CN111949788B - 搜索方法、搜索装置、搜索系统及介质 - Google Patents
搜索方法、搜索装置、搜索系统及介质 Download PDFInfo
- Publication number
- CN111949788B CN111949788B CN202010822617.7A CN202010822617A CN111949788B CN 111949788 B CN111949788 B CN 111949788B CN 202010822617 A CN202010822617 A CN 202010822617A CN 111949788 B CN111949788 B CN 111949788B
- Authority
- CN
- China
- Prior art keywords
- search
- search result
- user
- result data
- class
- 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
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000006399 behavior Effects 0.000 claims description 42
- 238000012549 training Methods 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 25
- 230000000694 effects Effects 0.000 description 25
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 14
- 230000008901 benefit Effects 0.000 description 11
- 238000004590 computer program Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 229910052697 platinum Inorganic materials 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 238000003058 natural language processing Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000010938 white gold Substances 0.000 description 1
- 229910000832 white gold Inorganic materials 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/313—Selection or weighting of terms for indexing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3334—Selection or weighting of terms from queries, including natural language queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/3332—Query translation
- G06F16/3335—Syntactic pre-processing, e.g. stopword elimination, stemming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/338—Presentation of query results
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种搜索方法、搜索装置、搜索系统以及介质,属于大数据和人工智能领域。该方法包括:获取用户的搜索词;获取所述用户的权益信息;以及基于所述搜索词和所述权益信息,向所述用户展示N个搜索结果数据,其中,N为大于等于1的整数。
Description
技术领域
本公开涉及大数据和人工智能技术领域,更具体地,涉及一种搜索方法、搜索装置、搜索系统及介质。
背景技术
银行系统、影院系统、游戏系统或者各类购票系统等面向客户的服务系统中不同的用户往往享有不同的权益。基于不同的权益不同的用户可以获得的服务内容、或者可以享有的服务的资格不同。
通常,当用户在这些服务系统中进行搜索时,系统往往是根据搜索词返回搜索结果。这样只要搜索词相同时,不同用户所得的搜索结果是相同的。由于不同用户的权益可能不同,所以同一搜索结果可能并不适用于不同的用户。例如,对于某一搜索结果某些用户可能具有享用该搜索结果的资格,而另一些用户则没有,这就会导致该搜索结果对于该另一些用户而言是无效的。可见,现有技术中搜索过程往往局限于用户的搜索词,使得搜索结果的有效性难以保证,用户体验较差。
发明内容
有鉴于此,本公开实施例提供了一种可以可以提高搜索结果的有效性的搜索方法、搜索装置、搜索系统及介质。
本公开实施例的一个方面提供了一种搜索方法。所述搜索方法包括:获取用户的搜索词;获取所述用户的权益信息;以及基于所述搜索词和所述权益信息,向所述用户展示N个搜索结果数据,其中,N为大于等于1的整数。
根据本公开的实施例,所述方法还包括基于所述搜索词,获得所述N个搜索结果数据。则,在N大于1时,所述基于所述搜索词和所述权益信息,向所述用户展示N个搜索结果数据,包括基于所述搜索词和所述权益信息,对所述N个搜索结果数据进行排序并展示。
根据本公开的实施例,所述基于所述搜索词,获得所述N个搜索结果数据包括:基于所述搜索词,获得所述用户的第一业务需求和第二业务需求;其中,所述第一业务需求为以所述搜索词表征的需求,所述第二业务需求为以所述搜索词的业务主题表征的需求;基于所述第一业务需求,获得与所述搜索词相关的搜索结果数据;以及基于所述第二业务需求,获得与所述搜索词的业务主题相关的搜索结果数据。
根据本公开的实施例,所述基于所述搜索词和所述权益信息,对所述N个搜索结果数据进行排序包括:按照预定策略对所述N个搜索结果数据进行归类,得到R个类别,其中,R为大于等于2的整数;以及按照所述R个类别的先后顺序,对所述N个搜索结果数据进行排序。
根据本公开的实施例,所述方法还包括基于用户的历史搜索记录,获取所述用户的反馈行为数据;以及若所述R个类别中的一个类别内部包括多个搜索结果数据,则根据所述反馈行为数据对该类别内部的多个搜索结果数据进行排序。
根据本公开的实施例,所述按照预定策略对所述N个搜索结果数据进行归类,得到R个类别包括:将基于所述第一业务需求得到的搜索结果数据归类为直接需求类,以及将基于所述第二业务需求得到的搜索结果数据归类为潜在需求类。
根据本公开的实施例,所述按照预定策略对所述N个搜索结果数据进行归类,得到R个类别还包括:将所述直接需求类中与所述权益信息相匹配的搜索结果数据归类为第一类;将所述潜在需求类中与所述权益信息相匹配的搜索结果数据归类为第二类;将所述直接需求类中与所述权益信息不匹配的搜索结果数据归类为第三类;以及将所述潜在需求类中与所述权益信息不匹配的搜索结果数据归类为第四类。
根据本公开的实施例,所述按照所述R个类别的先后顺序,对所述N个搜索结果数据进行排序包括:按照第一类、第二类、第三类、以及第四类的先后顺序对所述N个搜索结果数据进行排序。
根据本公开的实施例,所述方法还包括:获取所述N个搜索结果数据中每个搜索结果数据的关联权益信息;以及基于所述关联权益信息与所述权益信息的比对,确定每个搜索结果数据是否与所述权益信息相匹配。
根据本公开的实施例,所述方法还包括:预先设置数据库中用于搜索的搜索结果数据的关联权益信息,其中,所述用于搜索的搜索结果数据包括所述N个搜索结果数据。
根据本公开的实施例,所述方法还包括利用训练数据训练业务主题预测模型,其中,所述训练数据包括至少一个文本、以及通过标记得到的所述文本的业务主题。则所述基于所述搜索词获得所述第二业务需求,包括利用所述业务主题预测模型预测所述搜索词的业务主题。所述基于所述第二业务需求,获得与所述搜索词的业务主题相关的搜索结果数据包括:利用所述业务主题预测模型预测作为搜索对象的文本中每个文本的业务主题;以及将所述作为搜索对象的文本中与所述搜索词的业务主题相同的文本,作为与所述搜索词的业务主题相关的搜索结果数据。
本公开实施例的另一个方面提供了一种搜索装置。所述搜索装置包括搜索词获取模块、权益获取模块、以及展示模块。搜索词获取模块用于获取用户的搜索词。权益获取模块用于获取所述用户的权益信息。展示模块用于基于所述搜索词和所述权益信息,向所述用户展示N个搜索结果数据,其中,N为大于等于1的整数。
根据本公开的实施例,所述装置还包括搜索结果获得模块。所述搜索结果获得模块用于基于所述搜索词,获得所述N个搜索结果数据。所述展示模块还用于基于所述搜索词和所述权益信息,对所述N个搜索结果数据进行排序并展示。
本公开实施例的另一方面,提供了一种搜索系统。所述搜索系统包括一个或多个存储器、以及一个或多个处理器。所述存储器上存储有计算机可执行指令。所述处理器执行所述指令,以实现如上所述的方法。
本公开实施例的另一方面提供了一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
本公开实施例的另一方面提供了一种计算机程序,所述计算机程序包括计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
上述一个或多个实施例具有如下优点或益效果:可以结合搜索词以及用户权益为用户呈现自身权益相关的搜索结果数据,将搜索结果数据与用户权益相关联,提高搜索结果有效性和针对性,既能满足用户的业务需求,又能引导用户使用自身已有的权益,提升用户对产品的粘性。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的搜索方法和装置的应用场景;
图2示意性示出了根据本公开一实施例的搜索方法的流程图;
图3示意性示出了根据本公开另一实施例的搜索方法的流程图;
图4示意性示出了根据本公开实施例的搜索方法中对搜索结果进行排序的流程图;
图5示意性示出了根据本公开另一实施例的搜索方法中对搜索结果进行排序的流程图;
图6示意性示出了根据本公开再一实施例的搜索方法的流程图;
图7示意性示出了根据本公开又一实施例的搜索方法的流程图;
图8示意性示出了根据本公开实施例的搜索装置的框图;
图9示意性示出了根据本公开另一实施例的搜索装置的框图;以及
图10示意性示出了适于实现根据本公开实施例的搜索方法的计算机系统的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
从广义上说,权益是指公民受法律保护的权利和利益。而以银行系统为例,对于银行而言,用户权益是指银行用户能享受的各项金融服务的权利和利益,例如费率优惠、收益率上浮、积分赠送、优先服务、参与第三方活动等。用户权益来源较多,往往和用户在银行的服务星级、持有的金融产品、签署的金融服务协议等因素有关。以服务星级为例,银行根据用户的资产大小,将用户对应至高低不同的服务星级,高星级用户拥有购买专属理财产品和使用网点贵宾通道等权益,低星级用户则不拥有上述权益,换言之,“购买专属理财产品和使用网点贵宾通道”是属于“高星级”用户的权益。再以金融产品为例,如果用户持有“某影院联名信用卡”产品,则能够参与部分影院开展的消费优惠活动,换言之,“参与部分影院消费优惠活动”属于持有“某影院联名信用卡”用户拥有的权益。
可以理解,用户权益的来源广泛,可以来源于服务星级、持有的金融产品、签署的金融服务协议等因素。例如,上述“购买专属理财产品和使用网点贵宾通道”是属于“高星级”用户的权益,可以理解为“购买专属理财产品和使用网点贵宾通道”的权益来源于服务星级;“参与部分影院消费优惠活动”属于持有“某影院联名信用卡”用户拥有的权益,可以理解为“参与部分影院消费优惠活动”的权益来源于“某影院联名信用卡”产品。此外,用户权益类型的数量较多。例如,上述“购买专属理财产品和使用网点贵宾通道”、“参与某影院开展的消费优惠活动”虽然都属于权益,但是权益类型不同,“购买专属理财产品和使用网点贵宾通道”属于投资理财相关的权益,“参与某影院开展的消费优惠活动”属于消费相关的权益。不同的权益来源,有可能会产生相同类型的权益。可以理解,不同权益来源有可能具有相同类型的权益,也可能具有不同类型的权益。例如,“高星级”服务星级可能具有“参与某影院开展的消费优惠活动”的权益,持有“某影院联名信用卡”产品也可能具有“参与某影院开展的消费优惠活动”的权益。
现有银行客户端系统往往展现行内所有用户权益,用户无法全面获取与自身相关的权益。而用户的权益来源及种类数量较多,不同用户往往享有不同权益,即用户的权益存在个性化差异。现有技术中当用户在银行客户端搜索栏搜索某项业务时,系统会根据搜索对象与搜索词的相关性返回搜索结果,搜索结果不能体现与用户权益的相关性。而且,对于同一个搜索词,提供给用户的搜索结果的排序都是相同的,难以满足用户多样化、个性化的需求。
当用户提出某项业务需求时,如果能为用户呈现自身权益相关的业务信息,就能够使得不同用户得到的搜索结果适合自身的权益需求,降低搜索结果的无效性。这样,既能满足用户的业务需求,引导用户使用自身已有的权益,提升用户对产品的粘性,又能对用户尚不具有的权益进行宣传,吸引用户开通相关的权益,提升用户对银行产品的持有量及资产贡献。
基于此,本公开的实施例提供了一种可以根据用户的搜索词以及用户的权益信息进行内容搜索的搜索方法、搜索装置、搜索系统及介质。该方法包括首先获取用户的搜索词,并获取用户的权益信息,然后基于搜索词和权益信息,向用户展示N个搜索结果数据,其中,N为大于等于1的整数。以此方式,使得搜索结果更具有针对性,更能满足用户的业务需求,为用户带来更好的服务体验。
图1示意性示出了根据本公开实施例的搜索方法和装置的应用场景100。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的应用场景100可以包括终端设备101、102、103,网络104和服务器105。网络104为用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网上银行、手机银行件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的搜索请求等数据进行分析等处理,并将搜索结果数据反馈给终端设备。
需要说明的是,本公开实施例所提供的搜索方法一般可以由服务器105执行。相应地,本公开实施例所提供的搜索装置一般可以设置于服务器105中。本公开实施例所提供的搜索方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的搜索装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
另外还需要说明的是,本公开实施例提供的搜索方法和装置可用于金融领域的数据搜索,也可用于除金融领域之外的任意领域(例如,游戏搜索领域、在线购物搜索等)的数据搜索。本公开对本公开实施例的搜索方法和装置的应用领域不做限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图2示意性示出了根据本公开一实施例的搜索方法的流程图。
如图2所示,该搜索方法可以包括操作S210~操作S230。
在操作S210,获取用户的搜索词。
在操作S220,获取用户的权益信息。其中,用户的权益信息例如可以是用户的权益标签等信息,用于指示用户所享有的服务内容或者用户获取相应产品的资格。
在操作S230,基于搜索词和权益信息,向用户展示N个搜索结果数据,其中,N为大于等于1的整数。
以此方式,当用户通过搜索词进行搜索时,可以结合搜索词以及用户权益为用户呈现自身权益相关的业务信息,将搜索结果数据与用户权益相关联,提高不同用户进行搜索时得到的搜索结果的针对性和有效性,提高用户对搜索结果的满意度。既能满足用户的业务需求,引导用户使用自身已有的权益,提升用户对产品的粘性。
图3示意性示出了根据本公开另一实施例的搜索方法的流程图。
如图3所示,根据本公开实施例该搜索方法可以包括操作S210、操作S310、操作S220、以及操作S231。
在操作S210,获取用户的搜索词。
在操作S310,基于搜索词,获得N个搜索结果数据。
根据本公开的一实施例,操作S310具体可以是基于搜索词,获得用户的第一业务需求和第二业务需求;其中,第一业务需求为以搜索词表征的需求,第二业务需求为以搜索词的业务主题表征的需求。然后基于第一业务需求,获得与搜索词相关的搜索结果数据,以及基于第二业务需求,获得与搜索词的业务主题相关的搜索结果数据。
根据本公开的一实施例,可以训练业务主题预测模型,通过该业务主题预测模型来预测搜索词的业务主题、以及作为搜索对象的文本中每个文本的业务主题。
具体地,训练业务主题预测模型时可以先获取至少一个文本,对每个文本进行处理(例如,分词、去停用词等),并对每个文本标记业务主题,这样形成训练数据,然后利用训练数据训练业务主题预测模型。例如,可以利用数据库中例如1千条文本作为训练数据,对这些文本进行分词,并将这些文本的业务主题作为标签标记文本来训练业务主题预测模型,让业务主题预测模型学习各个业务主题与文本、和/或文本中的词或者词的组合之间的关系。
这样在操作S310中基于所述搜索词获得所述第二业务需求时,可以利用该业务主题预测模型来预测用户输入的搜索词的业务主题。
进而,在操作S310中基于所述第二业务需求,获得与所述搜索词的业务主题相关的搜索结果数据时,可以预先或实时地利用所述业务主题预测模型预测作为搜索对象的文本中每个文本的业务主题,然后将所述作为搜索对象的文本中与所述搜索词的业务主题相同的文本,作为与所述搜索词的业务主题相关的搜索结果数据。
举例而言,以自然语言处理和机器学习算法为例,可预先定义“投资”、“融资”、“消费”等若干类业务主题,并对数据库中的文本数据进行分词、TF-IDF词频分析处理,并通过朴素贝叶斯算法对文本所属的业务主题进行训练和预测。当获取用户的搜索词为“理财”或“存单”时,系统可自动预测其业务主题为“投资”;当输入“贷款”、“分期”搜索词时,系统可自动预测其业务主题为“融资”。然后系统获取到数据库中的文本的用户的搜索词的主题相同的文本,作为基于所述第二业务需求得到的搜索结果。
在操作S220,获取用户的权益信息。
在操作S231,在N大于1时,基于搜索词和权益信息,对N个搜索结果数据进行排序并展示。例如,按照一定的排序策略,对搜索结果进行排序,使得最能满足用户需求的搜索结果数据靠前展示。
图4示意性示出了根据本公开实施例的搜索方法中操作S231对搜索结果进行排序的流程图。
如图4所示,根据本公开的实施例操作S231可以包括操作S401和操作S402。
在操作S401,按照预定策略对N个搜索结果数据进行归类,得到R个类别,其中,R为大于等于2的整数。
根据本公开的实施例,操作S401中可以将基于第一业务需求得到的搜索结果数据归类为直接需求类,以及将基于第二业务需求得到的搜索结果数据归类为潜在需求类。
更进一步地,操作S401还可以将直接需求类中与权益信息相匹配的搜索结果数据归类为第一类;将潜在需求类中与权益信息相匹配的搜索结果数据归类为第二类;将直接需求类中与权益信息不匹配的搜索结果数据归类为第三类;以及将潜在需求类中与权益信息不匹配的搜索结果数据归类为第四类。
根据本公开的实施例,可以在对搜索结果数据进行归类之前,先获取N个搜索结果数据中每个搜索结果数据的关联权益信息,并基于关联权益信息与权益信息的比对,确定每个搜索结果数据是否与权益信息相匹配。
在应用中,可以预先设置数据库中用于搜索的搜索结果数据的关联权益信息,其中,用于搜索的搜索结果数据包括N个搜索结果数据。
在操作S402,按照R个类别的先后顺序,对N个搜索结果数据进行排序。例如,当将N个搜索结果数据归类为上述的第一类、第二类、第三类、以及第四类后,可以按照第一类、第二类、第三类、以及第四类的先后顺序对N个搜索结果数据进行排序。
很显然,上述第一类和第二类中的搜索结果数据既能够反应用户的搜索需求,又与用户的自身权益相匹配。换言之,第一类和第二类搜索结果,表示的是用户有权参与的活动,当这两类搜索结果优先呈现给用户时,能够及时提醒用户享受相应的权益,使得用户获得更好的金融服务体验。第三类和第四类搜索结果也能反应用户的搜索需求,但与用户的自身权益不匹配。换言之,上述第三类和第四类搜索结果,是用户无权参与的活动,当前与用户的关系不大,因此将这两类搜索结果排在第一类和第二类之后,起积极宣传作用。
图5示意性示出了根据本公开另一实施例的搜索方法中操作S231中对搜索结果进行排序的流程图。
如图5所示,根据本公开的实施例操作S231可以包括操作S501、操作S401~操作S402、以及操作S503。
首先在操作S501,基于用户的历史搜索记录,获取所述用户的反馈行为数据。反馈行为数据包括但不限于用户对各搜索结果数据的点击数、在各搜索结果页面的停留时长、跳出率、购买率、收藏率等。
在一些实施中,用户的反馈行为数据可以是该用户个人的行为反馈数据。在另一些实施例中,用户的反馈行为数据可以是在平台进行数据搜索的所有用户的整体的反馈行为数据。在再一些实施例中,用户的反馈行为数据也可以是与当前进行搜索的用户的权益信息相同或者至少部分相同的全部用户的整体的反馈行为数据,这样可以利用具有相同或部分相同的权益的用户的共有习惯来预测用户的兴趣点。
然后在操作S401,按照预定策略对所述N个搜索结果数据进行归类,得到R个类别,其中,R为大于等于2的整数。
接下来在操作S402,按照所述R个类别的先后顺序,对所述N个搜索结果数据进行排序。
其中,操作S401和操作S402与前述一致,此处不再赘述。
再然后在操作S503,若所述R个类别中的一个类别内部包括多个搜索结果数据,则根据所述反馈行为数据对该类别内部的多个搜索结果数据进行排序。
一般地,可以认为点击数越多,停留时间越长,购买率越高,收藏率越高,用户对搜索结果数据反映的信息越感兴趣;相反跳出率越高,用户对搜索结果数据反映的信息越不感兴趣。
基于此,在一些实施例中,可以通过算法设计,使得在类别内用户越感兴趣的搜索结果数据排序越靠前。例如,可以对反馈行为数据中各个维度的参数按照与用户的感兴趣程度设置权重,并计算得到预测用户感兴趣程度的指标,然后对每个搜索结果数据计算得到对应的指标,然后按照这个指标对搜索结果数据进行排序。
或者,在一些实施例中,可以利用反馈行为数据来训练机器学习模型,例如CTR模型(Click Through Rate,点击率预估模型)。例如,在一个实施例中,可以搜集用户对每个搜索结果的点击数、在各搜索结果页面的停留时长、跳出率、购买率、收藏率等数据指标,并将这些数据指标与用户是否最终点击相应搜索结果页面的信息结合来构造训练数据,训练CTR模型。CTR模型可以使用LR算法(Logistic Regression,逻辑回归算法)、和/或GBDT算法(Gradient Boosting Desion Tree,梯度提升树算法)。其中GBDT+LR结合可以构造二分类器模型,应用于CTR模型时可以预测用户对一个搜索结果点击的概率值,即点击率。以此方式,通过CTR模型的预测,可以获得用户点击每个搜索结果项的点击率。CTR模型预测的点击率越高的搜索结果项是用户更有可能点击的结果,也就是用户更希望搜索到的结果。这样在类别内排序时可以设置预测点击率越高的搜索结果排序越靠前。
根据本公开的实施例,在保持R类搜索结果排序不变的情况下,用户的反馈行为数据对各类搜索结果进行进一步排序,使得搜索结果既能够满足用户的业务需求与权益体现,又能更为精准地推送给用户其希望获得的结果。
图6示意性示出了根据本公开再一实施例的搜索方法的流程图。
如图6所示,根据本公开实施例的搜索方法可以包括操作S601~操作S605。
在操作S601,获取用户的搜索词,并基于搜索词获取用户的业务需求。
其中,业务需求包含搜索词和业务主题。业务主题是指搜索词所属的业务类型。需要说明的是,搜索词用于直接体现用户的需求,业务主题则用于描述用户的潜在需求。在获取用户的搜索词后,获取搜索词所属的业务主题。举例来说,当获取到用户的搜索词为“理财”时,可知用户想获取理财相关的信息。进一步分析可知,理财(产品)属于资产类金融产品,理财(行为)属于投资行为,可知用户存在投资的潜在需求,因此,可以进一步获取用户的业务主题为“投资”。具体地,可通过任意可实现的方式获取业务主题,本发明对此不做限定。
举例而言,以自然语言处理和机器学习算法为例,可预先定义“投资”、“融资”、“消费”等若干类业务主题,并对银行数据库中的文本数据进行分词、TF-IDF词频分析处理,并通过朴素贝叶斯算法对文本所属的业务主题进行训练和预测。当获取用户的搜索词为“理财”或“存单”时,系统可自动预测其业务主题为“投资”;当输入“贷款”、“分期”搜索词时,系统可自动预测其业务主题为“融资”。
作为一种示例,将用户的搜索词作为用户的第一业务需求,将搜索词所属的业务主题作为第二业务需求。第一业务需求和第二业务需求共同组成用户的业务需求。需要说明的是,第一业务需求来源于用户的搜索词,因此第一业务需求能够直接地表达用户的需求,而第二业务需求是基于第一业务需求而产生的,能够反应用户的潜在需求,因此两者的结合可以更加全面地反应用户的业务需求。
在操作S602,基于用户的业务需求,获取搜索结果。
其中,基于用户的业务需求是指基于第一业务需求和第二业务需求分别进行搜索,获取相应的搜索结果。具体地,基于第一业务需求进行搜索,将获得银行数据库中和第一业务需求中的搜索词相关的搜索结果。基于第二业务需求进行搜索,将获得银行数据库中和第二业务需求中的业务主题相关的搜索结果。
具体地,可通过任意可实现的方式,获取搜索结果,本发明对此不做限定。
举例而言,针对第一业务需求进行搜索,可通过关键词匹配的方式来获取。针对第二业务需求进行搜索,可以基于S601中文本数据所属的业务主题,直接获取业务主题下的所有文本数据。
在操作S603,获取用户的权益标签。
需要说明的是,权益标签是用于定义权益来源的唯一标识。权益来源包括服务星级、持有的金融产品、签署的金融服务协议等因素。例如,与服务星级有关的权益来源包括每种服务星级,与产品有关的权益来源包括每种具体的产品。
可选的,可预先定义权益标签表,其中包含所有的权益标签。例如下表1中所举示例,权益编号1-5对应的是服务星级相关的权益标签;权益编号6-9对应的是与信用卡等级相关的权益标签;权益标号10-12表示的是信用卡产品相关的权益标签。权益标签表中还应包含其他类型的权益标签。
表1
权益编号 | 权益标签名称 |
1 | 一星级 |
2 | 二星级 |
3 | 三星级 |
4 | 四星级 |
5 | 五星级 |
6 | 普通卡 |
7 | 金卡 |
8 | 白金卡 |
9 | 铂金卡 |
10 | ETC信用卡 |
11 | 生肖信用卡 |
12 | 留学信用卡 |
可以理解,根据用户所属的服务星级、持有的金融产品、签署的金融服务协议等因素,每位用户可以被一组权益标签所定义。举例来说,用户的服务星级为五星级,且持有生肖信用卡,则用户的权益标签包括“五星级”、“生肖信用卡”。
在操作S604,获取搜索结果的权益标签。
银行数据库中,用于搜索的每条数据被预先定义了一至多个权益标签,因此,每条搜索结果可能与一至多个权益标签相关。举例来说,某数据为一项高收益的理财营销活动,其权益标签被定义为“七星级”,当该数据进入搜索结果后,可获取其权益标签为“七星级”。
可以理解,S603和S604的顺序可以互换。
在操作S605,基于业务需求和权益标签,对搜索结果进行排序。
具体的,根据业务需求、搜索结果的权益标签、用户的权益标签三个因素的关系,按照一定的排序策略,对搜索结果进行排序。
需要说明的是,如果某条搜索结果的至少一个权益标签等于用户的至少一个权益标签,则判定搜索结果的权益标签命中用户的权益标签。在搜索结果的权益标签命中用户权益标签的情况下,表示搜索结果适用于当前用户,反之则表示搜索结果不适用于当前用户。举例来说,某条搜索结果为商户促销活动,其相关的权益标签为“某影院联名信用卡”、“白金卡”、“铂金卡”,当前用户的权益标签为:“六星级”、“双速积分”、“白金卡”,可知该搜索结果的权益标签“白金卡”命中了该用户的权益标签,该促销活动适用于当前用户。
反之,如果搜索结果的任意一个权益标签与用户的任意一个权益标签都不相同,则搜索结果的权益标签未命中用户的权益标签。可以理解,在未命中权益标签的情况下,用户无法享受对应的活动。
可选的,可按照以下排序策略对搜索结果进行排序。首先,将搜索结果分成四类。第一类为第一业务需求对应的搜索结果,且搜索结果的权益标签命中用户的权益标签,该类搜索结果既为用户直接搜索的结果,又为用户可享受自身权益的活动;第二类为第二业务需求对应的搜索结果,且搜索结果的权益标签命中用户的权益标签,该类搜索结果反应用户潜在的业务需求,又为用户可享受自身权益的活动;第三类为第一业务需求对应的搜索结果,且搜索结果的权益标签未命中用户的权益标签,该类搜索结果为用户直接搜索的结果,但用户当前不具备参与活动的权益;第四类为第二业务需求对应的搜索结果,且搜索结果的权益标签未命中用户的权益标签,该类搜索结果反应用户潜在的业务需求,但用户当前不具备参与活动的权益。可以理解,为了使得搜索结果既能满足用户的搜索要求,又能体现用户自身权益相关的活动,四类搜索结果的先后顺序依次为第一类、第二类、第三类、第四类。
上述基于用户权益的搜索结果排序策略是预先设定的。可以理解,前两类搜索结果既能够反应用户的搜索需求,又与用户的自身权益相匹配。换言之,前两类搜索结果,表示的是用户有权参与的活动,当这两类搜索结果优先呈现给用户时,能够及时提醒用户享受相应的权益,使得用户获得更好的金融服务体验。后两类搜索结果也能反应用户的搜索需求,但与用户的自身权益不匹配。换言之,后两类搜索结果,是用户无权参与的活动,当前与用户的关系不大,因此将这两类搜索结果排在前两类之后。但需要说明的是,后两类搜索结果,可以起到积极的宣传作用,虽然用户当前无法享受相应权益,但可以刺激用户去了解和使用相应的产品、协议等,最终实现用户权益提升的效果。
图7示意性示出了根据本公开又一实施例的搜索方法的流程图。
如图7所示,根据本公开的实施例该搜索方法可以包括操作S701~操作S707。
在操作S701,获取用户的搜索词,并基于搜索词获取用户的业务需求。
在操作S702,基于用户的业务需求,获取搜索结果。
在操作S703,获取用户的权益标签。
在操作S704,获取搜索结果的权益标签。
在操作S705,获取用户的反馈行为数据。
获取用户的反馈行为数据,是指获取用户对搜索结果的反馈行为,用于反映用户对搜索结果的选择倾向。反馈行为数据包括但不限于用户对各搜索结果的点击数、在各搜索结果页面的停留时长、跳出率、购买率、收藏率等。
具体而言,用户的反馈行为数据,包括用户在获取搜索结果后,进行点击、浏览、收藏、购买等操作的行为数据。在得到四类搜索结果之后,根据反馈行为数据各类搜索结果进行排序优化,得到最终的搜索结果。
需要说明的是,在初次使用本发明所提出的方法时,并不存在搜索结果的反馈行为数据,因此可对各类搜索结果进行简单的排序。随着用户的不断使用,可逐渐收集反馈行为数据,用与CTR模型的训练。
具体地,可通过任意可实现的方式,获取搜索结果的反馈行为数据,本发明对此不做限定。
可以理解,操作S703、S704、S705的顺序可以互换。
在操作S706,基于业务需求和权益标签,对搜索结果进行排序。
在操作S707,基于用户的反馈行为数据,在每个类别内部对搜索结果进行排序。
获取用户的反馈行为数据后,各数据指标可作为CTR模型的输入特征,用于训练及预测用户对于每个搜索结果项的点击率。数据指标包括但不限于各搜索结果的点击数、在各搜索结果页面的停留时长、跳出率、购买率、收藏率等。通过CTR模型的预测,可以获得用户点击每个搜索结果项的概率值,即点击率。可以理解,在各类搜索结果中,预测点击率越高的搜索结果项是用户更有可能点击的结果,也就是用户更希望搜索到的结果。在保持四类搜索结果排序不变的情况下,基于CTR模型的预测点击率对各类搜索结果进行进一步排序,使得搜索结果既能够满足用户的业务需求与权益体现,又能更为精准地推送给用户其希望获得的结果。
通过点击率预测模型(简称CTR模型),预测客户的点击行为,用以进一步优化搜索结果排序。以此方式,可以进一步提升搜索结果与客户期望结果的契合度,提升用户的使用体验。
本公开实施例能结合用户的搜索需求和权益因素,扩大搜索范围,并对搜索结果进行排序优化,使得搜索结果能够反应与用户权益的相关性,既能满足用户的业务需求,引导用户使用自身已有的权益,提升用户对银行产品的粘性;又能对用户尚不具有的权益进行宣传,吸引用户开通相关的权益,提升用户对银行产品的持有量及资产贡献。
图8示意性示出了根据本公开实施例的搜索装置800的框图。
如图8所示,根据本公开的实施例搜索装置800可以包括搜索词获取模块810、权益获取模块820、以及展示模块830。根据本公开的实施例,搜索装置800还可以包括搜索结果获得模块840。根据本公开的实施例,该搜索装置800可以用于实现参考图2~图5所描述的方法。
搜索词获取模块810用于获取用户的搜索词。
搜索结果获得模块840用于基于所述搜索词,获得所述N个搜索结果数据。
权益获取模块820用于获取所述用户的权益信息。
展示模块830用于基于所述搜索词和所述权益信息,向所述用户展示N个搜索结果数据,其中,N为大于等于1的整数。更为具体地,展示模块830还可以用于基于所述搜索词和所述权益信息,对所述N个搜索结果数据进行排序并展示。
图9示意性示出了根据本公开另一实施例的搜索装置900的框图。
如图9所示,该搜索装置900可以包括确定模块910、搜索模块920、第一获取模块930、第二获取模块940、第三获取模块950、第一排序模块960和第二排序模块970。根据本公开的实施例,该搜索装置900可以用于实现参考图6或图7所描述的方法。
确定模块910用于获取用户的搜索词,并基于搜索词获取用户的业务需求。
其中,业务需求包含搜索词和业务主题。业务主题是指搜索词所属的业务类型。需要说明的是,搜索词用于直接体现用户的需求,业务主题则用于描述用户的潜在需求。在获取用户的搜索词后,获取搜索词所属的业务主题。举例来说,当获取到用户的搜索词为“理财”时,可知用户想获取理财相关的信息。进一步分析可知,理财(产品)属于资产类金融产品,理财(行为)属于投资行为,可知用户存在投资的潜在需求,因此,可以进一步获取用户的业务主题为“投资”。具体地,可通过任意可实现的方式获取业务主题,本发明对此不做限定。
举例而言,以自然语言处理和机器学习算法为例,可预先定义“投资”、“融资”、“消费”等若干类业务主题,并对银行数据库中的文本数据进行分词、TF-IDF词频分析处理,并通过朴素贝叶斯算法对文本所属的业务主题进行训练和预测。当获取用户的搜索词为“理财”或“存单”时,系统可自动预测其业务主题为“投资”;当输入“贷款”、“分期”搜索词时,系统可自动预测其业务主题为“融资”。
作为一种示例,将用户的搜索词作为用户的第一业务需求,将搜索词所属的业务主题作为第二业务需求。第一业务需求和第二业务需求共同组成用户的业务需求。需要说明的是,第一业务需求来源于用户的搜索词,因此第一业务需求能够直接地表达用户的需求,而第二业务需求是基于第一业务需求而产生的,能够反应用户的潜在需求,因此两者的结合可以更加全面地反应用户的业务需求。
搜索模块920,用于基于用户的业务需求,获取搜索结果。
其中,基于用户的业务需求是指基于第一业务需求和第二业务需求分别进行搜索,获取相应的搜索结果。具体地,基于第一业务需求进行搜索,将获得银行数据库中和第一业务需求中的搜索词相关的搜索结果。基于第二业务需求进行搜索,将获得银行数据库中和第二业务需求中的业务主题相关的搜索结果。
具体地,可通过任意可实现的方式,获取搜索结果,本发明对此不做限定。
举例而言,针对第一业务需求进行搜索,可通过关键词匹配的方式来获取。针对第二业务需求进行搜索,可以基于S101中文本数据所属的业务主题,直接获取业务主题下的所有文本数据。
第一获取模块930,用于获取用户及搜索结果的权益标签。
需要说明的是,权益标签是用于定义权益来源的唯一标识。权益来源包括服务星级、持有的金融产品、签署的金融服务协议等因素。例如,与服务星级有关的权益来源包括每种服务星级,与产品有关的权益来源包括每种具体的产品。
可以理解,根据用户所属的服务星级、持有的金融产品、签署的金融服务协议等因素,每位用户可以被一组权益标签所定义。举例来说,用户的服务星级为五星级,且持有生肖信用卡,则用户的权益标签包括“五星级”、“生肖信用卡”。
第二获取模块940,用于获取搜索结果的权益标签。
银行数据库中,用于搜索的每条数据被预先定义了一至多个权益标签,因此,每条搜索结果可能与一至多个权益标签相关。举例来说,某数据为一项高收益的理财营销活动,其权益标签被定义为“七星级”,当该数据进入搜索结果后,可获取其权益标签为“七星级”。
第三获取模块950,用于获取用户的反馈行为数据。
获取用户的反馈行为数据,是指获取用户对搜索结果的反馈行为,用于反映用户对搜索结果的选择倾向。反馈行为数据包括但不限于用户对各搜索结果的点击数、在各搜索结果页面的停留时长、跳出率、购买率、收藏率等。
需要说明的是,在初次使用本发明所提出的方法时,并不存在搜索结果的反馈行为数据,因此可对各类搜索结果进行简单的排序。随着用户的不断使用,可逐渐收集反馈行为数据,用与CTR模型的训练。
具体地,可通过任意可实现的方式,获取搜索结果的反馈行为数据,本发明对此不做限定。
可以理解,第一获取模块930、第二获取模块940、第三获取模块950的顺序可以互换。
第一排序模块960,用于基于业务需求和权益标签,对搜索结果进行排序。
具体的,根据业务需求、搜索结果的权益标签、用户的权益标签三个因素的关系,按照一定的排序策略,对搜索结果进行排序。
需要说明的是,如果某条搜索结果的至少一个权益标签等于用户的至少一个权益标签,则判定搜索结果的权益标签命中用户的权益标签。在搜索结果的权益标签命中用户权益标签的情况下,表示搜索结果适用于当前用户,反之则表示搜索结果不适用于当前用户。举例来说,某条搜索结果为商户促销活动,其相关的权益标签为“某影院联名信用卡”、“白金卡”、“铂金卡”,当前用户的权益标签为:“六星级”、“双速积分”、“白金卡”,可知该搜索结果的权益标签“白金卡”命中了该用户的权益标签,该促销活动适用于当前用户。
反之,如果搜索结果的任意一个权益标签与用户的任意一个权益标签都不相同,则搜索结果的权益标签未命中用户的权益标签。可以理解,在未命中权益标签的情况下,用户无法享受对应的活动。
可选的,可按照以下排序策略对搜索结果进行排序。首先,将搜索结果分成四类。第一类为第一业务需求对应的搜索结果,且搜索结果的权益标签命中用户的权益标签,该类搜索结果既为用户直接搜索的结果,又为用户可享受自身权益的活动;第二类为第二业务需求对应的搜索结果,且搜索结果的权益标签命中用户的权益标签,该类搜索结果反应用户潜在的业务需求,又为用户可享受自身权益的活动;第三类为第一业务需求对应的搜索结果,且搜索结果的权益标签未命中用户的权益标签,该类搜索结果为用户直接搜索的结果,但用户当前不具备参与活动的权益;第四类为第二业务需求对应的搜索结果,且搜索结果的权益标签未命中用户的权益标签,该类搜索结果反应用户潜在的业务需求,但用户当前不具备参与活动的权益。可以理解,为了使得搜索结果既能满足用户的搜索要求,又能体现用户自身权益相关的活动,四类搜索结果的先后顺序依次为第一类、第二类、第三类、第四类。
上述基于用户权益的搜索结果排序策略是预先设定的。可以理解,前两类搜索结果既能够反应用户的搜索需求,又与用户的自身权益相匹配。换言之,前两类搜索结果,表示的是用户有权参与的活动,当这两类搜索结果优先呈现给用户时,能够及时提醒用户享受相应的权益,使得用户获得更好的金融服务体验。后两类搜索结果也能反应用户的搜索需求,但与用户的自身权益不匹配。换言之,后两类搜索结果,是用户无权参与的活动,当前与用户的关系不大,因此将这两类搜索结果排在前两类之后。但需要说明的是,后两类搜索结果,可以起到对相关内容的宣传作用,虽然用户当前无法享受相应权益,但可以刺激用户去了解和使用相应的产品、协议等,最终实现用户权益提升的效果。
第二排序模块970,基于搜索结果的反馈行为数据,对搜索结果进行排序。
获取用户的反馈行为数据后,各数据指标可作为CTR模型的输入特征,用于训练及预测用户对于每个搜索结果项的点击率。数据指标包括但不限于各搜索结果的点击数、在各搜索结果页面的停留时长、跳出率、购买率、收藏率等。通过CTR模型的预测,可以获得用户点击每个搜索结果项的概率值,即点击率。可以理解,在各类搜索结果中,预测点击率越高的搜索结果项是用户更有可能点击的结果,也就是用户更希望搜索到的结果。在保持四类搜索结果排序不变的情况下,基于CTR模型的预测点击率对各类搜索结果进行进一步排序,使得搜索结果既能够满足用户的业务需求与权益体现,又能更为精准地推送给用户其希望获得的结果。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,搜索词获取模块810、权益获取模块820、展示模块830、搜索结果获得模块840、确定模块910、搜索模块920、第一获取模块930、第二获取模块940、第三获取模块950、第一排序模块960、以及第二排序模块970中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,搜索词获取模块810、权益获取模块820、展示模块830、搜索结果获得模块840、确定模块910、搜索模块920、第一获取模块930、第二获取模块940、第三获取模块950、第一排序模块960、以及第二排序模块970中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,搜索词获取模块810、权益获取模块820、展示模块830、搜索结果获得模块840、确定模块910、搜索模块920、第一获取模块930、第二获取模块940、第三获取模块950、第一排序模块960、以及第二排序模块970中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图10示意性示出了适于实现根据本公开实施例的搜索方法的计算机系统的方框图。图10示出的计算机系统仅仅是一个示例,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,根据本公开实施例的计算机系统1000包括处理器1001,其可以根据存储在只读存储器(ROM)1002中的程序或者从存储部分1008加载到随机访问存储器(RAM)1003中的程序而执行各种适当的动作和处理。处理器1001例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器1001还可以包括用于缓存用途的板载存储器。处理器1001可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 1003中,存储有计算机系统1000操作所需的各种程序和数据。处理器1001、ROM 1002以及RAM 1003通过总线1004彼此相连。处理器1001通过执行ROM 1002和/或RAM1003中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 1002和RAM 1003以外的一个或多个存储器中。处理器1001也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,计算机系统1000还可以包括输入/输出(I/O)接口1005,输入/输出(I/O)接口1005也连接至总线1004。计算机系统1000还可以包括连接至I/O接口1005的以下部件中的一项或多项:包括键盘、鼠标等的输入部分1006;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1007;包括硬盘等的存储部分1008;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1010上,以便于从其上读出的计算机程序根据需要被安装入存储部分1008。
根据本公开的实施例,根据本公开实施例的方法流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存储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部分1009从网络上被下载和安装,和/或从可拆卸介质1011被安装。在该计算机程序被处理器1001执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储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执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于: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)、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。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 1002和/或RAM 1003和/或ROM 1002和RAM 1003以外的一个或多个存储器。
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,上述模块、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,框图或流程图中的每个方框、以及框图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。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (8)
1.一种搜索方法,包括:
获取用户的搜索词;
基于所述搜索词,获得N个搜索结果数据;
获取所述用户的权益信息;以及
在N大于1时,基于所述搜索词和所述权益信息,对所述N个搜索结果数据进行排序并向所述用户展示所述N个搜索结果数据;
其中,所述基于所述搜索词,获得N个搜索结果数据包括:
基于所述搜索词,获得所述用户的第一业务需求和第二业务需求;其中,所述第一业务需求为以所述搜索词表征的需求,所述第二业务需求为以所述搜索词的业务主题表征的需求;
基于所述第一业务需求,获得与所述搜索词相关的搜索结果数据;以及
基于所述第二业务需求,获得与所述搜索词的业务主题相关的搜索结果数据;
其中,对所述N个搜索结果数据进行排序包括:
将基于所述第一业务需求得到的搜索结果数据归类为直接需求类;
将基于所述第二业务需求得到的搜索结果数据归类为潜在需求类;
将所述直接需求类中与所述权益信息相匹配的搜索结果数据归类为第一类;
将所述潜在需求类中与所述权益信息相匹配的搜索结果数据归类为第二类;
将所述直接需求类中与所述权益信息不匹配的搜索结果数据归类为第三类;
将所述潜在需求类中与所述权益信息不匹配的搜索结果数据归类为第四类;
按照第一类、第二类、第三类以及第四类的先后顺序对所述N个搜索结果数据进行排序。
2.根据权利要求1所述的方法,其中,所述方法还包括:
基于用户的历史搜索记录,获取所述用户的反馈行为数据;以及
若一个类别内部包括多个搜索结果数据,则根据所述反馈行为数据对该类别内部的多个搜索结果数据进行排序。
3.根据权利要求1所述的方法,其中,所述方法还包括:
获取所述N个搜索结果数据中每个搜索结果数据的关联权益信息;以及
基于所述关联权益信息与所述权益信息的比对,确定每个搜索结果数据是否与所述权益信息相匹配。
4.根据权利要求1所述的方法,其中,所述方法还包括:
预先设置数据库中用于搜索的搜索结果数据的关联权益信息,其中,所述用于搜索的搜索结果数据包括所述N个搜索结果数据。
5.根据权利要求1所述的方法,其中,
所述方法还包括:利用训练数据训练业务主题预测模型,其中,所述训练数据包括至少一个文本、以及通过标记得到的所述文本的业务主题;
则,所述基于所述搜索词获得所述第二业务需求包括:
利用所述业务主题预测模型预测所述搜索词的业务主题;
所述基于所述第二业务需求,获得与所述搜索词的业务主题相关的搜索结果数据包括:
利用所述业务主题预测模型预测作为搜索对象的文本中每个文本的业务主题;以及
将所述作为搜索对象的文本中与所述搜索词的业务主题相同的文本,作为与所述搜索词的业务主题相关的搜索结果数据。
6.一种搜索装置,包括:
搜索词获取模块,用于获取用户的搜索词;
搜索结果获得模块,用于基于所述搜索词,获得N个搜索结果数据;
权益获取模块,用于获取所述用户的权益信息;以及
展示模块,用于:在N大于1时,基于所述搜索词和所述权益信息,对所述N个搜索结果数据进行排序并向所述用户展示所述N个搜索结果数据;
其中,所述搜索结果获得模块还用于:
基于所述搜索词,获得所述用户的第一业务需求和第二业务需求;其中,所述第一业务需求为以所述搜索词表征的需求,所述第二业务需求为以所述搜索词的业务主题表征的需求;
基于所述第一业务需求,获得与所述搜索词相关的搜索结果数据;以及
基于所述第二业务需求,获得与所述搜索词的业务主题相关的搜索结果数据;
所述展示模块还用于:
将基于所述第一业务需求得到的搜索结果数据归类为直接需求类;
将基于所述第二业务需求得到的搜索结果数据归类为潜在需求类;
将所述直接需求类中与所述权益信息相匹配的搜索结果数据归类为第一类;
将所述潜在需求类中与所述权益信息相匹配的搜索结果数据归类为第二类;
将所述直接需求类中与所述权益信息不相匹配的搜索结果数据归类为第三类;
将所述潜在需求类中与所述权益信息不匹配的搜索结果数据归类为第四类;
按照第一类、第二类、第三类以及第四类的先后顺序对所述N个搜索结果数据进行排序。
7.一种搜索系统,包括:
一个或多个存储器,其上存储有计算机可执行指令;
一个或多个处理器,所述处理器执行所述指令,以实现根据权利要求1~5中任一项所述的方法。
8.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010822617.7A CN111949788B (zh) | 2020-08-14 | 2020-08-14 | 搜索方法、搜索装置、搜索系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010822617.7A CN111949788B (zh) | 2020-08-14 | 2020-08-14 | 搜索方法、搜索装置、搜索系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111949788A CN111949788A (zh) | 2020-11-17 |
CN111949788B true CN111949788B (zh) | 2024-03-19 |
Family
ID=73343698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010822617.7A Active CN111949788B (zh) | 2020-08-14 | 2020-08-14 | 搜索方法、搜索装置、搜索系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111949788B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104142999A (zh) * | 2014-08-01 | 2014-11-12 | 百度在线网络技术(北京)有限公司 | 搜索结果展示方法及装置 |
CN104166707A (zh) * | 2014-08-08 | 2014-11-26 | 百度在线网络技术(北京)有限公司 | 搜索推荐方法和搜索推荐装置 |
CN104239458A (zh) * | 2014-09-02 | 2014-12-24 | 百度在线网络技术(北京)有限公司 | 搜索结果的展现方法和装置 |
CN108763579A (zh) * | 2018-06-08 | 2018-11-06 | Oppo(重庆)智能科技有限公司 | 搜索内容推荐方法、装置、终端设备及存储介质 |
CN108897846A (zh) * | 2018-06-27 | 2018-11-27 | 努比亚技术有限公司 | 信息搜索方法、设备及计算机可读存储介质 |
CN109636485A (zh) * | 2018-12-26 | 2019-04-16 | 苏州思必驰信息科技有限公司 | 基于驾驶行为数据的信息推荐方法及装置 |
CN110210887A (zh) * | 2018-12-29 | 2019-09-06 | 浙江口碑网络技术有限公司 | 一种用户权益数据的处理方法及装置 |
-
2020
- 2020-08-14 CN CN202010822617.7A patent/CN111949788B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104142999A (zh) * | 2014-08-01 | 2014-11-12 | 百度在线网络技术(北京)有限公司 | 搜索结果展示方法及装置 |
CN104166707A (zh) * | 2014-08-08 | 2014-11-26 | 百度在线网络技术(北京)有限公司 | 搜索推荐方法和搜索推荐装置 |
CN104239458A (zh) * | 2014-09-02 | 2014-12-24 | 百度在线网络技术(北京)有限公司 | 搜索结果的展现方法和装置 |
CN108763579A (zh) * | 2018-06-08 | 2018-11-06 | Oppo(重庆)智能科技有限公司 | 搜索内容推荐方法、装置、终端设备及存储介质 |
CN108897846A (zh) * | 2018-06-27 | 2018-11-27 | 努比亚技术有限公司 | 信息搜索方法、设备及计算机可读存储介质 |
CN109636485A (zh) * | 2018-12-26 | 2019-04-16 | 苏州思必驰信息科技有限公司 | 基于驾驶行为数据的信息推荐方法及装置 |
CN110210887A (zh) * | 2018-12-29 | 2019-09-06 | 浙江口碑网络技术有限公司 | 一种用户权益数据的处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111949788A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pantano et al. | Making sense of consumers’ tweets: Sentiment outcomes for fast fashion retailers through Big Data analytics | |
US10366400B2 (en) | Reducing un-subscription rates for electronic marketing communications | |
US20160140627A1 (en) | Generating high quality leads for marketing campaigns | |
Chen et al. | Predicting the influence of users’ posted information for eWOM advertising in social networks | |
US10469275B1 (en) | Clustering of discussion group participants | |
US20120066073A1 (en) | User interest analysis systems and methods | |
US10360644B2 (en) | User characteristics-based sponsored company postings | |
US11507989B2 (en) | Multi-label product categorization | |
US20090077047A1 (en) | Method and apparatus for identifying and classifying query intent | |
US11127032B2 (en) | Optimizing and predicting campaign attributes | |
US20210056458A1 (en) | Predicting a persona class based on overlap-agnostic machine learning models for distributing persona-based digital content | |
US20140143163A1 (en) | User characteristics-based sponsored job postings | |
CN111095330B (zh) | 用于预测在线用户交互的机器学习方法和系统 | |
Wang et al. | Database submission—market dynamics and user-generated content about tablet computers | |
US10678831B2 (en) | Page journey determination from fingerprint information in web event journals | |
US10831809B2 (en) | Page journey determination from web event journals | |
US10303743B2 (en) | Automatic placement of electronic media content items within an online document | |
US20180285748A1 (en) | Performance metric prediction for delivery of electronic media content items | |
CN115002200B (zh) | 基于用户画像的消息推送方法、装置、设备及存储介质 | |
US20130006760A1 (en) | Systems and methods for presenting comparative advertising | |
US20130262355A1 (en) | Tools and methods for determining semantic relationship indexes | |
US9508087B1 (en) | Identifying similar display items for potential placement of content items therein | |
US20210350202A1 (en) | Methods and systems of automatic creation of user personas | |
CN112650942A (zh) | 产品推荐方法、装置、计算机系统和计算机可读存储介质 | |
CN111949788B (zh) | 搜索方法、搜索装置、搜索系统及介质 |
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 |