CN110569433B - 搜索结果过滤器的构建方法、装置、电子设备及存储介质 - Google Patents
搜索结果过滤器的构建方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110569433B CN110569433B CN201910770071.2A CN201910770071A CN110569433B CN 110569433 B CN110569433 B CN 110569433B CN 201910770071 A CN201910770071 A CN 201910770071A CN 110569433 B CN110569433 B CN 110569433B
- Authority
- CN
- China
- Prior art keywords
- user
- search
- activity
- filter
- current environment
- 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
- 238000010276 construction Methods 0.000 title claims description 10
- 238000000034 method Methods 0.000 claims abstract description 74
- 238000001914 filtration Methods 0.000 claims abstract description 52
- 230000000694 effects Effects 0.000 claims description 205
- 230000007613 environmental effect Effects 0.000 claims description 57
- 238000012216 screening Methods 0.000 abstract description 15
- 230000000875 corresponding effect Effects 0.000 description 45
- 230000008569 process Effects 0.000 description 17
- 244000068988 Glycine max Species 0.000 description 15
- 235000010469 Glycine max Nutrition 0.000 description 15
- 230000006870 function Effects 0.000 description 13
- 230000008901 benefit Effects 0.000 description 8
- 239000011435 rock Substances 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 241001672694 Citrus reticulata Species 0.000 description 5
- 241000220223 Fragaria Species 0.000 description 5
- 235000016623 Fragaria vesca Nutrition 0.000 description 5
- 235000011363 Fragaria x ananassa Nutrition 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 235000014443 Pyrus communis Nutrition 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- QCHFTSOMWOSFHM-WPRPVWTQSA-N (+)-Pilocarpine Chemical compound C1OC(=O)[C@@H](CC)[C@H]1CC1=CN=CN1C QCHFTSOMWOSFHM-WPRPVWTQSA-N 0.000 description 1
- QCHFTSOMWOSFHM-UHFFFAOYSA-N SJ000285536 Natural products C1OC(=O)C(CC)C1CC1=CN=CN1C QCHFTSOMWOSFHM-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 235000021110 pickles Nutrition 0.000 description 1
- 229960001416 pilocarpine Drugs 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种搜索结果过滤器的构建方法、装置、电子设备及存储介质，所述方法包括：获取用户的搜索关键词；生成针对该用户的搜索关键词的过滤标签；基于所述过滤标签，为该用户构建相应的过滤器。本公开实施例能够提高筛选搜索结果的精准度。
Description
技术领域
本公开涉及信息筛选领域，具体涉及一种搜索结果过滤器的构建方法、装置、电子设备及存储介质。
背景技术
在互联网的使用中，用户常常采用搜索关键词这一手段完成对信息的查询、获取。由于互联网信息量过于庞大，通过搜索关键词所得到的搜索结果除了包含用户想要获取的信息外，往往还会包含众多其它信息。当用户无法从搜索结果中直接找到自己想要获取的信息时，常常会使用过滤器对搜索结果进行进一步的筛选，从而缩小搜索结果的范围。
现有技术中，用于筛选搜索结果的过滤器对于每一个用户都是相同、固定的。这种情况下，用户即使使用过滤器，也无法对搜索结果进行足够精准的筛选，用户仍然需要花费大量时间对筛选后的搜索结果进行查找。
发明内容
本公开的一个目的在于提出一种搜索结果过滤器的构建方法、装置、电子设备及存储介质，以提高筛选搜索结果的精准度。
根据本公开实施例的一方面，公开了一种搜索结果过滤器的构建方法，所述方法包括：
获取用户的搜索关键词；
生成针对该用户的搜索关键词的过滤标签；
基于所述过滤标签，为该用户构建相应的过滤器。
根据本公开的一示例性实施例，在所述生成针对该用户的搜索关键词的过滤标签之前，包括：
获取该用户的历史活动记录。
根据本公开的一示例性实施例，所述生成针对该用户的搜索关键词的过滤标签，包括：
针对该用户的历史活动记录进行分类，确定该用户在各个活动范围内的活动频率；
基于该用户在各个活动范围内的活动频率，确定该用户的搜索倾向；
基于该用户的搜索倾向，生成针对该用户的搜索关键词的过滤标签。
根据本公开的一示例性实施例，在所述生成针对该用户的搜索关键词的过滤标签之前，包括：
获取当前环境中与该用户的搜索关键词有关的环境活动记录。
根据本公开的一示例性实施例，所述生成针对该用户的搜索关键词的过滤标签，包括：
基于所述有关的环境活动记录，确定针对该用户的搜索关键词、当前环境中各个活动范围的活动频率；
基于所述当前环境中各个活动范围的活动频率，确定针对该用户的搜索关键词当前环境的搜索倾向；
基于针对该用户的搜索关键词当前环境的搜索倾向，生成针对该用户的搜索关键词的过滤标签。
根据本公开的一示例性实施例，在所述生成针对该用户的搜索关键词的过滤标签之前，包括：
将该用户的搜索关键词，于当前环境中进行预搜索，得到各条预搜索结果。
根据本公开的一示例性实施例，所述生成针对该用户的搜索关键词的过滤标签，包括：
获取每一条预搜索结果在对应活动范围内的点击量；
基于所述每一条预搜索结果在对应活动范围内的点击量，确定针对该用户的搜索关键词、当前环境中各个活动范围的活动频率；
基于所述当前环境中各个活动范围的活动频率，确定针对该用户的搜索关键词当前环境的搜索倾向；
基于针对该用户的搜索关键词当前环境的搜索倾向，生成针对该用户的搜索关键词的过滤标签。
根据本公开的一示例性实施例，在所述生成针对该用户的搜索关键词的过滤标签之前，包括：
获取该用户的历史活动记录；
获取当前环境中与该用户的搜索关键词有关的环境活动记录。
根据本公开的一示例性实施例，所述生成针对该用户的搜索关键词的过滤标签，包括：
针对该用户的历史活动记录进行分类，确定该用户在各个活动范围内的活动频率；
基于所述有关的环境活动记录，确定针对该用户的搜索关键词当前环境中各个活动范围的活动频率；
基于该用户在各个活动范围内的活动频率、所述当前环境中各个活动范围的活动频率，确定当前环境下针对该搜索关键词该用户的搜索倾向；
基于当前环境下针对该搜索关键词该用户的搜索倾向，生成针对该用户的搜索关键词的过滤标签。
根据本公开实施例的一方面，公开了一种搜索结果过滤器的构建装置，所述装置包括：
获取模块，用于获取用户的搜索关键词；
过滤标签生成模块，用于生成针对该用户的搜索关键词的过滤标签；
构建模块，用于基于所述过滤标签，为该用户构建相应的过滤器。
根据本公开实施例的一方面，公开了一种搜索结果过滤器的构建电子设备，包括：存储器，存储有计算机可读指令；处理器，读取存储器存储的计算机可读指令，以执行如上所述的方法。
根据本公开实施例的一方面，公开了一种计算机可读存储介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行如上所述的方法。
与现有技术中对每一个用户构建的过滤器均是相同、固定的相比，本公开实施例为所有用户应用同一算法：针对用户的搜索关键词构建相应的过滤器，从而动态地为每一个用户构建出对应的过滤器，使得过滤器能够更契合对应用户对搜索结果的筛选需求，从而使得对应用户能够通过过滤器对搜索结果进行更为精准的筛选。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
通过参考附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。
图1示出了根据本公开一个实施例的搜索结果过滤器的构建方法的体系构架图。
图2A-2D示出了根据本公开一个实施例的搜索结果过滤器的构建方法在技术侧的构架图。
图3示出了根据本公开一个实施例的搜索结果过滤器的构建方法的流程图。
图4示出了根据本公开一个实施例的搜索结果过滤器的构建方法的流程图。
图5示出了根据本公开一个实施例的搜索结果过滤器的构建方法的流程图。
图6示出了根据本公开一个实施例的搜索结果过滤器的构建方法的流程图。
图7示出了根据本公开一个实施例的搜索结果过滤器的构建方法的流程图。
图8A、8B示出了根据本公开一个实施例的分别在构建前、构建后的搜索结果过滤器。
图9示出了根据本公开一个实施例的搜索结果过滤器的构建装置的模块图。
图10示出了根据本公开一个实施例的搜索结果过滤器的构建电子设备的硬件结构图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些示例实施方式使得本公开的描述将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多示例实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的示例实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、步骤等。在其它情况下，不详细示出或描述公知结构、方法、实现或者操作以避免喧宾夺主而使得本公开的各方面变得模糊。
附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
下面首先参考图1描述在一实施例中本公开应用的体系构架。
如图1所示：本公开一实施例中，涉及的实体包括服务器10、用户端20，其中，服务器10为搜索结果过滤器的构建方法的执行主体。服务器10接收到用户端20发送的搜索关键词后，为该用户构建相应的过滤器。用户端20接收到过滤器后，选择过滤器中的过滤标签。服务器10接收到用户端20发送的过滤标签后，为该用户筛选搜索结果，并将筛选后的搜索结果返回给用户端20。
需要说明的是，该实施例只是示例性的说明，目的在于展示出具体应用中本公开所涉及实体间大致的交互过程，并不代表本公开只能以上述过程执行，不应对本公开功能和范围造成限制。
下面参考图2A-2D描述本公开一实施例技术侧的构架。
如图2A所示，本公开一实施例中，构建过滤器时，根据用户自身的因素——用户倾向、当前环境的因素——当前环境倾向、预搜索的表现——预搜索结果倾向，这三方面进行考虑，进而构建出对应的过滤器。
如图2B所示，本公开一实施例中，为用户构建用于筛选视频的过滤器时，根据用户历史观看记录构建对应的过滤器。具体地，可以根据用户历史观看记录分析出用户观看视频的倾向，进而为该用户构建出对应的过滤器。
如图2C所示，本公开一实施例中，为用户构建用于筛选视频的过滤器时，根据当前频道的热播剧集的集合、近似频道的热播剧集的集合，构建对应的过滤器。具体地，可以根据用户所在当前频道的播放量前100的剧集、用户所在当前频道的转化率（即，播放量除以推广量得到的比值）前100的剧集、用户所在当前频道的相似频道的播放量前100的剧集、用户所在当前频道的相似频道的转化率前100的剧集，分析出当前环境倾向，进而为该用户构建出对应的过滤器。
如图2D所示，本公开一实施例中，构建过滤器时，根据预搜索结果各个方面的固有属性，构建对应的过滤器。具体地，可以根据预搜索结果中转化率前100的每个剧集的演员属性、主题属性、频道属性、播放电视台、地区、语言，分析出预搜索结果倾向，进而为该用户构建出对应的过滤器。
需要说明的是，该实施例并不代表本公开只能为用户筛选视频而构建相应的过滤器。该实施例只是以用户筛选视频这一具体应用场景为例进行的示例性说明，不应对本公开的功能和范围造成限制。
下面对本公开实施例的具体实施过程进行详细描述。
本公开实施例的执行主体为图1所示的服务器10，如图3所示，一种搜索结果过滤器的构建方法，包括：
步骤310、获取用户的搜索关键词；
步骤320、生成针对该用户的搜索关键词的过滤标签；
步骤330、基于所述过滤标签，为该用户构建相应的过滤器。
本公开实施例中，针对用户以及该用户的搜索关键词，生成针对该用户的搜索关键词的过滤标签，进而为该用户构建相应的用于筛选搜索结果的过滤器。通过这种方法，使得构建出的过滤器能够为对应用户提供更为个性化的、精准的筛选服务。
下面描述基于用户的历史活动记录，生成针对该用户的搜索关键词的过滤标签的详细过程。
在一实施例中，服务器响应于用户的搜索请求，获取用户的搜索关键词。基于该用户的历史活动记录，生成针对该用户的搜索关键词的过滤标签，进而能够基于所述过滤标签，为该用户构建相应的过滤器。
该实施例的优点在于，基于用户的历史活动记录，使得在此基础上构建的过滤器有更大可能满足该用户对搜索结果的筛选需求，对该用户更具有针对性。
在一实施例中，如图4所示，在所述生成针对该用户的搜索关键词的过滤标签之前，包括：
步骤315、获取该用户的历史活动记录。
该实施例中，服务器基于该用户的历史活动记录，生成针对该用户的搜索关键词的过滤标签，进而基于所述过滤标签，为该用户构建相应的过滤器。因此，在生成过滤标签之前，服务器需要先获取该用户的历史活动记录。
在一实施例中，所述获取该用户的历史活动记录，包括：
从历史活动记录数据库中，获取预定时间段内该用户的历史活动记录。
该实施例中，每个用户的历史活动记录都会被存储在历史活动记录数据库中。服务器预先设定待获取的历史活动记录的时间段，在生成针对该用户的搜索关键词的过滤标签之前，从历史活动记录数据库中，获取该预定时间段内该用户的历史活动记录。
例如：预先设定的时间段为触发获取用户的历史活动记录的时间点前一个月内。当前时间点，服务器触发获取用户A的历史活动记录，则服务器从历史活动记录数据库中，获取当前时间点前一个月内用户A的历史活动记录。
需要说明的是，该实施例只是示例性的说明，不应对本公开的功能和范围造成限制。
在一实施例中，如图4所示，所述生成针对该用户的搜索关键词的过滤标签，包括：
步骤3201、针对该用户的历史活动记录进行分类，确定该用户在各个活动范围内的活动频率；
步骤3202、基于该用户在各个活动范围内的活动频率，确定该用户的搜索倾向；
步骤3203、基于该用户的搜索倾向，生成针对该用户的搜索关键词的过滤标签。
用户的搜索倾向表征了用户在进行搜索时，更偏向于搜索哪一类的信息。
该实施例中，获取到该用户的历史活动记录后，针对其历史活动记录进行分类，确定该用户在各个活动范围内的活动频率，进而确定该用户的搜索倾向，进而生成针对该用户的搜索关键词的过滤标签。
例如：获取到用户A在当前时间点前一个月内的历史活动记录后，对该历史活动记录进行分类，确定得知用户A在这一个月内：浏览科普类视频35次，浏览奇幻动漫类视频25次，浏览摇滚音乐类视频20次。通过用户A在这一个月内在各个活动范围内的活动频率，确定用户A搜索科普类视频的倾向大于搜索奇幻动漫类视频的倾向，搜索奇幻动漫类视频的倾向大于搜索摇滚音乐类视频的倾向。进而在此基础上，生成针对用户A的搜索关键词的过滤标签。
需要说明的是，该实施例只是示例性的说明，不应对本公开的功能和范围造成限制。
在一实施例中，所述基于该用户的搜索倾向，生成针对该用户的搜索关键词的过滤标签，包括：
将该用户最高的搜索倾向，确定为针对该用户的搜索关键词的过滤标签。
例如：用户A搜索科普类视频的倾向大于搜索奇幻动漫类视频的倾向，搜索奇幻动漫类视频的倾向大于搜索摇滚音乐类视频的倾向，则将“科普”确定为针对用户A的搜索关键词的过滤标签。
该实施例的优点在于，将最高的搜索倾向确定为针对该用户的搜索关键词的过滤标签，提高了用户使用过滤器对搜索结果进行筛选的精准度。
需要说明的是，该实施例只是示例性的说明，不应对本公开的功能和范围造成限制。
在一实施例中，所述基于该用户的搜索倾向，生成针对该用户的搜索关键词的过滤标签，包括：
将按照从高到低的顺序、排名在前预定数目个的该用户的搜索倾向，确定为针对该用户的搜索关键词的过滤标签。
例如：预定数目为2。用户A搜索科普类视频的倾向大于搜索奇幻动漫类视频的倾向，搜索奇幻动漫类视频的倾向大于搜索摇滚音乐类视频的倾向，则将“科普”以及“奇幻”确定为针对用户A的搜索关键词的过滤标签。
该实施例的优点在于，提高了用户使用过滤器对搜索结果进行筛选的精准度与灵活度。
需要说明的是，该实施例只是示例性的说明，不应对本公开的功能和范围造成限制。
下面描述基于当前环境中与该用户的搜索关键词有关的环境活动记录，生成针对该用户的搜索关键词的过滤标签的详细过程。
与该用户的搜索关键词有关的环境活动记录是指当前环境中所有有关该搜索关键词的活动记录。例如：该用户的搜索关键词为“草莓”，则当前环境中无论是与“草莓”相关的新闻有关的活动记录、与“草莓”相关的动漫有关的活动记录、还是与“草莓”相关的美食视频有关的活动记录，均为与“草莓”有关的环境活动记录。
在一实施例中，服务器响应于用户的搜索请求，获取用户的搜索关键词。基于当前环境中与该用户的搜索关键词有关的环境活动记录，生成针对该用户的搜索关键词的过滤标签，进而能够基于所述过滤标签，为该用户构建相应的过滤器。
该实施例的优点在于，基于当前环境与该用户的搜索关键词有关的环境活动记录，使得在此基础上构建的过滤器更符合大众趋势，从而提高用户筛选搜索结果的精准度。
在一实施例中，如图5所示，在所述生成针对该用户的搜索关键词的过滤标签之前，包括：
步骤315’、获取当前环境中与该用户的搜索关键词有关的环境活动记录。
该实施例中，服务器基于当前环境中与该用户的搜索关键词有关的环境活动记录，生成针对该用户的搜索关键词的过滤标签，进而基于所述过滤标签，为该用户构建相应的过滤器。因此，在生成过滤标签之前，服务器需要先获取当前环境中与该用户的搜索关键词有关的环境活动记录。
在一实施例中，所述获取当前环境中与该用户的搜索关键词有关的环境活动记录，包括：
从环境活动记录数据库中，获取预定时间段内、当前环境中与该用户的搜索关键词有关的环境活动记录。
该实施例中，当前环境中的环境活动记录会被存储在环境活动记录数据库中。服务器预先设定待获取的环境活动记录的时间段，在生成针对该用户的搜索关键词的过滤标签之前，从环境活动记录数据库中，获取该预定时间段内、当前环境中与该用户的搜索关键词有关的环境活动记录。
例如：预先设定的时间段为触发获取当前环境中与该用户的搜索关键词有关的环境活动记录的时间点前一个月内。当前时间点，服务器触发获取当前环境中与用户A的搜索关键词——“大豆”有关的环境活动记录，则服务器从历史活动记录数据库中，获取当前时间点前一个月内当前环境内所有有关“大豆”的环境活动记录。
需要说明的是，该实施例只是示例性的说明，不应对本公开的功能和范围造成限制。
在一实施例中，存储着当前环境中的环境活动记录的环境活动记录数据库与存储着每一用户的历史活动记录的历史活动记录数据库为同一数据库。
在一实施例中，如图5所示，所述生成针对该用户的搜索关键词的过滤标签，包括：
步骤3201’、基于所述有关的环境活动记录，确定针对该用户的搜索关键词、当前环境中各个活动范围的活动频率；
步骤3202’、基于所述当前环境中各个活动范围的活动频率，确定针对该用户的搜索关键词当前环境的搜索倾向；
步骤3203’、基于针对该用户的搜索关键词当前环境的搜索倾向，生成针对该用户的搜索关键词的过滤标签。
针对该用户搜索关键词当前环境的搜索倾向表征了当前环境中所有用户在对该搜索关键词进行搜索时，更偏向于搜索哪一类的信息。
该实施例中，获取到当前环境中与该用户的搜索关键词有关的环境活动记录后，确定针对该用户的搜索关键词、当前环境中各个活动范围的活动频率，进而确定针对该用户的搜索关键词的搜索倾向，进而生成针对该用户的搜索关键词的过滤标签。
例如：获取到当前时间点前一个月内、当前环境中与用户A的搜索关键词——“大豆”有关的环境活动记录后，确定当前环境中与“大豆”有关的环境活动记录中：1500次为糕点教学类视频、1000次为期货分析类视频、500次为科普类视频。通过在这一个月内当前环境中有关“大豆”的各个活动范围的活动频率，确定针对用户A的搜索关键词——“大豆”、当前环境搜索糕点教学类视频的倾向大于搜索期货分析类视频的倾向，搜索期货分析类视频的倾向大于搜索科普类视频的倾向。进而在此基础上，生成针对用户A的搜索关键词的过滤标签。
需要说明的是，该实施例只是示例性的说明，不应对本公开的功能和范围造成限制。
在一实施例中，所述基于该用户的搜索倾向，生成针对该用户的搜索关键词的过滤标签，包括：
将针对该用户的搜索关键词当前环境中最高的搜索倾向，确定为针对该用户的搜索关键词的过滤标签。
显而易见，该实施例的具体实施过程与上述基于用户历史活动记录的相应具体实施过程同理，故在此不再赘述。
在一实施例中，所述基于该用户的搜索倾向，生成针对该用户的搜索关键词的过滤标签，包括：
将按照从高到低的顺序、排名在前预定数目个的针对该用户的搜索关键词当前环境中的搜索倾向，确定为针对该用户的搜索关键词的过滤标签。
显而易见，该实施例的具体实施过程与上述基于用户历史活动记录的相应具体实施过程同理，故在此不再赘述。
下面描述基于预搜索结果，生成针对该用户的搜索关键词的过滤标签的详细过程。
在一实施例中，服务器响应于用户的搜索请求，获取用户的搜索关键词。基于对该搜索关键词的预搜索结果，生成针对该用户的搜索关键词的过滤标签，进而能够基于所述过滤标签，为该用户构建相应的过滤器。
预搜索是指服务器针对特定的搜索关键词进行的联想推荐，相应的联想推荐的搜索结果即为预搜索结果。
例如：用户在搜索栏输入搜索关键词——“皮卡丘”，在用户点击搜索按钮、确定搜索之前，服务器即会对“皮卡丘”进行预搜索，将各条预搜索结果——“皮卡丘大侦探”、“皮卡丘剧场版”、“皮卡丘动画普通话版”于搜索栏下方依次显示。
该实施例的优点在于，通过对搜索关键词进行预搜索，基于预搜索结果，在此基础上构建的过滤器符合实践中对搜索结果查看的趋势，从而提高对搜索结果筛选的精准度。
在一实施例中，如图6所示，在所述生成针对该用户的搜索关键词的过滤标签之前，包括：
步骤315’’、将该用户的搜索关键词，于当前环境中进行预搜索，得到各条预搜索结果。
该实施例中，服务器基于对该用户的搜索关键词的预搜索结果，生成针对该用户的搜索关键词的过滤标签，进而基于所述过滤标签，为该用户构建相应的过滤器。因此，在生成过滤标签之前，服务器需要先对该用户的搜索关键词进行预搜索，得到预搜索结果。
例如：服务器对用户B的搜索关键词——“皮卡丘”，于当前环境中进行预搜索，得到各条预搜索结果——“皮卡丘大侦探”、“皮卡丘剧场版”、“皮卡丘动画普通话版”。
需要说明的是，该实施例只是示例性的说明，不应对本公开的功能和范围造成限制。
在一实施例中，如图6所示，所述生成针对该用户的搜索关键词的过滤标签，包括：
步骤3201’’、获取每一条预搜索结果在对应属性范围内的点击量；
步骤3202’’、基于所述每一条预搜索结果在对应属性范围内的点击量，确定针对该用户的搜索关键词、当前环境中各个活动范围的活动频率；
步骤3203’’、基于所述当前环境中各个活动范围的活动频率，确定针对该用户的搜索关键词当前环境的搜索倾向；
步骤3204’’、基于针对该用户的搜索关键词当前环境的搜索倾向，生成针对该用户的搜索关键词的过滤标签。
该实施例中，预先划分好用于衡量搜索倾向的各个属性，每个属性对应着相应的活动范围。获取到针对该用户的搜索关键词的预搜索结果后，确定每一条预搜索结果在对应活动范围内的点击量，进而确定针对该用户的搜索关键词、当前环境中各个活动范围的活动频率，进而确定针对该用户的搜索关键词当前环境的搜索倾向，进而生成针对该用户的搜索关键词的过滤标签。
例如：预先划分好的用于衡量搜索倾向的各个属性范围分别为“视频类型”、“地区”、 “主演”。对用户B的搜索关键词——“皮卡丘”进行预搜索得到预搜索结果——“皮卡丘大侦探”、“皮卡丘剧场版”、“皮卡丘动画普通话版”。其中，“皮卡丘大侦探”在各个属性范围分别为“奇幻”、“欧美”、“瑞安雷诺兹”；“皮卡丘剧场版”在各个属性范围分别为“奇幻”、“日本”、“松本梨香”；“皮卡丘动画普通话版”在各个属性范围分别为“奇幻”、“日本”、“贺世芳”。
对于“皮卡丘大侦探”这条预搜索结果，其在当前时间点前一个月内的点击量为30万，则确定该条预搜索结果在“奇幻电影”、“欧美”、“瑞安雷诺兹”这些属性范围的点击量均为30万。
对于“皮卡丘剧场版”这条预搜索结果，其在当前时间点前一个月内的点击量为20万，则确定该条预搜索结果在“奇幻动漫”、“日本”、“松本梨香”这些属性范围的点击量均为20万。
对于“皮卡丘动画普通话版”这条预搜索结果，其在当前时间点前一个月内的点击量为20万，则确定该条预搜索结果在“奇幻动漫”、“日本”、“贺世芳”这些属性范围的点击量均为20万。
则确定：针对用户B的搜索关键词——“皮卡丘”，当前环境中“奇幻”这一活动范围的活动频率为每月70万、“欧美”这一活动范围的活动频率为每月30万、“日本”这一活动范围的活动频率为每月40万、“瑞安雷诺兹”这一活动范围的活动频率为每月30万、“松本梨香”这一活动范围的活动频率为每月20万、“贺世芳”这一活动范围的活动频率为每月20万。
通过当前环境中各个活动范围的活动频率，确定针对用户B的搜索关键词——“皮卡丘”，当前环境在“视频类型”这一属性范围的搜索倾向于搜索奇幻类视频、在“地区”这一属性范围的搜索倾向于搜索日本地区的视频、在“主演”这一属性范围的搜索倾向于搜索瑞安雷诺兹主演的视频。进而在此基础上，生成针对用户B的搜索关键词——“皮卡丘”的过滤标签。
需要说明的是，该实施例只是示例性的说明，不应对本公开的功能和范围造成限制。
在一实施例中，所述基于该用户的搜索倾向，生成针对该用户的搜索关键词的过滤标签，包括：
将每一属性范围内、针对该用户的搜索关键词当前环境中最高的搜索倾向，确定为针对该用户的搜索关键词的过滤标签。
显而易见，该实施例的具体实施过程与上述基于用户历史活动记录的相应具体实施过程同理，故在此不再赘述。
在一实施例中，所述基于该用户的搜索倾向，生成针对该用户的搜索关键词的过滤标签，包括：
将每一属性范围内、按照从高到低的顺序、排名在前预定数目个的针对该用户的搜索关键词当前环境中的搜索倾向，确定为针对该用户的搜索关键词的过滤标签。
显而易见，该实施例的具体实施过程与上述基于用户历史活动记录的相应具体实施过程同理，故在此不再赘述。
下面描述基于用户的历史活动记录、以及当前环境中与该用户的搜索关键词有关的环境活动记录，生成针对该用户的搜索关键词的过滤标签的详细过程。
在一实施例中，服务器响应于用户的搜索请求，获取用户的搜索关键词。基于该用户的历史活动记录、以及当前环境中与该用户的搜索关键词有关的环境活动记录，生成针对该用户的搜索关键词的过滤标签，进而能够给予所述过滤标签，为该用户构建相应的过滤器。
该实施例的优点在于，结合用户的历史活动记录、以及前环境中与该用户的搜索关键词有关的环境活动记录，同时考虑用户的倾向、以及当前环境中所有用户的倾向，从而使得在此基础上构建的过滤器，提高了筛选搜索结果的精准度。
在一实施例中，如图7所示，在所述生成针对该用户的搜索关键词的过滤标签之前，包括：
步骤314’’’、获取该用户的历史活动记录；
步骤316’’’、获取当前环境中与该用户的搜索关键词有关的环境活动记录。
该实施例中，服务器基于用户的历史活动记录、以及当前环境中与该用户的搜索关键词有关的环境活动记录，生成针对该用户的搜索关键词的过滤标签，进而基于所述过滤标签，为该用户构建相应的过滤器。因此，在生成过滤标签之前，服务器需要先获取用户的历史活动记录、以及当前环境中与该用户的搜索关键词有关的环境活动记录。
在一实施例中，所述获取该用户的历史活动记录，包括：
从历史活动记录数据库中，获取预定时间段内该用户的历史活动记录；
所述获取当前环境中与该用户的搜索关键词有关的历史活动记录，包括：
从环境活动记录数据库中，获取预定时间段内、当前环境中与该用户的搜索关键词有关的环境活动记录。
该实施例中，每个用户的历史活动记录都会被存储在历史活动记录数据库中，当前环境中的环境活动记录会被存储在环境活动记录数据库中。服务器预先设定待获取的历史活动记录的时间段，在生成针对该用户的搜索关键词的过滤标签之前，从历史活动记录数据库中，获取该预定时间段内该用户的历史活动记录；从环境活动记录数据库中，获取该预定时间段内当前环境中与该用户的搜索关键词有关的环境活动记录。
在一实施例中，如图7所示，所述生成针对该用户的搜索关键词的过滤标签，包括：
步骤3201’’’、针对该用户的历史活动记录进行分类，确定该用户在各个活动范围内的活动频率；
步骤3202’’’、基于所述有关的环境活动记录，确定针对该用户的搜索关键词当前环境中各个活动范围的活动频率；
步骤3203’’’、基于该用户在各个活动范围内的活动频率、所述当前环境中各个活动范围的活动频率，确定当前环境下针对该搜索关键词该用户的搜索倾向；
步骤3204’’’、基于当前环境下针对该搜索关键词该用户的搜索倾向，生成针对该用户的搜索关键词的过滤标签。
该实施例中，获取到用户的历史活动记录、以及当前环境中与该用户的搜索关键词有关的环境活动记录后，确定用户在各个活动范围内的活动频率、以及针对该用户的搜索关键词当前环境中各个活动范围的活动频率，进而确定当前环境下针对该搜索关键词该用户的搜索倾向，进而生成针对该用户的搜索关键词的过滤标签。
例如：用户A的搜索关键词为“大豆”，获取到用户A在当前时间点前一个月内的历史活动记录后，对该历史活动记录进行分类，确定得知用户A在这一个月内：浏览科普类视频35次，浏览奇幻动漫类视频25次，浏览摇滚音乐类视频20次；获取到当前时间点前一个月内、当前环境中与用户A的搜索关键词——“大豆”有关的环境活动记录后，确定在这一个月内当前环境中与“大豆”有关的历史活动记录中：1500次为糕点教学类视频、1000次为期货分析类视频、500次为科普类视频。在此基础上，确定当前环境下针对该搜索关键词该用户的搜索倾向，进而生成针对用户A的搜索关键词的过滤标签。
需要说明的是，该实施例只是示例性的说明，不应对本公开的功能和范围造成限制。
在一实施例中，所述基于该用户在各个活动范围内的活动频率、所述当前环境中各个活动范围的活动频率，确定当前环境下针对该搜索关键词该用户的搜索倾向，包括：
基于预先分别对用户的历史活动记录、当前环境中与用户的搜索关键词有关的环境活动记录分配的权重，对该用户在各个活动范围内的活动频率、所述当前环境中各个活动范围的活动频率进行加权平均，进而确定当前环境下针对该搜索关键词该用户的搜索倾向。
该实施例中，预先分别对用户的历史活动记录、当前环境中与用户的搜索关键词有关的环境活动记录分配对应的权重，进而对用户在各个活动范围内的活动频率、所述当前环境中各个活动范围的活动频率进行加权平均，确定当前当前环境下针对该搜索关键词该用户的搜索倾向。
例如：预先对用户的历史活动记录分配的权重为0.7，对当前环境中与用户的搜索关键词有关的环境活动记录分配的权重为0.3。
用户A的搜索关键词为“大豆”，确定得知用户A在这一个月内：浏览科普类视频35次，浏览奇幻动漫类视频25次，浏览摇滚音乐类视频20次；确定在这一个月内当前环境中与“大豆”有关的环境活动记录中：1500次为糕点教学类视频、1000次为期货分析类视频、500次为科普类视频。
对在科普类视频这一活动范围的活动频率进行加权平均：0.7*35/(35+25+20)+0.3*500/(1500+1000+500)=0.358。
对在奇幻动漫类视频这一活动范围的活动频率进行加权平均：0.7*25/(35+25+20)+0.3*0/(1500+1000+500)=0.217。
对在摇滚音乐类视频这一活动范围的活动频率进行加权平均：0.7*20/(35+25+20)+0.3*0/(1500+1000+500)=0.175。
对在糕点教学类视频这一活动范围的活动频率进行加权平均：0.7*0/(35+25+20)+0.3*1500/(1500+1000+500)=0.150。
对在期货分析类视频这一活动范围的活动频率进行加权平均：0.7*0/(35+25+20)+0.3*1000/(1500+1000+500)=0.100。
由此可确定当前环境下该用户搜索科普类视频的倾向大于搜索奇幻动漫类视频的倾向、搜索奇幻动漫类视频的倾向大于搜索摇滚音乐类视频的倾向、搜索摇滚音乐类视频的倾向大于搜索糕点教学类视频的倾向、搜索糕点教学类视频的倾向大于搜索期货分析类视频的倾向。进而在此基础上，生成针对用户A的搜索关键词的过滤标签。
需要说明的是，该实施例只是示例性的说明，不应对本公开的功能和范围造成限制。
在一实施例中，所述基于该用户的搜索倾向，生成针对该用户的搜索关键词的过滤标签，包括：
将当前环境下针对该关键词该用户最高的搜索倾向，确定为针对该用户的搜索关键词的过滤标签。
显而易见，该实施例的具体实施过程与上述基于用户历史活动记录的相应具体实施过程同理，故在此不再赘述。
在一实施例中，所述基于该用户的搜索倾向，生成针对该用户的搜索关键词的过滤标签，包括：
将按照从高到低的顺序、排名在前预定数目个的当前环境下针对该关键词该用户的搜索倾向，确定为针对该用户的搜索关键词的过滤标签。
显而易见，该实施例的具体实施过程与上述基于用户历史活动记录的相应具体实施过程同理，故在此不再赘述。
下面描述基于过滤标签为用户构建相应的过滤器的详细过程。
在一实施例中，所述基于所述过滤标签，为该用户构建相应的过滤器，包括：
将所述针对该用户的搜索关键词的过滤标签添加到预设的模板过滤器中，得到为该用户构建的过滤器。
该实施例中，预先为每一个用户设置相同的模板过滤器，模板过滤器中原有的过滤标签描述的是对当前环境中所有搜索结果的大体分类，对特定用户并无针对性。生成针对特定用户的搜索关键词的过滤标签后，将针对该用户的搜索关键词的过滤标签添加到模板过滤器中，从而得到为该用户构建的过滤器。该用户可以根据该过滤器中的过滤标签，对搜索结果进行更为精准的筛选。
例如：图8A示出一预设的模板过滤器，该模板过滤器是针对当前环境中所有搜索结果的大体分类，比如“剧集”、“动漫”、“音乐”、“搞笑”这些过滤标签，能够为每个用户对搜索结果进行大致的分类、筛选。但对于有着特定倾向的用户，模板过滤器就无法针对用户的特定倾向进行更为精致的筛选。
若用户A的搜索关键词为“大豆”，经过上述实施例的方法，确定针对用户A的搜索关键词“大豆”的过滤标签为“科普”以及“期货”，则将“科普”以及“期货”这两个标签加入模板过滤器中，得到图8B所示的针对用户A的搜索关键词“大豆”的过滤器。若用户A想搜索有关大豆的科普类视频，通过点击“科普”标签对搜索结果进行筛选，明显比点击“科技”标签对搜索结果进行筛选更为精准。
需要说明的是，该实施例只是示例性的说明，不应对本公开的功能和范围造成限制。
通过上述说明可知，随着用户搜索次数的增加、历史活动记录的积累，本公开实施例可以对用户想要的搜索结果做出越来越精准的估计。不需要用户进行任何主动的设置行为，本公开实施例即可在该用户一次次的搜索使用中，逐渐构建出越来越契合该用户对搜索结果筛选需求的过滤器，相应的，使得该用户能够使用过滤器越来越精准地筛选出想要的搜索结果。
根据本公开一实施例，如图9所示，还提供了一种搜索结果过滤器的构建装置，所述装置包括：
获取模块410，用于获取用户的搜索关键词；
过滤标签生成模块420，用于生成针对该用户的搜索关键词的过滤标签；
构建模块430，用于基于所述过滤标签，为该用户构建相应的过滤器。
在本公开的一示例性实施例中，在所述生成针对该用户的搜索关键词的过滤标签之前，包括：
获取该用户的历史活动记录。
在本公开的一示例性实施例中，所述生成针对该用户的搜索关键词的过滤标签，包括：
针对该用户的历史活动记录进行分类，确定该用户在各个活动范围内的活动频率；
基于该用户在各个活动范围内的活动频率，确定该用户的搜索倾向；
基于该用户的搜索倾向，生成针对该用户的搜索关键词的过滤标签。
在本公开的一示例性实施例中，在所述生成针对该用户的搜索关键词的过滤标签之前，包括：
获取当前环境中与该用户的搜索关键词有关的环境活动记录。
在本公开的一示例性实施例中，所述生成针对该用户的搜索关键词的过滤标签，包括：
基于所述有关的环境活动记录，确定针对该用户的搜索关键词、当前环境中各个活动范围的活动频率；
基于所述当前环境中各个活动范围的活动频率，确定针对该用户的搜索关键词当前环境的搜索倾向；
基于针对该用户的搜索关键词当前环境的搜索倾向，生成针对该用户的搜索关键词的过滤标签。
在本公开的一示例性实施例中，在所述生成针对该用户的搜索关键词的过滤标签之前，包括：
将该用户的搜索关键词，于当前环境中进行预搜索，得到各条预搜索结果。
在本公开的一示例性实施例中，所述生成针对该用户的搜索关键词的过滤标签，包括：
获取每一条预搜索结果在对应活动范围内的点击量；
基于所述每一条预搜索结果在对应活动范围内的点击量，确定针对该用户的搜索关键词、当前环境中各个活动范围的活动频率；
基于所述当前环境中各个活动范围的活动频率，确定针对该用户的搜索关键词当前环境的搜索倾向；
基于针对该用户的搜索关键词当前环境的搜索倾向，生成针对该用户的搜索关键词的过滤标签。
在本公开的一示例性实施例中，在所述生成针对该用户的搜索关键词的过滤标签之前，包括：
获取该用户的历史活动记录；
获取当前环境中与该用户的搜索关键词有关的环境活动记录。
在本公开的一示例性实施例中，所述生成针对该用户的搜索关键词的过滤标签，包括：
针对该用户的历史活动记录进行分类，确定该用户在各个活动范围内的活动频率；
基于所述有关的环境活动记录，确定针对该用户的搜索关键词当前环境中各个活动范围的活动频率；
基于该用户在各个活动范围内的活动频率、所述当前环境中各个活动范围的活动频率，确定当前环境下针对该搜索关键词该用户的搜索倾向；
基于当前环境下针对该搜索关键词该用户的搜索倾向，生成针对该用户的搜索关键词的过滤标签。
本公开实施例的搜索结果过滤器的构建方法可以由图1所示的服务器10实现。下面参考图10来描述根据本公开实施例的服务器10。图10显示的服务器10仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图10所示，服务器10以通用计算设备的形式表现。服务器10的组件可以包括但不限于：上述至少一个处理单元510、上述至少一个存储单元520、连接不同系统组件（包括存储单元520和处理单元510）的总线530。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元510执行，使得所述处理单元510执行本说明书上述示例性方法的描述部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元510可以执行如图3中所示的各个步骤。
存储单元520可以包括易失性存储单元形式的可读介质，例如随机存取存储单元（RAM）5201和/或高速缓存存储单元5202，还可以进一步包括只读存储单元（ROM）5203。
存储单元520还可以包括具有一组（至少一个）程序模块5205的程序/实用工具5204，这样的程序模块5205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
服务器10也可以与一个或多个外部设备600（例如键盘、指向设备、蓝牙设备等）通信，还可与一个或者多个使得用户能与该服务器10交互的设备通信，和/或与使得该服务器10能与一个或多个其它计算设备进行通信的任何设备（例如路由器、调制解调器等等）通信。这种通信可以通过输入/输出（I/O）接口550进行。输入/输出（I/O）接口550可以与显示单元540连接。并且，服务器10还可以通过网络适配器560与一个或者多个网络（例如局域网（LAN），广域网（WAN）和/或公共网络，例如因特网）通信。如图所示，网络适配器560通过总线530与服务器10的其它模块通信。应当明白，尽管图中未示出，可以结合服务器10使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、终端装置、或者网络设备等）执行根据本公开实施方式的方法。
在本公开的示例性实施例中，还提供了一种计算机程序介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行上述方法实施例部分描述的方法。
根据本公开的一个实施例，还提供了一种用于实现上述方法实施例中的方法的程序产品，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RGM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如JGvG、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（KGN）或广域网（WGN），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、移动终端、或者网络设备等）执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、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公开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，本公开的真正范围和精神由所附的权利要求指出。
Claims (10)
1.一种搜索结果过滤器的构建方法，其特征在于，所述方法包括：
获取用户的搜索关键词和指定数据，所述指定数据包括用户的历史活动记录、当前环境中与该用户的搜索关键词有关的环境活动记录、以及用户的搜索关键词于当前环境中进行预搜索得到的预搜索结果中的至少一种；
根据所述指定数据确定该用户在各个活动范围内的活动频率；
基于该用户在各个活动范围内的活动频率，确定该用户的搜索倾向；
基于该用户的搜索倾向，生成针对该用户的搜索关键词的过滤标签；
将所述针对该用户的搜索关键词的过滤标签添加到预设的模板过滤器中，得到为该用户构建的过滤器。
2.根据权利要求1所述的方法，其特征在于，获取用户的指定数据，包括：
获取该用户的历史活动记录。
3.根据权利要求2所述的方法，其特征在于，所述根据所述指定数据确定该用户在各个活动范围内的活动频率，包括：
针对该用户的历史活动记录进行分类，确定该用户在各个活动范围内的活动频率。
4.根据权利要求1所述的方法，其特征在于，获取用户的指定数据，包括：
获取当前环境中与该用户的搜索关键词有关的环境活动记录。
5.根据权利要求4所述的方法，其特征在于，所述根据所述指定数据确定该用户在各个活动范围内的活动频率，包括：
基于所述有关的环境活动记录，确定针对该用户的搜索关键词、当前环境中各个活动范围的活动频率；
所述基于该用户在各个活动范围内的活动频率，确定该用户的搜索倾向，包括：基于所述当前环境中各个活动范围的活动频率，确定针对该用户的搜索关键词当前环境的搜索倾向；
所述基于该用户的搜索倾向，生成针对该用户的搜索关键词的过滤标签，包括：基于针对该用户的搜索关键词当前环境的搜索倾向，生成针对该用户的搜索关键词的过滤标签。
6.根据权利要求1所述的方法，其特征在于，获取用户的指定数据，包括：
将该用户的搜索关键词，于当前环境中进行预搜索，得到各条预搜索结果。
7.根据权利要求6所述的方法，其特征在于，所述根据所述指定数据确定该用户在各个活动范围内的活动频率，包括：
获取每一条预搜索结果在对应属性范围内的点击量；
基于所述每一条预搜索结果在对应属性范围内的点击量，确定针对该用户的搜索关键词、当前环境中各个活动范围的活动频率；
所述基于该用户在各个活动范围内的活动频率，确定该用户的搜索倾向，包括：基于所述当前环境中各个活动范围的活动频率，确定针对该用户的搜索关键词当前环境的搜索倾向；
所述基于该用户的搜索倾向，生成针对该用户的搜索关键词的过滤标签，包括：基于针对该用户的搜索关键词当前环境的搜索倾向，生成针对该用户的搜索关键词的过滤标签。
8.一种搜索结果过滤器的构建装置，其特征在于，所述装置包括：
获取模块，用于获取用户的搜索关键词和指定数据，所述指定数据包括用户的历史活动记录、当前环境中与该用户的搜索关键词有关的环境活动记录、以及用户的搜索关键词于当前环境中进行预搜索得到的预搜索结果中的至少一种；
过滤标签生成模块，用于根据所述指定数据确定该用户在各个活动范围内的活动频率；基于该用户在各个活动范围内的活动频率，确定该用户的搜索倾向；基于该用户的搜索倾向，生成针对该用户的搜索关键词的过滤标签；
构建模块，用于将所述针对该用户的搜索关键词的过滤标签添加到预设的模板过滤器中，得到为该用户构建的过滤器。
9.一种搜索结果过滤器的构建电子设备，其特征在于，包括：
存储器，存储有计算机可读指令；
处理器，读取存储器存储的计算机可读指令，以执行权利要求1-7中的任一个所述的搜索结果过滤器的构建方法。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行权利要求1-7中的任一个所述的搜索结果过滤器的构建方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910770071.2A CN110569433B (zh) | 2019-08-20 | 2019-08-20 | 搜索结果过滤器的构建方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910770071.2A CN110569433B (zh) | 2019-08-20 | 2019-08-20 | 搜索结果过滤器的构建方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110569433A CN110569433A (zh) | 2019-12-13 |
| CN110569433B true CN110569433B (zh) | 2024-03-22 |
Family
ID=68773939
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910770071.2A Active CN110569433B (zh) | 2019-08-20 | 2019-08-20 | 搜索结果过滤器的构建方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110569433B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102012900A (zh) * | 2009-09-04 | 2011-04-13 | 阿里巴巴集团控股有限公司 | 信息检索方法和系统 |
| CN103970761A (zh) * | 2013-01-28 | 2014-08-06 | 阿里巴巴集团控股有限公司 | 一种商品数据搜索方法及装置 |
| CN104216957A (zh) * | 2014-08-20 | 2014-12-17 | 北京奇艺世纪科技有限公司 | 一种视频元数据的查询系统及查询方法 |
| CN105681280A (zh) * | 2015-12-29 | 2016-06-15 | 西安电子科技大学 | 一种云环境中基于中文的可搜索加密方法 |
| CN106599278A (zh) * | 2016-12-23 | 2017-04-26 | 北京奇虎科技有限公司 | 应用搜索意图的识别方法及装置 |
| CN109800348A (zh) * | 2018-12-12 | 2019-05-24 | 平安科技（深圳）有限公司 | 搜索信息显示方法、装置、存储介质及服务器 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104125505B (zh) * | 2014-06-23 | 2016-02-24 | 小米科技有限责任公司 | 电视节目处理方法和装置 |
| KR101611388B1 (ko) * | 2015-02-04 | 2016-04-11 | 네이버 주식회사 | 태그를 활용한 검색 서비스 제공 방법 및 시스템 |
-
2019
- 2019-08-20 CN CN201910770071.2A patent/CN110569433B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102012900A (zh) * | 2009-09-04 | 2011-04-13 | 阿里巴巴集团控股有限公司 | 信息检索方法和系统 |
| CN103970761A (zh) * | 2013-01-28 | 2014-08-06 | 阿里巴巴集团控股有限公司 | 一种商品数据搜索方法及装置 |
| CN104216957A (zh) * | 2014-08-20 | 2014-12-17 | 北京奇艺世纪科技有限公司 | 一种视频元数据的查询系统及查询方法 |
| CN105681280A (zh) * | 2015-12-29 | 2016-06-15 | 西安电子科技大学 | 一种云环境中基于中文的可搜索加密方法 |
| CN106599278A (zh) * | 2016-12-23 | 2017-04-26 | 北京奇虎科技有限公司 | 应用搜索意图的识别方法及装置 |
| CN109800348A (zh) * | 2018-12-12 | 2019-05-24 | 平安科技（深圳）有限公司 | 搜索信息显示方法、装置、存储介质及服务器 |
Non-Patent Citations (1)
| Title |
|---|
| 陈雨.网络营销.重庆大学出版社,2018,第116页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110569433A (zh) | 2019-12-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107844586B (zh) | 新闻推荐方法和装置 | |
| US20240045898A1 (en) | Search result display method, apparatus and device, and medium | |
| KR20210042852A (ko) | 비디오 재생 노드 위치 확정 방법, 장치, 전자 장비, 컴퓨터 판독가능 저장 매체 및 컴퓨터 프로그램 | |
| CN107861981B (zh) | 一种数据处理方法及装置 | |
| JP7240505B2 (ja) | 音声パケット推薦方法、装置、電子機器およびプログラム | |
| CN104782138A (zh) | 识别缩略图图像以呈现视频 | |
| CN108763579A (zh) | 搜索内容推荐方法、装置、终端设备及存储介质 | |
| US20220261329A1 (en) | Easter egg presentation method and apparatus, electronic device and computer-readable storage medium | |
| CN108319628B (zh) | 一种用户兴趣确定方法及装置 | |
| CN109597929A (zh) | 搜索结果的展示方法、装置、终端及可读介质 | |
| CN109960801A (zh) | 数据处理方法及装置 | |
| CN110990598B (zh) | 资源检索方法、装置、电子设备及计算机可读存储介质 | |
| KR20160032564A (ko) | 영상표시장치, 영상표시장치의 구동방법 및 컴퓨터 판독가능 기록매체 | |
| CN112235641A (zh) | 一种视频推荐方式、装置、设备和储存介质 | |
| CN113806588A (zh) | 搜索视频的方法和装置 | |
| CN115080816B (zh) | 摘要信息生成与搜索结果展示方法、装置、设备和介质 | |
| CN111966909A (zh) | 视频推荐方法、装置、电子设备及计算机可读存储介质 | |
| CN111105294A (zh) | 一种vr导览方法、系统、客户端、服务器及其存储介质 | |
| CN114329117A (zh) | 信息推荐方法、介质、装置和计算设备 | |
| JP2020042771A (ja) | データ分析方法及びデータ分析システム | |
| CN110569433B (zh) | 搜索结果过滤器的构建方法、装置、电子设备及存储介质 | |
| CN113342998B (zh) | 一种多媒体资源推荐方法、装置、电子设备及存储介质 | |
| CN109033256A (zh) | 一种搜索方法、装置、终端设备及存储介质 | |
| CN110659419B (zh) | 确定目标用户的方法及相关装置 | |
| CN114566144A (zh) | 一种语音识别方法、装置、服务器和电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40018851 Country of ref document: HK |
|
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |