CN111949898A - 搜索结果排序方法、装置、设备及计算机可读存储介质 - Google Patents
搜索结果排序方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111949898A CN111949898A CN202010888889.7A CN202010888889A CN111949898A CN 111949898 A CN111949898 A CN 111949898A CN 202010888889 A CN202010888889 A CN 202010888889A CN 111949898 A CN111949898 A CN 111949898A
- Authority
- CN
- China
- Prior art keywords
- search
- search result
- determining
- user
- target
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000013441 quality evaluation Methods 0.000 claims abstract description 71
- 238000004590 computer program Methods 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 238000001303 quality assessment method Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007726 management method 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
- 238000006467 substitution reaction 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
- G06F16/90—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
-
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及数据处理技术领域,提供一种搜索结果排序方法、装置、设备及计算机可读存储介质,该方法包括:根据用户输入的搜索文本,从数据库中查询得到多个搜索结果,并确定每个所述搜索结果的命中概率;获取所述用户的属性信息,并根据所述用户的属性信息确定目标搜索关键词集合;确定所述目标搜索关键词集合与每个所述搜索结果之间的相似度,并确定每个所述搜索结果的质量评价分数;根据相似度、质量评价分数和命中概率,生成所述多个搜索结果的目标排序列表。本申请能够基于用户输入的搜索文本,准确地给用户推荐搜索结果列表,便于用户查找。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种搜索结果排序方法、装置、设备及计算机可读存储介质。
背景技术
在线学习平台为用户提供在线的内容学习、远程培训支持,具有知识管理、培训体系、岗位体系和能力培养的特定。用户通常通过搜索来达到查找当前想要学习的内容,需要完成的学习任务以及想要参与的培训活动等目的。通常搜索系统会针对用户的当前行为预测其偏好,并针对偏好进行推荐列表的反馈。例如,用户学习了一门人工智能的电子书,当用户搜索大数据时,会把与人工智能有关的电子书排在搜索列表前面的位置进行展示,但是用户是需要参加一场公司准备的关于大数据开发的培训活动,但相同岗位的人员均已报满,此时,用户需要对在冗长的列表进行筛选,需要通过详情属性信息判断哪场培训是用户想要找到的,对于用户来说消耗的时间过长,用户体验较差。因此,如何准确地给用户推荐搜索结果列表是目前亟待解决的问题。
发明内容
本申请的主要目的在于提供一种搜索结果排序方法、装置、设备及计算机可读存储介质,旨在基于用户输入的搜索文本,准确地给用户推荐搜索结果列表,便于用户查找。
第一方面,本申请提供一种搜索结果排序方法,所述搜索结果排序方法包括以下步骤:
根据用户输入的搜索文本,从数据库中查询得到多个搜索结果,并确定每个所述搜索结果的命中概率;
获取所述用户的属性信息,并根据所述用户的属性信息确定目标搜索关键词集合;
确定所述目标搜索关键词集合与每个所述搜索结果之间的相似度,并确定每个所述搜索结果的质量评价分数;
根据所述相似度、所述质量评价分数和所述命中概率,生成所述多个搜索结果的目标排序列表。
第二方面,本申请还提供一种搜索结果排序装置,所述搜索结果排序装置包括:
查询模块,用于根据用户输入的搜索文本,从数据库中查询得到多个搜索结果,并确定每个所述搜索结果的命中概率;
获取模块,用于获取所述用户的属性信息,并根据所述用户的属性信息确定目标搜索关键词集合;
确定模块,用于确定所述目标搜索关键词集合与每个所述搜索结果之间的相似度,并确定每个所述搜索结果的质量评价分数;
排序模块,用于根据所述相似度、所述质量评价分数和所述命中概率,生成所述多个搜索结果的目标排序列表。
第三方面,本申请还提供一种计算机设备,所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现如上所述的搜索结果排序方法的步骤。
第四方面,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其中所述计算机程序被处理器执行时,实现如上所述的搜索结果排序方法的步骤。
本申请提供一种搜索结果排序方法、装置、设备及计算机可读存储介质,本申请根据用户输入的搜索文本,从数据库中查询得到多个搜索结果,并确定每个所述搜索结果的命中概率;获取该用户的属性信息,并根据该用户的属性信息确定目标搜索关键词集合;然后确定该目标搜索关键词集合与每个搜索结果之间的相似度,并确定每个搜索结果的质量评价分数;之后根据每个搜索结果的类型、相似度、质量评价分数和命中概率,生成多个搜索结果的目标排序列表。通过上述方案能够基于用户输入的搜索文本,准确地给用户推荐搜索结果列表,便于用户查找。
附图说明
为了更清楚地说明本申请实施例技术方案,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为本申请实施例提供的一种搜索结果排序方法的步骤流程示意图;
图2为图1中的搜索结果排序方法的子步骤流程示意图;
图3是本申请实施例提供的一种搜索结果排序装置的示意性框图;
图4是图3中的搜索结果排序装置的子模块的示意性框图;
图5为本申请实施例提供的一种计算机设备的结构示意性框图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
附图中所示的流程图仅是示例说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解、组合或部分合并,因此实际执行的顺序有可能根据实际情况改变。
本申请实施例提供一种搜索结果排序方法、装置、设备及计算机可读存储介质。其中,该搜索结果排序方法可应用于终端设备中,该终端设备可以手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等电子设备。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
请参照图1,图1为本申请实施例提供的一种搜索结果排序方法的步骤流程示意图。
如图1所示,该搜索结果排序方法包括步骤S101至步骤S104。
步骤S101、根据用户输入的搜索文本,从数据库中查询得到多个搜索结果,并确定每个所述搜索结果的命中概率。
其中,该搜索文本为用户在搜索页面的输入框中输入的需要查找的搜索信息,该搜索信息可以是一个字、一个词或者一段文字,本申请对此不做具体限定;该数据库为存储在本地的数据库,也可以是网络存储数据库。
在一实施例中,以间隔预设时间获取搜索文本框内的搜索内容,当确定该搜索文本框内的搜索文本发生变化时,获取该搜索文本框内的内容,得到搜索文本,对该搜索文本进行拆分,得到搜索文本关键词集合;根据该搜索文本关键词集合,从数据库中查询包括该搜索关键词中一个关键词或多个关键词对应的搜索结果,得到多个搜索结果。其中,该预设时间可以根据实际情况进行设置,本申请对此不做具体限定,例如,该预设时间可以设置为5秒。
在一实施例中,用户通过语音输入需要搜索的搜索文本的语音信息,获取该搜索文本的语音信息,并对该搜索文本的语音信息进行语音识别,得到搜索文本,然后对该搜索文本进行拆分,得到搜索文本关键词集合;根据该搜索文本关键词集合,从数据库中查询包括该搜索关键词中一个关键词或多个关键词对应的搜索结果,得到多个搜索结果。通过获取用户语音输入的搜索文本的语音信息,可以减少用户的搜索时间,提高了用户的使用体验。
在一实施例中,确定每个搜索结果的命中概率的方式可以为:根据搜索文本,确定用户的搜索意图为搜索学习资源、搜索专家和搜索知识的概率;确定每个搜索结果的类型,其中,该类型包括资源类型、专家类型和知识类型;根据用户的搜索意图为搜索学习资源、搜索专家和搜索知识的概率和每个搜索结果的类型,确定每个搜索结果的命中概率。通过确定每个搜索结果的命中概率,提高了搜索结果排序的准确性。
在一实施例中,根据搜索文本,确定用户的搜索意图为搜索学习资源、搜索专家和搜索知识的概率的方式可以为:对该搜索文本进行分词处理,得到多个搜索关键词,并获取不同类型的学习资源对应的关键词集合,得到多个关键词集合;获取每个关键词集合中包括的搜索关键词,得到每种类型各自对应的搜索关键词,并将相同类型对应的搜索关键词进行拼接,得到每种类型对应的拼接关键词;确定每种类型对应的拼接关键词的第一字符长度,并确定搜索文本的第二字符长度;根据每种类型对应的拼接关键词的第一字符长度和第二字符长度,确定该搜索文本命中不同类型的学习资源的概率,并根据该搜索文本命中不同类型的学习资源的概率,确定用户的搜索意图为不同类型的学习资源的概率。
在一实施例中,确定用户的搜索意图为不同类型的学习资源的概率可以根据第一预设公式计算得到,该第一预设公式的公式可以为:其中,ω为学习资源的概率,δi为每种类型对应的拼接关键词的第一字符长度,ωi为每种类型对应的概率权重系数,||为搜索文本的第二字符长度。
在一实施例中,根据搜索文本确定用户的搜索意图为搜索专家和搜索知识的概率的方式可以为:对搜索文本进行分词处理,得到多个搜索关键词;获取搜索专家意图的第一知识图谱和搜索知识的第二知识图谱;统计第一知识图谱中的搜索关键词的数量,得到第一数量;统计第二知识图谱中的搜索关键词的数量,得到第二数量;根据第一数量确定用户的搜索意图为搜索专家的概率和根据第二数量确定用户的搜索意图为搜索知识的概率。
在一实施例中,根据第一数量确定用户的搜索意图为搜索专家的概率和根据第二数量确定用户的搜索意图为搜索知识的概率的方式可以为:根据第一数量在多个搜索关键词数量中的占比,得到搜索意图为搜索专家的概率;根据第二数量在多个搜索关键词数量中的占比,得到搜索意图为搜索知识的概率。
在一实施例中,确定每个所述搜索结果的类型的方式可以为:搜索结果的类型包括资源类型、专家类型和知识类型;获取每个搜索结果的标签,根据每个搜索结果的标签,确定每个搜索结果的类型。其中,该搜索结果的标签为预选设置好在每个搜索结果上的,该搜索结果的标签的设置可以根据实际情况进行设置,本申请对此不做具体限定。示例性的,基于搜索文本查询到的搜索结果分别为搜索结果1、搜索结果2和搜索结果3,且搜索结果1的标签为专家类型、搜索结果2的标签为资源类型和搜索结果3的标签为知识类型;则确定搜索结果1为专家类型、搜索结果2为资源类型和搜索结果3为知识类型。
在一实施例中,根据用户的搜索意图为搜索学习资源、搜索专家和搜索知识的概率和每个搜索结果的类型,确定每个搜索结果的命中概率的方式可以为:将用户的搜索意图为搜索学习资源的概率作为类型为资源类型的搜索结果的命中概率,将用户的搜索意图为搜索专家的概率作为类型为专家类型的搜索结果的命中概率,将用户的搜索意图为搜索知识的概率作为类型为知识类型的搜索结果的命中概率。
示例性的,用户的搜索意图分别为搜索学习资源、搜索专家和搜索知识的概率分别为20%、15%和35%,基于搜索文本查询到的搜索结果分别为搜索结果1、搜索结果2和搜索结果3,且搜索结果1的类型为专家类型、搜索结果2的类型为资源类型和搜索结果3的类型为知识类型,因此,搜索结果1的命中概率为15%,搜索结果2的命中概率为20%,搜索结果3的命中概率为35%。
步骤S102、获取所述用户的属性信息,并根据所述用户的属性信息确定目标搜索关键词集合。
其中,用户的属性信息包括用户的关系网络、专业、年龄、性别和毕业院校等,用户的关系网络包括用户的岗位和部门。
在一实施例中,获取预设的搜索关键词集合与用户的属性信息之间的映射关系表;根据用户的属性信息和映射关系表,确定目标搜索关键词集合。即查询预设关系表,获取用户的属性信息对应的搜索关键词集合,并将用户的属性信息对应的搜索关键词集合作为目标搜索关键词集合。示例性的,该用户的属性信息包括岗位和部门,则获取岗位对应的搜索关键词集合D(Sd1,Sd2,Sd3…Sdn)和部门对应的搜索关键词集合P(Sp1,Sp2,Sp3…Spn)。
其中,该搜索关键词集合与用户的属性信息之间的映射关系表是根据不同用户的搜索记录和不同用户的属性信息建立的,例如,获取不同用户的搜索记录和属性信息,并对不同用户的搜索记录进行分词处理,得到多个搜索关键词;将不同用户的属性信息与搜索关键词进行关联,以建立属性信息与用户的属性信息之间的映射关系表。
在一实施例中,该用户的属性信息存储于区块链。其中,本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。通过将用户的属性信息存储于区块链,可以提高用户的属性信息的安全性。
步骤S103、确定所述目标搜索关键词集合与每个所述搜索结果之间的相似度,并确定每个所述搜索结果的质量评价分数。
其中,目标搜索关键词集合与每个所述搜索结果之间的相似度越高,搜索结果越接近用户的搜索意图,搜索结果的质量评价分数越高,搜索结果越接近用户的搜索意图。
在一实施例中,将目标搜索关键词集合转换为第一向量;将每个搜索结果转换为各自对应的第二向量;根据第一向量和每个第二向量,确定目标搜索关键词集合与每个搜索结果之间的相似度。其中,该目标搜索关键词集合与每个搜索结果可以通过余弦相似度计算公式计算得到相似度。通过确定目标搜索关键词集合与每个所述搜索结果的相似度,提高了搜索结果排序的准确性。
示例性的,岗位对应的搜索关键词集合为D(Sd1,Sd2,Sd3…Sdn),部门对应的搜索关键词集合为P(Sp1,Sp2,Sp3…Spn),搜索结果集合R(Sd1,Sd2,Sd3…Sdn),将岗位对应的搜索关键词集合为D转换成为向量d,将部门对应的搜索关键词集合转换为向量p,将搜索结果集合R转换为向量r,计算岗位对应的向量d与搜索结果对应的向量r的相似度,得到第一相似度;计算部门对应的向量p与搜索结果对应的向量r的相似度,得到第二相似度;获取岗位的权重值和部门的权重值,根据岗位的权重值、部门的权重值、第一相似度和第二相似度,得到岗位、部门与每个搜索结果的相似度。其中,相似度的计算可以根据实际情况进行选择,本申请对此不做具体限定,例如,相似度的计算可以根据tf-idf(term frequency–inversedocument frequency)方法计算得到,也可以基于余弦相似度公式计算得到。
在一实施例中,获取每个搜索结果的质量评价参数;根据每个搜索结果的质量评价参数,确定每个搜索结果的质量评价分数。其中,质量评价参数包括搜索结果的用户平均评分、浏览时长、关注数量、点赞个数、分享次数和学习时长中的至少一种。通过确定每个搜索结果的质量评价分数,提高了搜索结果排序的准确性。
在一实施例中,根据每个搜索结果的质量评价参数,确定每个搜索结果的质量评价分数的方式可以为:获取每个质量评价参数对应的质量评价分数,并获取每个质量评价参数对应的权重系数;根据每个质量评价参数对应的质量评价分数以及每个质量评价参数对应的权重系数,确定搜索结果的目标质量评价分数。例如,质量评价参数为用户平均评分、浏览时长、关注数量、点赞个数和分享次数,且用户平均评分、浏览时长、关注数量、点赞个数和分享次数对应的质量评价分数分别为Score1、Score2、Score3、Score4和Score5,用户平均评分、浏览时长、关注数量、点赞个数和分享次数对应的权重系数分别α1、α2、α3、α4和α5,则搜索结果的目标质量分数为α1*Score1+α2*Score2+α3*Score3+α4*Score4+α5*Score5。
需要说明书的是,网络服务器、区块链或本地存储器中存储有质量评价参数与质量评价分数之间的映射关系表,质量评价参数与质量评价分数之间的映射关系表以及每个质量评价参数对应的权重系数可基于实际情况进行设置,本申请对此不做具体限定。
步骤S104、根据所述相似度、所述质量评价分数和所述命中概率,生成所述多个搜索结果的目标排序列表。
在得到每个搜索结果的类型、相似度、质量评价分数和命中概率之后,根据每个所述搜索结果的类型、相似度、质量评价分数和命中概率,确定多个搜索结果的目标排序列表。
在一实施例中,如图2所示,步骤S104包括子步骤S1041至子步骤S1042。
子步骤S1041、确定每个所述搜索结果的类型,并根据每个所述搜索结果的类型对所述多个搜索结果进行排序,得到所述多个搜索结果的候选排序列表。
其中,搜索结果的类型包括专家类型、知识类型和资源类型。
确定每个搜索结果的类型,并根据每个搜索结果的类型,对每个搜索结果进行排序,得到多个搜索结果的候选排序列表。具体地,将类型为专家类型的搜索结果排在首位,在类型为专家类型的搜索结果后面排列类型为知识类型的搜索结果,最后在类型为知识类型的搜索结果后面排列类型为资源类型的搜索结果,得到多个搜索结果的候选排序列表。根据搜索结果的类型进行排序,可以提高搜索结果排序的准确度。
示例性的,根据搜索文本搜索得到的搜索结果包括搜索结果1、搜索结果2和搜索结果3,且搜索结果1为专家类型、搜索结果2为资源类型和搜索结果3为知识类型,则搜索结果1排列第一位、搜索结果3排列第二位和搜索结果2排列第三位。
子步骤S1042、根据每个所述搜索结果的相似度、质量评价分数和命中概率,更新所述候选排序列表,得到所述多个搜索结果的目标排序列表。
在得到候选排序列表,根据每个搜索结果的相似度、质量评价分数和命中概率,更新候选排序列表,得到多个搜索结果的目标排序列表
在一实施例中,根据每个搜索结果的相似度、质量评价分数和命中概率,确定每个搜索结果与搜索文本的相关性指数;根据相关性指数,调整候选排序列表中的搜索结果的排序,得到多个搜索结果的目标排序列表。通过相关性指数,调整候选排序列表中的搜索结果的排序,得到目标排序列表,提高了搜索结果排序的准确性。
在一实施例中,根据每个搜索结果的相似度、质量评价分数和命中概率,确定每个搜索结果与搜索文本的相关性指数的方式可以为:获取第一权重系数、第二权重系数和第三权重系数;根据每个搜索结果的命中概率和第一权重系数,确定每个搜索结果的第一相关性指数;根据目标搜索关键词集合与每个搜索结果之间的相似度和第二权重系数,确定每个搜索结果的第二相关性指数;根据每个搜索结果的质量评价分数和第三权重系数,确定第三相关性指数;根据每个搜索结果的第一相关性指数、第二相关性指数和第三相关性指数,确定每个搜索结果的相关性指数。
示例性的,第一权重系数为α,第二权重系数为β,第三权重系数为γ,搜索结果的命中概率为W,目标搜索关键词集合与搜索结果之间的相似度S,搜索结果的质量评价分数F,获取第二预设公式,其中,第二预设公式为A=α*W+β*S+γ*F。基于该第二预设公式,并根据第一权重系数为α,第二权重系数为β,第三权重系数为γ,搜索结果的命中概率为W,目标搜索关键词集合与搜索结果之间的相似度S,搜索结果的质量评价分数F,得到搜索结果的相关性指数A。
在一实施例中,确定每个搜索结果与该搜索文本的相关性指数的方式可以为:获取第四权重系数、第五权重系数和第六权重系数;根据每个搜索结果的命中概率,确定每个搜索结果的第四相关性指数;根据目标搜索关键词集合与每个搜索结果之间的相似度,确定每个搜索结果的第五相关性指数;根据每个搜索结果的质量评价分数,确定每个搜索结果的第六相关性指数。根据每个搜索结果的第四相关性指数、第五相关性指数、第六相关性指数、第四权重系数、第五权重系数和第六权重系数,确定每个搜索结果的相关性指数。其中,该第四权重系数、第五权重系数和第六权重系数存储在服务器中,该第四权重系数、第五权重系数和第六权重系数可以根据实际情况进行设置,本申请对此不做具体限定。
在一实施例中,获取第一关系表、第二关系表和第三关系表;根据每个搜索结果的命中概率和第一关系表,确定每个搜索结果的第四相关性指数;根据目标搜索关键词集合与每个搜索结果之间的相似度和第二关系表,确定每个搜索结果的第五相关性指数;根据每个搜索结果的质量评价分数和第三关系表,确定每个搜索结果的第六相关性指数。其中,该第一关系表、第二关系表和第三关系表存储在服务器中,该第一关系表中有多个候选第四相关性指数,该第二关系表中有多个候选第五相关性指数,该第三关系表中有多个候选第六相关性指数,该第一关系表、第二关系表和第三关系表可以根据实际情况进行设置,本申请对此不做具体限定。
示例性的,根据搜索结果的命中概率W和第一关系表,确定每个搜索结果的第四相关性指数N1,根据目标搜索关键词集合与每个搜索结果之间的相似度S和第二关系表,确定每个搜索结果的第五相关性指数N2,根据每个搜索结果的质量评价分数F和第三关系表,确定每个搜索结果的第六相关性指数N3,第四权重系数为a,第五权重系数为b,第六权重系数为c,获取第三预设公式,其中,第三预设公式为A=N1*a+N2*b+N3*c,基于该第三预设公式、第四相关性指数N1、第五相关性指数N2、第六相关性指数N3、第四权重系数为a、第五权重系数为b和第六权重系数为c,得到搜索结果的相关性指数A。
示例性的,搜索结果排列列表中的各搜索结果的排序、所属的类型和相关性指数如表1所示。
表1
如表1所示,搜索结果1、搜索结果3、搜索结果5的类型均为专家类型,搜索结果2、搜索结果4、搜索结果6的类型均为知识类型,搜索结果7、搜索结果8和搜索结果9的类型均为资源类型,搜索结果1、搜索结果3、搜索结果5、搜索结果2、搜索结果4、搜索结果6、搜索结果7、搜索结果8和搜索结果9的相关性指数分别为20、50、40、40、60、50、60、50和65。对表1中的搜索结果进行调整后,得到表2。
表2
如表1和表2所示,搜索结果排序列表中的各搜索结果的排序由搜索结果1、搜索结果3、搜索结果5、搜索结果2、搜索结果4、搜索结果6、搜索结果7、搜索结果8、搜索结果9变化为搜索结果3、搜索结果5、搜索结果1、搜索结果4、搜索结果6、搜索结果2、搜索结果9、搜索结果7、搜索结果8。
上述实施例提供的搜索结果排序方法,根据用户输入的搜索文本,从数据库中查询得到多个搜索结果,并确定每个所述搜索结果的命中概率;获取该用户的属性信息,并根据该用户的属性信息确定目标搜索关键词集合;然后确定该目标搜索关键词集合与每个搜索结果之间的相似度,并确定每个搜索结果的质量评价分数;之后根据每个搜索结果的类型、相似度、质量评价分数和命中概率,生成多个搜索结果的目标排序列表。通过上述方案能够基于用户输入的搜索文本,准确地给用户推荐搜索结果列表,便于用户查找。
请参照图3,图3是本申请实施例提供的一种搜索结果排序装置的示意性框图。
如图3所示,该搜索结果排序装置200包括:查询模块210、获取模块220、确定模块230和排序模块240。
查询模块210,用于根据用户输入的搜索文本,从数据库中查询得到多个搜索结果,并确定每个所述搜索结果的命中概率;
获取模块220,用于获取所述用户的属性信息,并根据所述用户的属性信息确定目标搜索关键词集合;
确定模块230,用于确定所述目标搜索关键词集合与每个所述搜索结果之间的相似度,并确定每个所述搜索结果的质量评价分数;
排序模块240,用于根据所述相似度、所述质量评价分数和所述命中概率,生成所述多个搜索结果的目标排序列表。
在一实施例中,所述查询模块210还用于:
根据所述搜索文本,确定所述用户的搜索意图为搜索学习资源、搜索专家和搜索知识的概率;
确定每个所述搜索结果的类型,其中,所述类型包括资源类型、专家类型和知识类型;
根据所述用户的搜索意图为搜索学习资源、搜索专家和搜索知识的概率和每个所述搜索结果的类型,确定每个所述搜索结果的命中概率。
在一实施例中,所述获取模块220还用于:
获取预设的搜索关键词集合与用户的属性信息之间的映射关系表;
根据所述用户的属性信息和所述映射关系表,确定目标搜索关键词集合。
在一实施例中,所述确定模块230还用于:
将所述目标搜索关键词集合转换为第一向量;
将每个所述搜索结果转换为各自对应的第二向量;
根据所述第一向量和每个所述第二向量,确定所述目标搜索关键词集合与每个所述搜索结果之间的相似度。
在一实施例中,所述确定模块230还用于:
获取每个所述搜索结果的质量评价参数;
根据每个所述搜索结果的质量评价参数,确定每个所述搜索结果的质量评价分数。
在一实施例中,如图4所示,所述排序模块240包括:
初步排序模块241,用于确定每个所述搜索结果的类型,并根据每个所述搜索结果的类型对所述多个搜索结果进行排序,得到所述多个搜索结果的候选排序列表;
更新排序模块242,用于根据每个所述搜索结果的相似度、质量评价分数和命中概率,更新所述候选排序列表,得到所述多个搜索结果的目标排序列表。
在一实施例中,所述更新排序模块242还用于:
根据每个所述搜索结果的相似度、质量评价分数和命中概率,确定每个所述搜索结果与所述搜索文本的相关性指数;
根据所述相关性指数,调整所述候选排序列表中的搜索结果的排序,得到所述多个搜索结果的目标排序列表。
需要说明的是,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的装置和各模块及单元的具体工作过程,可以参考前述搜索结果排序方法实施例中的对应过程,在此不再赘述。
上述实施例提供的装置可以实现为一种计算机程序的形式,该计算机程序可以在如图5所示的计算机设备上运行。
请参阅图5,图5为本申请实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以为服务器或终端。
如图5所示,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口,其中,存储器可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令,该程序指令被执行时,可使得处理器执行任意一种搜索结果排序方法。
处理器用于提供计算和控制能力,支撑整个计算机设备的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境,该计算机程序被处理器执行时,可使得处理器执行任意一种搜索结果排序方法。
该网络接口用于网络通信。本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
应当理解的是,该总线比如为I2C(Inter-integrated Circuit)总线,存储器可以是Flash芯片、只读存储器(ROM,Read-Only Memory)磁盘、光盘、U盘或移动硬盘等,处理器可以是中央处理单元(Central Processing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,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。
其中,在一个实施例中,所述处理器用于运行存储在存储器中的计算机程序,以实现如下步骤:
根据用户输入的搜索文本,从数据库中查询得到多个搜索结果,并确定每个所述搜索结果的命中概率;
获取所述用户的属性信息,并根据所述用户的属性信息确定目标搜索关键词集合;
确定所述目标搜索关键词集合与每个所述搜索结果之间的相似度,并确定每个所述搜索结果的质量评价分数;
根据所述相似度、所述质量评价分数和所述命中概率,生成所述多个搜索结果的目标排序列表。
在一个实施例中,所述处理器在实现所述确定每个所述搜索结果的命中概率时,用于实现:
根据所述搜索文本,确定所述用户的搜索意图为搜索学习资源、搜索专家和搜索知识的概率;
确定每个所述搜索结果的类型,其中,所述类型包括资源类型、专家类型和知识类型;
根据所述用户的搜索意图为搜索学习资源、搜索专家和搜索知识的概率和每个所述搜索结果的类型,确定每个所述搜索结果的命中概率。
在一个实施例中,所述处理器在实现所述根据所述用户的属性信息确定目标搜索关键词集合时,用于实现:
获取预设的搜索关键词集合与用户的属性信息之间的映射关系表;
根据所述用户的属性信息和所述映射关系表,确定目标搜索关键词集合。
在一个实施例中,所述处理器在实现所述确定所述目标搜索关键词集合与每个所述搜索结果之间的相似度时,用于实现:
将所述目标搜索关键词集合转换为第一向量;
将每个所述搜索结果转换为各自对应的第二向量;
根据所述第一向量和每个所述第二向量,确定所述目标搜索关键词集合与每个所述搜索结果之间的相似度。
在一个实施例中,所述处理器在实现所述确定每个所述搜索结果的质量评价分数时,用于实现:
获取每个所述搜索结果的质量评价参数;
根据每个所述搜索结果的质量评价参数,确定每个所述搜索结果的质量评价分数。
在一个实施例中,所述处理器在实现所述根据所述相似度、所述质量评价分数和所述命中概率,生成所述多个搜索结果的目标排序列表时,用于实现:
确定每个所述搜索结果的类型,并根据每个所述搜索结果的类型对所述多个搜索结果进行排序,得到所述多个搜索结果的候选排序列表;
根据每个所述搜索结果的相似度、质量评价分数和命中概率,更新所述候选排序列表,得到所述多个搜索结果的目标排序列表。
在一个实施例中,所述处理器在实现所述根据每个所述搜索结果的相似度、质量评价分数和命中概率,更新所述候选排序列表,得到所述多个搜索结果的目标排序列表时,用于实现:
根据每个所述搜索结果的相似度、质量评价分数和命中概率,确定每个所述搜索结果与所述搜索文本的相关性指数;
根据所述相关性指数,调整所述候选排序列表中的搜索结果的排序,得到所述多个搜索结果的目标排序列表。
需要说明的是,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述计算机神的具体工作过程,可以参考前述搜索结果排序方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序中包括程序指令,所述程序指令被执行时所实现的方法可参照本申请搜索结果排序方法的各个实施例。
其中,所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元,例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备,例如所述计算机设备上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。
进一步地,所述计算机可读存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种搜索结果排序方法,其特征在于,包括:
根据用户输入的搜索文本,从数据库中查询得到多个搜索结果,并确定每个所述搜索结果的命中概率;
获取所述用户的属性信息,并根据所述用户的属性信息确定目标搜索关键词集合;
确定所述目标搜索关键词集合与每个所述搜索结果之间的相似度,并确定每个所述搜索结果的质量评价分数;
根据所述相似度、所述质量评价分数和所述命中概率,生成所述多个搜索结果的目标排序列表。
2.如权利要求1所述的搜索结果排序方法,其特征在于,所述确定每个所述搜索结果的命中概率,包括:
根据所述搜索文本,确定所述用户的搜索意图为搜索学习资源、搜索专家和搜索知识的概率;
确定每个所述搜索结果的类型,其中,所述类型包括资源类型、专家类型和知识类型;
根据所述用户的搜索意图为搜索学习资源、搜索专家和搜索知识的概率和每个所述搜索结果的类型,确定每个所述搜索结果的命中概率。
3.如权利要求1所述的搜索结果排序方法,其特征在于,所述根据所述用户的属性信息确定目标搜索关键词集合,包括:
获取预设的搜索关键词集合与用户的属性信息之间的映射关系表;
根据所述用户的属性信息和所述映射关系表,确定目标搜索关键词集合。
4.如权利要求1所述的搜索结果排序方法,其特征在于,所述确定所述目标搜索关键词集合与每个所述搜索结果之间的相似度,包括:
将所述目标搜索关键词集合转换为第一向量;
将每个所述搜索结果转换为各自对应的第二向量;
根据所述第一向量和每个所述第二向量,确定所述目标搜索关键词集合与每个所述搜索结果之间的相似度。
5.如权利要求1所述的搜索结果排序方法,其特征在于,所述确定每个所述搜索结果的质量评价分数,包括:
获取每个所述搜索结果的质量评价参数;
根据每个所述搜索结果的质量评价参数,确定每个所述搜索结果的质量评价分数。
6.如权利要求1-5中任一项所述的搜索结果排序方法,其特征在于,所述根据所述相似度、所述质量评价分数和所述命中概率,生成所述多个搜索结果的目标排序列表,包括:
确定每个所述搜索结果的类型,并根据每个所述搜索结果的类型对所述多个搜索结果进行排序,得到所述多个搜索结果的候选排序列表;
根据每个所述搜索结果的相似度、质量评价分数和命中概率,更新所述候选排序列表,得到所述多个搜索结果的目标排序列表。
7.如权利要求6所述的搜索结果排序方法,其特征在于,所述根据每个所述搜索结果的相似度、质量评价分数和命中概率,更新所述候选排序列表,得到所述多个搜索结果的目标排序列表,包括:
根据每个所述搜索结果的相似度、质量评价分数和命中概率,确定每个所述搜索结果与所述搜索文本的相关性指数;
根据所述相关性指数,调整所述候选排序列表中的搜索结果的排序,得到所述多个搜索结果的目标排序列表。
8.一种搜索结果排序装置,其特征在于,所述搜索结果排序装置包括:
查询模块,用于根据用户输入的搜索文本,从数据库中查询得到多个搜索结果,并确定每个所述搜索结果的命中概率;
获取模块,用于获取所述用户的属性信息,并根据所述用户的属性信息确定目标搜索关键词集合;
确定模块,用于确定所述目标搜索关键词集合与每个所述搜索结果之间的相似度,并确定每个所述搜索结果的质量评价分数;
排序模块,用于根据所述相似度、所述质量评价分数和所述命中概率,生成所述多个搜索结果的目标排序列表。
9.一种计算机设备,其特征在于,所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现如权利要求1至7中任一项所述的搜索结果排序方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,其中所述计算机程序被处理器执行时,实现如权利要求1至7中任一项所述的搜索结果排序方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010888889.7A CN111949898A (zh) | 2020-08-28 | 2020-08-28 | 搜索结果排序方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010888889.7A CN111949898A (zh) | 2020-08-28 | 2020-08-28 | 搜索结果排序方法、装置、设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111949898A true CN111949898A (zh) | 2020-11-17 |
Family
ID=73366966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010888889.7A Pending CN111949898A (zh) | 2020-08-28 | 2020-08-28 | 搜索结果排序方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111949898A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112380244A (zh) * | 2020-12-02 | 2021-02-19 | 杭州筑龙信息技术股份有限公司 | 一种分词搜索方法、装置、电子设备及可读存储介质 |
CN112528155A (zh) * | 2020-12-23 | 2021-03-19 | 广州博士信息技术研究院有限公司 | 基于科技成果转化的数据处理推送方法、装置及介质 |
CN112559903A (zh) * | 2020-12-15 | 2021-03-26 | 广州市贺氏办公设备有限公司 | 一种社区成员搜索方法、系统、装置及介质 |
CN112732766A (zh) * | 2020-12-30 | 2021-04-30 | 绿盟科技集团股份有限公司 | 一种数据排序方法、装置、电子设备及存储介质 |
CN112749238A (zh) * | 2020-12-30 | 2021-05-04 | 北京金堤征信服务有限公司 | 搜索排序方法、装置、电子设备以及计算机可读存储介质 |
CN112818221A (zh) * | 2021-01-26 | 2021-05-18 | 北京百度网讯科技有限公司 | 实体的热度确定方法、装置、电子设备及存储介质 |
CN113010791A (zh) * | 2021-03-31 | 2021-06-22 | 北京金堤征信服务有限公司 | 搜索结果展示处理方法、装置及计算机可读存储介质 |
CN113468422A (zh) * | 2021-06-29 | 2021-10-01 | 微民保险代理有限公司 | 搜索方法、装置、电子设备及存储介质 |
CN113595874A (zh) * | 2021-07-09 | 2021-11-02 | 北京百度网讯科技有限公司 | 即时通讯群组的搜索方法、装置、电子设备和存储介质 |
CN113886685A (zh) * | 2021-09-23 | 2022-01-04 | 北京三快在线科技有限公司 | 一种搜索方法、装置、存储介质及电子设备 |
CN114020643A (zh) * | 2021-11-29 | 2022-02-08 | 中国银行股份有限公司 | 一种知识库测试方法及装置 |
CN114138798A (zh) * | 2022-01-29 | 2022-03-04 | 阿里巴巴达摩院(杭州)科技有限公司 | 查询结果命中概率估计系统、方法、电子设备及介质 |
CN114154046A (zh) * | 2022-02-07 | 2022-03-08 | 深圳华强电子交易网络有限公司 | 一种网站搜索排名方法及系统 |
CN115017200A (zh) * | 2022-06-02 | 2022-09-06 | 北京百度网讯科技有限公司 | 搜索结果的排序方法、装置、电子设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324640A (zh) * | 2012-03-23 | 2013-09-25 | 日电(中国)有限公司 | 一种确定搜索结果文档的方法、装置和设备 |
CN104484380A (zh) * | 2014-12-09 | 2015-04-01 | 百度在线网络技术(北京)有限公司 | 个性化搜索方法及装置 |
CN108804532A (zh) * | 2018-05-03 | 2018-11-13 | 腾讯科技(深圳)有限公司 | 一种查询意图的挖掘和查询意图的识别方法、装置 |
CN109241319A (zh) * | 2018-09-28 | 2019-01-18 | 百度在线网络技术(北京)有限公司 | 一种图片检索方法、装置、服务器和存储介质 |
CN110188186A (zh) * | 2019-04-24 | 2019-08-30 | 平安科技(深圳)有限公司 | 医疗领域的内容推荐方法、电子装置、设备及存储介质 |
CN110287307A (zh) * | 2019-05-05 | 2019-09-27 | 浙江吉利控股集团有限公司 | 一种搜索结果排序方法、装置及服务器 |
-
2020
- 2020-08-28 CN CN202010888889.7A patent/CN111949898A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324640A (zh) * | 2012-03-23 | 2013-09-25 | 日电(中国)有限公司 | 一种确定搜索结果文档的方法、装置和设备 |
CN104484380A (zh) * | 2014-12-09 | 2015-04-01 | 百度在线网络技术(北京)有限公司 | 个性化搜索方法及装置 |
CN108804532A (zh) * | 2018-05-03 | 2018-11-13 | 腾讯科技(深圳)有限公司 | 一种查询意图的挖掘和查询意图的识别方法、装置 |
CN109241319A (zh) * | 2018-09-28 | 2019-01-18 | 百度在线网络技术(北京)有限公司 | 一种图片检索方法、装置、服务器和存储介质 |
CN110188186A (zh) * | 2019-04-24 | 2019-08-30 | 平安科技(深圳)有限公司 | 医疗领域的内容推荐方法、电子装置、设备及存储介质 |
CN110287307A (zh) * | 2019-05-05 | 2019-09-27 | 浙江吉利控股集团有限公司 | 一种搜索结果排序方法、装置及服务器 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112380244B (zh) * | 2020-12-02 | 2022-06-14 | 杭州筑龙信息技术股份有限公司 | 一种分词搜索方法、装置、电子设备及可读存储介质 |
CN112380244A (zh) * | 2020-12-02 | 2021-02-19 | 杭州筑龙信息技术股份有限公司 | 一种分词搜索方法、装置、电子设备及可读存储介质 |
CN112559903A (zh) * | 2020-12-15 | 2021-03-26 | 广州市贺氏办公设备有限公司 | 一种社区成员搜索方法、系统、装置及介质 |
CN112559903B (zh) * | 2020-12-15 | 2024-04-05 | 广州市贺氏办公设备有限公司 | 一种社区成员搜索方法、系统、装置及介质 |
CN112528155A (zh) * | 2020-12-23 | 2021-03-19 | 广州博士信息技术研究院有限公司 | 基于科技成果转化的数据处理推送方法、装置及介质 |
CN112732766A (zh) * | 2020-12-30 | 2021-04-30 | 绿盟科技集团股份有限公司 | 一种数据排序方法、装置、电子设备及存储介质 |
CN112749238A (zh) * | 2020-12-30 | 2021-05-04 | 北京金堤征信服务有限公司 | 搜索排序方法、装置、电子设备以及计算机可读存储介质 |
CN112818221A (zh) * | 2021-01-26 | 2021-05-18 | 北京百度网讯科技有限公司 | 实体的热度确定方法、装置、电子设备及存储介质 |
CN112818221B (zh) * | 2021-01-26 | 2024-06-14 | 北京百度网讯科技有限公司 | 实体的热度确定方法、装置、电子设备及存储介质 |
CN113010791A (zh) * | 2021-03-31 | 2021-06-22 | 北京金堤征信服务有限公司 | 搜索结果展示处理方法、装置及计算机可读存储介质 |
CN113468422A (zh) * | 2021-06-29 | 2021-10-01 | 微民保险代理有限公司 | 搜索方法、装置、电子设备及存储介质 |
CN113595874A (zh) * | 2021-07-09 | 2021-11-02 | 北京百度网讯科技有限公司 | 即时通讯群组的搜索方法、装置、电子设备和存储介质 |
CN113886685B (zh) * | 2021-09-23 | 2023-01-06 | 北京三快在线科技有限公司 | 一种搜索方法、装置、存储介质及电子设备 |
CN113886685A (zh) * | 2021-09-23 | 2022-01-04 | 北京三快在线科技有限公司 | 一种搜索方法、装置、存储介质及电子设备 |
CN114020643B (zh) * | 2021-11-29 | 2023-01-20 | 中国银行股份有限公司 | 一种知识库测试方法及装置 |
CN114020643A (zh) * | 2021-11-29 | 2022-02-08 | 中国银行股份有限公司 | 一种知识库测试方法及装置 |
CN114138798A (zh) * | 2022-01-29 | 2022-03-04 | 阿里巴巴达摩院(杭州)科技有限公司 | 查询结果命中概率估计系统、方法、电子设备及介质 |
CN114154046A (zh) * | 2022-02-07 | 2022-03-08 | 深圳华强电子交易网络有限公司 | 一种网站搜索排名方法及系统 |
CN115017200A (zh) * | 2022-06-02 | 2022-09-06 | 北京百度网讯科技有限公司 | 搜索结果的排序方法、装置、电子设备和存储介质 |
CN115017200B (zh) * | 2022-06-02 | 2023-08-25 | 北京百度网讯科技有限公司 | 搜索结果的排序方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111949898A (zh) | 搜索结果排序方法、装置、设备及计算机可读存储介质 | |
WO2015188699A1 (zh) | 推荐项目的方法和装置 | |
US20160171116A1 (en) | System and method for crowdsourced template based search | |
CN109189990B (zh) | 一种搜索词的生成方法、装置及电子设备 | |
US8660901B2 (en) | Matching of advertising sources and keyword sets in online commerce platforms | |
CN109903086B (zh) | 一种相似人群扩展方法、装置及电子设备 | |
US20190066054A1 (en) | Accuracy of member profile retrieval using a universal concept graph | |
CN112559895B (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
US20190065612A1 (en) | Accuracy of job retrieval using a universal concept graph | |
Ng et al. | CrsRecs: A personalized course recommendation system for college students | |
Lin | A case-based reasoning system for interior design using a new cosine similarity retrieval algorithm | |
CN107992563B (zh) | 一种用户浏览内容的推荐方法及系统 | |
CN112989118B (zh) | 视频召回方法及装置 | |
JP2012178026A (ja) | 検索装置、検索方法、検索プログラム、及びそのプログラムを記憶するコンピュータ読取可能な記録媒体 | |
Narke et al. | A comprehensive review of approaches and challenges of a recommendation system | |
CN110717008B (zh) | 基于语意识别的搜索结果排序方法及相关装置 | |
Imhof et al. | Multimodal social book search | |
JP6433270B2 (ja) | コンテンツ検索結果提供システム及びコンテンツ検索結果提供方法 | |
JP2015088089A (ja) | レコメンドサーバ及びレコメンド方法 | |
CN116610853A (zh) | 搜索推荐方法、搜索推荐系统、计算机设备及存储介质 | |
CN113486232B (zh) | 查询方法、装置、服务器、介质及产品 | |
Kavitha et al. | Learning to rank experts using combination of multiple features of expertise | |
Nath et al. | A pragmatic review on different approaches used in e-learning recommender systems | |
WO2022163203A1 (ja) | レコメンド装置 | |
JP6269864B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム |
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: 20201117 |