CN113010791B - 搜索结果展示处理方法、装置及计算机可读存储介质 - Google Patents
搜索结果展示处理方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113010791B CN113010791B CN202110353490.3A CN202110353490A CN113010791B CN 113010791 B CN113010791 B CN 113010791B CN 202110353490 A CN202110353490 A CN 202110353490A CN 113010791 B CN113010791 B CN 113010791B
- Authority
- CN
- China
- Prior art keywords
- target
- search result
- enterprise
- information
- score
- 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
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
- G06F16/90—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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开的实施例公开了一种搜索结果展示处理方法、装置及计算机可读存储介质。该方法包括:利用索引信息进行搜索以得到搜索结果;在搜索结果的类别为机构信息类别的情况下,确定与搜索结果指向的机构关联的目标企业集合;将目标企业集合中的企业数量与目标分位数进行数值比较,以得到比较结果;根据比较结果,以及目标企业集合中的每个企业的企业信息上发生预设事件的次数,确定索引信息与搜索结果的第一相关性分数;根据第一相关性分数,对搜索结果进行展示处理。由于本公开的实施例中并不是完全依赖于文本相关性来进行搜索结果页的展示,这样有利于对不同搜索结果进行差异化描述,从而能够有效地保证搜索结果页的合理性,进而提升用户搜索体验。
Description
技术领域
本公开涉及信息搜索展示技术领域,尤其涉及一种搜索结果展示处理方法、装置及计算机可读存储介质。
背景技术
在搜索场景下,可以利用索引信息进行搜索,以得到搜索结果,例如,用户可以将“北京金堤”作为索引信息进行搜索,以得到多个搜索结果,多个搜索结果具体可以为多个文档。之后,可以在搜索结果页进行搜索结果的排序展示。
需要说明的是,搜索结果页的搜索结果往往完全依赖于文本相关性来进行排序,但是,在许多情况下,仅依赖于文本相关性无法对不同搜索结果进行差异化描述,这样,文本相关性无法对排序效果产生正面激励,从而会影响到搜索结果页的合理性,进而会降低用户搜索体验。
发明内容
为了解决上述技术问题,提出了本公开。本公开的实施例提供了一种搜索结果展示处理方法、装置及计算机可读存储介质。
根据本公开实施例的一个方面,提供了一种搜索结果展示处理方法,包括:
利用索引信息进行搜索以得到搜索结果;
在所述搜索结果的类别为机构信息类别的情况下,确定与所述搜索结果指向的机构关联的目标企业集合;
将所述目标企业集合中的企业数量与目标分位数进行数值比较,以得到比较结果;
根据所述比较结果,以及所述目标企业集合中的每个企业的企业信息上发生预设事件的次数,确定所述索引信息与所述搜索结果的第一相关性分数;
根据所述第一相关性分数,对所述搜索结果进行展示处理。
在一个可选示例中,所述目标分位数为K;
所述根据所述比较结果,以及所述目标企业集合中的每个企业的企业信息上发生预设事件的次数,确定所述索引信息与所述搜索结果的第一相关性分数,包括:
获取由所述目标企业集合中的每个企业的企业信息上发生预设事件的次数组成的目标次数集合;
在所述比较结果表征所述目标企业集合中的企业数量在数值上大于或等于K的情况下,选取所述目标次数集合中数值由最大至第K大的K个次数,并将所选取的K个次数的平均次数的数值作为所述索引信息与所述搜索结果的第一相关性分数;
在所述比较结果表征所述目标企业集合中的企业数量在数值上小于K的情况下,对所述目标次数集合进行补齐处理,以使经处理后的所述目标次数集合中包括K个次数,并将经处理后的所述目标次数集合中的K个次数的平均次数的数值作为所述索引信息与所述搜索结果的第一相关性分数。
在一个可选示例中,所述对所述目标次数集合进行补齐处理,以使经处理后的所述目标次数集合中包括K个次数,包括:
确定所述目标次数集合中数值最小的次数;
向所述目标次数集合中添加若干个所确定的次数,以使经处理后的所述目标次数集合中包括K个次数。
在一个可选示例中,所述将所述目标企业集合中的企业数量与目标分位数进行数值比较,以得到比较结果之前,所述方法还包括:
获取S个参考分位数;
确定与参考机构关联的参考企业集合;
获取由所述参考企业集合中的每个企业的企业信息上发生所述预设事件的次数组成的参考次数集合;
分别利用所述S个参考分位数中的每个参考分位数,对所述参考次数集合进行划分,以得到所述S个参考分位数对应的S个划分结果;
根据所述S个划分结果,从所述S个参考分位数中选择一个参考分位数作为所述目标分位数。
在一个可选示例中,所述S个划分结果中的每个划分结果中包括两个次数子集合;
所述根据所述S个划分结果,从所述S个参考分位数中选择一个参考分位数作为所述目标分位数,包括:
计算所述参考次数集合的信息熵;
针对所述S个划分结果中的每个划分结果,计算其包括的两个次数子集合对应的两个信息熵,并根据其包括的两个次数子集合对应的两个信息熵,以及所述参考次数集合的信息熵,计算信息增益,从而得到所述S个划分结果对应的S个信息增益;
确定所述S个信息增益中数值最大的信息增益对应的划分结果;
将所确定的划分结果对应的参考分位数作为目标分位数。
在一个可选示例中,所述根据所述第一相关性分数,对所述搜索结果进行展示处理,包括:
根据文本相关性算法,确定所述索引信息与所述搜索结果的第二相关性分数;
获取所述第一相关性分数所属的相关性维度对应的第一权重,并获取所述第二相关性分数所属的相关性维度对应的第二权重;
利用所述第一权重和所述第二权重,对所述第一相关性分数和所述第二相关性分数进行加权求和,以得到综合相关性分数;
根据所得到的综合相关性分数,对所述搜索结果进行展示处理。
在一个可选示例中,所述利用索引信息进行搜索以得到搜索结果之后,所述方法还包括:
根据文本相关性算法,确定所述索引信息与所述搜索结果的第二相关性分数;
在所述搜索结果的类别为品牌信息类别的情况下,将所述搜索结果指向的企业的企业信息上发生所述预设事件的次数作为所述索引信息与所述搜索结果的第三相关性分数;
获取所述第二相关性分数所属的相关性维度对应的第二权重,并获取所述第三相关性分数所属的相关性维度对应的第三权重;
利用所述第二权重和所述第三权重,对所述第二相关性分数和所述第三相关性分数进行加权求和,以得到综合相关性分数;
根据所得到的综合相关性分数,对所述搜索结果进行展示处理。
根据本公开实施例的另一个方面,提供了一种搜索结果展示处理装置,包括:
第一获取模块,用于利用索引信息进行搜索以得到搜索结果;
第一确定模块,用于在所述搜索结果的类别为机构信息类别的情况下,确定与所述搜索结果指向的机构关联的目标企业集合;
第二获取模块,用于将所述目标企业集合中的企业数量与目标分位数进行数值比较,以得到比较结果;
第二确定模块,用于根据所述比较结果,以及所述目标企业集合中的每个企业的企业信息上发生预设事件的次数,确定所述索引信息与所述搜索结果的第一相关性分数;
第一处理模块,用于根据所述第一相关性分数,对所述搜索结果进行展示处理。
在一个可选示例中,所述目标分位数为K;
所述第二确定模块,包括:
第一获取子模块,用于获取由所述目标企业集合中的每个企业的企业信息上发生预设事件的次数组成的目标次数集合;
第一处理子模块,用于在所述比较结果表征所述目标企业集合中的企业数量在数值上大于或等于K的情况下,选取所述目标次数集合中数值由最大至第K大的K个次数,并将所选取的K个次数的平均次数的数值作为所述索引信息与所述搜索结果的第一相关性分数;
第二处理子模块,用于在所述比较结果表征所述目标企业集合中的企业数量在数值上小于K的情况下,对所述目标次数集合进行补齐处理,以使经处理后的所述目标次数集合中包括K个次数,并将经处理后的所述目标次数集合中的K个次数的平均次数的数值作为所述索引信息与所述搜索结果的第一相关性分数。
在一个可选示例中,所述第二处理子模块,包括:
确定单元,用于确定所述目标次数集合中数值最小的次数;
添加单元,用于向所述目标次数集合中添加若干个所确定的次数,以使经处理后的所述目标次数集合中包括K个次数。
在一个可选示例中,所述装置还包括:
第三获取模块,用于在将所述目标企业集合中的企业数量与目标分位数进行数值比较,以得到比较结果之前,获取S个参考分位数;
第三确定模块,用于确定与参考机构关联的参考企业集合;
第四获取模块,用于获取由所述参考企业集合中的每个企业的企业信息上发生所述预设事件的次数组成的参考次数集合;
第五获取模块,用于分别利用所述S个参考分位数中的每个参考分位数,对所述参考次数集合进行划分,以得到所述S个参考分位数对应的S个划分结果;
选择模块,用于根据所述S个划分结果,从所述S个参考分位数中选择一个参考分位数作为所述目标分位数。
在一个可选示例中,所述S个划分结果中的每个划分结果中包括两个次数子集合;
所述选择模块,包括:
计算子模块,用于计算所述参考次数集合的信息熵;
第二获取子模块,用于针对所述S个划分结果中的每个划分结果,计算其包括的两个次数子集合对应的两个信息熵,并根据其包括的两个次数子集合对应的两个信息熵,以及所述参考次数集合的信息熵,计算信息增益,从而得到所述S个划分结果对应的S个信息增益;
第一确定子模块,用于确定所述S个信息增益中数值最大的信息增益对应的划分结果;
第二确定子模块,用于将所确定的划分结果对应的参考分位数作为目标分位数。
在一个可选示例中,所述第一处理模块,包括:
第三确定子模块,用于根据文本相关性算法,确定所述索引信息与所述搜索结果的第二相关性分数;
第三获取子模块,用于获取所述第一相关性分数所属的相关性维度对应的第一权重,并获取所述第二相关性分数所属的相关性维度对应的第二权重;
第四获取子模块,用于利用所述第一权重和所述第二权重,对所述第一相关性分数和所述第二相关性分数进行加权求和,以得到综合相关性分数;
第三处理子模块,用于根据所得到的综合相关性分数,对所述搜索结果进行展示处理。
在一个可选示例中,所述装置还包括:
第四确定模块,用于在利用索引信息进行搜索以得到搜索结果之后,根据文本相关性算法,确定所述索引信息与所述搜索结果的第二相关性分数;
第五确定模块,用于在所述搜索结果的类别为品牌信息类别的情况下,将所述搜索结果指向的企业的企业信息上发生所述预设事件的次数作为所述索引信息与所述搜索结果的第三相关性分数;
第六获取模块,用于获取所述第二相关性分数所属的相关性维度对应的第二权重,并获取所述第三相关性分数所属的相关性维度对应的第三权重;
第七获取模块,用于利用所述第二权重和所述第三权重,对所述第二相关性分数和所述第三相关性分数进行加权求和,以得到综合相关性分数;
第二处理模块,用于根据所得到的综合相关性分数,对所述搜索结果进行展示处理。
根据本公开实施例的再一个方面,提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述搜索结果展示处理方法。
根据本公开实施例的又一个方面,提供了一种电子设备,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述搜索结果展示处理方法。
根据本公开实施例的又一个方面,提供了一种计算机程序,包括计算机可读代码,当所述计算机可读代码在设备上运行时,所述设备中的处理器执行上述搜索结果展示处理方法中各步骤的指令。
本公开的实施例中,在利用索引信息进行搜索以得到搜索结果之后,在搜索结果的类别为机构信息类别的情况下,可以确定与搜索结果指向的机构关联的目标企业集合,通过将目标企业集合中的企业数量与目标分位数进行数值比较,可以得到比较结果。接下来,可以根据比较结果,以及目标企业集合中的每个企业的企业信息上发生预设事件的次数,确定索引信息与搜索结果的第一相关性分数,以便根据第一相关性分数,对搜索结果进行展示处理。可见,本公开的实施例中,针对搜索结果的类别为机构信息类别的情况,通过结合目标企业集合确定处理、企业数量与目标分位数的比较处理,以及基于比较结果和企业信息上发生预设事件的次数的相关性分数确定处理,可以确定出能够对索引信息和搜索结果的相关性程度进行有效地表征的第一相关性分数,根据得到的第一相关性分数,可以采用合适的方式,进行搜索结果的展示处理。由于本公开的实施例中并不是完全依赖于文本相关性来进行搜索结果页的展示,而是依赖于比较结果和企业信息上发生预设事件的次数来进行搜索结果页的展示,这样有利于对不同搜索结果进行差异化描述,以对排序效果产生正面激励,从而能够有效地保证搜索结果页的合理性,进而提升用户搜索体验。
下面通过附图和实施例,对本公开的技术方案做进一步的详细描述。
附图说明
通过结合附图对本公开实施例进行更详细的描述,本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解,并且构成说明书的一部分,与本公开实施例一起用于解释本公开,并不构成对本公开的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1是本公开一示例性实施例提供的搜索结果展示处理方法的流程示意图。
图2是本公开另一示例性实施例提供的搜索结果展示处理方法的流程示意图。
图3是本公开再一示例性实施例提供的搜索结果展示处理方法的流程示意图。
图4是本公开又一示例性实施例提供的搜索结果展示处理方法的流程示意图。
图5是本公开一示例性实施例提供的搜索结果展示处理装置的结构示意图。
图6是本公开另一示例性实施例提供的搜索结果展示处理装置的结构示意图。
图7是本公开再一示例性实施例提供的搜索结果展示处理装置的结构示意图。
图8是本公开一示例性实施例提供的电子设备的结构图。
具体实施方式
下面,将参考附图详细地描述根据本公开的示例实施例。显然,所描述的实施例仅仅是本公开的一部分实施例,而不是本公开的全部实施例,应理解,本公开不受这里描述的示例实施例的限制。
应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
本领域技术人员可以理解,本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序。
还应理解,在本公开实施例中,“多个”可以指两个或两个以上,“至少一个”可以指一个、两个或两个以上。
还应理解,对于本公开实施例中提及的任一部件、数据或结构,在没有明确限定或者在前后文给出相反启示的情况下,一般可以理解为一个或多个。
另外,本公开中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本公开中字符“/”,一般表示前后关联对象是一种“或”的关系。
还应理解,本公开对各个实施例的描述着重强调各个实施例之间的不同之处,其相同或相似之处可以相互参考,为了简洁,不再一一赘述。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备,其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于:个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境,等等。
终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
示例性方法
图1是本公开一示例性实施例提供的搜索结果展示处理方法的流程示意图。图1所示的方法可以包括步骤101、步骤102、步骤103、步骤104和步骤105,下面对各步骤分别进行说明。
步骤101,利用索引信息进行搜索以得到搜索结果。
在步骤101中,可以先由用户进行索引信息的输入,索引信息可以为搜索词,例如,索引信息可以为“百度”。
接下来,可以利用索引信息进行搜索,以得到搜索结果,搜索结果的数量可以为1个、5个、10个、15个等,在此不再一一列举。
需要说明的是,在本公开的实施例中的搜索场景为品牌机构搜索场景的情况下,搜索结果的类别可以存在两种可能的情况:一种情况下,搜索结果的类别为机构信息类别,这时,搜索结果可以为机构名称等机构标识,例如为“百度投资并购部”、“红杉资本”等;另一种情况下,搜索结果的类别为品牌信息类别,这时,搜索结果可以为品牌名称等品牌标识,例如为“美团外卖”、“饿了么”、“天眼查”等。
步骤102,在搜索结果的类别为机构信息类别的情况下,确定与搜索结果指向的机构关联的目标企业集合。
在步骤102中,在搜索结果的类别为机构信息类别的情况下,可以确定搜索结果指向的机构。具体地,在搜索结果为“百度投资并购部”的情况下,搜索结果指向的机构可以为百度公司旗下的投资并购部这个部门;在搜索结果为“红杉资本”的情况下,搜索结果指向的机构可以为名称为红杉资本的投资机构。
接下来,可以确定与搜索结果指向的机构关联的各个企业。具体地,在搜索结果为“百度投资并购部”的情况下,与搜索结果指向的机构关联的企业可以包括:百度公司已投资的各个企业以及百度公司已并购的各个企业;在搜索结果为“红杉资本”的情况下,与搜索结果指向的机构关联的企业可以包括:名称为红杉资本的投资机构已投资的各个企业。
之后,可以确定由与搜索结果指向的机构关联的各个企业组成的企业集合,该企业集合即可作为目标企业集合。
步骤103,将目标企业集合中的企业数量与目标分位数进行数值比较,以得到比较结果。
需要说明的是,目标分位数可以为预先确定并存储的一个分位数,为了布局清楚,后续对目标分位数的确定方式进行举例介绍。
在步骤103中,可以对目标企业集合中的企业进行遍历,以确定目标企业集合中的企业数量,并将目标企业集合中的企业数量与目标分位数进行数值比较,以得到比较结果。具体地,比较结果可以有两种可能的情况:一种情况下,比较结果表征目标企业集合中的企业数量在数值上大于或等于目标分位数;另一种情况下,比较结果表征目标企业集合中的企业数量在数值上小于目标分位数。
步骤104,根据比较结果,以及目标企业集合中的每个企业的企业信息上发生预设事件的次数,确定索引信息与搜索结果的第一相关性分数。
这里,企业信息可以是指企业名称等企业标识;预设事件可以为点击事件。
在步骤104中,可以从用户数据库中,获取历史用户数据,历史用户数据中可以包括多个用户中的每个用户的用户行为日志,每个用户的用户行为日志中可以记录该用户在什么时间,点击了哪个企业名称,这样,通过对历史用户数据进行统计和分析,可以获取到目标企业集合中的每个企业的企业信息上发生预设事件的次数。
接下来,可以根据比较结果,以及目标企业集合中的每个企业的企业信息上发生预设事件的次数,确定索引信息与搜索结果的第一相关性分数。可选地,可以针对不同情况的比较结果,基于目标企业集合中的每个企业的企业信息上发生预设事件的次数,以合适的方式进行第一相关性分数的确定,从而保证第一相关性分数能够有效地表征索引信息与搜索结果的相关性程度。
步骤105,根据第一相关性分数,对搜索结果进行展示处理。
由于第一相关性分数能够有效地表征索引信息与搜索结果的相关性程度,参考第一相关性分数,能够采用合适的方式,对搜索结果进行展示处理,以保证搜索结果页的合理性。例如,在索引信息和搜索结果的相关性程度非常高的情况下,可以直接令搜索结果在搜索结果页进行展示,且令搜索结果在搜索结果页的排序尽可能靠前;在索引信息和搜索结果的相关性程度非常低的情况下,可以直接令搜索结果在搜索结果页进行展示,且令搜索结果在搜索结果页的排序尽可能靠后,或者可以禁止搜索结果直接在搜索结果页进行展示,仅在用户指示查看所有结果的情况下,才令搜索结果在搜索结果页进行展示。
本公开的实施例中,在利用索引信息进行搜索以得到搜索结果之后,在搜索结果的类别为机构信息类别的情况下,可以确定与搜索结果指向的机构关联的目标企业集合,通过将目标企业集合中的企业数量与目标分位数进行数值比较,可以得到比较结果。接下来,可以根据比较结果,以及目标企业集合中的每个企业的企业信息上发生预设事件的次数,确定索引信息与搜索结果的第一相关性分数,以便根据第一相关性分数,对搜索结果进行展示处理。可见,本公开的实施例中,针对搜索结果的类别为机构信息类别的情况,通过结合目标企业集合确定处理、企业数量与目标分位数的比较处理,以及基于比较结果和企业信息上发生预设事件的次数的相关性分数确定处理,可以确定出能够对索引信息和搜索结果的相关性程度进行有效地表征的第一相关性分数,根据得到的第一相关性分数,可以采用合适的方式,进行搜索结果的展示处理。由于本公开的实施例中并不是完全依赖于文本相关性来进行搜索结果页的展示,而是依赖于比较结果和企业信息上发生预设事件的次数来进行搜索结果页的展示,这样有利于对不同搜索结果进行差异化描述,以对排序效果产生正面激励,从而能够有效地保证搜索结果页的合理性,进而提升用户搜索体验。
在图1所示实施例的基础上,目标分位数为K;
如图2所示,步骤104,包括:
步骤1041,获取由目标企业集合中的每个企业的企业信息上发生预设事件的次数组成的目标次数集合;
步骤1042,在比较结果表征目标企业集合中的企业数量在数值上大于或等于K的情况下,选取目标次数集合中数值由最大至第K大的K个次数,并将所选取的K个次数的平均次数的数值作为索引信息与搜索结果的第一相关性分数;
步骤1043,在比较结果表征目标企业集合中的企业数量在数值上小于K的情况下,对目标次数集合进行补齐处理,以使经处理后的目标次数集合中包括K个次数,并将经处理后的目标次数集合中的K个次数的平均次数的数值作为索引信息与搜索结果的第一相关性分数。
本公开的实施例中,可以通过对历史用户数据进行统计和分析,获取目标企业集合中的每个企业的企业信息上发生预设事件的次数,以便确定由这些次数组成的目标次数集合。
在比较结果表征目标企业集合中的企业数量在数值上大于或等于K的情况下,可以认为目标企业集合中的企业数量足够多,那么,可以将目标次数集合中的所有次数按照数值从大到小的顺序排列,以便从中选取出排序在前K位的K个次数。接下来,可以计算所选取的K个次数的平均次数,该平均次数的数值即可直接作为索引信息与搜索结果的第一相关性分数。
在比较结果表征目标企业集合中的企业数量在数值上小于K的情况下,可以认为目标企业集合中的企业数量不够多,那么,可以对目标次数集合进行补齐处理,以使经处理后的目标次数集合中包括K个次数。
在一种具体实施方式中,对目标次数集合进行补齐处理,以使经处理后的目标次数集合中包括K个次数,包括:
确定目标次数集合中数值最小的次数;
向目标次数集合中添加若干个所确定的次数,以使经处理后的目标次数集合中包括K个次数。
这里,可以将目标次数集合中的所有次数按照数值从大到小的顺序排列,排序在最末尾的次数即为数值最小的次数,这样,可以向目标次数集合中添加若干个该次数,以保证经处理后的目标次数集合中包括K个次数。
在一个具体例子中,K为5,目标企业集合中的企业数量为3个,目标次数集合为[100,90,89],由于3小于5,且目标次数集合中数值最小的次数为89,则可以向目标次数集合中添加2个89,这样,经处理后的目标次数集合为[100,90,89,89,89]。
这种实施方式中,通过确定目标次数集合中数值最小的次数,并向目标次数集合中添加若干个所确定的次数,能够非常便捷可靠地实现目标次数集合的补齐处理。
在对目标次数集合进行补齐处理,以使经处理后的目标次数集合中包括K个次数之后,可以计算经处理后的目标次数集合包括的K个次数的平均次数,该平均次数的数值即可直接作为索引信息与搜索结果的第一相关性分数。
需要说明的是,由于同一个机构常常与多个企业相关联(即机构与企业之间是一对多的关系),同一机构关联的各个企业的企业信息不存在共性的点击分布,考虑到整体企业的点击分布是长尾的,如果不考虑机构关联的企业数量,而简单粗暴地采用平均值计算方法来得到第一相关性分数,则对于关联的企业数量较多的机构会有负面影响。具体而言,对于关联的企业数量较多的机构而言,由于其关联的企业中、低点击的企业占比较大,点击次数的平均值会趋向于低数值,这样会导致第一相关性分数偏低,由此会无形中对关联的企业数量较多的机构产生惩罚效果。
有鉴于此,本公开的实施例中,针对目标企业集合中的企业数量在数值上大于或等于K的情况,可以选取目标次数集合中的top k个次数,并将top k个次数的平均次数的数值作为第一相关性分数,针对目标企业集合中的企业数量在数值上小于K的情况,可以使用最小次数对目标次数集合进行补齐处理,以便将经处理后的目标次数集合中的K个次数的平均次数的数值作为第一相关性分数。容易看出,无论机构关联的企业数量是否足够多,均可以得到K个次数以用于第一相关性分数的确定,由于不同企业的点击数据往往是比较均匀的,这样能够较好地保证确定出的第一相关性分数的合理可靠性,从而尽可能规避对关联的企业数量较多的机构产生的惩罚效果。另外,由于本公开的实施例中并未不是简单地应用历史点击次数来计算第一相关性分数,而是结合了平均值计算处理和补齐处理,这样能够尽可能避免产生马太效应,并避免放大排序的负面影响。
在图1所示实施例的基础上,如图3所示,在步骤103之前,该方法还包括:
步骤111,获取S个参考分位数;
步骤112,确定与参考机构关联的参考企业集合;
步骤113,获取由参考企业集合中的每个企业的企业信息上发生预设事件的次数组成的参考次数集合;
步骤114,分别利用S个参考分位数中的每个参考分位数,对参考次数集合进行划分,以得到S个参考分位数对应的S个划分结果;
步骤115,根据S个划分结果,从S个参考分位数中选择一个参考分位数作为目标分位数。
这里,S可以为5、10、15、20或者其它取值,在此不再一一列举。
本公开的实施例中,可以先获取S个参考分位数,假设S为20,则20个参考分位数可以分别为1至20。
接下来,可以确定与参考机构关联的参考企业集合,参考机构可以选自预设机构集合,参考企业集合的具体确定方式参照上文中对确定与搜索结果指向的机构关联的目标企业集合的方式的说明即可,在此不再赘述。
之后,可以通过对历史用户数据进行统计和分析,获取参考企业集合中的每个企业的企业信息上发生预设事件的次数,以便确定由这些次数组成的参考次数集合。
再之后,可以分别利用S个参考分位数中的每个参考分位数,对参考次数集合进行划分,以得到S个参考分位数对应的S个划分结果;其中,S个参考分位数与S个划分结果之间可以为一一对应的关系。假设参考次数集合中包括25个次数,针对12这个参考分位数,可以选取参考次数集合中的top 12个次数,参考次数集合中选取出的部分和参考次数集合中剩余的部分可以组成12这个参考分位数对应的划分结果,按照类似的方式,可以得到其余参考分位数各自对应的划分结果。
在得到S个划分结果之后,可以根据S个划分结果,从S个参考分位数中选择一个参考分位数作为目标分位数。
在一种具体实施方式中,S个划分结果中的每个划分结果中包括两个次数子集合;
根据S个划分结果,从S个参考分位数中选择一个参考分位数作为目标分位数,包括:
计算参考次数集合的信息熵;
针对S个划分结果中的每个划分结果,计算其包括的两个次数子集合对应的两个信息熵,并根据其包括的两个次数子集合对应的两个信息熵,以及参考次数集合的信息熵,计算信息增益,从而得到S个划分结果对应的S个信息增益;
确定S个信息增益中数值最大的信息增益对应的划分结果;
将所确定的划分结果对应的参考分位数作为目标分位数。
在一个具体例子中,参考次数集合表示为:[100,100,90,90,90,89,89,89,89,89],由于100在参考次数集合中的占比为0.2,90在参考次数集合中的占比为0.3,89在参考次数集合中的占比为0.5,则参考次数集合的信息熵E可以采用如下公式进行计算:
E=-(0.2×log20.2+0.3×log20.3+0.5×log20.5)
在利用5这个参考分位数,对参考次数集合进行划分得到的划分结果可以包括两个次数子集合,这两个次数子集合可以分别表示为:[100,100,90,90,90]、[89,89,89,89,89],前一个次数子集合的信息熵E1和后一个次数子集合的信息熵E2可以采用如下公式进行计算:
E1=-(0.4×log20.4+0.6×log20.6)
E2=-(1.0×log21.0)
在得到E、E1、E2之后,5这个参考分位数对应的划分结果对应的信息增益g可以采用如下公式进行计算:
g=E-E1-E2
按照类似的方式,可以计算出其余划分结果各自对应的信息增益,从而得到得到S个划分结果对应的S个信息增益,S个划分结果与S个信息增益之间可以为一一对应的关系。
之后,可以将S个信息增益两两进行数值比较,以选取出其中数值最大的信息增益,并进一步确定选取出的信息增益对应的划分结果,且将所确定的划分结果对应的参考分位数作为目标分位数。
这种实施方式中,根据S个划分结果,并结合信息熵和信息增益相关的计算,可以便捷可靠地从S个参考分位数中选取一个最优的参考分位数作为目标分位数。
需要指出的是,参考机构、参考企业集合、参考次数集合的数量均可以为多个,这样,针对多个参考次数集合中的每个参考次数集合,采用上述方式,均可以确定出一个对应的目标分位数,从而能够确定出多个目标分位数,之后可以取确定出的多个目标分位数中的众数,并将这个众数作为最终用于与目标企业集合中的企业数量进行数值比较的目标分位数,这也是可行的。
可见,本公开的实施例中,通过利用S个参考分位数中的每个参考分位数,对参考次数集合进行划分,可以得到S个参考分位数对应的S个划分结果,每个划分结果可以用于确定相应参考分位数的优劣,这样,根据S个划分结果,可以从S个参考分位数中选择一个最优的参考分位数作为目标分位数,从而能够较好地保证确定出的目标分位数的合理可靠性。
在图1所示实施例的基础上,如图4所示,步骤105,包括:
步骤1051,根据文本相关性算法,确定索引信息与搜索结果的第二相关性分数;
步骤1052,获取第一相关性分数所属的相关性维度对应的第一权重,并获取第二相关性分数所属的相关性维度对应的第二权重;
步骤1053,利用第一权重和第二权重,对第一相关性分数和第二相关性分数进行加权求和,以得到综合相关性分数;
步骤1054,根据所得到的综合相关性分数,对搜索结果进行展示处理。
本公开的实施例中,可以利用文本相关性算法,计算索引信息与搜索结果的第二相关性分数,第二相关性分数也可以称为文本相关性分数;其中,文本相关性算法可以包括BM25算法,BM25算法是一种基于概率检索模型提出的算法。
需要说明的是,不同相关性维度与权重之间的对应关系可以预先进行设置并存储。由于第一相关性分数根据比较结果,以及目标企业集合中的每个企业的企业信息上发生预设事件(例如点击事件)的次数确定,第一相关性分数所属的相关性维度可以认为是用户操作维度,由于第二相关性分数利用文本相关性算法确定,第二相关性分数所属的相关性维度可以认为是文本相关性维度,再根据预先设置并存储的对应关系,能够便捷可靠地确定出第一相关性分数所属的相关性维度对应的第一权重以及第二相关性分数所属的相关性维度对应的第二权重;其中,第一权重可以表示为Z1,第二权重可以表示为Z2。
接下来,可以利用第一权重和第二权重,对第一相关性分数和第二相关性分数进行加权求和,以得到综合相关性分数。假设第一相关性分数表示为S1,第二相关性分数表示为S2,综合相关性分数表示为S,则有:
S=Z1×S1+Z2×S2
之后,可以根据所得到的综合相关性分数,对搜索结果进行排序展示,例如,可以使综合相关性分数较高的搜索结果的排序尽可能靠前,从而保证搜索结果页的合理性。
可见,本公开的实施例中,在根据文本相关性算法,确定索引信息与搜索结果的第二相关性分数之后,通过基于第一权重和第二权重进行加权求和处理,能够便捷可靠地得到综合相关性分数,由于综合相关性分数的计算同时考虑了属于用户操作维度的第一相关性分数和属于文本相关性维度的第二相关性分数,综合相关性分数能够对索引信息和搜索结果的相关性程度进行非常准确地表征,这样,在根据综合相关性分数进行搜索结果的展示处理时,能够在保证文本相关性的基础上,使重要的搜索结果尽可能排序靠前。
在一个可选示例中,在步骤101之后,该方法还包括:
根据文本相关性算法,确定索引信息与搜索结果的第二相关性分数;
在搜索结果的类别为品牌信息类别的情况下,将搜索结果指向的企业的企业信息上发生预设事件的次数作为索引信息与搜索结果的第三相关性分数;
获取第二相关性分数所属的相关性维度对应的第二权重,并获取第三相关性分数所属的相关性维度对应的第三权重;
利用第二权重和第三权重,对第二相关性分数和第三相关性分数进行加权求和,以得到综合相关性分数;
根据所得到的综合相关性分数,对搜索结果进行展示处理。
这里,预设事件可以为点击事件。
本公开的实施例中,可以利用文本相关性算法,计算索引信息与搜索结果的第二相关性分数,第二相关性分数也可以称为文本相关性分数,第二相关性分数所属的相关性维度可以认为是文本相关性维度。
在搜索结果的类别为品牌信息类别的情况下,可以确定搜索结果指向的企业。具体地,在搜索结果为“天眼查”的情况下,搜索结果指向的企业的企业信息可以为“北京金堤科技有限公司”;在搜索结果为“美团”的情况下,搜索结果指向的企业的企业信息可以为“北京三快科技有限公司”。
接下来,可以通过对历史用户数据进行统计和分析,获取搜索结果指向的企业的企业信息上发生预设事件的次数,将获取到的次数作为索引信息与搜索结果的第三相关性分数,第三相关性分数所属的相关性维度可以认为是用户操作维度。
需要说明的是,不同相关性维度与权重之间的对应关系可以预先进行设置并存储,这样,根据预先设置并存储的对应关系,能够便捷可靠地确定出第二相关性分数所属的相关性维度对应的第二权重和第三相关性分数所属的相关性维度对应的第三权重。接下来,可以利用第二权重和第三权重,对第二相关性分数和第三相关性分数进行加权求和,以得到综合相关性分数,具体过程参照上文中对利用第一权重和第二权重,对第一相关性分数和第二相关性分数进行加权求和,以得到综合相关性分数的过程的说明即可,在此不再赘述。
之后,可以根据所得到的综合相关性分数,对搜索结果进行排序展示,例如,可以使综合相关性分数较高的搜索结果的排序尽可能靠前,从而保证搜索结果页的合理性。
可见,本公开的实施例中,在根据文本相关性算法,确定索引信息与搜索结果的第二相关性分数,并在搜索结果的类别为品牌信息类别的情况下,将搜索结果指向的企业的企业信息上发生预设事件的次数作为索引信息与搜索结果的第三相关性分数之后,通过基于第二权重和第三权重进行加权求和处理,能够便捷可靠地得到综合相关性分数,由于综合相关性分数的计算同时考虑了属于文本相关性维度的第二相关性分数和属于用户操作维度的第三相关性分数,综合相关性分数能够对索引信息和搜索结果的相关性程度进行非常准确地表征,这样,在根据综合相关性分数进行搜索结果的展示处理时,能够在保证文本相关性的基础上,使重要的搜索结果尽可能排序靠前。
需要说明的是,在利用索引信息进行搜索之后,可以得到多个搜索结果,多个搜索结果可以组成索引信息的相关召回域,相关召回域中可以包括若干个品牌名称、若干个机构名称、若干个企业名称等,例如,在索引信息为“百度”的情况下,相关召回域中可以包括“百度看看”、“百度票务”、“百度投资并购部”、“百度风投”、“百度问咖”等。由于品牌名称、机构名称等通常较短,在召回集合中的名称数量大于2的情况下,仅依赖传统的文本相关性难以对相关召回域中的个体进行差异性描述,从而会影响到最终的排序效果。
有鉴于此,本公开的实施例中,可以不只是单纯依赖文本相关性进行排序,而是引入点击数据,具体而言,针对属于品牌信息类别的搜索结果,可以直接基于其的点击次数来确定第三相关性分数,针对属于机构信息类别的搜索结果,可以基于其关联的企业集合中的各个企业的点击次数来确定第一相关性分数,这样能够提升排序整体效果,并且,由于排序时依赖的是不同业务场景下的点击反馈,点击逻辑与当前排序逻辑没有共性特征,这样能够避免产生马太效应。另外,本公开的实施例中,由于引入的点击数据属于一个特定的特征空间,点击数据之间具有可比较性,因此,不同搜索结果的综合相关性分数在该特征空间下能够进行有效对比,从而实现相关召回域中的所有个体的混合排序,混合排序结果可以返回给用户。
本公开的实施例提供的任一种搜索结果展示处理方法可以由任意适当的具有数据处理能力的设备执行,包括但不限于:终端设备和服务器等。或者,本公开实施例提供的任一种搜索结果展示处理方法可以由处理器执行,如处理器通过调用存储器存储的相应指令来执行本公开实施例提及的任一种搜索结果展示处理方法。下文不再赘述。
示例性装置
图5是本公开一示例性实施例提供的搜索结果展示处理装置的结构示意图,图5所示的装置包括第一获取模块501、第一确定模块502、第二获取模块503、第二确定模块504和第一处理模块505。
第一获取模块501,用于利用索引信息进行搜索以得到搜索结果;
第一确定模块502,用于在搜索结果的类别为机构信息类别的情况下,确定与搜索结果指向的机构关联的目标企业集合;
第二获取模块503,用于将目标企业集合中的企业数量与目标分位数进行数值比较,以得到比较结果;
第二确定模块504,用于根据比较结果,以及目标企业集合中的每个企业的企业信息上发生预设事件的次数,确定索引信息与搜索结果的第一相关性分数;
第一处理模块505,用于根据第一相关性分数,对搜索结果进行展示处理。
在一个可选示例中,目标分位数为K;
如图6所示,第二确定模块504,包括:
第一获取子模块5041,用于获取由目标企业集合中的每个企业的企业信息上发生预设事件的次数组成的目标次数集合;
第一处理子模块5042,用于在比较结果表征目标企业集合中的企业数量在数值上大于或等于K的情况下,选取目标次数集合中数值由最大至第K大的K个次数,并将所选取的K个次数的平均次数的数值作为索引信息与搜索结果的第一相关性分数;
第二处理子模块5043,用于在比较结果表征目标企业集合中的企业数量在数值上小于K的情况下,对目标次数集合进行补齐处理,以使经处理后的目标次数集合中包括K个次数,并将经处理后的目标次数集合中的K个次数的平均次数的数值作为索引信息与搜索结果的第一相关性分数。
在一个可选示例中,第二处理子模块5043,包括:
确定单元,用于确定目标次数集合中数值最小的次数;
添加单元,用于向目标次数集合中添加若干个所确定的次数,以使经处理后的目标次数集合中包括K个次数。
在一个可选示例中,如图7所示,该装置还包括:
第三获取模块511,用于在将目标企业集合中的企业数量与目标分位数进行数值比较,以得到比较结果之前,获取S个参考分位数;
第三确定模块512,用于确定与参考机构关联的参考企业集合;
第四获取模块513,用于获取由参考企业集合中的每个企业的企业信息上发生预设事件的次数组成的参考次数集合;
第五获取模块514,用于分别利用S个参考分位数中的每个参考分位数,对参考次数集合进行划分,以得到S个参考分位数对应的S个划分结果;
选择模块515,用于根据S个划分结果,从S个参考分位数中选择一个参考分位数作为目标分位数。
在一个可选示例中,S个划分结果中的每个划分结果中包括两个次数子集合;
选择模块515,包括:
计算子模块,用于计算参考次数集合的信息熵;
第二获取子模块,用于针对S个划分结果中的每个划分结果,计算其包括的两个次数子集合对应的两个信息熵,并根据其包括的两个次数子集合对应的两个信息熵,以及参考次数集合的信息熵,计算信息增益,从而得到S个划分结果对应的S个信息增益;
第一确定子模块,用于确定S个信息增益中数值最大的信息增益对应的划分结果;
第二确定子模块,用于将所确定的划分结果对应的参考分位数作为目标分位数。
在一个可选示例中,第一处理模块505,包括:
第三确定子模块,用于根据文本相关性算法,确定索引信息与搜索结果的第二相关性分数;
第三获取子模块,用于获取第一相关性分数所属的相关性维度对应的第一权重,并获取第二相关性分数所属的相关性维度对应的第二权重;
第四获取子模块,用于利用第一权重和第二权重,对第一相关性分数和第二相关性分数进行加权求和,以得到综合相关性分数;
第三处理子模块,用于根据所得到的综合相关性分数,对搜索结果进行展示处理。
在一个可选示例中,该装置还包括:
第四确定模块,用于在利用索引信息进行搜索以得到搜索结果之后,根据文本相关性算法,确定索引信息与搜索结果的第二相关性分数;
第五确定模块,用于在搜索结果的类别为品牌信息类别的情况下,将搜索结果指向的企业的企业信息上发生预设事件的次数作为索引信息与搜索结果的第三相关性分数;
第六获取模块,用于获取第二相关性分数所属的相关性维度对应的第二权重,并获取第三相关性分数所属的相关性维度对应的第三权重;
第七获取模块,用于利用第二权重和第三权重,对第二相关性分数和第三相关性分数进行加权求和,以得到综合相关性分数;
第二处理模块,用于根据所得到的综合相关性分数,对搜索结果进行展示处理。
示例性电子设备
下面,参考图8来描述根据本公开实施例的电子设备。该电子设备可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备,该单机设备可以与第一设备和第二设备进行通信,以从它们接收所采集到的输入信号。
图8图示了根据本公开实施例的电子设备800的框图。
如图8所示,电子设备800包括一个或多个处理器801和存储器802。
处理器801可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备800中的其他组件以执行期望的功能。
存储器802可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器801可以运行所述程序指令,以实现上文所述的本公开的各个实施例的搜索结果展示处理方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中,电子设备800还可以包括:输入装置803和输出装置804,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
例如,在电子设备800是第一设备或第二设备时,该输入装置803可以是麦克风或麦克风阵列。在电子设备800是单机设备时,该输入装置803可以是通信网络连接器,用于从第一设备和第二设备接收所采集的输入信号。
此外,该输入装置803还可以包括例如键盘、鼠标等等。
该输出装置804可以向外部输出各种信息。该输出装置804可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出装置等等。
当然,为了简化,图8中仅示出了该电子设备800中与本公开有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备800还可以包括任何其他适当的组件。
示例性计算机程序产品和计算机可读存储介质
除了上述方法和设备以外,本公开的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的搜索结果展示处理方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本公开的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,计算机程序指令在被处理器运行时使得处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的搜索结果展示处理方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本公开的实施例还可以是计算机程序,其包括计算机可读代码,当计算机可读代码在设备上运行时,设备中的处理器执行用于实现本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的搜索结果展示处理方法中各步骤的指令。
以上结合具体实施例描述了本公开的基本原理,需要指出的是,在本公开中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。上述公开的具体细节仅是为了示例和便于理解的作用,而非限制,上述细节并不限制本公开为必须采用上述具体细节实现。
本说明书中各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可按任意方式连接、布置、配置这些器件、装置、设备等。诸如“包括”、“包含”、“具有”等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
可能以许多方式来实现本公开的方法和装置。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明,本公开的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本公开实施为记录在记录介质中的程序,这些程序包括用于实现根据本公开的方法的机器可读指令。因而,本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
还需要指出的是,在本公开的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
提供所公开的方面的以上描述使本领域任何技术人员能做出或使用本公开。对这些方面的各种修改对本领域技术人员而言是非常显而易见的,在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此,本公开不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (9)
1.一种搜索结果展示处理方法,其特征在于,包括:
利用索引信息进行搜索以得到搜索结果;
在所述搜索结果的类别为机构信息类别的情况下,确定与所述搜索结果指向的机构关联的目标企业集合;
将所述目标企业集合中的企业数量与目标分位数进行数值比较,以得到比较结果;
根据所述比较结果,以及所述目标企业集合中的每个企业的企业信息上发生预设事件的次数,确定所述索引信息与所述搜索结果的第一相关性分数;
根据所述第一相关性分数,对所述搜索结果进行展示处理;
其中,所述目标分位数为K;
所述根据所述比较结果,以及所述目标企业集合中的每个企业的企业信息上发生预设事件的次数,确定所述索引信息与所述搜索结果的第一相关性分数,包括:
获取由所述目标企业集合中的每个企业的企业信息上发生预设事件的次数组成的目标次数集合;
在所述比较结果表征所述目标企业集合中的企业数量在数值上大于或等于K的情况下,选取所述目标次数集合中数值由最大至第K大的K个次数,并将所选取的K个次数的平均次数的数值作为所述索引信息与所述搜索结果的第一相关性分数;
在所述比较结果表征所述目标企业集合中的企业数量在数值上小于K的情况下,对所述目标次数集合进行补齐处理,以使经处理后的所述目标次数集合中包括K个次数,并将经处理后的所述目标次数集合中的K个次数的平均次数的数值作为所述索引信息与所述搜索结果的第一相关性分数。
2.根据权利要求1所述的方法,其特征在于,所述对所述目标次数集合进行补齐处理,以使经处理后的所述目标次数集合中包括K个次数,包括:
确定所述目标次数集合中数值最小的次数;
向所述目标次数集合中添加若干个所确定的次数,以使经处理后的所述目标次数集合中包括K个次数。
3.根据权利要求1所述的方法,其特征在于,所述将所述目标企业集合中的企业数量与目标分位数进行数值比较,以得到比较结果之前,所述方法还包括:
获取S个参考分位数;
确定与参考机构关联的参考企业集合;
获取由所述参考企业集合中的每个企业的企业信息上发生所述预设事件的次数组成的参考次数集合;
分别利用所述S个参考分位数中的每个参考分位数,对所述参考次数集合进行划分,以得到所述S个参考分位数对应的S个划分结果;
根据所述S个划分结果,从所述S个参考分位数中选择一个参考分位数作为所述目标分位数。
4.根据权利要求3所述的方法,其特征在于,所述S个划分结果中的每个划分结果中包括两个次数子集合;
所述根据所述S个划分结果,从所述S个参考分位数中选择一个参考分位数作为所述目标分位数,包括:
计算所述参考次数集合的信息熵;
针对所述S个划分结果中的每个划分结果,计算其包括的两个次数子集合对应的两个信息熵,并根据其包括的两个次数子集合对应的两个信息熵,以及所述参考次数集合的信息熵,计算信息增益,从而得到所述S个划分结果对应的S个信息增益;
确定所述S个信息增益中数值最大的信息增益对应的划分结果;
将所确定的划分结果对应的参考分位数作为目标分位数。
5.根据权利要求1所述的方法,其特征在于,所述根据所述第一相关性分数,对所述搜索结果进行展示处理,包括:
根据文本相关性算法,确定所述索引信息与所述搜索结果的第二相关性分数;
获取所述第一相关性分数所属的相关性维度对应的第一权重,并获取所述第二相关性分数所属的相关性维度对应的第二权重;
利用所述第一权重和所述第二权重,对所述第一相关性分数和所述第二相关性分数进行加权求和,以得到综合相关性分数;
根据所得到的综合相关性分数,对所述搜索结果进行展示处理。
6.根据权利要求1所述的方法,其特征在于,所述利用索引信息进行搜索以得到搜索结果之后,所述方法还包括:
根据文本相关性算法,确定所述索引信息与所述搜索结果的第二相关性分数;
在所述搜索结果的类别为品牌信息类别的情况下,将所述搜索结果指向的企业的企业信息上发生所述预设事件的次数作为所述索引信息与所述搜索结果的第三相关性分数;
获取所述第二相关性分数所属的相关性维度对应的第二权重,并获取所述第三相关性分数所属的相关性维度对应的第三权重;
利用所述第二权重和所述第三权重,对所述第二相关性分数和所述第三相关性分数进行加权求和,以得到综合相关性分数;
根据所得到的综合相关性分数,对所述搜索结果进行展示处理。
7.一种搜索结果展示处理装置,其特征在于,包括:
第一获取模块,用于利用索引信息进行搜索以得到搜索结果;
第一确定模块,用于在所述搜索结果的类别为机构信息类别的情况下,确定与所述搜索结果指向的机构关联的目标企业集合;
第二获取模块,用于将所述目标企业集合中的企业数量与目标分位数进行数值比较,以得到比较结果;
第二确定模块,用于根据所述比较结果,以及所述目标企业集合中的每个企业的企业信息上发生预设事件的次数,确定所述索引信息与所述搜索结果的第一相关性分数;
第一处理模块,用于根据所述第一相关性分数,对所述搜索结果进行展示处理;
其中,所述目标分位数为K;
所述第二确定模块,包括:
第一获取子模块,用于获取由所述目标企业集合中的每个企业的企业信息上发生预设事件的次数组成的目标次数集合;
第一处理子模块,用于在所述比较结果表征所述目标企业集合中的企业数量在数值上大于或等于K的情况下,选取所述目标次数集合中数值由最大至第K大的K个次数,并将所选取的K个次数的平均次数的数值作为所述索引信息与所述搜索结果的第一相关性分数;
第二处理子模块,用于在所述比较结果表征所述目标企业集合中的企业数量在数值上小于K的情况下,对所述目标次数集合进行补齐处理,以使经处理后的所述目标次数集合中包括K个次数,并将经处理后的所述目标次数集合中的K个次数的平均次数的数值作为所述索引信息与所述搜索结果的第一相关性分数。
8.一种计算机可读存储介质,所述存储介质存储有计算机程序,其特征在于,所述计算机程序用于执行上述权利要求1至6中任一项所述的搜索结果展示处理方法。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1至6中任一项所述的搜索结果展示处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110353490.3A CN113010791B (zh) | 2021-03-31 | 2021-03-31 | 搜索结果展示处理方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110353490.3A CN113010791B (zh) | 2021-03-31 | 2021-03-31 | 搜索结果展示处理方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113010791A CN113010791A (zh) | 2021-06-22 |
CN113010791B true CN113010791B (zh) | 2023-06-20 |
Family
ID=76387784
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110353490.3A Active CN113010791B (zh) | 2021-03-31 | 2021-03-31 | 搜索结果展示处理方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113010791B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113407856B (zh) * | 2021-08-19 | 2022-04-29 | 北京金堤征信服务有限公司 | 搜索结果排序方法、装置及电子设备 |
CN114051167B (zh) * | 2021-10-28 | 2023-09-26 | 北京金堤科技有限公司 | 视频处理方法、装置及处理器 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8452793B2 (en) * | 2008-09-30 | 2013-05-28 | Yahoo! Inc. | Query refinement based on user selections |
US11163842B2 (en) * | 2018-11-16 | 2021-11-02 | International Business Machines Corporation | Personalized table of contents (TOC) generation based on search results |
CN111611372A (zh) * | 2019-02-25 | 2020-09-01 | 北京嘀嘀无限科技发展有限公司 | 搜索结果的排序方法及装置、音乐搜索方法及装置 |
CN111753183A (zh) * | 2019-03-29 | 2020-10-09 | 北京奇虎科技有限公司 | 一种搜索结果的处理方法和装置 |
CN111125322B (zh) * | 2019-11-19 | 2021-02-12 | 北京金堤科技有限公司 | 信息搜索方法和装置、电子设备和存储介质 |
CN111881183A (zh) * | 2020-07-28 | 2020-11-03 | 北京金堤科技有限公司 | 企业名称匹配方法和装置、以及存储介质和电子设备 |
CN111949898A (zh) * | 2020-08-28 | 2020-11-17 | 平安国际智慧城市科技股份有限公司 | 搜索结果排序方法、装置、设备及计算机可读存储介质 |
CN112395517B (zh) * | 2020-11-16 | 2023-09-29 | 贝壳技术有限公司 | 房源搜索展示方法、装置及计算机可读存储介质 |
-
2021
- 2021-03-31 CN CN202110353490.3A patent/CN113010791B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113010791A (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9208437B2 (en) | Personalized information pushing method and device | |
Da et al. | When Moving‐Average Models Meet High‐Frequency Data: Uniform Inference on Volatility | |
WO2020088058A1 (zh) | 生成信息的方法和装置 | |
CN113010791B (zh) | 搜索结果展示处理方法、装置及计算机可读存储介质 | |
CN109325121B (zh) | 用于确定文本的关键词的方法和装置 | |
US10691704B2 (en) | Domain-based search engine | |
CN111159563A (zh) | 用户兴趣点信息的确定方法、装置、设备及存储介质 | |
CN114330752A (zh) | 排序模型训练方法和排序方法 | |
CN109359027A (zh) | Monkey测试方法、装置、电子设备及计算机可读存储介质 | |
CN112395517B (zh) | 房源搜索展示方法、装置及计算机可读存储介质 | |
CN112116159B (zh) | 信息交互方法、装置、计算机可读存储介质及电子设备 | |
CN109947797B (zh) | 一种数据检查装置及方法 | |
CN111626783B (zh) | 用于实现事件转化概率预测的离线信息设置方法和装置 | |
CN111553749A (zh) | 一种活动推送策略配置方法及装置 | |
CN112307029B (zh) | 账单数据存储和账单生成方法、装置、服务器及存储介质 | |
CN112035749A (zh) | 用户行为特征分析方法、推荐方法及相应装置 | |
CN109947830B (zh) | 用于输出信息的方法和装置 | |
CN111506698A (zh) | 一种基于sop智能流程处理方法 | |
CN113327145A (zh) | 一种物品推荐方法和装置 | |
CN113360765B (zh) | 事件信息的处理方法、装置、电子设备和介质 | |
CN113609407B (zh) | 地区一致性校验方法和装置 | |
CN114547455B (zh) | 热门对象确定方法、装置、存储介质及电子设备 | |
CN115083442B (zh) | 数据处理方法、装置、电子设备以及计算机可读存储介质 | |
CN111105324B (zh) | 计算机实现用于辅助标的物流转的方法、装置和设备 | |
CN113570381A (zh) | 一种信息推荐方法、系统、电子设备及存储介质 |
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 |