CN110619076A - 一种搜索词推荐方法、装置、计算机及存储介质 - Google Patents

Abstract

本公开公开了一种搜索词推荐方法、装置、电子设备及存储介质，其中方法包括：获取用户输入的初始信息，在预设数据库中确定与所述初始信息相匹配的至少一个搜索词；根据各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数确定所述至少一个搜索词的推荐指数；根据所述推荐指数对所述搜索词进行排序，将排序后的搜索词推荐给用户。基于上述技术方案，通过大数据统计确定与初始信息相对应的搜索词的推荐指数，确定各搜索词被关注程度，判断各搜索词被用户搜索概率，并依序推荐给用户，便于用户快速确定准确的搜索词，减少了搜索词不确定或者不准确等问题给搜索操作造成的搜索障碍，简化了搜索操作过程，降低了搜索难度，提供了搜索效率。

Description

一种搜索词推荐方法、装置、计算机及存储介质

技术领域

本公开实施例涉及计算机技术，尤其涉及一种搜索词推荐方法、装置、计算机及存储介质。

背景技术

随着互联网技术和智能移动终端技术的快速发展，互联网技术被广泛应用于各个领域，例如信息搜索、网络交易等等，用户可通过计算机或手机等智能终端对需求信息进行搜索。

在信息搜索时，用户输入搜索词，电子设备基于搜索词在网络大数据中进行信息匹配，输出搜索结果。上述信息搜索过程基于准确且完整的搜索词，当用户不知道准确搜索词时，往往无法得到需要的搜索结果。

发明内容

本公开实施例提供一种搜索词推荐方法、装置、存储介质及电子设备，以实现高精确度的搜索词推荐。

第一方面，本公开实施例提供了一种搜索词推荐方法，包括：

获取用户输入的初始信息，在预设数据库中确定与所述初始信息相匹配的至少一个搜索词；

根据各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数确定所述至少一个搜索词的推荐指数；

根据所述推荐指数对所述搜索词进行排序，将排序后的搜索词推荐给用户。

上述方案中，可选的是，在获取用户输入的初始信息之前，还包括：

获取搜索词样本，对每一个搜素词样本，根据预设重组规则进行拆分和重组，生成所述搜索词样本的初始信息；

根据所述搜索词样本与所述初始信息的对应关系，生成所述预设数据库。

上述方案中，可选的是，对每一个搜素词样本，根据预设重组规则进行拆分和重组，生成所述搜索词样本的初始信息，包括：

对至少一个搜索状态下的搜索词样本进行拆分，生成拆分词或拆分字符，其中，所述搜索状态包括汉字状态和拼音状态；

将所述拆分词、所述拆分字符以及所述拆分词和/或拆分字符的组合确定为所述搜索词样本的初始信息。

上述方案中，可选的是，在生成所述预设数据库之后，还包括：

确定用户选择搜索词时各初始信息的使用概率，从所述预设数据库中删除使用概率小于预设概率的初始信息与所述搜索词的对应关系。

上述方案中，可选的是，所述根据各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览时间确定所述至少一个搜索词的推荐指数，包括：

将所述各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数输入至预先训练的搜索词推荐模型中，根据所述搜索词推荐模型的输出结果确实所述至少一个搜索词的推荐指数。

上述方案中，可选的是，在将所述各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数输入至预先训练的搜索词推荐模型之前，还包括：

将所述各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数根据预设规则转换为输入矩阵，其中，所述浏览参数包括浏览次数、浏览时间、关注标签和喜欢标签；

相应的，将所述各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数输入至预先训练的搜索词推荐模型，包括：

将所述输入矩阵输入至预先训练的搜索词推荐模型。

上述方案中，可选的是，所述确定所述至少一个搜索词的推荐指数之后，还包括：

确定当前搜索环境，根据所述当前搜索环境更新所述至少一个搜索词的推荐指数。

第二方面，本公开实施例还提供了一种搜索词推荐装置，该装置包括：

初始信息匹配模块，用于获取用户输入的初始信息，在预设数据库中确定与所述初始信息相匹配的至少一个搜索词；

推荐指数确定模块，用于根据各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数确定所述至少一个搜索词的推荐指数；

搜索词推荐模块，用于根据所述推荐指数对所述搜索词进行排序，将排序后的搜索词推荐给用户。

上述方案中，可选的是，所述装置还包括：

初始信息确定模块，用于在获取用户输入的初始信息之前，获取搜索词样本，对每一个搜素词样本，根据预设重组规则进行拆分和重组，生成所述搜索词样本的初始信息；

预设数据库生成模块，用于根据所述搜索词样本与所述初始信息的对应关系，生成所述预设数据库。

上述方案中，可选的是，所述初始信息确定模块用于：

对至少一个搜索状态下的搜索词样本进行拆分，生成拆分词或拆分字符，其中，所述搜索状态包括汉字状态和拼音状态；

将所述拆分词、所述拆分字符以及所述拆分词和/或拆分字符的组合确定为所述搜索词样本的初始信息。

上述方案中，可选的是，还包括：

预设数据库更新模块，用于在生成所述预设数据库之后，确定用户选择搜索词时各初始信息的使用概率，从所述预设数据库中删除使用概率小于预设概率的初始信息与所述搜索词的对应关系。

上述方案中，可选的是，所述推荐指数确定模块用于：

将所述各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数输入至预先训练的搜索词推荐模型中，根据所述搜索词推荐模型的输出结果确实所述至少一个搜索词的推荐指数。

上述方案中，可选的是，所述装置还包括：

参数矩阵处理模块，用于在将所述各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数输入至预先训练的搜索词推荐模型之前，将所述各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数根据预设规则转换为输入矩阵，其中，所述浏览参数包括浏览次数、浏览时间、关注标签和喜欢标签；

相应的，所述推荐指数确定模块用于：将所述输入矩阵输入至预先训练的搜索词推荐模型。

上述方案中，可选的是，所述装置还包括：

推荐指数更新模块，用于在确定所述至少一个搜索词的推荐指数之后，确定当前搜索环境，根据所述当前搜索环境更新所述至少一个搜索词的推荐指数。

第三方面，本公开实施例还提供了一种电子设备，该设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开实施例中任一所述的搜索词推荐方法。

第四方面，本公开实施例还提供了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如本公开实施例中任一所述的搜索词推荐方法。

本公开实施例提供的搜索词推荐方法，通过获取用户输入的初始信息，在预设数据库中确定与所述初始信息相匹配的至少一个搜索词，根据各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数确定所述至少一个搜索词的推荐指数，根据所述推荐指数对所述搜索词进行排序，将排序后的搜索词推荐给用户。通过上述技术方案，通过大数据统计确定与初始信息相对应的搜索词的推荐指数，确定各搜索词被关注程度，判断各搜索词被用户搜索概率，并依序推荐给用户，便于用户快速确定准确的搜索词，减少了搜索词不确定或者不准确等问题给搜索操作造成的搜索障碍，简化了搜索操作过程，降低了搜索难度，提供了搜索效率。

附图说明

图1是本公开实施例一提供的一种搜索词推荐方法的流程示意图；

图2是本公开实施例二提供的一种搜索词推荐方法的流程示意图；

图3是本公开实施例三提供的一种搜索词推荐方法的流程示意图；

图4是本公开实施例四提供的一种搜索词推荐装置的结构图；

图5是本公开实施例五提供的一种电子设备的结构图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本公开，而非对本公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本公开相关的部分而非全部结构。

下述各实施例中，每个实施例中同时提供了可选特征和示例，实施例中记载的各个特征可进行组合，形成多个可选方案，不应将每个编号的实施例仅视为一个技术方案。

实施例一

图1为本公开实施例一提供的一种搜索词推荐方法的流程示意图，本实施例可适用于根据用户输入的部分搜索词向用户推荐高精度的搜索词的情况，该方法可以由搜索词推荐装置来执行，该装置可由硬件和/或软件组成，并一般可集成在手机、平板以及计算机等电子设备中，具体包括如下步骤：

S110、获取用户输入的初始信息，在预设数据库中确定与所述初始信息相匹配的至少一个搜索词。

其中，初始信息可以是用户在搜索页面中的搜索栏输入的文字，或者通过语音搜索指令输入的语音搜索词，初始信息可以是但不限于单字、词、句子、字符和字符串等。示例性的，初始信息可以是用户在输入过程中已输入的部分文字，例如在用户想要输入“北京大学”，在输入过程中，可以是将已输入的“北”作为初始信息，执行本公开的方法，得到与“北”相匹配的至少一个推荐的搜索词，当用户继续输入时，可以是“北京”“北京大”和“北京大学”分别作为初始信息执行本公开的方法，其中，初始信息还可以是用户基于字符输入模式输入“beijingdaxue”，或者简称“北大”等。本实施例中，可以是根据用户输入搜索词的过程中，基于输入的部分信息或者简称等，确定用户期望输入的搜索词，简化用户的搜索操作，为用户提供多个可选项，便于用户实现快速搜索。

本实施例中，电子设备中预存有预设数据库，该预设数据库中包括大数据的搜索词，将获取的初始信息在预设数据库进行数据匹配，可以是遍历预设数据库中的各搜索词，确定包含初始信息的各搜索词，将其作为搜索结果。可选的，预设数据库中包括各初始信息与搜索词的关系，例如可以是每一个初始信息对应一个或多个搜索词，其可以是以映射关系表的形式存储，根据用户输入的初始信息，确定该初始信息的映射关系表，将该映射关系表中的各搜索词作为匹配结果。示例性的，当预设数据库中不存在与该初始信息，确定预设数据库的已有初始信息与该初始信息的相似度，将相似度最高的已有初始信息或者相似度大于预设值的已有初始信息的映射关系表中的各搜索词作为匹配结果。

需要说明的是，当本实施例中的电子设备为手机、平板电脑等智能终端时，预设数据库设置在电子设备的系统中。电子设备还可以是特定服务器，相应的，步骤S110中的获取用户输入的初始信息，可以是服务器接收移动终端发送搜索词确定指令，该搜索词确定指令中携带有初始信息，相应的，服务器根据预设数据库对初始信息进行匹配，以得到至少一个搜索词。

S120、根据各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数确定所述至少一个搜索词的推荐指数。

本实施例中，实时统计预设时间段内各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数，其中，预设时间段可以是一天、一周或者一个月。搜索词的搜索率为该搜索词的搜索次数，或者搜索次数在预设时间段全部搜索的比例；搜索词的搜索结果的点击率指的是用户在基于搜索词得到搜索结果后，是否点击该搜索结果进入信息展示页面进一步对详细信息进行浏览，点击率可以是点击该搜索结果次数与该搜索词的搜索次数的比例，当用户点击该搜索结果时，将点击率加一。浏览参数为用户通过点击进入搜索结果的信息展示页面后的操作参数，其中，浏览参数包括但不限于浏览时间、关注标签、喜欢标签、收藏标签和转发标签，浏览时间为用户在搜索结果的信息展示页面的停留时间，关注标签可以是用户对该搜索结果进行加关注操作确定，例如当检测到加关注操作时，设置关注标签为1，在未检测到关注操作时，设置关注标签为0，同理，喜欢标签、收藏标签和转发标签，当检测到对该搜索结果进行喜欢设置操作、收藏操作或者转发操作时，将喜欢标签、收藏标签和转发标签设置为1，当未检测到对该搜索结果进行喜欢设置操作、收藏操作或者转发操作时，将喜欢标签、收藏标签和转发标签设置为0。其中，关注标签、喜欢标签、收藏标签和转发标签的标识可以是不同的，可根据用户习惯进行设置或者调节。

在本实施例中，确定初始信息对应的至少一个搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数，并根据上述参数确定各搜索词的推荐指数，其中推荐指数用于表征该搜索词向用户推荐强度，推荐指数越高，表明该搜索词的当前关注度越高，用户需要的概率越高；相应的，推荐指数越低，表明该搜索词的当前关注度越低，用户需要的概率越低。可选的，搜索词的搜索率越高，推荐指数越高；搜索词的搜索结果的点击率越高，推荐指数越高；搜索词的搜索结果的浏览参数越好，推荐指数越高，示例性的，当浏览时间越长，并检测到关注标签、喜欢标签、收藏标签和转发标签为1时，推荐指数越高。在一些实施例中，搜索词的搜索率、搜索结果的点击率和浏览参数分别设置对应权重，对上述搜索词的搜索率、搜索结果的点击率和浏览参数进行加权计算，得到该搜索词的推荐指数，其中搜索词的搜索率、搜索结果的点击率和浏览参数可以是根据用户需求确定，若用户关注搜索率，可以是增大搜索率的权重，若用户关注搜索结果的内容，则增大搜索结果的浏览参数的权重。

S130、根据所述推荐指数对所述搜索词进行排序，将排序后的搜索词推荐给用户。

本实施例中，可以是基于推荐指数的数值大小对搜索词进行排序，将推荐指数最大的搜索词排在首位，基于排序后的搜索词推荐给用户。可选的，选择预设排序范围中搜索词推荐给用户，例如可以是排序前10位或者前15位的搜索词。用户可在推荐的搜索词中选择需要的搜索词，作为目标搜索词，基于该目标搜索词进行搜索操作。可选的，可以是在将搜索词进行推荐时，基于各搜索词进行搜索操作，确定各搜索词对应的搜索结果，当用户通过点击等操作确定目标搜索词时，将该目标搜索词对于的搜索结果显示给用户，节省了用户等待搜索结果的时间，提高了搜索效率。

本实施例的技术方案，通过获取用户输入的初始信息，在预设数据库中确定与所述初始信息相匹配的至少一个搜索词，根据各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数确定所述至少一个搜索词的推荐指数，根据所述推荐指数对所述搜索词进行排序，将排序后的搜索词推荐给用户。通过上述技术方案，通过大数据统计确定与初始信息相对应的搜索词的推荐指数，确定各搜索词被关注程度，判断各搜索词被用户搜索概率，并依序推荐给用户，便于用户快速确定准确的搜索词，减少了搜索词不确定或者不准确等问题给搜索操作造成的搜索障碍，简化了搜索操作过程，降低了搜索难度，提供了搜索效率。

在上述技术方案的基础上，在确定所述至少一个搜索词的推荐指数之后，还包括：确定当前搜索环境，根据所述当前搜索环境更新所述至少一个搜索词的推荐指数。

本实施例中，当前搜索环境可以是包括不限于新闻搜索环境、商品搜索环境、房产搜索环境、美食搜索环境、位置搜索环境和娱乐搜索环境等，根据当前搜索环境可确定用户的搜索意图，例如，在房产搜索环境下，用户的期望的搜索词与房产相关，例如可以是房产最新消息、房产位置、房产价格、房产出租和售卖等，在美食搜索环境下，用户的期望的搜索词与美食相关，例如美食店铺位置、美食推荐、美食价格或者美食评价等。基于用户的搜索意图可针对性的调整搜索词的推荐指数，提高各搜索词推荐指数的准确性。

其中，当前搜索环境可以是根据当前应用的搜索APP确定，示例性的，若当前应用的搜索APP为诸如新闻类，则确定当前搜索环境为新闻搜索环境，相应的，提高新闻类搜索词的推荐指数，降低其他类别搜索词的推荐指数；示例性的，若当前应用的搜索APP为诸如商品交易类，则确定当前搜索环境为商品搜索环境，相应的，提高商品类搜索词的推荐指数；若当前应用的搜索APP为诸如房产交易类，则确定当前搜索环境为房产搜索环境，相应的，提高房产类搜索词的推荐指数。

本实施例中，通过确定当前搜索环境确定用户的搜索意图，在基于初始信息确定的多个搜索词中，根据当前搜索环境针对性的调节搜索词的推荐指数，提高了推荐指数的准确性，减少了无效推荐词，提高了用户体验。

实施例二

图2为本公开提供的一种搜索词推荐方法的流程示意图。本实施例以上述实施例中各为基础进行优化。具体包括如下：

S210、获取搜索词样本，对每一个搜素词样本，根据预设重组规则进行拆分和重组，生成所述搜索词的初始信息。

其中，搜索词样本可以是统计在预设时间内搜索操作的搜索词确定，例如，可以是预设时间可以是一年或更长，并实时将每天或每小时内出现的新的搜索词作为搜索样本，以实时更新预设数据库。可选的，获取搜索词样本还可以是提取实时新闻、文章、音视频等标题的关键词，将该关键词作为搜索词样本。

本实施例中，每一个搜索词可对应多个初始信息，可选的，对每一个搜素词样本，根据预设重组规则进行拆分和重组，生成所述搜索词样本的初始信息，包括：对至少一个搜索状态下的搜索词样本进行拆分，生成拆分词或拆分字符，其中，所述搜索状态包括汉字状态和拼音状态；将所述拆分词、所述拆分字符以及所述拆分词和/或拆分字符的组合确定为所述搜索词样本的初始信息。示例性的，对应搜索词样本“北京大学”，其汉字状态和拼音状态分别为“北京大学”和“beijingdaxue”，可选的，在一些实施例中，搜索词样本的搜索状态还可以是包括英文状态、法文状态等，可根据用户需求进行添加。对“北京大学”进行拆分可得到拆分词“北”、“京”、“大”、“学”，对“beijingdaxue”进行拆分可得到拆分字符“bei”、“jing”、“da”、“xue”、“b”、“j”、“d”和“x”等，遍历上述拆分词和拆分字符，将拆分词和/或拆分字符中的两个或多个进行组合，得到初始信息，例如组合得到的初始信息可以是但不限于“北京”、“北京大”、“北大”、“北京大”、“京大学”、“北京大学”、“bjdx”、“beijing”、“beida”、“bd”“beijingda”、“bjd”、“北京daxue”等。

在一些实施例中，在确定搜索词样本的初始信息之后，可以是确定各初始信息的使用概率，删除使用概率小于预设概率的初始信息，以去除无效初始信息，减少无效初始信息占用的数据库资源，其中预设概率可以是15％。示例性的，对于搜索词样本“北京大学”，小于预设概率的初始信息可以是“大”、“学”、“da”、“xue”等。

S220、根据所述搜索词样本与所述初始信息的对应关系，生成所述预设数据库。

本实施例中，建立每一个初始信息与搜索词样本的对应关系，形成预设数据库，其中，预设数据库中可以是以一个初始信息对应一个搜索词列表的形式存在，示例性的，与初始信息“北京”对应的搜索词列表中可以是包括但不限于“北京大学”、“北京烤鸭”、“北京布鞋”、“北京故宫”、“北京天安门”、“北京旅游”、“北京房价”等。当搜索词样本“北京二手房”中存在一个初始信息为“北京”，则基于初始信息“北京”与搜索词“北京二手房”的对应关系，将搜索词“北京二手房”添加至初始信息“北京”搜索词列表中。

可选的，在生成所述预设数据库之后，还包括：确定用户选择搜索词时各初始信息的使用概率，从所述预设数据库中删除使用概率小于预设概率的初始信息与所述搜索词的对应关系。示例性的，以搜索词样本“北京大学”为例，可以将使用概率小于预设概率的初始信息与搜索词样本的对应关系删除，其中，使用概率小于预设概率的初始信息可以是但不限于“大”、“学”、“da”和“xue”等。

S230、获取用户输入的初始信息，在预设数据库中确定与所述初始信息相匹配的至少一个搜索词。

S240、根据各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数确定所述至少一个搜索词的推荐指数。

S250、根据所述推荐指数对所述搜索词进行排序，将排序后的搜索词推荐给用户。

在本实施例中，当用户进行搜索操作的搜索词在预设数据库中不存在时，将该搜索词作为搜索词样本更新预设数据库。

本实施例提供的技术方案，通过对搜索词样本的进行拆分和重组，形成搜索词样本的多个初始信息，建立搜索词与初始信息的对应关系，生成预设数据库，便于后续用户在输入初始信息时，快速确定与该初始信息相匹配的搜索词，为搜索词的快速确定提供便利，提高了搜索操作的效率。

实施例三

图3为本公开实施例三提供的一种搜索词推荐方法的流程示意图。本实施例以上述实施例中各个可选方案为基础进行具体化。具体包括如下：

S310、获取用户输入的初始信息，在预设数据库中确定与所述初始信息相匹配的至少一个搜索词。

S320、将所述各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数输入至预先训练的搜索词推荐模型中，根据所述搜索词推荐模型的输出结果确实所述至少一个搜索词的推荐指数。

在本实施例中，基于搜索词推荐模型确定各个搜索词的推荐指数，示例性的，搜索词推荐模型可以是lightgbm-gbdt模型，还可以是神经网络模型。搜索词推荐模型是预先训练的，示例性的，确定训练样本，训练样本中可以是包括多个搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数，以及各搜索词的标准推荐排序，将训练样本中各个搜索词和各个搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数输入至待训练的搜索词推荐模型中，得到该搜索词推荐模型预测的搜索词推荐顺序，当该预测的搜索词推荐顺序与训练样本中标准推荐排序不相同时，反向调节搜索词推荐模型的权重。循环执行上述训练过程，直到搜索词推荐模型的输出结果精度达到精度，确定搜索词推荐模型训练完成。

可选的，在步骤S320之前还可以是将所述各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数根据预设规则转换为输入矩阵，其中，所述浏览参数包括浏览次数、浏览时间、关注标签和喜欢标签。示例性的，浏览参数还可以包括收藏标签和转发标签。其中，输入矩阵可以是1×8的矩阵或者8×1的矩阵，并分别设置各参数的位置，其中，矩阵中各因子可以分别为搜索词的搜索率、搜索结果的点击率、浏览次数、浏览时间、关注标签、喜欢标签、收藏标签和转发标签对应的数值，具体的，将各个浏览参数转换为特性的格式，添加到输入矩阵的对应位置。例如，将搜索词的搜索率和搜索结果的点击率转换为0-100范围内的正整数，将浏览时间转换为浏览的分钟数，将关注标签、喜欢标签、收藏标签和转发标签分别转换为1或0，具体的，搜索词“北京大学”的输入矩阵可以是[53 45 2 15 1 00 1]。相应的，步骤S320包括：将所述输入矩阵输入至预先训练的搜索词推荐模型。本实施例中，通过将各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数转换为矩阵形式，输入至搜索词推荐模型中，便于搜索词推荐模型对输入信息进行数据分析，加快搜索词推荐模型的处理效率和准确度。

S330、根据所述推荐指数对所述搜索词进行排序，将排序后的搜索词推荐给用户。

在一些实施例中，当在预设时间(例如可以是5分钟)内接收到的相同的初始信息时，将先接收初始信息的搜索词推荐结果作为后接收初始信息的搜索词推荐结果，无需进行重复匹配操作，简化搜索词推荐过程。

本实施例提供的技术方案，基于预先训练的搜索词推荐模型对各搜索词的搜索结果的点击率和浏览参数转换进行数据分析，得到各个搜索词的推荐指数，提供了搜索词推荐的精度和效率，提高了搜索操作的效率。

实施例四

图4为本公开实施例四提供的一种搜索词推荐装置的结构示意图。参考图4，搜索词推荐装置包括：初始信息匹配模块410、推荐指数确定模块420和搜索词推荐模块430，下面对各模块进行具体说明。

初始信息匹配模块410，用于获取用户输入的初始信息，在预设数据库中确定与所述初始信息相匹配的至少一个搜索词；

推荐指数确定模块420，用于根据各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数确定所述至少一个搜索词的推荐指数；

搜索词推荐模块430，用于根据所述推荐指数对所述搜索词进行排序，将排序后的搜索词推荐给用户。

可选的是，所述装置还包括：

初始信息确定模块，用于在获取用户输入的初始信息之前，获取搜索词样本，对每一个搜素词样本，根据预设重组规则进行拆分和重组，生成所述搜索词样本的初始信息；

预设数据库生成模块，用于根据所述搜索词样本与所述初始信息的对应关系，生成所述预设数据库。

可选的是，所述初始信息确定模块用于：

对至少一个搜索状态下的搜索词样本进行拆分，生成拆分词或拆分字符，其中，所述搜索状态包括汉字状态和拼音状态；

将所述拆分词、所述拆分字符以及所述拆分词和/或拆分字符的组合确定为所述搜索词样本的初始信息。

可选的是，还包括：

预设数据库更新模块，用于在生成所述预设数据库之后，确定用户选择搜索词时各初始信息的使用概率，从所述预设数据库中删除使用概率小于预设概率的初始信息与所述搜索词的对应关系。

可选的是，所述推荐指数确定模块用于：

将所述各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数输入至预先训练的搜索词推荐模型中，根据所述搜索词推荐模型的输出结果确实所述至少一个搜索词的推荐指数。

可选的是，所述装置还包括：

参数矩阵处理模块，用于在将所述各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数输入至预先训练的搜索词推荐模型之前，将所述各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数根据预设规则转换为输入矩阵，其中，所述浏览参数包括浏览次数、浏览时间、关注标签和喜欢标签；

相应的，所述推荐指数确定模块用于：将所述输入矩阵输入至预先训练的搜索词推荐模型。

可选的是，所述装置还包括：

推荐指数更新模块，用于在确定所述至少一个搜索词的推荐指数之后，确定当前搜索环境，根据所述当前搜索环境更新所述至少一个搜索词的推荐指数。

本公开实施例提供的搜索词推荐装置，通过大数据统计确定与初始信息相对应的搜索词的推荐指数，确定各搜索词被关注程度，判断各搜索词被用户搜索概率，并依序推荐给用户，便于用户快速确定准确的搜索词，减少了搜索词不确定或者不准确等问题给搜索操作造成的搜索障碍，简化了搜索操作过程，降低了搜索难度，提供了搜索效率。

实施例五

下面参考图5，其示出了适于用来实现本公开实施例的电子设备500的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，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5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机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。而在本公开中，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，其中承载了计算机可读的程序代码。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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、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。计算机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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取至少两个网际协议地址；向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求，其中，所述节点评价设备从所述至少两个网际协议地址中，选取网际协议地址并返回；接收所述节点评价设备返回的网际协议地址；其中，所获取的网际协议地址指示内容分发网络中的边缘节点。

或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收包括至少两个网际协议地址的节点评价请求；从所述至少两个网际协议地址中，选取网际协议地址；返回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中的边缘节点。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、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，该模块、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，两个接连地表示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操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。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。

实施例六

本公开实施例六还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被搜索词推荐装置执行时实现如本公开实施例一提供的搜索词推荐方法，该方法包括：获取用户输入的初始信息，在预设数据库中确定与所述初始信息相匹配的至少一个搜索词；根据各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数确定所述至少一个搜索词的推荐指数；根据所述推荐指数对所述搜索词进行排序，将排序后的搜索词推荐给用户。

当然，本公开实施例所提供的一种计算机可读存储介质，其上存储的计算机程序被执行时不限于实现如上所述的方法操作，还可以实现本公开任意实施例所提供的滑屏显示加载方法中的相关操作。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本公开可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例所述的方法。

值得注意的是，上述滑屏显示加载装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本公开的保护范围。

注意，上述仅为本公开的较佳实施例及所运用技术原理。本领域技术人员会理解，本公开不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本公开的保护范围。因此，虽然通过以上实施例对本公开进行了较为详细的说明，但是本公开不仅仅限于以上实施例，在不脱离本公开构思的情况下，还可以包括更多其他等效实施例，而本公开的范围由所附的权利要求范围决定。

Claims (10)

1.一种搜索词推荐方法，其特征在于，包括：

获取用户输入的初始信息，在预设数据库中确定与所述初始信息相匹配的至少一个搜索词；

根据各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数确定所述至少一个搜索词的推荐指数；

根据所述推荐指数对所述搜索词进行排序，将排序后的搜索词推荐给用户。

2.根据权利要求1所述的方法，其特征在于，在获取用户输入的初始信息之前，还包括：

获取搜索词样本，对每一个搜素词样本，根据预设重组规则进行拆分和重组，生成所述搜索词样本的初始信息；

根据所述搜索词样本与所述初始信息的对应关系，生成所述预设数据库。

3.根据权利要求2所述的方法，其特征在于，对每一个搜素词样本，根据预设重组规则进行拆分和重组，生成所述搜索词样本的初始信息，包括：

对至少一个搜索状态下的搜索词样本进行拆分，生成拆分词或拆分字符，其中，所述搜索状态包括汉字状态和拼音状态；

将所述拆分词、所述拆分字符以及所述拆分词和/或拆分字符的组合确定为所述搜索词样本的初始信息。

4.根据权利要求3所述的方法，其特征在于，在生成所述预设数据库之后，还包括：

确定用户选择搜索词时各初始信息的使用概率，从所述预设数据库中删除使用概率小于预设概率的初始信息与所述搜索词的对应关系。

5.根据权利要求1所述的方法，其特征在于，所述根据各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览时间确定所述至少一个搜索词的推荐指数，包括：

将所述各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数输入至预先训练的搜索词推荐模型中，根据所述搜索词推荐模型的输出结果确实所述至少一个搜索词的推荐指数。

6.根据权利要求5所述的方法，其特征在于，在将所述各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数输入至预先训练的搜索词推荐模型之前，还包括：

将所述各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数根据预设规则转换为输入矩阵，其中，所述浏览参数包括浏览次数、浏览时间、关注标签和喜欢标签；

相应的，将所述各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数输入至预先训练的搜索词推荐模型，包括：

将所述输入矩阵输入至预先训练的搜索词推荐模型。

7.根据权利要求1所述的方法，其特征在于，所述确定所述至少一个搜索词的推荐指数之后，还包括：

确定当前搜索环境，根据所述当前搜索环境更新所述至少一个搜索词的推荐指数。

8.一种搜索词推荐装置，其特征在于，包括：

初始信息匹配模块，用于获取用户输入的初始信息，在预设数据库中确定与所述初始信息相匹配的至少一个搜索词；

推荐指数确定模块，用于根据各搜索词的搜索率、所述各搜索词的搜索结果的点击率和浏览参数确定所述至少一个搜索词的推荐指数；

搜索词推荐模块，用于根据所述推荐指数对所述搜索词进行排序，将排序后的搜索词推荐给用户。

9.一种电子设备，其特征在于，所述设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的搜索词推荐方法。

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如权利要求1-7中任一所述的搜索词推荐方法。