第一信息用于表征本次检索预期发生的转移份额；
根据所述检索词确定各候选对象的第一匹配系数；
根据所述第一信息确定修正系数，基于所述修正系数对各候选对象的第一匹配系数进行修正确定第二匹配系数；
根据所述第二匹配系数对所述候选对象进行排序并向所述用户终端输出检索结果。
进一步地，所述根据所述检索词和属性信息确定第一信息具体为：
将所述检索词输入预测模型以确定第一信息，所述预测模型根据所述用户的历史检索词和历史行为数据预先训练得到。
进一步地，所述根据所述检索词确定第一信息包括：
获取所述用户的属性信息；
根据所述检索词和所述属性信息确定第一信息。
进一步地，所述根据所述检索词和所述属性信息确定第一信息具体为：
将所述属性信息和检索词输入预测模型以确定第一信息，所述预测模型根据全网用户的历史检索词和历史行为数据预先训练得到。
进一步地，所述根据所述第一信息确定修正系数包括：
根据所述第一信息和第二信息确定所述修正系数，其中，所述第二信息用于表征候选对象集合的转移份额状态，所述候选对象集合包括多个候选对象。
进一步地，所述根据所述第一信息确定修正系数还包括：
确定每个候选对象对应的转移份额；
根据所述各候选对象对应的转移份额确定第二信息。
进一步地，所述根据所述各候选对象对应的转移份额确定第二信息具体为：
计算所述候选对象集合中的候选对象对应的转移份额的平均值以确定所述第二信息。
进一步地，所述根据所述第一信息和第二信息确定所述修正系数具体为：
计算所述第一信息和第二信息的商以确定所述修正系数。
进一步地，所述基于所述修正系数对各候选对象的第一匹配系数进行修正确定第二匹配系数包括：
确定每个目标候选对象对应的第一匹配系数和转移份额；
根据所述第一匹配系数、修正系数和目标候选对象的转移份额确定目标候选对象的第二匹配系数。
进一步地，所述确定第二匹配系数的公式为T＝S×Rc，其中，T为所述第二匹配系数，S为所述第一匹配系数，R为所述目标候选对象的转移份额，c为所述修正系数。
进一步地，所述根据所述第一信息确定修正系数还包括：
确定每个候选对象对应的转移份额；
根据所述第一信息和各候选对象对应的转移份额确定各候选对象对应的修正系数。
进一步地，所述基于所述修正系数对各候选对象的第一匹配系数进行修正确定第二匹配系数还包括：
确定目标候选对象对应的第一匹配系数和修正系数；
计算所述目标候选对象的第一匹配系数和修正系数的乘积以确定所述目标候选对象的第二匹配系数。
具体地，所述存储器41作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器42通过运行存储在存储器中的非易失性软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述检索方法。
存储器41可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储选项列表等。此外，存储器41可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器41可选包括相对于处理器42远程设置的存储器，这些远程存储器可以通过网络连接至外接设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器41中，当被一个或者多个处理器42执行时，执行上述任意方法实施例中的检索方法。
上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果，未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。
本发明还涉及一种计算机可读存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行上述部分或全部的方法实施例。
即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(proceSSor)执行本申请各实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random AcceSS Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (24)

1.一种检索方法，其特征在于，所述方法包括：
接收来自用户终端的检索请求，基于所述检索请求获取检索词；
根据所述检索词确定第一信息，所述第一信息用于表征本次检索预期发生的转移份额，所述转移份额为用户每通过一次检索完成操作时所消耗或增长的数值；
根据所述检索词确定各候选对象的第一匹配系数；
根据所述第一信息和第二信息确定修正系数，基于所述修正系数对各候选对象的第一匹配系数进行修正确定第二匹配系数，其中，所述第二信息用于表征候选对象集合的转移份额状态，所述候选对象集合包括多个候选对象；
根据所述第二匹配系数对所述候选对象进行排序并向所述用户终端输出检索结果。
2.根据权利要求1所述的方法，其特征在于，所述根据所述检索词确定第一信息具体为：
将所述检索词输入预测模型以确定第一信息，所述预测模型根据所述用户的历史检索词和历史行为数据预先训练得到。
3.根据权利要求1所述的方法，其特征在于，所述根据所述检索词确定第一信息包括：
获取所述用户的属性信息；
根据所述检索词和所述属性信息确定第一信息。
4.根据权利要求3所述的方法，其特征在于，所述根据所述检索词和所述属性信息确定第一信息具体为：
将所述属性信息和检索词输入预测模型以确定第一信息，所述预测模型根据全网用户的历史检索词和历史行为数据预先训练得到。
5.根据权利要求1所述的方法，其特征在于，所述根据所述第一信息和第二信息确定修正系数还包括：
确定每个候选对象对应的转移份额；
根据所述各候选对象对应的转移份额确定第二信息。
6.根据权利要求5所述的方法，其特征在于，所述根据所述各候选对象对应的转移份额确定第二信息具体为：
计算所述候选对象集合中的候选对象对应的转移份额的平均值以确定所述第二信息。
7.根据权利要求1所述的方法，其特征在于，所述根据所述第一信息和第二信息确定所述修正系数具体为：
计算所述第一信息和第二信息的商以确定所述修正系数。
8.根据权利要求1所述的方法，其特征在于，所述基于所述修正系数对各候选对象的第一匹配系数进行修正确定第二匹配系数包括：
确定目标候选对象对应的第一匹配系数和转移份额；
根据所述第一匹配系数、修正系数和目标候选对象的转移份额确定目标候选对象的第二匹配系数。
9.根据权利要求8所述的方法，其特征在于，所述确定第二匹配系数的公式为T＝S×Rc，其中，T为所述第二匹配系数，S为所述第一匹配系数，R为所述目标候选对象的转移份额，c为所述修正系数。
10.根据权利要求1所述的方法，其特征在于，所述根据所述第一信息和第二信息确定修正系数还包括：
确定每个候选对象对应的转移份额；
根据所述第一信息和各候选对象对应的转移份额确定各候选对象对应的修正系数。
11.根据权利要求10所述的方法，其特征在于，所述基于所述修正系数对各候选对象的第一匹配系数进行修正确定第二匹配系数还包括：
确定目标候选对象对应的第一匹配系数和修正系数；
计算所述目标候选对象的第一匹配系数和修正系数的乘积以确定所述目标候选对象的第二匹配系数。
12.一种检索装置，其特征在于，所述装置包括：
数据获取模块，用于接收来自用户终端的检索请求，基于所述检索请求获取检索词；
第一计算模块，用于根据所述检索词确定第一信息，所述第一信息用于表征本次检索预期发生的转移份额，所述转移份额为用户每通过一次检索完成操作时所消耗或增长的数值；
检索模块，用于根据所述检索词确定各候选对象的第一匹配系数；
第二计算模块，用于根据所述第一信息和第二信息确定修正系数，基于所述修正系数对各候选对象的第一匹配系数进行修正确定第二匹配系数，其中，所述第二信息用于表征候选对象集合的转移份额状态，所述候选对象集合包括多个候选对象；
排序模块，用于根据所述第二匹配系数对所述候选对象进行排序并向所述用户终端输出检索结果。
13.一种计算机可读存储介质，用于存储计算机程序指令，其特征在于，所述计算机程序指令在被处理器执行时实现如权利要求1-11中任一项所述的方法。
14.一种电子设备，包括存储器和处理器，其特征在于，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下所述步骤：
接收来自用户终端的检索请求，基于所述检索请求获取检索词；
根据所述检索词确定第一信息，所述第一信息用于表征本次检索预期发生的转移份额，所述转移份额为用户每通过一次检索完成操作时所消耗或增长的数值；
根据所述检索词确定各候选对象的第一匹配系数；
根据所述第一信息和第二信息确定修正系数，基于所述修正系数对各候选对象的第一匹配系数进行修正确定第二匹配系数，其中，所述第二信息用于表征候选对象集合的转移份额状态，所述候选对象集合包括多个候选对象；
根据所述第二匹配系数对所述候选对象进行排序并向所述用户终端输出检索结果。
15.根据权利要求14所述的电子设备，其特征在于，所述根据所述检索词确定第一信息具体为：
将所述检索词输入预测模型以确定第一信息，所述预测模型根据所述用户的历史检索词和历史行为数据预先训练得到。
16.根据权利要求14所述的电子设备，其特征在于，所述根据所述检索词确定第一信息包括：
获取所述用户的属性信息；
根据所述检索词和所述属性信息确定第一信息。
17.根据权利要求16所述的电子设备，其特征在于，所述根据所述检索词和所述属性信息确定第一信息具体为：
将所述属性信息和检索词输入预测模型以确定第一信息，所述预测模型根据全网用户的历史检索词和历史行为数据预先训练得到。
18.根据权利要求14所述的电子设备，其特征在于，所述根据所述第一信息和第二信息确定修正系数还包括：
确定每个候选对象对应的转移份额；
根据所述各候选对象对应的转移份额确定第二信息。
19.根据权利要求18所述的电子设备，其特征在于，所述根据所述各候选对象对应的转移份额确定第二信息具体为：
计算所述候选对象集合中的候选对象对应的转移份额的平均值以确定所述第二信息。
20.根据权利要求14所述的电子设备，其特征在于，所述根据所述第一信息和第二信息确定所述修正系数具体为：
计算所述第一信息和第二信息的商以确定所述修正系数。
21.根据权利要求14所述的电子设备，其特征在于，所述基于所述修正系数对各候选对象的第一匹配系数进行修正确定第二匹配系数包括：
确定每个目标候选对象对应的第一匹配系数和转移份额；
根据所述第一匹配系数、修正系数和目标候选对象的转移份额确定目标候选对象的第二匹配系数。
22.根据权利要求21所述的电子设备，其特征在于，所述确定第二匹配系数的公式为T＝S×Rc，其中，T为所述第二匹配系数，S为所述第一匹配系数，R为所述目标候选对象的转移份额，c为所述修正系数。
23.根据权利要求14所述的电子设备，其特征在于，所述根据所述第一信息和第二信息确定修正系数还包括：
确定每个候选对象对应的转移份额；
根据所述第一信息和各候选对象对应的转移份额确定各候选对象对应的修正系数。
24.根据权利要求23所述的电子设备，其特征在于，所述基于所述修正系数对各候选对象的第一匹配系数进行修正确定第二匹配系数还包括：
确定目标候选对象对应的第一匹配系数和修正系数；
计算所述目标候选对象的第一匹配系数和修正系数的乘积以确定所述目标候选对象的第二匹配系数。
CN201910675103.0A 2019-07-25 2019-07-25 检索方法、装置、可读存储介质和电子设备 Active CN110377830B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910675103.0A CN110377830B (zh) 2019-07-25 2019-07-25 检索方法、装置、可读存储介质和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910675103.0A CN110377830B (zh) 2019-07-25 2019-07-25 检索方法、装置、可读存储介质和电子设备

Publications (2)

Publication Number Publication Date
CN110377830A CN110377830A (zh) 2019-10-25
CN110377830B true CN110377830B (zh) 2022-03-29

Family

ID=68255870

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910675103.0A Active CN110377830B (zh) 2019-07-25 2019-07-25 检索方法、装置、可读存储介质和电子设备

Country Status (1)

Country Link
CN (1) CN110377830B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113192584B (zh) * 2021-03-30 2023-04-07 深圳市圣格灵科技有限公司 一种远程病案查阅系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104699725A (zh) * 2013-12-10 2015-06-10 阿里巴巴集团控股有限公司 数据搜索处理方法及系统
CN104866474A (zh) * 2014-02-20 2015-08-26 阿里巴巴集团控股有限公司 个性化数据搜索方法及装置
CN106096026A (zh) * 2016-06-24 2016-11-09 武汉合创源科技有限公司 一种商品搜索方法及系统
CN107066549A (zh) * 2017-03-22 2017-08-18 深圳市恒捷供应链有限公司 一种搜索匹配方法、装置及系统
CN108255954A (zh) * 2017-12-20 2018-07-06 广州优视网络科技有限公司 应用检索方法、装置、存储介质以及终端
CN109446403A (zh) * 2017-08-31 2019-03-08 耀方信息技术(上海)有限公司 商品搜索匹配方法及系统

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7814112B2 (en) * 2006-06-09 2010-10-12 Ebay Inc. Determining relevancy and desirability of terms
CN103793388B (zh) * 2012-10-29 2017-08-25 阿里巴巴集团控股有限公司 搜索结果的排序方法和装置
US20140372203A1 (en) * 2013-06-14 2014-12-18 Microsoft Corporation Quality-weighted second-price auctions for advertisements
CN106484695B (zh) * 2015-08-25 2020-10-13 阿里巴巴集团控股有限公司 一种用于检索的方法与设备
US20170193542A1 (en) * 2015-12-31 2017-07-06 Wal-Mart Stores, Inc. System, method, and non-transitory computer-readable storage media for evaluating search results in a price comparison system
CN107153656B (zh) * 2016-03-03 2020-12-01 阿里巴巴集团控股有限公司 一种信息搜索方法和装置
CN108268506A (zh) * 2016-12-30 2018-07-10 百度在线网络技术（北京）有限公司 一种推广信息的处理方法、装置、终端及计算机可读存储介质
US20180276729A1 (en) * 2017-03-27 2018-09-27 Liberation Distribution, Inc. System and method for distribution of a regulated product
CN109189904A (zh) * 2018-08-10 2019-01-11 上海中彦信息科技股份有限公司 个性化搜索方法及系统
CN109657044A (zh) * 2018-12-14 2019-04-19 北京向上心科技有限公司 数据检索方法、数据排序方法、装置、终端以及存储介质
CN109635198B (zh) * 2018-12-17 2020-09-29 杭州柚子街信息科技有限公司 在商品展示平台上呈现用户搜索结果的方法、装置、介质及电子设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104699725A (zh) * 2013-12-10 2015-06-10 阿里巴巴集团控股有限公司 数据搜索处理方法及系统
CN104866474A (zh) * 2014-02-20 2015-08-26 阿里巴巴集团控股有限公司 个性化数据搜索方法及装置
CN106096026A (zh) * 2016-06-24 2016-11-09 武汉合创源科技有限公司 一种商品搜索方法及系统
CN107066549A (zh) * 2017-03-22 2017-08-18 深圳市恒捷供应链有限公司 一种搜索匹配方法、装置及系统
CN109446403A (zh) * 2017-08-31 2019-03-08 耀方信息技术(上海)有限公司 商品搜索匹配方法及系统
CN108255954A (zh) * 2017-12-20 2018-07-06 广州优视网络科技有限公司 应用检索方法、装置、存储介质以及终端

Also Published As

Publication number Publication date
CN110377830A (zh) 2019-10-25

Similar Documents

Publication Publication Date Title
CN108960719B (zh) 选品方法和装置以及计算机可读存储介质
CN104077306B (zh) 一种搜索引擎的结果排序方法及系统
CN105574025B (zh) 用于计算排序分及建立模型的方法、装置及商品推荐系统
WO2017121251A1 (zh) 一种信息推送方法及装置
CN108320171A (zh) 热销商品预测方法、系统及装置
CN110647696B (zh) 一种业务对象的排序方法及装置
CN110264291B (zh) 信息推荐方法和装置
CN103778235A (zh) 一种处理商品评价信息的方法和装置
JP2009529719A (ja) 顧客購買行動分析に基づく知能化された商品検索方法及びシステム
CN110532351A (zh) 推荐词展示方法、装置、设备及计算机可读存储介质
KR20170118297A (ko) 기상 정보에 기반한 상품 추천 방법
CN111259272B (zh) 搜索结果排序方法及装置
CN111340566B (zh) 一种商品分类方法、装置、电子设备及存储介质
CN105468628B (zh) 一种排序方法及装置
CN110852818A (zh) 商品排序方法、装置和计算机可读存储介质
CN113254810B (zh) 搜索结果输出方法、装置、计算机设备及可读存储介质
CN110956303A (zh) 信息预测方法、装置、终端及可读存储介质
CN110377830B (zh) 检索方法、装置、可读存储介质和电子设备
CN113919895A (zh) 排序方法、装置、设备和存储介质
CN110111186A (zh) 信息处理方法、装置、电子设备及计算机可读存储介质
KR101637986B1 (ko) 최적 상품 제공 시스템 및 그 방법
CN111831892A (zh) 信息推荐方法、信息推荐装置、服务器及存储介质
CN108647986A (zh) 一种目标用户确定方法、装置及电子设备
JP7082014B2 (ja) 情報処理装置、情報処理方法、及びプログラム
CN116383458A (zh) 信息推送的方法及装置

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