CN111159239A - 搜索方法和设备 - Google Patents
搜索方法和设备 Download PDFInfo
- Publication number
- CN111159239A CN111159239A CN201911407752.9A CN201911407752A CN111159239A CN 111159239 A CN111159239 A CN 111159239A CN 201911407752 A CN201911407752 A CN 201911407752A CN 111159239 A CN111159239 A CN 111159239A
- Authority
- CN
- China
- Prior art keywords
- city
- relevant
- result
- determining
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000010606 normalization Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 18
- 230000003993 interaction Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 230000009191 jumping Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 18
- 238000013507 mapping Methods 0.000 abstract description 11
- 230000008859 change Effects 0.000 description 8
- 230000009471 action Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000012106 screening analysis Methods 0.000 description 7
- 238000005070 sampling Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Remote Sensing (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种搜索方法和设备。该方法包括:根据用户输入的关键词和用户所在的城市,构建查询语句;在每个城市搜索所述查询语句,确定与所述关键词有关的相关城市;根据所述查询语句在所述相关城市的搜索结果,确定所述相关城市的打分值;根据所述相关城市的打分值,确定返回结果。和现有技术中依据映射词典查找到映射城市,将所有映射城市的搜索结果全部展示给用户相比,上述搜索方法可避免用户从大量的搜索结果进行定位和查找的过程,提升了用户使用体验。
Description
技术领域
本发明涉及电子地图领域,尤其涉及一种搜索方法和设备。
背景技术
随着互联网技术的不断发展,终端上能够实现的应用越来越多。比如:社交、视频点播、购物以及电子地图等。其中,电子地图可供人们进行关键词搜索,使人们能够查询到相关兴趣点POI的地理位置,为人们的工作和生活提供了极大的便利。有时,人们在地图上进行搜索时,在很多城市都可以搜索到与关键词相关的搜索结果,这种情况下,如何返回让人们满意的搜索结果,对提升人们对电子地图的使用体验有重要意义。
现有技术中,通常的做法为:基于知识库的积累离线构建关键词与城市之间的映射词典,在用户输入关键词后,根据该映射词典查找对应的城市,进而在该城市内对关键词进行搜索,并将得到的搜索结果返回给用户。
然而,上述方法将所有映射词典映射到的城市的搜索结果都返回给了用户,用户需要从大量的搜索结果中寻找感兴趣的搜索结果,搜索结果复杂,用户使用不便。
发明内容
本发明提供一种搜索方法和设备。用于改善搜索结果,提升用户对电子地图的使用体验。
第一方面,本发明提供一种搜索方法,包括:
根据用户输入的关键词和用户所在的城市,构建查询语句;
在每个城市搜索所述查询语句,确定与所述关键词有关的相关城市;
根据所述查询语句在所述相关城市的搜索结果,确定所述相关城市的打分值;
根据所述相关城市的打分值,确定返回结果,所述返回结果为跳转城市的搜索结果、用户所在的城市的搜索结果、城市建议结果和城市分布结果中的一种。
可选的,若所述相关城市包括所述用户所在的城市;所述根据所述相关城市的打分值,确定返回结果,包括:
根据所述相关城市的打分值,对所述用户所在的城市和打分值最高的城市进行第一跳转分析,得到第一跳转分析结果;
根据所述第一跳转分析结果,确定所述返回结果。
可选的,所述根据所述相关城市的打分值,对所述用户所在的城市和打分值最高的城市进行第一跳转分析,得到第一跳转分析结果,包括:
判断所述相关城市的打分值是否满足第一判定条件,所述第一判定条件为:所述相关城市中的最高打分值与打分值总和的商大于第一阈值,或者,所述相关城市的打分值均值与最高打分值的商小于第二阈值;
若所述相关城市的打分值不满足所述第一判定条件,则所述第一跳转分析结果为空;
若所述相关城市的打分值满足所述第一判定条件,则判断所述用户所在的城市的打分值在所述相关城市中是否为最高;
若所述用户所在的城市的打分值在所述相关城市中为最高,则所述第一跳转分析结果为返回用户所在的城市的对象;
若所述用户所在的城市的打分值在所述相关城市中不为最高,则判断所述相关城市的打分值是否满足第二判定条件,所述第二判定条件为:所述相关城市的数量为大于等于2,或者,所述用户所在的城市的打分值与所述相关城市的打分值均值的商大于第三阈值;
若所述相关城市的打分值不满足所述第二判定条件,则所述第一跳转分析结果为返回城市跳转对象;
若所述相关城市的打分值满足所述第二判定条件,则判断所述相关城市的打分值是否满足第三判定条件,所述第三判定条件为:所述用户所在的城市的打分值与所述相关城市中的最高打分值的商大于第四阈值;
若所述相关城市的打分值不满足所述第三判定条件,则所述第一跳转分析结果为返回城市建议对象;
若所述相关城市的打分值满足所述第三判定条件,则所述第一跳转分析结果为返回用户所在的城市的对象。
可选的,所述根据所述第一跳转分析结果,确定所述返回结果,包括:
若所述第一跳转分析结果为返回城市跳转对象,则根据所述相关城市的打分值进行城市分布分析,得到城市分布分析结果;
根据所述城市分布分析结果,确定所述返回结果。
可选的,所述根据所述第一跳转分析结果,确定所述返回结果,包括:
若所述第一跳转分析结果为返回用户所在的城市的对象,则确定所述返回结果为所述用户所在的城市的搜索结果;
若所述第一跳转分析结果为返回城市建议对象,则确定所述返回结果为城市建议结果,所述城市建议结果包括所述相关城市中打分值最高的城市;
若所述第一跳转分析结果为空,则判断所述相关城市的数目是否大于设定值;
若所述相关城市的数目大于设定值,则根据所述相关城市的打分值,对所述用户所在的城市和打分值排在第二的城市进行第二跳转分析,得到第二跳转分析结果;
根据所述第二跳转分析结果,确定所述返回结果。
可选的,所述根据所述查询语句在所述相关城市的搜索结果,确定所述相关城市的打分值,包括:
根据所述相关城市的搜索结果,确定所述相关城市在每个统计特征上的分值,所述统计特征包括:文本相似度、点击量和兴趣点POI数量;
根据所述相关城市在每个统计特征上的分值,确定所述相关城市的打分值。
可选的,所述根据所述相关城市的搜索结果,确定所述相关城市在每个统计特征上的分值,包括:
根据所述相关城市的搜索结果,确定每个统计特征的最大值和最小值;
根据每个统计特征的最大值、最小值以及敏感区大小,确定每个统计特征在敏感区的最大值和最小值;
根据每个统计特征在敏感区的最大值和最小值,确定每个统计特征的归一化函数;
根据每个统计特征的归一化函数,确定所述相关城市在每个统计特征上的分值。
第二方面,本发明提供一种搜索装置,包括:
处理模块,用于根据用户输入的关键词和用户所在的城市,构建查询语句;在每个城市搜索所述查询语句,确定与所述关键词有关的相关城市;并根据所述查询语句在所述相关城市的搜索结果,确定所述相关城市的打分值;
交互模块,用于根据所述相关城市的打分值,确定返回结果,所述返回结果为跳转城市的搜索结果、用户所在的城市的搜索结果、城市建议结果和城市分布结果中的一种。
可选的,若所述相关城市包括所述用户所在的城市,所述交互模块具体用于:
根据所述相关城市的打分值,对所述用户所在的城市和打分值最高的城市进行第一跳转分析,得到第一跳转分析结果;
根据所述第一跳转分析结果,确定所述返回结果。
可选的,所述交互模块具体用于:
判断所述相关城市的打分值是否满足第一判定条件,所述第一判定条件为:所述相关城市中的最高打分值与打分值总和的商大于第一阈值,或者,所述相关城市的打分值均值与最高打分值的商小于第二阈值;
若所述相关城市的打分值不满足所述第一判定条件,则所述第一跳转分析结果为空;
若所述相关城市的打分值满足所述第一判定条件,则判断所述用户所在的城市的打分值在所述相关城市中是否为最高;
若所述用户所在的城市的打分值在所述相关城市中为最高,则所述第一跳转分析结果为返回用户所在的城市的对象;
若所述用户所在的城市的打分值在所述相关城市中不为最高,则判断所述相关城市的打分值是否满足第二判定条件,所述第二判定条件为:所述相关城市的数量为大于等于2,或者,所述用户所在的城市的打分值与所述相关城市的打分值均值的商大于第三阈值;
若所述相关城市的打分值不满足所述第二判定条件,则所述第一跳转分析结果为返回城市跳转对象;
若所述相关城市的打分值满足所述第二判定条件,则判断所述相关城市的打分值是否满足第三判定条件,所述第三判定条件为:所述用户所在的城市的打分值与所述相关城市中的最高打分值的商大于第四阈值;
若所述相关城市的打分值不满足所述第三判定条件,则所述第一跳转分析结果为返回城市建议对象;
若所述相关城市的打分值满足所述第三判定条件,则所述第一跳转分析结果为返回用户所在的城市的对象。
可选的,所述交互模块具体用于:
若所述第一跳转分析结果为返回城市跳转对象,则根据所述相关城市的打分值进行城市分布分析,得到城市分布分析结果;
根据所述城市分布分析结果,确定所述返回结果。
可选的,所述交互模块具体用于:
若所述第一跳转分析结果为返回用户所在的城市的对象,则确定所述返回结果为所述用户所在的城市的搜索结果;
若所述第一跳转分析结果为返回城市建议对象,则确定所述返回结果为城市建议结果,所述城市建议结果包括所述相关城市中打分值最高的城市;
若所述第一跳转分析结果为空,则判断所述相关城市的数目是否大于设定值;
若所述相关城市的数目大于设定值,则根据所述相关城市的打分值,对所述用户所在的城市和打分值排在第二的城市进行第二跳转分析,得到第二跳转分析结果;
根据所述第二跳转分析结果,确定所述返回结果。
可选的,所述处理模块具体用于:
根据所述相关城市的搜索结果,确定所述相关城市在每个统计特征上的分值,所述统计特征包括:文本相似度、点击量和兴趣点POI数量;
根据所述相关城市在每个统计特征上的分值,确定所述相关城市的打分值。
可选的,所述处理模块具体用于:
根据所述相关城市的搜索结果,确定每个统计特征的最大值和最小值;
根据每个统计特征的最大值、最小值以及敏感区大小,确定每个统计特征在敏感区的最大值和最小值;
根据每个统计特征在敏感区的最大值和最小值,确定每个统计特征的归一化函数;
根据每个统计特征的归一化函数,确定所述相关城市在每个统计特征上的分值。
第三方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述搜索方法。
第四方面,本发明提供一种终端,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来实现实现上述搜索方法。
本发明提供的搜索方法和设备,在接收到用户输入的关键词,并且确定了用户所在的城市的基础上,根据关键词和该城市来确定返回结果是跳转城市的搜索结果、用户所在的城市的搜索结果、城市建议结果和城市分布结果中的哪一种,最后将确定好的返回结果输出供用户查看,和现有技术中依据映射词典查找到映射城市,将所有映射城市的搜索结果全部展示给用户相比,上述搜索方法可避免用户从大量的搜索结果进行定位和查找的过程,提升了用户使用体验。
附图说明
图1为本发明提供的搜索方法的实施例一的流程示意图;
图2为本发明提供的Sigmod函数和敏感区的示意图;
图3为本发明提供的搜索方法的实施例二的流程示意图;
图4为本发明提供第一跳转分析流程示意图;
图5为本发明提供的搜索方法的实施例二的流程示意图;
图6为本发明提供的搜索装置的实施例的结构示意图;
图7为本发明提供的终端的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。
此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
人们在地图上搜索关键词时,在很多城市都可以搜索到与关键词相关的搜索结果,如何返回让人们满意的搜索结果,对提升人们对电子地图的使用体验有重要意义。现有技术中,通过如下方式为人们返回搜索结果:基于知识库的积累离线构建关键词与城市之间的映射词典,在用户输入关键词后,根据该映射词典查找对应的城市,进而在查找到的城市内对关键词进行搜索,并将得到的搜索结果返回给用户。然而,上述方法将所有映射词典映射到的城市的搜索结果都返回给了用户,用户需要从大量的搜索结果中寻找感兴趣的搜索结果,用户使用体验不高。
基于现有技术存在的上述技术问题,本发明提供一种搜索方法,在接收到用户输入的关键词并且确定用户所在的城市后,根据该关键词和该城市构建查询语句,然后在每个城市搜索该查询语句,从而确定出与所述关键词有关的所有相关城市,然后根据查询语句在各相关城市的搜索结果,确定各相关城市的打分值,最后根据各相关城市的打分值,确定返回结果是跳转城市的搜索结果、用户所在的城市的搜索结果、城市建议结果和城市分布结果中的哪一种,最后将确定好的返回结果输出供用户查看,和现有技术中依据映射词典查找到映射城市,将所有映射城市的搜索结果全部展示给用户相比,上述搜索方法可避免用户从大量的搜索结果进行定位和查找的过程,提升了用户使用体验。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
实施例一
图1为本发明提供的搜索方法的实施例一的流程示意图。如图1所示,本实施例提供的搜索方法,包括:
S101、根据用户输入的关键词和用户所在的城市,构建查询语句;
可选的,可通过全球定位系统(Global Positioning System,简称GPS)来确定用户所在的城市。为方便描述,下文将用户所在的城市简称为当前城市。
在S101之前,可对关键词和当前城市进行标准化以及合法性校验,目的是将用户输入的关键词和当前城市转换为约定格式。
一方面,在接收到用户输入的关键词后,构建查询语句之前,可先根据该关键词,通过城市跳转配置文件判断返回结果是否为跳转城市的搜索结果,若是,则直接输出跳转城市的搜索结果。
下面进行举例说明:
假设用户输入的关键词为“黄浦江”,城市跳转配置文件识别到黄浦江所在城市为固定城市(上海),则城市跳转配置文件可指示返回结果应为跳转城市的搜索结果,且该跳转城市为上海,电子地图的输出结果则为黄浦江在上海的搜索结果。
另一方面,在接收到用户输入的关键词后,构建查询语句之前,可先根据该关键词,通过通用词配置文件判断返回结果是否为当前城市的搜索结果,若是,则直接输出当前城市的搜索结果。
下面进行举例说明:
假设用户输入的关键词为“肯德基”,通用词配置文件识别到肯德基为日常食品的通用词汇,则通用词配置文件可指示返回结果应为当前城市的搜索结果,电子地图的输出则为肯德基在当前城市的搜索结果。
一种可实现的方式中,构建查询语句可通过如下方式实现:
利用查询意图分析工具对关键词和当前城市进行语义分析,语义分析结果以优先级的形式返回查询大类型(关键字搜或者周边搜)和查询小类型(关键字值、品牌、同义词、行政区或者街道等)。然后,从如下几个方面对上述语义分析结果进行解析:(1)筛选重要语义。主要是筛选周边搜的中心点,比如“王府井商场”,保留“王府井”,过滤“商场”。(2)同义词扩展。比如语义分析结果包含“西北工大图书馆”,其中,“西北工大”具有同义词集合:{“西北工业大学”,“西工大”},那么同义词扩展之后的查询语句包括:{“西北工大图书馆”,“西北工业大学图书馆”,“西工大图书馆”}。(3)地址分析。判断语义分析结果中是否包含地址信息(省、市、区县、街道),如果有,将地址信息和语义分析结果中的其他词语重新组合形成新的查询语句。
S102、在每个城市搜索所述查询语句,确定与所述关键词有关的相关城市。
具体的,在全国每个城市搜索所述查询语句,将存在搜索结果的城市确定为相关城市,不存在搜索结果的城市确定为非相关城市。
S103、根据所述查询语句在所述相关城市的搜索结果,确定所述相关城市的打分值。
具体的,可通过如下步骤确定相关城市的打分值:
第一步、根据所述相关城市的搜索结果,确定所述相关城市在每个统计特征上的分值,所述统计特征包括:文本相似度、点击量和兴趣点POI数量。
可选的,确定相关城市在每个统计特征上的分值的具体做法可以为:
1、根据所述相关城市的搜索结果,确定每个统计特征的最大值和最小值。
假设S204确定的相关城市有:城市A、城市B和城市C,以城市A为例:
关于文本相似度,将城市A的搜索结果按照点击量排序,然后对搜索结果进行抽样统计,即取排在前面的N个搜索结果,计算每个搜索结果与查询语句的文本相似度,得到城市A的文本相似度变化区间。
关于点击量,将城市A的搜索结果按照点击量排序,然后对搜索结果进行抽样统计,即取排在前面的N个搜索结果,排在第一个的点击量和排在第N个的点击量便构成了城市A的点击量变化区间。
关于POI数量,将城市A的搜索结果的个数作为城市A对应的POI数量。
同理,可以得到城市B的文本相似度变化区间、点击量变化区间和POI数量,以及城市C的文本相似度变化区间、点击量变化区间和POI数量,然后对三个城市的文本相似度变化区间进行比较,得到文本相似度的最大值和最小值,对三个城市的点击量变化区间进行比较,得到点击量的最大值和最小值,对三个城市的POI数量进行比较,得到POI数量的最大值和最小值。
2、根据每个统计特征的最大值、最小值以及敏感区大小,确定每个统计特征在敏感区的最大值和最小值。
具体的,为了更合理地考虑各个统计特征的影响,需要对每个统计特征进行归一化,归一化操作可采用Sigmod函数来实现。参见图2所示,图2为本发明提供的Sigmod函数示意图。图2中Sigmod函数的公式为:
其中,变量a用于控制曲线的平移,变量b用于控制曲线的拉伸。在应用此函数时,需引入敏感区的概念,继续参见图2所示,敏感区的单位为百分比。假如敏感区大小为90%,则表示需要将值域空间中的中间90%压缩到Sigmod值域空间中的中间90%中。
假设上一步得到统计特征的最大值为max,最小值为min,敏感区大小为%p,可采用如下公式确定统计特征在敏感区的最大值和最小值(文本相似度、点击量和兴趣点POI数量均适用):
3、根据每个统计特征在敏感区的最大值和最小值,确定每个统计特征的归一化函数。
假设,将敏感区设为90%,通过查表可以得到(a-l)/b的值(相当于标准sigmod函数在y为0.05处的自变量值),同样可查到(a-h)/b的值(相当于标准sigmod函数在y为0.95处的自变量值),进而可得到:a=(l+h)/2,b=(h-a)/3。
进而可得到归一化函数为:
4、根据每个统计特征的归一化函数,确定所述相关城市在每个统计特征上的分值。
继续以上文中的城市A为例,针对城市A抽样得到的的N个搜索结果,分别将N个搜索结果的文本相似度带入上述归一化公式,可得到城市A的文本相似度的N个归一化结果,对该N个归一化结果取平均,便可得到城市A在文本相似度上的分值。针对城市A抽样得到的的N个搜索结果,分别将N个搜索结果的点击量带入上述归一化公式,可得到城市A的点击量的N个归一化结果,对该N个归一化结果取平均,便可得到城市A在点击量上的分值。将城市A的POI数量带入上述归一化公式,可得到城市A在POI数量上的分值。
第二步、根据所述相关城市在每个统计特征上的分值,确定所述相关城市的打分值。
继续以上文中的城市A为例,在得到城市A在文本相似度上的分值、城市A在点击量上的分值以及城市A在POI数量上的分值后,可采用如下公式确定城市A的打分值:
其中,Hn表示城市A的打分值,统计特征包括:文本相似度、点击量和兴趣点POI数量的情况下,n等于3,xi表示城市A在地i个统计特征上的分值。
同理,可通过上述方法计算其他相关城市的打分值,本发明在此不再赘述。
S104、根据所述相关城市的打分值,确定返回结果。
具体的,上述返回结果为跳转城市的搜索结果、用户所在的城市的搜索结果、城市建议结果和城市分布结果中的一种,下面的实施例对该步骤的实现过程进行了详细描述。
本实施例提供的搜索方法,在接收到用户输入的关键词后,根据用户输入的关键词和用户所在的城市,构建查询语句;在每个城市搜索所述查询语句,确定与所述关键词有关的相关城市;根据所述查询语句在所述相关城市的搜索结果,确定所述相关城市的打分值;根据所述相关城市的打分值,确定返回结果。最后将确定好的返回结果输出供用户查看,和现有技术中依据映射词典查找到映射城市,将所有映射城市的搜索结果全部展示给用户相比,上述搜索方法可避免用户从大量的搜索结果进行定位和查找的过程,提升了用户使用体验。
实施例二
图3为本发明提供的搜索方法的实施例二的流程示意图,本实施例对相关城市包括当前城市的情况下,根据相关城市的打分值确定返回结果的实现方式进行了说明,如图3所示,本实施例提供的搜索方法,包括:
S301、根据用户输入的关键词和用户所在的城市,构建查询语句。
S302、在每个城市搜索所述查询语句,确定与所述关键词有关的相关城市。
S303、根据所述查询语句在所述相关城市的搜索结果,确定所述相关城市的打分值。
具体的,S301-S303的实现方式参见上述实施例,本发明在此不再赘述,
S304、根据所述相关城市的打分值,对所述当前城市和打分值最高的城市进行第一跳转分析,得到第一跳转分析结果。
可选的,在进行第一跳转分析前,可通过定位等方式确定用户所处的当前城市,并判断相关城市是否包含该当前城市,若是,则通过本实施例的方法确定返回结果。
可选的,第一跳转分析的可实现方式为:
参见图4所示,判断所述相关城市的打分值是否满足第一判定条件。所述第一判定条件为:所述相关城市中的最高打分值与打分值总和的商大于第一阈值,或者,所述相关城市的打分值均值与最高打分值的商小于第二阈值。
若不满足,则所述第一跳转分析结果为空;
若满足,判断所述当前城市的打分值是否为最高;
若是,则所述第一跳转分析结果为返回当前城市对象;
若否,则判断所述相关城市的打分值是否满足第二判定条件,所述第二判定条件为:所述相关城市的数量为大于等于2,或者,所述当前城市的打分值与所述相关城市的打分值均值的商大于第三阈值;
若不满足,则所述第一跳转分析结果为返回城市跳转对象;
若满足,则判断所述相关城市的打分值是否满足第三判定条件,所述第三判定条件为:所述当前城市的打分值与所述相关城市中的最高打分值的商大于第四阈值;
若不满足,则所述第一跳转分析结果为返回城市建议对象;
若满足,则所述第一跳转分析结果为返回当前城市对象。
需要说明的是,上述第一阈值、第二阈值、第三阈值以及第四阈值可根据实际情况灵活设定。
S305、根据所述第一跳转分析结果,确定所述返回结果。
具体的,结合图4,第一跳转分析结果有四种情况:
第一种情况:第一跳转分析结果为返回城市跳转对象,这种情况下,需根据相关城市的打分值进行城市分布分析,得到城市分布分析结果,然后根据城市分布分析结果,确定返回结果。
第二种情况:第一跳转分析结果为返回当前城市对象,这种情况下,可直接确定返回结果为当前城市的搜索结果,在输出时,将当前城市的搜索结果输出即可。
第三种情况:第一跳转分析结果为返回城市建议对象,这种情况下,可直接确定返回结果为城市建议结果,且城市建议结果为相关城市中打分值最高的城市。
第四种情况:第一跳转分析结果为空,这种情况下,判断所述相关城市的数目是否大于设定值。
若相关城市的数目大于设定值,则根据所述相关城市的打分值,对当前城市和打分值排在第二的城市进行第二跳转分析,得到第二跳转分析结果;然后根据所述第二跳转分析结果,确定所述返回结果。
需要说明的是:第二跳转分析的过程和第一跳转分析的过程类似,不同点在于,第一跳转分析是针对当前城市和打分值最高的城市进行的,第二跳转分析是针对当前城市和打分值排在第二的城市进行的,因此,将第一跳转分析中用到打分值最高的城市的地方替换为打分值排在第二的城市即可得到第二跳转分析的过程,因此,第二跳转分析结果也包含四种情况(第二跳转分析结果为返回城市跳转对象、第二跳转分析结果为返回当前城市对象、第二跳转分析结果为返回城市建议对象和第二跳转分析结果为空)。
若相关城市的数目小于等于设定值,则根据所述相关城市的打分值进行最终分析,得到最终分析结果;然后根据所述最终分析结果,确定所述返回结果。
上述第一种情况(第一跳转分析结果为返回城市跳转对象),城市分布分析过程可以包括:
步骤A、提取所述相关城市中打分值排在前面的M个城市。
其中,M的值可以根据实际情况或者经验值确定。
步骤B、计算所述M个城市的打分值的第一算术平均值。
步骤C、计算所述M个城市的打分值的第一标准差。
步骤D、判断所述第一标准差与所述第一算术平均值的商是否小于等于第五阈值。
具体的,若判断结果为否,执行步骤E,若判断结果为是,执行步骤F
步骤E、确定所述城市分布分析结果为返回城市跳转对象。
具体的,在确定城市分布分析结果为返回城市跳转对象的情况下,可确定返回结果为跳转城市的搜索结果,所述跳转城市为所述相关城市中打分值最高的城市。
步骤F、判断所述相关城市是否包含当前城市。
具体的,若包含,则执行步骤G,若不包含,则确定所述城市分布分析结果为返回城市分布对象,由于本实施例是在相关城市包含当前城市的情况下实施的,因此,本实施例执行步骤G。
步骤G、确定所述城市分布分析结果为返回当前城市对象。
具体的,在确定城市分布分析结果为返回当前城市对象的情况下,可确定返回结果为当前城市的搜索结果。
上述第四种情况(第一跳转分析结果为空,且第二跳转分析结果也为空),返回结果的确定过程可以包括:
步骤A、计算所有相关城市的打分值的第二标准差;
步骤B、计算所有相关城市的打分值的第二算术平均数;
步骤C、判断所述第二标准差与所述第二算术平均数的商是否小于等于第六阈值。
具体的,若判断结果为否,则执行步骤D,若判断结果为是,则执行步骤E。
步骤D、确定城市建议分析结果为返回当前城市对象。
具体的,这种情况下,可确定所述返回结果为当前城市的搜索结果。
步骤E、计算排在前面的P个城市的打分值的算术平均数;
步骤F、判断所述第二算术平均数和所述P个城市的打分值的算术平均数的商是否小于等于第七阈值。
具体的,若判断结果为否,则执行步骤G,若判断结果为是,则执行步骤H。
步骤G、确定所述城市建议分析结果为返回当前城市对象;
具体的,这种情况下,可确定所述返回结果为当前城市的搜索结果;
步骤H、确定所述城市建议分析结果为返回城市建议对象。
具体的,这种情况下,可确定所述返回结果为城市建议结果,所述城市建议结果为所述P个城市。
上述第四种情况(第一跳转分析结果为空,且相关城市的数目小于等于设定值),最终分析过程可以包括:
步骤A、计算所有相关城市的打分值的第三标准差;
步骤B、计算所有相关城市的打分值的第三算术平均数;
步骤C、判断所述第三标准差与所述第三算术平均数的商是否小于等于第八阈值;
具体的,若判断结果为是,则执行S7010,若判断结果为否,则执行S7011。
步骤D、确定所述最终分析结果为返回城市建议对象。
具体的,这种情况下,可确定返回结果为城市建议结果,所述城市建议结果包括所述相关城市中除所述当前城市之外的城市。
步骤E、确定所述最终分析结果为返回当前城市对象。
具体的,这种情况下,可确定所述返回结果为所述当前城市的搜索结果。
本实施例提供的搜索方法,对实施例一中相关城市包括当前城市的情况下,根据相关城市的打分值确定返回结果的实现方式进行了说明,通过该方式来确定返回结果,该返回结果更接近用户搜索意图,提升了用户搜索体验。
实施例三
图5为本发明提供的搜索方法的实施例三的流程示意图,本实施例对相关城市不包括当前城市的情况下,根据相关城市的打分值确定返回结果的实现方式进行了说明,如图5所示,本实施例提供的搜索方法,包括:
S501、根据用户输入的关键词,构建查询语句。
S502、在每个城市搜索所述查询语句,确定与所述关键词有关的相关城市。
S503、根据所述查询语句在所述相关城市的搜索结果,确定所述相关城市的打分值。
具体的,S501-S503的实现方式参见上述实施例,本发明在此不再赘述,
S504、判断所述相关城市的数量是否小于等于第九阈值。
具体的,若判断结果为是,则执行S505,若判断结果为否,则执行S506。
S505、根据所述相关城市的打分值进行城市动作分析,得到城市动作分析结果,并根据所述城市动作分析结果确定所述返回结果。
具体的,城市动作分析的可实现方式包括如下步骤:
步骤A、判断所述相关城市的打分值是否满足第一判定条件。
其中,所述第一判定条件为:所述相关城市中的最高打分值与打分值总和的商大于第一阈值,或者,所述相关城市的打分值均值与最高打分值的商小于第二阈值。
具体的,若判断结果为满足,则执行步骤B。若判断结果为不满足,则执行步骤C。
步骤B、确定城市动作分析结果为返回城市跳转对象。
步骤C、判断所述相关城市的数量是否大于设定值。
具体的,若所述相关城市的数量大于设定值,则执行步骤D。若所述相关城市的数量小于等于设定值,则执行城市分布筛选过程。
步骤D、判断所述相关城市中排在第二的打分值与最高打分值的商是否小于第十阈值。
具体的,若小于,则执行步骤E;若大于或者等于,则执行城市分布筛选过程。
步骤E、确定城市动作分析结果为返回城市跳转对象。
步骤F、进行城市分布分析,并根据城市分布分析结果确定返回结果。
具体的,在步骤B和步骤E确定城市动作分析结果为返回城市跳转对象的情况下,继续进行城市分布分析,此处的城市分布分析的过程和上文第一种情况(第一跳转分析结果为返回城市跳转对象)下的城市分布分析过程类似,在此不再赘述,不同点在于,上文第一种情况是在相关城市中包含当前城市的情况下实施的,因此,经过步骤F的判断后,执行的是步骤G(确定所述城市分布分析结果为返回当前城市对象);而本实施例是在相关城市中不包含当前城市的情况下实施的,因此,经过步骤F的判断后,可直接确定城市分布分析结果为返回城市分布对象。
S506、根据所述关键词进行城市分布筛选分析,得到城市分布筛选分析结果,并根据所述城市分布筛选分析结果确定所述返回结果。
具体的,城市分布筛选分析的可实现方式包括如下步骤:
步骤A、判断所述相关城市的数量是否为一。
具体的,若相关城市的数量为一,执行步骤B;若相关城市的数量不为一,执行步骤C。
步骤B、确定城市分布筛选分析结果为返回城市跳转对象。
具体的,这种情况下,可确定所述返回结果为跳转城市的搜索结果,所述跳转城市为所述相关城市。
步骤C、判断所述相关城市的数量是否为零。
具体的,若相关城市的数量为零,执行步骤D;若相关城市的数量不为零,执行步骤E。
步骤D、确定城市分布筛选分析结果为返回当前城市对象。
具体的,这种情况下,可确定返回结果为当前城市的搜索结果。
步骤E、确定城市分布筛选分析结果为返回城市分布对象。
具体的,这种情况下,可确定返回结果为城市分布结果,所述城市分布结果包括所有的相关城市。
本实施例提供的搜索方法,描述了相关城市不包含当前城市时,城市动作分析以及城市分布筛选的可实现方式,通过这两种方式来确定返回结果,该返回结果更接近用户搜索意图,提升了用户搜索体验。
图6为本发明提供的搜索装置的实施例的结构示意图。如图6所示,本发明提供的搜索装置,包括:
处理模块601,用于根据用户输入的关键词和用户所在的城市,构建查询语句;在每个城市搜索所述查询语句,确定与所述关键词有关的相关城市;并根据所述查询语句在所述相关城市的搜索结果,确定所述相关城市的打分值;
交互模块602,用于根据所述相关城市的打分值,确定返回结果;所述返回结果为跳转城市的搜索结果、用户所在的城市的搜索结果、城市建议结果和城市分布结果中的一种。
可选的,若所述相关城市包括所述用户所在的城市,所述交互模块602具体用于:
根据所述相关城市的打分值,对所述用户所在的城市和打分值最高的城市进行第一跳转分析,得到第一跳转分析结果;
根据所述第一跳转分析结果,确定所述返回结果。
可选的,所述交互模块602具体用于:
判断所述相关城市的打分值是否满足第一判定条件,所述第一判定条件为:所述相关城市中的最高打分值与打分值总和的商大于第一阈值,或者,所述相关城市的打分值均值与最高打分值的商小于第二阈值;
若所述相关城市的打分值不满足所述第一判定条件,则所述第一跳转分析结果为空;
若所述相关城市的打分值满足所述第一判定条件,则判断所述用户所在的城市的打分值在所述相关城市中是否为最高;
若所述用户所在的城市的打分值在所述相关城市中为最高,则所述第一跳转分析结果为返回用户所在的城市的对象;
若所述用户所在的城市的打分值在所述相关城市中不为最高,则判断所述相关城市的打分值是否满足第二判定条件,所述第二判定条件为:所述相关城市的数量为大于等于2,或者,所述用户所在的城市的打分值与所述相关城市的打分值均值的商大于第三阈值;
若所述相关城市的打分值不满足所述第二判定条件,则所述第一跳转分析结果为返回城市跳转对象;
若所述相关城市的打分值满足所述第二判定条件,则判断所述相关城市的打分值是否满足第三判定条件,所述第三判定条件为:所述用户所在的城市的打分值与所述相关城市中的最高打分值的商大于第四阈值;
若所述相关城市的打分值不满足所述第三判定条件,则所述第一跳转分析结果为返回城市建议对象;
若所述相关城市的打分值满足所述第三判定条件,则所述第一跳转分析结果为返回用户所在的城市的对象。
可选的,所述交互模块602具体用于:
若所述第一跳转分析结果为返回城市跳转对象,则根据所述相关城市的打分值进行城市分布分析,得到城市分布分析结果;
根据所述城市分布分析结果,确定所述返回结果。
可选的,所述交互模块602具体用于:
若所述第一跳转分析结果为返回用户所在的城市的对象,则确定所述返回结果为所述用户所在的城市的搜索结果;
若所述第一跳转分析结果为返回城市建议对象,则确定所述返回结果为城市建议结果,所述城市建议结果包括所述相关城市中打分值最高的城市;
若所述第一跳转分析结果为空,则判断所述相关城市的数目是否大于设定值;
若所述相关城市的数目大于设定值,则根据所述相关城市的打分值,对所述用户所在的城市和打分值排在第二的城市进行第二跳转分析,得到第二跳转分析结果;
根据所述第二跳转分析结果,确定所述返回结果。
可选的,所述处理模块601具体用于:
根据所述相关城市的搜索结果,确定所述相关城市在每个统计特征上的分值,所述统计特征包括:文本相似度、点击量和兴趣点POI数量;
根据所述相关城市在每个统计特征上的分值,确定所述相关城市的打分值。
可选的,所述处理模块601具体用于:
根据所述相关城市的搜索结果,确定每个统计特征的最大值和最小值;
根据每个统计特征的最大值、最小值以及敏感区大小,确定每个统计特征在敏感区的最大值和最小值;
根据每个统计特征在敏感区的最大值和最小值,确定每个统计特征的归一化函数;
根据每个统计特征的归一化函数,确定所述相关城市在每个统计特征上的分值。
本实施例提供的搜索装置,可用于执行上述任一实施例描述的搜索方法,其实现原理和技术效果类似,在此不再赘述。
图7为本发明提供的终端的硬件结构示意图。如图7所示,本实施例的终端可以包括:
存储器701,用于存储程序指令。
处理器702,用于在所述程序指令被执行时实现上述任一实施例描述的搜索方法,具体实现原理可参见上述实施例,本实施例此处不再赘述。
本发明提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一实施例描述的搜索方法。
本发明还提供一种程序产品,所述程序产品包括计算机程序,所述计算机程序存储在可读存储介质中,至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得终端实施上述任一实施例描述的搜索方法。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,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)或处理器(英文:processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
应理解,处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application Specific Integrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种搜索方法,其特征在于,包括:
根据用户输入的关键词和用户所在的城市,构建查询语句;
在每个城市搜索所述查询语句,确定与所述关键词有关的相关城市;
根据所述查询语句在所述相关城市的搜索结果,确定所述相关城市的打分值;
根据所述相关城市的打分值,确定返回结果,所述返回结果包括跳转城市的搜索结果、用户所在的城市的搜索结果、城市建议结果和城市分布结果中的一种。
2.根据权利要求1所述的方法,其特征在于,若所述相关城市包括所述用户所在的城市;
所述根据所述相关城市的打分值,确定返回结果,包括:
根据所述相关城市的打分值,对所述用户所在的城市和打分值最高的城市进行第一跳转分析,得到第一跳转分析结果;
根据所述第一跳转分析结果,确定所述返回结果。
3.根据权利要求2所述的方法,其特征在于,所述根据所述相关城市的打分值,对所述用户所在的城市和打分值最高的城市进行第一跳转分析,得到第一跳转分析结果,包括:
判断所述相关城市的打分值是否满足第一判定条件,所述第一判定条件为:所述相关城市中的最高打分值与打分值总和的商大于第一阈值,或者,所述相关城市的打分值均值与最高打分值的商小于第二阈值;
若所述相关城市的打分值不满足所述第一判定条件,则所述第一跳转分析结果为空;
若所述相关城市的打分值满足所述第一判定条件,则判断所述用户所在的城市的打分值在所述相关城市中是否为最高;
若所述用户所在的城市的打分值在所述相关城市中为最高,则所述第一跳转分析结果为返回用户所在的城市的对象;
若所述用户所在的城市的打分值在所述相关城市中不为最高,则判断所述相关城市的打分值是否满足第二判定条件,所述第二判定条件为:所述相关城市的数量为大于等于2,或者,所述用户所在的城市的打分值与所述相关城市的打分值均值的商大于第三阈值;
若所述相关城市的打分值不满足所述第二判定条件,则所述第一跳转分析结果为返回城市跳转对象;
若所述相关城市的打分值满足所述第二判定条件,则判断所述相关城市的打分值是否满足第三判定条件,所述第三判定条件为:所述用户所在的城市的打分值与所述相关城市中的最高打分值的商大于第四阈值;
若所述相关城市的打分值不满足所述第三判定条件,则所述第一跳转分析结果为返回城市建议对象;
若所述相关城市的打分值满足所述第三判定条件,则所述第一跳转分析结果为返回用户所在的城市的对象。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第一跳转分析结果,确定所述返回结果,包括:
若所述第一跳转分析结果为返回城市跳转对象,则根据所述相关城市的打分值进行城市分布分析,得到城市分布分析结果;
根据所述城市分布分析结果,确定所述返回结果。
5.根据权利要求3所述的方法,其特征在于,所述根据所述第一跳转分析结果,确定所述返回结果,包括:
若所述第一跳转分析结果为返回用户所在的城市的对象,则确定所述返回结果为所述用户所在的城市的搜索结果;
若所述第一跳转分析结果为返回城市建议对象,则确定所述返回结果为城市建议结果,所述城市建议结果包括所述相关城市中打分值最高的城市;
若所述第一跳转分析结果为空,则判断所述相关城市的数目是否大于设定值;
若所述相关城市的数目大于设定值,则根据所述相关城市的打分值,对所述用户所在的城市和打分值排在第二的城市进行第二跳转分析,得到第二跳转分析结果;
根据所述第二跳转分析结果,确定所述返回结果。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述根据所述查询语句在所述相关城市的搜索结果,确定所述相关城市的打分值,包括:
根据所述相关城市的搜索结果,确定所述相关城市在每个统计特征上的分值,所述统计特征包括:文本相似度、点击量和兴趣点POI数量;
根据所述相关城市在每个统计特征上的分值,确定所述相关城市的打分值。
7.根据权利要求6所述的方法,其特征在于,所述根据所述相关城市的搜索结果,确定所述相关城市在每个统计特征上的分值,包括:
根据所述相关城市的搜索结果,确定每个统计特征的最大值和最小值;
根据每个统计特征的最大值、最小值以及敏感区大小,确定每个统计特征在敏感区的最大值和最小值;
根据每个统计特征在敏感区的最大值和最小值,确定每个统计特征的归一化函数;
根据每个统计特征的归一化函数,确定所述相关城市在每个统计特征上的分值。
8.一种搜索装置,其特征在于,包括:
处理模块,用于根据用户输入的关键词和用户所在的城市,构建查询语句;在每个城市搜索所述查询语句,确定与所述关键词有关的相关城市;并根据所述查询语句在所述相关城市的搜索结果,确定所述相关城市的打分值;
交互模块,还用于根据所述相关城市的打分值,确定返回结果,所述返回结果为跳转城市的搜索结果、用户所在的城市的搜索结果、城市建议结果和城市分布结果中的一种。
9.一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,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法。
10.一种终端,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来实现权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911407752.9A CN111159239B (zh) | 2019-12-31 | 2019-12-31 | 搜索方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911407752.9A CN111159239B (zh) | 2019-12-31 | 2019-12-31 | 搜索方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111159239A true CN111159239A (zh) | 2020-05-15 |
CN111159239B CN111159239B (zh) | 2024-03-05 |
Family
ID=70559728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911407752.9A Active CN111159239B (zh) | 2019-12-31 | 2019-12-31 | 搜索方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111159239B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101494660A (zh) * | 2008-01-23 | 2009-07-29 | 厦门雅迅网络股份有限公司 | 一种手机网络导航中信息点的获取方法 |
WO2011003232A1 (en) * | 2009-07-07 | 2011-01-13 | Google Inc. | Query parsing for map search |
CN103279560A (zh) * | 2013-06-13 | 2013-09-04 | 清华大学 | 基于安全区域的关键字连续查询方法 |
CN104077324A (zh) * | 2013-03-29 | 2014-10-01 | 百度在线网络技术(北京)有限公司 | 一种地图搜索方法及系统 |
US20140372217A1 (en) * | 2013-06-13 | 2014-12-18 | International Business Machines Corporation | Optimal zoom indicators for map search results |
CN104408168A (zh) * | 2014-12-09 | 2015-03-11 | 百度在线网络技术(北京)有限公司 | 地图搜索方法、用于识别地域倾向的方法和装置 |
US20150286689A1 (en) * | 2012-12-05 | 2015-10-08 | Google Inc. | Systems and Methods for Displaying Geographic Location Information Corresponding to Search Result |
-
2019
- 2019-12-31 CN CN201911407752.9A patent/CN111159239B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101494660A (zh) * | 2008-01-23 | 2009-07-29 | 厦门雅迅网络股份有限公司 | 一种手机网络导航中信息点的获取方法 |
WO2011003232A1 (en) * | 2009-07-07 | 2011-01-13 | Google Inc. | Query parsing for map search |
US20150286689A1 (en) * | 2012-12-05 | 2015-10-08 | Google Inc. | Systems and Methods for Displaying Geographic Location Information Corresponding to Search Result |
CN104077324A (zh) * | 2013-03-29 | 2014-10-01 | 百度在线网络技术(北京)有限公司 | 一种地图搜索方法及系统 |
CN103279560A (zh) * | 2013-06-13 | 2013-09-04 | 清华大学 | 基于安全区域的关键字连续查询方法 |
US20140372217A1 (en) * | 2013-06-13 | 2014-12-18 | International Business Machines Corporation | Optimal zoom indicators for map search results |
CN104408168A (zh) * | 2014-12-09 | 2015-03-11 | 百度在线网络技术(北京)有限公司 | 地图搜索方法、用于识别地域倾向的方法和装置 |
Non-Patent Citations (5)
Title |
---|
GHEORGHI GUZUN ET AL.: "Scalable preference queries for high-dimensional data using map-reduce", 《2015 IEEE INTERNATIONAL CONFERENCE ON BIG DATA (BIG DATA)》 * |
刘勇等: "不确定性区域上的多维关键词搜索", 《计算机工程与应用》 * |
刘勇等: "不确定性区域上的多维关键词搜索", 《计算机工程与应用》, vol. 53, no. 4, 23 March 2017 (2017-03-23) * |
王尧: "一个提供生活地图服务的服务器端的设计与实现", 《中国学位论文全文数据库》 * |
谢瑶等: "基于大数据的城市公园游憩功能研究", 《电子商务》, no. 5 * |
Also Published As
Publication number | Publication date |
---|---|
CN111159239B (zh) | 2024-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109947904B (zh) | 一种基于Spark环境的偏好空间Skyline查询处理方法 | |
CN111797210A (zh) | 基于用户画像的信息推荐方法、装置、设备及存储介质 | |
CN107203526B (zh) | 一种查询串语义需求分析方法及装置 | |
CN112148843B (zh) | 文本处理方法、装置、终端设备和存储介质 | |
CN110737774A (zh) | 图书知识图谱的构建、图书推荐方法、装置、设备及介质 | |
CN103744887A (zh) | 一种用于人物搜索的方法、装置和计算机设备 | |
CN108536702B (zh) | 一种相关实体确定方法、装置及计算设备 | |
CN103699623A (zh) | 地理编码实现方法和装置 | |
CN114579882A (zh) | 地址查询方法、获取地理编码预测模型的方法及对应装置 | |
CN108897819B (zh) | 一种数据搜索方法和装置 | |
CN112925912B (zh) | 文本处理方法、同义文本召回方法及装置 | |
JP5121872B2 (ja) | 画像検索装置 | |
CN114116997A (zh) | 知识问答方法、装置、电子设备及存储介质 | |
CN111159239B (zh) | 搜索方法和设备 | |
CN115168537B (zh) | 语义检索模型的训练方法、装置、电子设备及存储介质 | |
CN112966192B (zh) | 区域地址命名方法、装置、电子设备及可读存储介质 | |
CN113627509B (zh) | 数据分类方法、装置、计算机设备及计算机可读存储介质 | |
CN109101485B (zh) | 一种信息处理方法、装置、电子设备及计算机存储介质 | |
CN114218404A (zh) | 内容检索方法、检索库的构建方法、装置和设备 | |
CN113821514A (zh) | 数据拆分方法、装置、电子设备和可读存储介质 | |
CN113590792A (zh) | 用户问题的处理方法、装置和服务器 | |
CN114579883A (zh) | 地址查询方法、获取地址向量表示模型的方法及对应装置 | |
CN112861023A (zh) | 地图信息处理方法、装置、设备、存储介质及程序产品 | |
CN112541069A (zh) | 一种结合关键词的文本匹配方法、系统、终端及存储介质 | |
CN111782880A (zh) | 语义泛化方法及显示设备 |
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 |