CN110851727A - 搜索结果的排序方法及服务器 - Google Patents

搜索结果的排序方法及服务器 Download PDF

Info

Publication number
CN110851727A
CN110851727A CN201911137136.6A CN201911137136A CN110851727A CN 110851727 A CN110851727 A CN 110851727A CN 201911137136 A CN201911137136 A CN 201911137136A CN 110851727 A CN110851727 A CN 110851727A
Authority
CN
China
Prior art keywords
user
group
search
user information
search results
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.)
Pending
Application number
CN201911137136.6A
Other languages
English (en)
Inventor
赵明
于松
杨梅
袁丽
杨云龙
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.)
Qingdao Poly Cloud Technology Co Ltd
Original Assignee
Qingdao Poly Cloud Technology 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 Qingdao Poly Cloud Technology Co Ltd filed Critical Qingdao Poly Cloud Technology Co Ltd
Priority to CN201911137136.6A priority Critical patent/CN110851727A/zh
Publication of CN110851727A publication Critical patent/CN110851727A/zh
Pending legal-status Critical Current

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
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/735—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/738—Presentation of query results
    • 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

Abstract

本申请公开了一种搜索结果的排序方法及服务器，属于数据处理领域。在本申请中，接收显示设备发送的搜索请求，根据搜索请求获取多个用户的用户信息，以及多个搜索结果。之后，根据多个用户的用户信息，获取当前群组聚集策略，以及每个用户的用户特征向量。之后，根据当前群组聚集策略和每个用户的用户特征向量，对多个搜索结果进行排序，向显示设备发送排序后的搜索结果。由于每个用户的用户特征向量指示了该用户感兴趣的媒资类型，当前群体策略指示多个用户中的每个用户在用户群组内的重要程度，因此，根据当前群组聚集策略和用户特征向量对搜索结果进行排序后，得到的排序结果可以最大程度的满足用户群组的喜好。

Description

搜索结果的排序方法及服务器
技术领域
本申请涉及数据处理领域，特别涉及一种搜索结果的排序方法及服务器。
背景技术
随着科技的发展，智能化越来越深入人们的生活，例如，用户在搜索影视节目时，服务器会根据用户的喜好将搜索结果进行排序后返回给显示设备，以使显示设备显示排序后的搜索结果，这样可以更加方便的供用户观看。
相关技术中，用户可以在显示设备上进行影视节目的搜索，并且服务器可以将用户每一次在搜索结果中观看的影视节目的信息存储在历史记录中。之后，当用户在显示设备中输入搜索词，显示设备将搜索词发送给服务器，服务器可以根据搜索词在资源库中进行匹配，得到多个搜索结果。此时，服务器可以根据历史记录，得到多个搜索结果与用户的相关度，并按照相关度从大到小的顺序对多个搜索结果进行排序，将排序后的多个搜索结果发送给显示设备，以使显示设备显示排序后的多个搜索结果，供用户进行选择观看。
由于相关技术是根据单个用户的历史记录来对搜索结果进行排序的，而观看影视节目时有可能是家人、朋友等多人采用同一用户账号一起观看，因此，按照单个用户的历史记录返回的搜索结果的顺序难以同时满足当前观看的多人的喜好。
发明内容
本申请实施例提供了一种搜索结果的排序方法、服务器及存储介质。所述技术方案如下：
第一方面，提供了一种搜索结果的排序方法，所述方法包括：
接收显示设备发送的搜索请求，所述搜索请求携带搜索词；
根据所述搜索请求获取所述显示设备对应的用户群组包括的多个用户的用户信息，并根据所述搜索词，获取多个搜索结果；
根据所述多个用户的用户信息，获取所述用户群组对应的当前群组聚集策略，以及获取每个用户的用户特征向量，所述当前群组聚集策略用于指示所述多个用户中的每个用户在所述用户群组内的重要程度，所述用户特征向量用于指示相应用户感兴趣的媒资类型；
根据所述用户群组对应的当前群组聚集策略和每个用户的用户特征向量，对所述多个搜索结果进行排序；
向所述显示设备发送排序后的多个搜索结果，以使所述显示设备显示排序后的多个搜索结果。
第二方面，提供了一种服务器，所述服务器包括：
接收模块，用于接收显示设备发送的搜索请求，所述搜索请求携带搜索词；
处理模块，用于根据所述搜索请求获取所述显示设备对应的用户群组包括的多个用户的用户信息，并根据所述搜索词，获取多个搜索结果；
所述处理模块，还用于根据所述多个用户的用户信息，获取所述用户群组对应的当前群组聚集策略，以及获取每个用户的用户特征向量，所述当前群组聚集策略用于指示所述多个用户中的每个用户在所述用户群组内的重要程度，所述用户特征向量用于指示相应用户感兴趣的媒资类型；
所述处理模块，还用于根据所述用户群组对应的当前群组聚集策略和每个用户的用户特征向量，对所述多个搜索结果进行排序；
发送模块，用于向所述显示设备发送排序后的多个搜索结果，以使所述显示设备显示排序后的多个搜索结果。
第三方面，提供了一种显示设备，所述显示设备包括：
显示器，该显示器被配置为显示用户界面，其中，所述用户界面包括多个视图显示区，其中，各个视图显示区中包括布局一个或多个不同项目，以及，该用户界面中还包括指示所述项目被选择的选择器，可通过用户输入而移动所述选择器在所述用户界面中的位置，以使选择不同的所述项目；
与所述显示器通信的控制器，所述控制器用于：
接收用户输入的搜索词，向服务器发送携带所述搜索词的搜索请求；
接收所述服务器根据所述搜索请求返回的排序后的多个搜索结果，控制所述显示器显示所述排序后的多个搜索结果；
其中，排序后的多个搜索结果是所述服务器根据上述第一方面所述的搜索结果的排序方法确定得到。
第四方面，提供了一种计算机可读存储介质，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现前述提供的搜索结果的排序方法的步骤。
本申请实施例提供的技术方案带来的有益效果至少包括：
在本申请实施例中，根据当前搜索的用户群组包括的多个用户的用户信息，可以得到该用户群组对应的当前群组聚集策略，以及该用户群组中每个用户的用户特征向量，之后，可以根据当前群组聚集策略和用户特征向量将得到的搜索结果进行排序。由于每个用户的用户特征向量用于指示相应用户感兴趣的媒资类型，且当前群体聚集策略用于指示多个用户中的每个用户在用户群组内的重要程度，因此，根据当前群组聚集策略和用户特征向量对搜索结果进行排序后，得到的排序结果可以最大程度的满足用户群组的喜好。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种搜索结果的排序系统架构图；
图2是本申请实施例提供的一种搜索结果的排序方法流程图；
图3是本申请实施例提供的一种搜索结果的排序方法子流程图；
图4是本申请实施例提供的一种服务器的结构示意图；
图5是本申请实施例提供的另一种服务器的结构示意图；
图6是本申请实施例提供的一种显示设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
在对本申请实施例进行详细的解释说明之前，先对本申请实施例涉及的应用场景予以介绍。
当前，在观看影视节目时可能是家人、朋友等用户群体一起观看，因此，在用户群体输入搜索词，得到相应的搜索结果后，可以根据用户群体包括的每个用户的喜好对搜索结果进行排序，从而最大程度的满足用户群体的喜好。本申请实施例提供的搜索结果的排序方法，即可以用于在上述场景中，根据用户群体包括的每个用户的喜好将搜索结果进行排序，之后，返回搜索结果给用户群体，供用户群体进行选择观看。
接下来对本申请实施例提供的搜索结果的排序方法所涉及的系统架构进行介绍。
图1是本申请实施例提供的一种搜索结果的排序方法所涉及的系统架构图。如图1所示，该系统100包括显示设备101和服务器102。显示设备101和服务器102之间通过无线或有线方式连接以进行通信。
其中，显示设备101为可以进行影视搜索的显示设备，显示设备101可以向用户提供搜索栏，并接收用户在搜索栏中输入的搜索词，之后，将搜索词发送至服务器102。另外，显示设备101可以接收服务器发送的排序后的搜索结果，并在用户界面中显示排序后的搜索结果。
服务器102可以接收显示设备101发送的搜索词，之后，根据搜索词在服务器102的资源库进行匹配，得到与搜索词相关的搜索结果，并将搜索结果进行排序，将排序后的搜索结果发送给显示设备101。
在本申请实施例中，显示设备101可以为电视、电脑等设备，图1中仅仅是以电视举例进行说明，并不构成对本申请实施例的限定。服务器102可以是用于为上述搜索应用或者是影视应用提供服务的一台服务器或者一个服务器集群。
接下来对本申请实施例提供的搜索结果的排序方法进行介绍。
图2是本申请实施例提供的一种搜索结果的排序方法的流程图。该方法可以应用于服务器中，该服务器可以是指图1中的服务器102。如图2所示，该方法包括以下步骤：
步骤201：接收显示设备发送的搜索请求。
在本申请实施例中，服务器可以接收显示设备发送的搜索请求。其中，搜索请求携带有用户输入的搜索词。
需要说明的是，在用户初次使用显示设备时，显示设备可以显示一个注册界面，用户可以在注册界面中注册一个用户账号，显示设备会将用户账号和密码的对应关系发送给服务器，服务器将该对应关系进行存储。当用户通过注册的用户账号登录之后，显示设备可以在用户界面上显示一个搜索栏，用户可以在显示设备提供的搜索栏中输入搜索词。显示设备接收到当前用户输入在该搜索栏中的搜索词之后，可以根据该搜索词生成一个搜索请求，并将这个搜索请求发送给服务器。
作为一种示例，在用户注册用户账号之后，发送搜索请求之前，显示设备可以显示一个信息界面，该信息界面中包括多个用户信息栏，用户可以在每个用户信息栏中输入一个可能使用该用户账号进行媒体资源搜索的用户的用户信息，显示设备可以获取多个用户信息栏中用户信息，之后，显示设备将多个用户信息存储为用户信息表，并将该用户信息表发送给服务器，此时，该用户信息表中包括的用户信息即为可能使用该用户账号的用户群组内的所有用户的用户信息。服务器接收到用户信息表后，可以将用户账号与用户信息表对应存储。其中，用户信息包括用户标识、年龄、性别、职业以及喜好的媒体资源的类型。
示例性地，服务器存储的用户信息表如下表1所示：
表1
用户标识 年龄 性别 职业 喜好
用户A 12 男 学生 动画、儿童、益智
用户B 38 男 运动员 体育、冒险、动作、科幻
用户C 36 女 职员 购物、美容、浪漫、爱情
用户D 60 女 无业 养生、轻松、喜剧
用户E 64 男 无业 战争、冒险、喜剧
可选的，在一些可能的情况中，显示设备也可以在用户首次采用用户账号向服务器发送搜索请求时，获取上述用户信息表，并将上述用户信息表和搜索词一同携带在搜索请求中发送至服务器。
可选地，在另一些可能的情况中，如果显示设备不是首次采用该用户账号发送搜索请求，则该搜索请求中除了携带用户在显示设备提供的搜索栏中输入的搜索词外，还可以携带多个用户的用户标识。其中，显示设备可以通过下述方法获取多个用户的用户标识，之后，根据搜索词和多个用户的用户标识生成一个搜索请求，并将该搜索请求发送给服务器。
示例性地，显示设备可以显示一个配置界面，该配置界面中包括显示设备存储该用户账号对应的用户信息表中的全部用户的用户标识，用户可以在该配置界面中显示的全部用户的用户标识中选择多个用户的用户标识。显示设备可以根据用户选择的多个用户的用户标识和搜索词生成一个搜索请求，并将该搜索请求发送给服务器。
其中，用户信息表包括使用该用户账号的用户群组包括的多个用户中每个用户的用户信息。
步骤202：根据搜索请求获取显示设备对应的用户群组包括的多个用户的用户信息，并根据搜索词，获取多个搜索结果。
服务器在接收到搜索请求后，可以根据接收到的搜索请求，获取显示设备对应的用户群组包括的多个用户的用户信息。
需要说明的是，服务器中可以存储有多个用户账号对应的多个用户信息表。基于此，服务器可以获取发送搜索请求的显示设备当前登录的用户账号，并根据当前登录的用户账号，获取该用户账号对应的第一用户信息表。
接下来，服务器可以根据接收到的搜索请求中携带的内容的不同，通过下述两种不同的方法来获取显示设备对应的用户群组包括的多个用户的用户信息。此时，显示设备对应的用户群组包括的多个用户的用户信息是指该用户群组内的所有用户中当前可能在观看节目的用户的用户信息。
第一种实现方式，当服务器接收到的搜索请求中携带有搜索词和多个用户的用户标识时，服务器可以根据搜索请求中携带的多个用户的用户标识，在第一用户信息表中进行匹配，从而获取包含有该多个用户的用户标识的多个用户的用户信息。
第二种实现方式，如果服务器接收到的搜索请求中仅携带有搜索词，则服务器可以根据接收到搜索请求的日期和时间，在第一用户信息表包括的全部用户中预测当前可能在观看节目的多个用户，之后，在第一用户信息表中获取预测得到的多个用户的用户信息。
示例性地，以上述表1中示出的用户信息表作为第一用户信息表为例，服务器接收到搜索请求中仅携带搜索词，假设服务器接收到搜索请求的时间为周二的12:15，由于12:15是所有人一起吃午饭的时间，因此，服务器可以根据第一用户信息表预测当前正在观看节目的多个用户为用户A、用户B、用户C、用户D以及用户E，则可以从第一用户信息表中获取该多个用户的用户信息。再假设服务器接收到搜索请求的时间为周二的3:42，由于下午学生需要上课，在职者需要上班，因此，服务器可以根据第一用户信息表预测当前正在观看节目的多个用户为用户D和用户E，则可以从第一用户信息表中获取该多个用户的用户信息。
可选地，在另一些实施例中，如果服务器接收到的搜索请求中仅携带搜索词，服务器也可以直接获取第一用户信息表中包含的所有用户信息，将获取到的所有用户信息作为当前用户所属的用户群组包括的多个用户的用户信息。
在获取用户群组包括的多个用户的用户信息的同时，服务器还可以根据搜索请求中携带的搜索词在资源库中进行匹配，得到与搜索词相关的多个搜索结果。
需要说明的是，服务器根据搜索词得到多个搜索结果的方法可以有多种，本申请实施例对此不做限定。
步骤203：根据多个用户的用户信息，获取用户群组对应的当前群组聚集策略，以及获取每个用户的用户特征向量。
其中，当前群组聚集策略用于指示多个用户中的每个用户在用户群组内的重要程度，用户特征向量用于指示相应用户感兴趣的媒资类型。
在一些可能的实现方式中，服务器可以在接收到多个用户的用户信息时，实时的通过聚类模型对多个用户的用户信息进行处理，以得到当前群组聚集策略。示例性地，服务器可以将多个用户的用户信息输入聚类模型中，聚类模型将多个用户的用户信息进行处理，得到多个用户的用户信息对应的群组聚集策略，并将该多个用户的用户信息对应的群组聚集策略输出。
可选地，在另一些可能的实现方式中，服务器中可以存储有用户信息与群组聚集策略的第一映射关系。在这种情况下，服务器可以根据得到的多个用户的用户信息，从存储的用户信息与群组聚集策略的第一映射关系中获取多个用户的用户信息对应的群组聚集策略，并将获取的群组聚集策略确定为用户群组对应的当前群组聚集策略。
示例性地，服务器可以根据多个用户的用户信息，从该第一映射关系中查找是否存在该多个用户的用户信息对应的群组聚集策略，也即，查找该多个用户的用户信息是否对应有一个群组聚集策略。如果查找到，则可以直接获取查找到的群组聚集策略，并将该群组聚集策略确定为用户群组对应的当前群组聚集策略。对于未查找到的，服务器则可以参考前述介绍的方法，将多个用户的用户信息输入聚类模型，进而通过聚类模型对多个用户的用户信息进行处理，从而得到用户群组对应的当前群组聚集策略。之后，服务器可以将通过聚类模型获得的该多个用户的用户信息的群组聚集策略和该多个用户的用户信息对应存储在第一映射关系中，以便后续查询使用。
其中，聚类模型中可以包括多个群组聚集策略，每个群组聚集策略包括策略名、策略含义以及适合场景。示例性地，聚类模型中包括的多个群组聚集策略可以参见表2。
表2
策略名 策略含义 适合场景
累加策略 用户群组各用户喜好加权 有新用户增加的用户群组
投票策略 用户群组各用户共同决策的结果 用户群组的地位平等
平均策略 按用户群组中各用户的平均喜好 用户群组的地位平等
公平度策略 按用户不同公平度聚集喜好 用户群组的地位不同
最小痛苦度策略 保证用户群组任一用户不会失望 用户群组具有较大容忍度
多数投票策略 用户群组关键用户选举结果 用户群组服从多数
最大满意度策略 用户群组集体满意程度最大 用户群组的地位平等
独裁策略 用户群组倾向于领导者的意见 用户群组中有领导者存在
值得注意的是，上述表2中的策略含义仅仅解释了对应策略名的策略内容，而实际上策略含义还包括有多个用户中的每个用户在用户群组内的重要程度，也即是，每个用户在用户群组内所占的权重，在表1中没有举例示出。
需要说明的是，在服务器通过聚类模型得到群组聚集策略之前，需要对聚类模型进行训练。此时，服务器可以将多个群组样本中每个群组样本内的各个用户的用户信息以及对应的群组聚集策略作为样本数据输入到聚类模型中，通过这些样本数据对聚类模型进行训练。其中，对聚类模型进行训练的过程可以参见下述的方法。
假设当前聚类模型中的群组聚集策略有N种，可以从该N个群组聚集策略中选择K个群组聚集策略作为聚类的类，也即是，聚类的类数为K，且每一类可以对应一个群组聚集策略。其中，K可以为大于1且小于N的任意一个正整数。
服务器可以在K个类中指定一个类作为首个初始聚类中心C10，之后，可以分别计算其他每个类与首个初始聚类中心的距离，将与首个初始聚类中心的距离最远的这个类作为第二个类的初始聚类中心C20。接下来，可以通过前述同样的方法，依次确定其他类的初始聚类中心，每个初始聚类中心对应当前聚类模型中的一个群组聚集策略。
然后，可以根据多个样本数据，对聚类模型进行训练，不断的通过下述公式更新聚类中心，直到每个类的聚类中心不再发生改变，得到训练好的聚类模型。
Figure BDA0002279878760000091
其中，Cij+1为经过第j+1次更新后的第i类聚类中心，Cij为对第i类聚类中心进行第j+1次更新之前的第i类聚类中心，x为对应的群组聚集策略为第i类对应的群组聚集策略的全部样本数据。
可选地，在根据多个样本数据，对聚类模型进行训练，不断的通过公式更新聚类中心时，可以事先设定更新的次数，当更新聚类中心的次数满足预先设定的次数时，则停止更新聚类中心，将此时得到聚类模型作为训练好的聚类模型。
在确定用户群组对应的当前群组聚集策略后，服务器还可以根据多个用户的用户信息，从存储的用户信息与用户特征向量的第二映射关系中获取每个用户信息对应的用户特征向量，将获取的每个用户信息对应的用户特征向量，作为每个用户的用户特征向量。
需要说明的是，第二映射关系中存储有多个用户信息以及每个用户信息对应的用户特征向量，并且第二映射关系中的每个用户特征向量是通过词向量模型对对应的用户信息所对应的用户特征标签进行处理得到。
示例性地，每当服务器接收到一个用户账号的用户信息表时，服务器可以根据用户信息表中每个用户的用户信息获取每个用户的用户特征标签。其中，用户特征标签包括每个用户可能感兴趣的媒资类型。服务器可以对每个用户的用户信息中的用户标识、年龄、性别、职业以及喜好的内容进行分析，之后，根据分析得到的结果进行预测，得到每个用户可能感兴趣的媒资类型，并根据每个用户可能感兴趣的媒资类型生成每个用户的用户信息对应的用户特征标签。将用户信息中的用户标识和用户特征标签对应存储在用户特征标签表中。之后，服务器可以将每个用户的用户特征标签输入词向量模型中，词向量模型可以对用户特征标签进行转换，从而得到用户特征标签对应的用户特征向量，并将该用户特征向量输出。服务器可以将得到的每个用户特征向量与相应用户特征向量对应的用户信息对应存储，从而得到第二映射关系。
另外，服务器可以根据多个用户信息中每个用户信息，从该第二映射关系中查找每个用户信息对应的用户特征向量。如果查找到，则可以直接获取查找到的用户信息对应的用户特征向量，对于未查找到的，服务器则可以参考前述方法，获取用户信息对应的用户特征标签，进而通过词向量模型对获得用户信息的用户特征标签进行处理，从而得到用户信息对应的用户特征向量。之后，服务器可以将通过词向量模型获得的用户特征向量与对应的用户信息对应存储在第二映射关系中，以便后续查询使用。
示例性地，仍以上述的表1所示的用户信息表为例，服务器对用户信息表包括的全部用户的用户信息进行分析，并根据分析结果进行预测后，生成每个用户的用户信息对应的用户特征标签，然后，将用户信息中的用户标识和用户特征标签存储，得到了表3所示的用户特征标签表。之后，服务器可以通过词向量模型对表3中的各个用户特征标签进行处理，从而得到各个用户特征标签对应的用户特征向量，将得到的各个用户特征向量与对应的用户信息对应存储在第二映射关系中。
在此基础上，假设服务器当前获取到的是用户A、用户C和用户D的用户信息，则服务器可以根据用户A、用户C和用户D的用户信息从上述第二映射关系中获取用户A、用户C和用户D的用户信息对应的用户特征向量。
可选地，如果在此之前，服务器并未根据前述介绍的方法对上述用户的用户信息进行处理得到特征向量，则服务器在第二映射关系中将无法查找到用户A、用户C和用户D的用户信息对应的用户特征向量。此时，服务器则可以将用户A、用户C和用户D的用户特征标签输入词向量模型中，从而得到用户A、用户C和用户D的用户特征向量。之后，服务器可以将用户A、用户C和用户D的用户信息与对应的用户特征向量存储在第二映射关系中。
表3
用户标识 用户特征标签
用户A 动画、儿童、益智、喜剧、活泼、学习
用户B 体育、冒险、动作、科幻、运动、成年
用户C 购物、美容、浪漫、爱情、感情、时尚
用户D 养生、轻松、喜剧、动作
用户E 战争、冒险、喜剧、科幻、动作
需要说明的是，在服务器通过词向量模型得到用户特征向量之前，需要先对词向量模型进行训练。服务器可以根据多个群组样本中每个群组样本包括的多个用户样本的用户信息和用户特征标签，以及多个媒资样本中每个媒资样本的媒资特征标签和媒资描述文本训练得到词向量模型。
其中，每个媒资样本的媒资特征标签可以指示该媒资样本所属于的多个类型，媒资描述文本用于简单的介绍该媒资的内容信息。
示例性地，媒资特征标签可以参见表4。
表4
媒资样本名称 媒资特征标签
媒资1 动画、喜剧、轻松、益智
媒资2 动作、冒险、惊悚、科幻
媒资3 感情、浪漫、时尚、爱情
服务器可以将每个群组样本包括的多个用户样本的用户信息和用户特征标签，以及每个媒资样本的媒资特征标签和媒资描述文本作为样本，构成一个用于训练词向量模型的语料库，并通过语料库对第一初始模型进行训练，得到词向量模型。
需要说明的是，词向量模型可以将用户特征标签和媒资特征标签转化为用户特征向量和媒资特征向量，而语料库中的用户信息用于构建用户特征标签之间的关系，媒资描述文本用于构建媒资特征标签之间的关系。这样，词向量模型在进行转化时，可以使得较为相似的用户特征标签转化得到的用户特征向量的距离较近，较为相似的媒资特征标签转化得到的媒资特征向量的距离较近。
值得注意的是，用户特征向量的维数可以与对应的用户特征标签包括的类型数目相同，其中，用户特征向量中每个维度上的数值对应一个用户特征标签包括的一个类型。但是，由于每个用户的用户特征标签包括的类型数目可能不相同，因此得到的用户特征向量的维度可能也不相同，这样，将会对后续的向量计算造成较大的难度，基于此，为了便于后续计算，可以在词向量模型中定义计算得到的向量的维度，这样，在将用户特征标签转换为用户特征向量时，所有转换得到的特征向量的维度均为指定的维度。
另外，需要说明的是，服务器中也存储有多个媒资特征标签对应的媒资特征向量。其中，根据媒资特征标签得到媒资特征向量的过程可以参照得到用户特征向量的过程，并且，在本申请实施例中，媒资特征向量和用户特征向量的维数相等。也即，词向量模型也可以按照上述方法根据指定的维度将媒资特征标签转换为媒资特征向量。
步骤204：根据用户群组对应的当前群组聚集策略和每个用户的用户特征向量，对多个搜索结果进行排序。
在本申请实施例中，参见图3，服务器得到用户群组对应的当前群组聚集策略和每个用户的用户特征向量后，可以根据群组聚集策略和用户特征向量，通过以下几个步骤来对搜索结果进行排序。
2041：根据多个用户的用户信息，确定用户群组的用户结构向量。
服务器可以根据用户群组包括的多个用户的用户信息，确定用户群组的用户结构向量，并通过用户结构向量指示用户群组中包括的用户。
在一种可能的实现方式中，服务器可以根据显示设备当前登录的用户账号对应的第一用户信息表中的全部用户生成一个指定向量，该指定向量的各个维上的数值均为第一数值，且该指定向量中的每一维的对应全部用户中的某一个用户。基于此，在根据多个用户的用户信息确定用户群组的用户结构向量时，可以将用户群组包含的多个用户对应的多个维中修改为第二数值，也即是，通过将多个用户对应的多个维的数值修改为第二数值来标识当前正在观看节目的多个用户。其中，第一数值和第二数值不同。
示例性地，仍以表1中所示的用户为例，服务器根据这五个用户可以生成一个指定向量{0,0,0,0,0}，其中，第一维用于标识用户A，第二维用于标识用户B，第三维用于标识用户C，第四维用于标识用户D，第五维用于标识用户E，且第一数值为0。服务器从全部五个用户中获取的多个用户，也即当前正在观看节目的多个用户有用户A、用户B以及用户E，则可以将用户A、用户B和用户E对应的维的数值修改为第二数值，从而得到用户结构向量为g＝{1,1,0,0,1}，其中，第二数值为1。
2042：根据用户群组对应的当前群组聚集策略和每个用户的用户特征向量，确定用户群组的群特征向量。
服务器可以根据当前群组聚集策略包括的每个用户在用户群组中的权重和用户特征向量，确定用户群组的群特征向量。
其中，服务器可以根据每个用户在用户群组中的权重和用户特征向量通过下述公式确定用户群组的群特征向量：
Figure BDA0002279878760000131
其中，1≤i≤m，1≤q≤P，m为用户群组包括的用户的数目，P为用户特征向量的维度，VG为群特征向量，wsi为用户群组中第i个用户所占的权重，fi(vq)为用户群组中第i个用户的用户特征向量中的第q维的数值。
需要说明的是，上述提供了一种确定用户群组的群特征向量的方法，在另外一些可能的情况下，还可以通过其他的方法确定用户群组的群特征向量，本申请实施例对此不做限定。
值得注意的是，由于用户特征向量与媒资特征向量均是通过词向量模型转化生成的，而词向量模型中已经规范了转化得到的向量的维度，因此，用户特征向量与媒资特征向量的维度相同。并且群特征向量是通过用户特征向量得到的，故群特征向量的维度与用户特征向量的维度相同，也即是，用户特征向量、媒资特征向量和群特征向量的维度均相同。
2043：获取多个搜索结果中每个搜索结果的媒资特征向量。
在确定群用户的群特征向量后，在一种可能的实现方式中，服务器可以获取多个搜索结果中的每个搜索结果的媒资特征标签；通过词向量模型对每个搜索结果的媒资特征标签进行处理，得到每个搜索结果的媒资特征向量。
服务器中存储有全部媒资的媒资名称与对应的媒资特征标签，基于此，服务器可以根据多个搜索结果的媒资名称，在存储的媒资特征标签中进行查找，获取多个搜索结果中的每个搜索结果的媒资特征标签。
得到多个搜索结果的媒资特征标签后，服务器可以将多个搜索结果的媒资特征标签输入到词向量模型中，词向量模型会将多个搜索结果的媒资特征标签进行处理，得到多个媒资特征向量，并将该多个媒资特征向量输出。其中，在多个媒资特征向量中，较为相似的媒资特征标签转化得到的媒资特征向量的距离较近。
在另一种可能的实现方式中，如前所述，服务器中可以存储有媒资名称和媒资特征向量之间的第三映射关系。在这种情况下，服务器可以根据多个搜索结果中每个搜索结果的媒资名称，从该第三映射关系中查找每个搜索结果的媒资名称对应的媒资特征向量。如果查找到，则可以直接获取查找到的搜索结果对应的媒资特征向量，对于未查找到的，服务器则可以参考前述方法，获取搜索结果的媒资特征标签，进而通过词向量模型对获得搜索结果的媒资特征标签进行处理，从而得到搜索结果对应的媒资特征向量。之后，服务器可以将通过词向量模型获得的媒资特征向量与对应的搜索结果的媒资名称对应存储在第三映射关系中，以便后续查询使用。
2044：根据用户群组的群特征向量和每个搜索结果的媒资特征向量，确定每个搜索结果与所述用户群组的相关度。
其中，服务器可以根据用户群组的群特征向量和每个搜索结果的媒资特征向量，通过下述公式分别确定每个搜索结果与用户群组的相关度：
Figure BDA0002279878760000141
其中，n为群特征向量和媒资特征向量的维度，Ij为一个搜索结果的媒资特征向量中第j维的数值，VGj为群特征向量中的第j维的数值。
需要说明的是，上述提供了一种确定每个搜索结果与用户群组的相关度的方法，在另外一些可能的情况下，还可以通过其他的方法确定每个搜索结果与用户群组的相关度，本申请实施例对此不做限定。
2045：通过排序模型对用户结构向量、群特征向量、每个用户的用户特征向量、每个搜索结果的媒资特征向量以及每个搜索结果与用户群组的相关度进行处理，得到多个搜索结果的排序结果。
服务器可以将用户结构向量、群特征向量、每个用户的用户特征向量、每个搜索结果的媒资特征向量以及每个搜索结果与用户群组的相关度输入到排序模型中，排序模型可以根据用户结构向量、群特征向量、每个用户的用户特征向量、每个搜索结果的媒资特征向量以及每个搜索结果与用户群组的相关度，将多个搜索结果进行排序，之后，排序模型可以将得到的经过排序的多个搜索结果输出。
需要说明的是，在服务器通过排序模型对得到的多个搜索结果进行排序之前，可以根据多个群组样本中每个群组样本包括的多个用户样本的用户信息、每个群组样本的多个历史搜索结果对第二初始模型进行训练，得到排序模型。
示例性地，服务器可以根据多个群组样本中每个群组样本包括的多个用户样本的用户信息，获取每个群组样本的多个历史搜索结果，并根据每个群组样本的多个历史搜索结果和每个群组样本包括的多个用户样本的用户信息，确定每个群组样本对应的样本特征向量，根据确定的多个样本特征向量，对第二初始模型进行训练，得到排序模型。
其中，多个群组样本是指在服务器中存储的多个群组样本。历史搜索结果包括有历史搜索结果对应的搜索词，以及用户群组最终选择观看的媒资名称，且历史搜索结果是根据使用同一个群组聚集策略的多个群组样本，在搜索同一个搜索词时，最终选择观看的媒资名称的次数排序得到的。
在一些实施例中，服务器可以将使用同一个群组聚集策略的群组样本，输入同一个搜索词时，在搜索结果中最终选择观看的媒资名称进行统计，并根据选择观看的次数从大到小的顺序对搜索结果进行排序，从而得到历史搜索结果。
示例性地，服务器统计了使用平均策略的全部群组样本在输入“熊出没”这个搜索词时，在搜索结果中最终选择观看的熊出没之夺宝熊兵这个媒资的次数为2380次，选择观看熊出没之夏日连连看这个媒资的次数为1123次，选择观看熊出没之奇幻空间这个媒资的次数为1550次......，则可以确定历史搜索结果为熊出没之夺宝熊兵、熊出没之奇幻空间、熊出没之夏日连连看......
进一步地，服务器可以将上述得到每个群组样本对应的用户结构向量、群特征向量、搜索结果与群特征向量的相关度、用户特征向量和搜索结果包括的媒资的媒资特征向量组合成为一个样本特征向量，将样本特征向量和历史搜索结果作为训练第二初始模型的输入。服务器可以根据样本特征向量和历史搜索结果，通过下述的方法对第二初始模型进行训练，得到排序模型。
其中，第二初始模型可以为随机森林模型。随机森林模型是一种bagging类型的集成学习算法，适用于分布式并行训练。在随机森林模型中，可以生成多棵决策树，当在基于某些属性对一个对象进行分类时，随机森林中的每一棵决策树都会输出分类选择，并进行“投票”，随机森林输出的是票数最多的分类选项，而在进行回归时，随机森林的输出是所有决策树输出的平均值。
服务器可以设置第二初始模型的参数，该参数用于定义第二初始模型中决策树的数量M、树的深度H、叶子节点数L和学习率η。之后，可以将每个群组样本对应的样本特征向量和搜索结果排序样本分别作为第二初始模型的输入，并根据指定指标对决策树进行分裂，生成M棵决策树，就可以获得每个群组和搜索结果排序之间的最优关系。然后，在分布式的节点上分别进行训练学习多棵树的最优分类，得到训练好的排序模型。
在得到训练好的排序模型后，服务器可以将当前用户群组的用户结构向量、群特征向量、搜索结果与群特征向量的相关度、用户特征向量以及搜索结果的媒资特征向量输入到排序模型中，通过排序模型对多个搜索结果进行排序，从而得到排序后的多个搜索结果。
步骤205：向显示设备发送排序后的多个搜索结果，以使显示设备显示排序后的多个搜索结果。
在本申请实施例中，服务器得到排序后的多个搜索结果后，可以将排序后的多个搜索结果发送给显示设备，以使显示设备显示排序后的多个搜索结果，供用户群组进行选择观看，该排序后的多个搜索结果可以最大程度的满足用户群组的喜好。
在本申请实施例中，根据当前搜索的用户群组包括的多个用户的用户信息，可以得到该用户群组对应的当前群组聚集策略，以及该用户群组中每个用户的用户特征向量，之后，可以根据当前群组聚集策略和用户特征向量将得到的搜索结果进行排序。由于每个用户的用户特征向量用于指示相应用户感兴趣的媒资类型，且当前群体聚集策略用于指示多个用户中的每个用户在用户群组内的重要程度，因此，根据当前群组聚集策略和用户特征向量对搜索结果进行排序后，得到的排序结果可以最大程度的满足用户群组的喜好。
参见图4，本申请实施例提供了一种服务器400，服务器400包括：
接收模块401，用于接收显示设备发送的搜索请求，所述搜索请求携带搜索词；
处理模块402，用于根据所述搜索请求获取所述显示设备对应的用户群组包括的多个用户的用户信息，并根据所述搜索词，获取多个搜索结果；用于根据所述多个用户的用户信息，获取所述用户群组对应的当前群组聚集策略，以及获取每个用户的用户特征向量，所述当前群组聚集策略用于指示所述多个用户中的每个用户在所述用户群组内的重要程度，所述用户特征向量用于指示相应用户感兴趣的媒资类型；用于根据所述用户群组对应的当前群组聚集策略和每个用户的用户特征向量，对所述多个搜索结果进行排序；
发送模块403，用于向所述显示设备发送排序后的多个搜索结果，以使所述显示设备显示排序后的多个搜索结果。
可选地，该处理模块402具体用于：
根据所述多个用户的用户信息，从存储的用户信息与群组聚集策略的第一映射关系中获取所述多个用户的用户信息对应的群组聚集策略，所述第一映射关系中的每个群组聚集策略是通过聚类模型对相应群组聚集策略对应的用户信息进行处理得到；
将获取的群组聚集策略确定为所述用户群组对应的当前群组聚集策略。
可选地，该处理模块402具体用于：
根据所述多个用户的用户信息，从存储的用户信息与用户特征向量的第二映射关系中获取每个用户信息对应的用户特征向量，所述第二映射关系中的每个用户特征向量通过词向量模型对对应的用户信息所对应的用户特征标签进行处理得到；
将获取的每个用户信息对应的用户特征向量，作为每个用户的用户特征向量。
可选地，该处理模块402具体用于：
根据所述多个用户的用户信息，确定所述用户群组的用户结构向量；
根据所述用户群组对应的当前群组聚集策略和每个用户的用户特征向量，确定所述用户群组的群特征向量；
获取所述多个搜索结果中每个搜索结果的媒资特征向量；
根据所述用户群组的群特征向量和每个搜索结果的媒资特征向量，确定每个搜索结果与所述用户群组的相关度；
通过排序模型对所述用户结构向量、所述群特征向量、每个用户的用户特征向量、每个搜索结果的媒资特征向量以及每个搜索结果与所述用户群组的相关度进行处理，得到所述多个搜索结果的排序结果。
可选地，该处理模块402具体用于：
获取所述多个搜索结果中的每个搜索结果的媒资特征标签；
通过词向量模型对每个搜索结果的媒资特征标签进行处理，得到每个搜索结果的媒资特征向量。
可选地，词向量模型根据多个群组样本中每个群组样本包括的多个用户样本的用户信息和用户特征标签，以及多个媒资样本中每个媒资样本的媒资特征标签和媒资描述文本训练得到。
可选地，排序模型根据多个群组样本中每个群组样本包括的多个用户样本的用户信息、每个群组样本的多个历史搜索结果训练得到。
综上所述，在本申请实施例中，根据当前搜索的用户群组包括的多个用户的用户信息，可以得到该用户群组对应的当前群组聚集策略，以及该用户群组中每个用户的用户特征向量，之后，可以根据当前群组聚集策略和用户特征向量将得到的搜索结果进行排序。由于每个用户的用户特征向量用于指示相应用户感兴趣的媒资类型，且当前群体聚集策略用于指示多个用户中的每个用户在用户群组内的重要程度，因此，根据当前群组聚集策略和用户特征向量对搜索结果进行排序后，得到的排序结果可以最大程度的满足用户群组的喜好。
需要说明的是：上述实施例提供的服务器，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
图5是本申请实施例提供的一种用于搜索结果的排序的服务器500的结构示意图。上述图2所示的实施例中的服务器的功能即可以通过图5中所示的服务器来实现。该服务器可以是后台服务器集群中的服务器。具体来讲：
服务器500包括中央处理单元(CPU)501、包括随机存取存储器(RAM)502和只读存储器(ROM)503的系统存储器504，以及连接系统存储器504和中央处理单元501的系统总线505。服务器500还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统)506，和用于存储操作系统513、应用程序514和其他程序模块515的大容量存储设备507。
基本输入/输出系统506包括有用于显示信息的显示器508和用于用户输入信息的诸如鼠标、键盘之类的输入设备509。其中显示器508和输入设备509都通过连接到系统总线505的输入输出控制器510连接到中央处理单元501。基本输入/输出系统506还可以包括输入输出控制器510以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器510还提供输出到显示屏、打印机或其他类型的输出设备。
大容量存储设备507通过连接到系统总线505的大容量存储控制器(未示出)连接到中央处理单元501。大容量存储设备507及其相关联的计算机可读介质为服务器500提供非易失性存储。也就是说，大容量存储设备507可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。
不失一般性，计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术，CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器504和大容量存储设备507可以统称为存储器。
根据本申请的各种实施例，服务器500还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器500可以通过连接在系统总线505上的网络接口单元511连接到网络512，或者说，也可以使用网络接口单元511来连接到其他类型的网络或远程计算机系统(未示出)。
上述存储器还包括一个或者一个以上的程序，一个或者一个以上程序存储于存储器中，被配置由CPU执行。所述一个或者一个以上程序包含用于进行本申请实施例提供的搜索结果的排序方法的指令。
本申请实施例还提供了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服务器的处理器执行时，使得服务器能够执行上述图2所示实施例提供的搜索结果的排序方法。
本申请实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述图2所示实施例提供的搜索结果的排序方法。
图6是本申请实施例提供的一种显示设备600的结构示意图。该显示设备600即可用于将本实施例中得到的经过排序的搜索结果进行显示。如图6所示，显示设备600中包括控制器610、调谐解调器620、网络接口630、检测器640、输入\输出接口650、视频处理器660-1，音频处理器660-2，显示器680，音频输出670、存储器690，供电电源、红外接收器。
显示器680，用于接收源自视频处理器660-1输入的图像信号，进行显示视频内容和图像以及菜单操控界面的组件。显示器680包括用于呈现画面的显示屏组件，以及驱动图像显示的驱动组件。显示视频内容，可以来自广播电视内容，也可以是说，可通过有线或无线通信协议接收的各种广播信号。或者，可显示来自网络通信协议接收来自网络服务器端发送的各种图像内容。
同时，显示器680，同时显示显示设备600中产生且用于控制显示设备600的用户操控UI界面。
以及，根据显示器680类型不同，还包括用于驱动显示的驱动组件。或者，倘若显示器680为一种投影显示器，还可以包括一种投影装置和投影屏幕。
网络接口630是用于根据各种通信协议类型与外部设备或外部服务器进行通信的组件。例如：网络接口630可以是Wifi模块631，蓝牙模块632，有线以太网模块633等其他网络通信模块或近场通信模块，以及红外接收器(图中未示出)。
显示设备600可以通过通信接口630与外部控制设备或内容提供设备之间建立控制信号和数据信号发送和接收。以及，红外接收器，可用于接收控制装置(如：红外遥控器等)红外控制信号的接口器。
检测器640，是显示设备600用于采集外部环境或与外部交互的信号。检测器640包括光接收器642，用于采集环境光线强度的传感器，可以通过采集环境光可以自适应性显示参数变化等。
以及包括图像采集器641，如相机、摄像头等，可以用于采集外部环境场景，以及用于采集用户的属性或与用户交互手势，可以自适应变化显示参数，也可以识别用户手势，以实现与用户之间互动的功能。
在其他一些示例性实施例中，检测器640，还可温度传感器等，如通过感测环境温度，显示设备600可自适应调整图像的显示色温。如当温度偏高的环境时，可调整显示设备600显示图像色温偏冷色调，或当温度偏低的环境时，可以调整显示设备600显示图像偏暖色调。
在其他一些示例性实施例中，检测器640，还可声音采集器等，如麦克风，可以用于接收用户的声音，包括用户控制显示设备600的控制指令的语音信号，或采集环境声音，用于识别环境场景类型，显示设备600可以自适应适应环境噪声。
输入/输出接口650，在控制器610的控制显示设备600与外部其他设备间数据传输。如接收外部设备的视频信号和音频信号、或命令指令等数据。
其中，输入/输出接口650可以包括，但不限于如下：HDMI接口651、分量接口653、AV接口652、USB输入接口654、RGB端口(图中未示出)等任一个或多个接口。
在其他一些示例性实施例中，输入/输出接口650也可以上述多个接口形成复合性的输入/输出接口。
调谐解调器620，通过有线或无线接收方式接收广播电视信号，可以进行放大、混频和谐振等调制解调处理，从多多个无线或有线广播电视信号中解调出用户所选择电视频道频率中所携带的电视音视频信号，以及EPG数据信号。
调谐解调器620，可根据用户选择，以及由控制器610控制，响应用户选择的电视信号频率以及该频率所携带的电视信号。
调谐解调器620，可以接收信号的途径，根据电视信号广播制式不同，有很多种，诸如：地面广播、有线广播、卫星广播或互联网广播信号等；以及根据调制类型不同，可以数字调制，也可以模拟调制方式。根据接收电视信号种类不同，可以模拟信号和数字信号。
在其他一些示例性实施例中，调谐解调器620也可在外置设备中，如外置机顶盒等。这样，机顶盒通过调制解调后输出电视音视频信号，经过输入/输出接口650输入显示设备600中。
视频处理器660-1，用于将接收外部视频信号，根据输入信号的标准编解码协议，进行解压缩、解码、缩放、降噪、帧率转换、分辨率转换、图像合成等等视频处理，可得到直接可显示设备600上显示或播放的信号。
示例的，视频处理器660-1，包括解复用模块、视频解码模块、图像合成模块、帧率转换模块、显示格式化模块等。
其中，解复用模块，用于对输入音视频数据流进行解复用处理，如输入MPEG-2,则解复用模块进行解复用成视频信号和音频信号等。
视频解码模块，则用于对解复用后的视频信号进行处理，包括解码和缩放处理等。
图像合成模块，如图像合成器，其用于将图形生成器根据用户输入或自身生成的GUI信号，与缩放处理后视频图像进行叠加混合处理，以生成可供显示的图像信号。
帧率转换模块，用于对转换输入视频帧率，如将60Hz帧率转换为150Hz帧率或540Hz帧率，通常的格式采用如插帧方式实现。
显示格式化模块，则用于将接收帧率转换后视频输出信号，改变信号以符合显示格式的信号，如输出RGB数据信号。
音频处理器660-2，用于接收外部的音频信号，根据输入信号的标准编解码协议，进行解压缩和解码，以及降噪、数模转换、和放大处理等处理，得到可以在扬声器中播放的声音信号。
在其他一些示例性实施例中，视频处理器660-1可以包括一颗或多颗芯片组成。音频处理器660-2，也可以包括一颗或多颗芯片组成。
以及，在其他一些示例性实施例中，视频处理器660-1和音频处理器660-2，可以单独的芯片，也可以于控制器610一起集成在一颗或多颗芯片中。
音频输出670，在控制器610的控制下接收音频处理器660-2输出的声音信号，如：扬声器672，以及除了显示设备600自身携带的扬声器672之外，可以输出至外接设备的发生装置的外接音响输出端子674，如：外接音响接口或耳机接口等。
供电电源，在控制器610控制下，将外部电源输入的电力为显示设备600提供电源供电支持。供电电源可以包括安装显示设备600内部的内置电源电路，也可以是安装在显示设备600外部电源，在显示设备600中提供外接电源的电源接口。
用户输入接口，用于接收用户的输入信号，然后，将接收用户输入信号发送给控制器610。用户输入信号可以是通过红外接收器接收的遥控器信号，可以通过网络通信模块接收各种用户控制信号。
示例的，用户通过遥控器或移动显示设备输入用户命令，用户输入接口则根据用户的输入，显示设备600则通过控制器610响应用户的输入。
在一些实施例中，用户可在显示器680上显示的图形用户界面(GUI)输入用户命令，则用户输入接口通过图形用户界面(GUI)接收用户输入命令。或者，用户可通过输入特定的声音或手势进行输入用户命令，则用户输入接口通过传感器识别出声音或手势，来接收用户输入命令。
控制器610，通过存储在存储器690上中各种软件控制程序，来控制显示设备600的工作和响应用户的操作，从而实现本申请中方法实施例提供的搜索结果的排序方法。
如图6所示，控制器610包括RAM613和ROM614以及图形处理器616、CPU处理器612、通信接口618，如：第一接口618-1到第n接口618-n，以及通信总线。其中，RAM613和ROM614以及图形处理器616、CPU处理器612、通信接口618通过通信总线相连接。
ROM614，用于存储各种系统启动的指令。如在收到开机信号时，显示设备600电源开始启动，CPU处理器612运行ROM中系统启动指令，将存储在存储器690的操作系统拷贝至RAM613中，以使开始运行启动操作系统。当操作系统启动完成后，CPU处理器612再将存储器690中各种应用程序拷贝至RAM613中，然后，开始运行启动各种应用程序。
图形处理器616，用于产生各种图形对象，如：图标、操作菜单、以及用户输入指令显示图形等。包括运算器，通过接收用户输入的搜索词得到的搜索结果进行运算，根据显示属性显示各种对象。以及包括渲染器，产生基于运算器得到的各种对象，进行渲染的结果显示在显示器680上。
CPU处理器612，用于执行存储在存储器690中操作系统和应用程序指令。以及根据接收外部输入的各种交互指令，来执行各种应用程序、数据和内容，以便最终显示和播放各种音视频内容。
在一些示例性实施例中，CPU处理器612，可以包括多个处理器。多个处理器可包括一个主处理器以及多个或一个子处理器。主处理器，用于在预加电模式中执行显示设备600一些操作，和/或在正常模式下显示画面的操作。多个或一个子处理器，用于在待机模式等状态下一种操作。
控制器610可以控制显示设备600的整体操作。例如：响应于接收到用于选择在显示器680上显示UI对象的用户命令，控制器610便可以执行与由用户命令选择的对象有关的操作。
其中，所述对象可以是可选对象中的任何一个，例如超链接或图标。与所选择的对象有关操作，例如：显示连接到超链接页面、文档、图像等操作，或者执行与所述图标相对应程序的操作。用于选择UI对象用户命令，可以是通过连接到显示设备600的各种输入装置(例如，鼠标、键盘、触摸板等)输入命令或者与由用户说出语音相对应的语音命令。
存储器690，包括存储用于驱动显示设备600的各种软件模块。如：存储器690中存储的各种软件模块，包括：基础模块、检测模块、通信模块、显示控制模块、浏览器模块、和各种服务模块等。
其中，基础模块用于产后护理显示设备600中各个硬件之间信号通信、并向上层模块发送处理和控制信号的底层软件模块。检测模块用于从各种传感器或用户输入接口中收集各种信息，并进行数模转换以及分析管理的管理模块。
例如：语音识别模块中包括语音解析模块和语音指令数据库模块。显示控制模块用于控制显示器680进行显示图像内容的模块，可以用于播放多媒体图像内容和UI界面等信息。通信模块，用于与外部设备之间进行控制和数据通信的模块。浏览器模块，用于执行浏览服务器之间数据通信的模块。服务模块，用于提供各种服务以及各类应用程序在内的模块。
同时，存储器690还用存储接收外部数据和用户数据、各种用户界面中各个项目的图像、焦点对象的视觉效果图以及至少一个指令等，其中，该至少一个指令用于被CPU处理器612所执行以实现本申请中方法实施例提供的搜索结果的排序方法。
也即是，本申请实施例不仅提供了一种显示设备，包括CPU处理器和存储器，其中，CPU处理器被配置为执行图2所示的搜索结果的排序方法，而且，本申请实施例还提供了一种计算机可读存储介质，该存储介质内存储有计算机程序，该计算机程序被处理器执行时可以实现图2所示的搜索结果的排序方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (11)

1.一种搜索结果的排序方法，其特征在于，所述方法包括：
接收显示设备发送的搜索请求，所述搜索请求携带搜索词；
根据所述搜索请求获取所述显示设备对应的用户群组包括的多个用户的用户信息，并根据所述搜索词，获取多个搜索结果；
根据所述多个用户的用户信息，获取所述用户群组对应的当前群组聚集策略，以及获取每个用户的用户特征向量，所述当前群组聚集策略用于指示所述多个用户中的每个用户在所述用户群组内的重要程度，所述用户特征向量用于指示相应用户感兴趣的媒资类型；
根据所述用户群组对应的当前群组聚集策略和每个用户的用户特征向量，对所述多个搜索结果进行排序；
向所述显示设备发送排序后的多个搜索结果，以使所述显示设备显示排序后的多个搜索结果。
2.根据权利要求1所述的方法，其特征在于，所述根据所述多个用户的用户信息，获取所述用户群组对应的当前群组聚集策略，包括：
根据所述多个用户的用户信息，从存储的用户信息与群组聚集策略的第一映射关系中获取所述多个用户的用户信息对应的群组聚集策略，所述第一映射关系中的每个群组聚集策略是通过聚类模型对相应群组聚集策略对应的用户信息进行处理得到；
将获取的群组聚集策略确定为所述用户群组对应的当前群组聚集策略。
3.根据权利要求1所述的方法，其特征在于，所述根据所述多个用户的用户信息，获取每个用户的用户特征向量，包括：
根据所述多个用户的用户信息，从存储的用户信息与用户特征向量的第二映射关系中获取每个用户信息对应的用户特征向量，所述第二映射关系中的每个用户特征向量通过词向量模型对对应的用户信息所对应的用户特征标签进行处理得到；
将获取的每个用户信息对应的用户特征向量，作为每个用户的用户特征向量。
4.根据权利要求1-3任一所述的方法，其特征在于，所述根据所述用户群组对应的当前群组聚集策略和每个用户的用户特征向量，对所述多个搜索结果进行排序，包括：
根据所述多个用户的用户信息，确定所述用户群组的用户结构向量；
根据所述用户群组对应的当前群组聚集策略和每个用户的用户特征向量，确定所述用户群组的群特征向量；
获取所述多个搜索结果中每个搜索结果的媒资特征向量；
根据所述用户群组的群特征向量和每个搜索结果的媒资特征向量，确定每个搜索结果与所述用户群组的相关度；
通过排序模型对所述用户结构向量、所述群特征向量、每个用户的用户特征向量、每个搜索结果的媒资特征向量以及每个搜索结果与所述用户群组的相关度进行处理，得到所述多个搜索结果的排序结果。
5.根据权利要求4所述的方法，其特征在于，所述获取所述多个搜索结果中每个搜索结果的媒资特征向量，包括：
获取所述多个搜索结果中的每个搜索结果的媒资特征标签；
通过词向量模型对每个搜索结果的媒资特征标签进行处理，得到每个搜索结果的媒资特征向量。
6.根据权利要求5所述的方法，其特征在于，所述词向量模型根据多个群组样本中每个群组样本包括的多个用户样本的用户信息和用户特征标签，以及多个媒资样本中每个媒资样本的媒资特征标签和媒资描述文本训练得到。
7.根据权利要求4-6任一所述的方法，其特征在于，所述排序模型根据多个群组样本中每个群组样本包括的多个用户样本的用户信息、每个群组样本的多个历史搜索结果训练得到。
8.一种服务器，其特征在于，所述服务器包括：
接收模块，用于接收显示设备发送的搜索请求，所述搜索请求携带搜索词；
处理模块，用于根据所述搜索请求获取所述显示设备对应的用户群组包括的多个用户的用户信息，并根据所述搜索词，获取多个搜索结果；
所述处理模块，还用于根据所述多个用户的用户信息，获取所述用户群组对应的当前群组聚集策略，以及获取每个用户的用户特征向量，所述当前群组聚集策略用于指示所述多个用户中的每个用户在所述用户群组内的重要程度，所述用户特征向量用于指示相应用户感兴趣的媒资类型；
所述处理模块，还用于根据所述用户群组对应的当前群组聚集策略和每个用户的用户特征向量，对所述多个搜索结果进行排序；
发送模块，用于向所述显示设备发送排序后的多个搜索结果，以使所述显示设备显示排序后的多个搜索结果。
9.根据权利要求8所述的服务器，其特征在于，所述处理模块具体用于：
根据所述多个用户的用户信息，从存储的用户信息与群组聚集策略的第一映射关系中获取所述多个用户的用户信息对应的群组聚集策略，所述第一映射关系中的每个群组聚集策略是通过聚类模型对相应群组聚集策略对应的用户信息进行处理得到；
将获取的群组聚集策略确定为所述用户群组对应的当前群组聚集策略。
10.根据权利要求8所述的服务器，其特征在于，所述处理模块具体用于：
根据所述多个用户的用户信息，从存储的用户信息与用户特征向量的第二映射关系中获取每个用户信息对应的用户特征向量，所述第二映射关系中的每个用户特征向量通过词向量模型对对应的用户信息所对应的用户特征标签进行处理得到；
将获取的每个用户信息对应的用户特征向量，作为每个用户的用户特征向量。
11.一种显示设备，其特征在于，所述显示设备包括：
显示器，该显示器被配置为显示用户界面，其中，所述用户界面包括多个视图显示区，其中，各个视图显示区中包括布局一个或多个不同项目，以及，该用户界面中还包括指示所述项目被选择的选择器，可通过用户输入而移动所述选择器在所述用户界面中的位置，以使选择不同的所述项目；
与所述显示器通信的控制器，所述控制器用于：
接收用户输入的搜索词，向服务器发送携带所述搜索词的搜索请求；
接收所述服务器根据所述搜索请求返回的排序后的多个搜索结果，控制所述显示器显示所述排序后的多个搜索结果；
其中，排序后的多个搜索结果是所述服务器根据权利要求1-7任一所述的搜索结果的排序方法确定得到。
CN201911137136.6A 2019-11-19 2019-11-19 搜索结果的排序方法及服务器 Pending CN110851727A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911137136.6A CN110851727A (zh) 2019-11-19 2019-11-19 搜索结果的排序方法及服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911137136.6A CN110851727A (zh) 2019-11-19 2019-11-19 搜索结果的排序方法及服务器

Publications (1)

Publication Number Publication Date
CN110851727A true CN110851727A (zh) 2020-02-28

Family

ID=69602404

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911137136.6A Pending CN110851727A (zh) 2019-11-19 2019-11-19 搜索结果的排序方法及服务器

Country Status (1)

Country Link
CN (1) CN110851727A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113542899A (zh) * 2020-04-22 2021-10-22 聚好看科技股份有限公司 信息展示方法、显示设备、服务器

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104038517A (zh) * 2013-03-05 2014-09-10 腾讯科技（深圳）有限公司 基于群组关系的信息推送方法以及服务器
CN104361092A (zh) * 2014-11-18 2015-02-18 百度在线网络技术（北京）有限公司 搜索方法及装置
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
CN105956146A (zh) * 2016-05-12 2016-09-21 腾讯科技（深圳）有限公司 一种物品信息的推荐方法及装置
CN107885889A (zh) * 2017-12-13 2018-04-06 聚好看科技股份有限公司 搜索结果的反馈方法、展示方法及装置
CN110245289A (zh) * 2019-05-20 2019-09-17 中国平安财产保险股份有限公司 一种信息搜索方法以及相关设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104038517A (zh) * 2013-03-05 2014-09-10 腾讯科技（深圳）有限公司 基于群组关系的信息推送方法以及服务器
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
CN104361092A (zh) * 2014-11-18 2015-02-18 百度在线网络技术（北京）有限公司 搜索方法及装置
CN105956146A (zh) * 2016-05-12 2016-09-21 腾讯科技（深圳）有限公司 一种物品信息的推荐方法及装置
CN107885889A (zh) * 2017-12-13 2018-04-06 聚好看科技股份有限公司 搜索结果的反馈方法、展示方法及装置
CN110245289A (zh) * 2019-05-20 2019-09-17 中国平安财产保险股份有限公司 一种信息搜索方法以及相关设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
喻玲: "面向家庭用户的互联网电视资源推荐模型研究", 《中国优秀博硕士学位论文全文数据库(硕士)》 *
王华: "基于张量分解的IPTV用户行为建模与节目个性化推荐研究", 《中国优秀博硕士学位论文全文数据库(硕士)》 *
范娜: "基于IPTV的虚拟群组推荐研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113542899A (zh) * 2020-04-22 2021-10-22 聚好看科技股份有限公司 信息展示方法、显示设备、服务器

Similar Documents

Publication Publication Date Title
JP4328757B2 (ja) 番組選択装置及び番組選択装置の制御方法
US11636335B2 (en) System and method for content discovery
CN105635824B (zh) 个性化频道推荐方法和系统
CN102265276B (zh) 基于上下文的推荐系统
CN110737840A (zh) 语音控制方法及显示设备
US20220147870A1 (en) Method for providing recommended content list and electronic device according thereto
CN111372109B (zh) 一种智能电视以及信息交互方法
CN111432282B (zh) 一种视频推荐方法及装置
CN112000820A (zh) 一种媒资推荐方法及显示设备
CN114564666B (zh) 百科信息展示方法、装置、设备和介质
CN111625716B (zh) 媒资推荐方法、服务器及显示设备
US20210201146A1 (en) Computing device and operation method thereof
US20140089238A1 (en) Information processing device and information processing method
CN112135170A (zh) 一种显示设备、服务器及视频推荐方法
CN114513687B (zh) 服务器及媒资推荐方法
CN111914134A (zh) 一种关联推荐方法、智能设备及服务设备
CN112685637B (zh) 一种智能设备的智能交互方法及智能设备
CN110851727A (zh) 搜索结果的排序方法及服务器
US20160086220A1 (en) Terminal device and device program
CN113468351A (zh) 一种智能设备及图像处理方法
CN111950288B (zh) 一种命名实体识别中的实体标注方法及智能设备
CN114117126A (zh) 一种视频推荐方法及显示设备
CN113722542A (zh) 视频推荐方法及显示设备
CN111782878B (zh) 服务器、显示设备及其视频搜索排序方法
CN114615524B (zh) 服务器、媒资推荐网络的训练方法及媒资推荐方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200228