CN113139103A - 一种搜索方法、装置、电子设备和介质 - Google Patents
一种搜索方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN113139103A CN113139103A CN202010054929.8A CN202010054929A CN113139103A CN 113139103 A CN113139103 A CN 113139103A CN 202010054929 A CN202010054929 A CN 202010054929A CN 113139103 A CN113139103 A CN 113139103A
- Authority
- CN
- China
- Prior art keywords
- search
- user
- candidate
- characteristic
- determining
- 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 46
- 238000012163 sequencing technique Methods 0.000 claims abstract description 22
- 238000009826 distribution Methods 0.000 claims description 35
- 230000015654 memory Effects 0.000 claims description 19
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 239000013598 vector Substances 0.000 description 20
- 230000008901 benefit Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 7
- 230000007774 longterm Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F16/903—Querying
-
- 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
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- 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
- G06F16/903—Querying
- G06F16/9038—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
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)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Library & Information Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了一种搜索方法、装置、电子设备和介质，涉及人工智能技术领域。具体实现方案为：根据用户的搜索词，确定至少两个候选提示信息；确定用户的搜索时间特征和搜索空间特征；根据所述搜索时间特征和/或所述搜索空间特征，更新所述至少两个候选提示信息的排序；根据更新的排序结果展示所述候选提示信息。通过本申请实施例的技术方案，能够实现更好的引导用户进行搜索。
Description
技术领域
本申请涉及计算机技术，具体涉及人工智能技术，尤其涉及一种搜索方法、装置、电子设备和介质。
背景技术
用户在输入框中输入搜索词的过程中，服务器会实时根据用户的输入在输入框的下方给出一个或多个可选提示信息。例如，用户在输入框中输入“北京现代”，输入框下方的提示信息可以包括“北京现代4S店”、“北京现代企业总部”、“北京现代音乐研修学院”等。
对于像“北京现代”这样具有多个可选提示信息的搜索词，目前服务器主要按照统一的排序方式如根据搜索词与提示信息的相关性、提示信息的热度以及点击率等对多个提示信息进行排序并展示给用户。然而，这种方式所展示的提示信息无法很好的引导用户进行搜索。
发明内容
本申请实施例提供一种搜索方法、装置、电子设备和介质，以实现更好的引导用户进行搜索。
第一方面，本申请实施例公开了一种搜索方法，该方法包括：
根据用户的搜索词，确定至少两个候选提示信息；
在监测到时空特征确定事件时，确定用户的搜索时间特征和搜索空间特征；
根据所述搜索时间特征和/或所述搜索空间特征，更新所述至少两个候选提示信息的排序；
根据更新的排序结果展示所述至少两个候选提示信息。
上述申请中的一个实施例具有如下优点或有益效果：通过引入用户的搜索时间特征和搜索空间特征，并根据搜索时间特征和搜索空间特征中的至少一个，调整根据用户的搜索词所确定的至少两个候选提示信息的排序，能够使得与用户当前搜索时空场景最接近的候选提示信息排序在前；之后将调整排序后的候选提示信息展示给用户，以便能够更好的引导用户进行搜索。
可选的，上述方法还包括：
依据所述至少两个候选提示信息的类型分布、点击分布、空间分布以及候选提示信息之间的距离中的至少一项，识别所述搜索词的搜索领域；
若所述搜索词关联有至少两类搜索领域，则生成所述时空特征确定事件。
上述可选方式具有如下优点或有益效果：通过引入搜索领域的限定条件，来实现确定搜索时空特征的操作。
可选的，根据所述搜索时间特征和/或所述搜索空间特征，更新所述至少两个候选提示信息的排序，包括：
依据所述搜索时间特征和/或所述搜索空间特征，以及用户已点击的历史提示信息，确定所述用户的需求特征；
依据所述用户的需求特征与候选提示信息之间的距离，更新所述至少两个候选提示信息的排序。
上述可选方式具有如下优点或有益效果：通过结合搜索时间特征、搜索空间特征以及用户已点击的历史提示信息，调整根据用户的搜索词所确定的至少两个候选提示信息的排序，进一步使得所展示给用户的候选提示信息能够更好的满足用户。
可选的，依据所述搜索时间特征和/或所述搜索空间特征，以及用户已点击的历史提示信息，确定所述用户的需求特征，包括：
依据用户已点击的历史提示信息的频次，确定用户的第一兴趣；
依据用户已点击的历史提示信息的时间，确定用户的第二兴趣；
依据所述搜索时间特征和/或所述搜索空间特征、所述第一兴趣、以及所述第二兴趣，确定所述用户的需求特征。
上述可选方式具有如下优点或有益效果：通过结合搜索时间特征和搜索空间特征中的至少一个，以及用户已点击的历史提示信息的频次和时间，能够精准确定用户的需求特征，为后续调整至少两个候选提示信息的排序奠定了基础。
可选的，根据更新的排序结果展示所述至少两个候选提示信息，包括：
依据候选提示信息之间的距离，对所述至少两个候选提示信息进行聚簇；
依据聚簇结果和更新的排序结果，展示所述至少两个候选提示信息。
上述可选方式具有如下优点或有益效果：在调整至少两个候选提示信息排序的基础上，加入对至少两个候选提示信息进行聚簇过程，在能够保证所展示给用户的候选提示信息能够更好的满足用户的情况下，使得展示给用户的候选提示信息更加整洁。
第二方面，本申请实施例公开了一种搜索装置，该装置包括：
候选提示信息确定模块，用于根据用户的搜索词，确定至少两个候选提示信息；
时空特征确定模块，用于在监测到时空特征确定事件时，确定用户的搜索时间特征和搜索空间特征；
排序更新模块，用于根据所述搜索时间特征和/或所述搜索空间特征，更新所述至少两个候选提示信息的排序；
候选提示信息展示模块，用于根据更新的排序结果展示所述至少两个候选提示信息。
第三方面，本申请实施例还公开了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如本申请任一实施例所述的搜索方法。
第四方面，本申请实施例还公开了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如本申请任一实施例所述的搜索方法。
上述申请中的一个实施例具有如下优点或有益效果：通过引入用户的搜索时间特征和搜索空间特征，并根据搜索时间特征和搜索空间特征中的至少一个，调整根据用户的搜索词所确定的至少两个候选提示信息的排序，能够使得与用户当前搜索时空场景最接近的候选提示信息排序在前；之后将调整排序后的候选提示信息展示给用户，以便能够更好且更高效的引导用户。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请第一实施例提供的一种搜索方法的流程图；
图2是根据本申请第二实施例提供的一种搜索方法的流程图；
图3是根据本申请第三实施例提供的一种搜索装置的结构示意图；
图4是用来实现本申请实施例的搜索方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
第一实施例
图1是根据本申请第一实施例提供的一种搜索方法的流程图，本实施例可适用于如何根据用户的搜索词，向用户展示搜索提示信息，以便能够更好的引导用户进行搜索的情况。该方法可以由搜索装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成于承载搜索功能的计算设备上，如服务器设备上。如图1所示，本实施例提供的搜索方法可以包括：
S110、根据用户的搜索词，确定至少两个候选提示信息。
本实施例中，用户在具有搜索引擎功能的应用(例如地图应用)的输入框中所输入的搜索词可以是一种不完整的搜索需求(即query)，也就是说，已获取的用户输入的搜索词只是部分字符。例如，用户想要去“北京现代音乐研修学院”，用户在地图应用的输入框中已输入的搜索词“北京现代”则是一种不完整的query。可选的，不完整的query可以是用户未输入完字符，还可以是用户只记得完整的query的部分字符或其他因素等所导致的。
候选提示信息为完全命中或部分命中用户已输入的搜索词的一种搜索建议，用于引导用户搜索。可选的，可以按照统一的排序方式，例如采用LTR(Learning To Rank，学习排序)模型，对根据用户的搜索词所获取的所有提示信息进行排序，之后可以将具有一定顺序的所有提示信息一并作为候选提示信息。在提示信息较多的情况下，由于排序靠后的提示信息与搜索词之间的相关性越小，且为了快速响应用户，本实施例优选可以选取排序在前的预设数值个如10个提示信息作为候选提示信息。
S120、在监测到时空特征确定事件时，确定用户的搜索时间特征和搜索空间特征。
可以理解的是，若用户输入的搜索词是一种完整的query，则候选提示信息可能只有唯一的一个，将不涉及多个候选提示信息排序的问题，因此，本实施例优选针对用户输入的搜索词是一种不完整的query的情况。若用户输入的搜索词是一种完整的query，但候选提示信息不唯一的情况下，也可以采用本实施例的方式。
此外，若所确定的多个候选提示信息均为相同搜索领域(例如，候选提示信息为“北京现代4S A街道分店”、“北京现代4S B街道分店”、以及“北京现代4S C街道分店”)，则可以确定用户的搜索意图是明确的，此时可无需对多个候选提示信息重新排序。进一步的，本实施例优选针对根据搜索词无法准确确定用户搜索意图的情况。也就是说，多个候选提示信息涉及多类搜索领域，即搜索词关联多类搜索领域，例如，候选提示信息包括“北京现代4S店”、以及“北京现代音乐研修学院”等。
本实施例，在监测到时空特征确定事件时，执行确定用户的搜索时间特征和搜索空间特征的操作。其中，时空特征确定事件可以是一种触发通知，具体可根据候选提示信息触发产生。例如，若根据至少两个候选提示信息识别到用户的搜索词关联两类或多类搜索领域，则触发产生时空特征确定事件。进一步的，可以依据至少两个候选提示信息的类型分布、点击分布、空间分布以及候选提示信息之间的距离中的至少一项，识别搜索词的搜索领域；若搜索词关联有至少两类搜索领域，则生成时空特征确定事件。
本实施例中，类型分布、点击分布以及空间分布均为用于描述所有候选提示信息整体情况的分布。可选的，可以抽取每个候选提示信息的类型、点击率、以及空间信息；依据所抽取的每个候选提示信息的类型、点击率、以及空间信息，确定所有候选提示信息的类型分布、点击分布以及空间分布。其中，空间信息可以包括坐标信息，空间分布可以表征多个候选提示信息之间位置的聚焦情况；点击率为用户点击候选提示信息进入搜索的频次，可以用直方图或扇形图等来描述所有候选提示信息的点击分布。
由于候选提示信息的类型不同，则搜索领域不同，例如“4S店”和“音乐研修学院”类型不同，进而可通过候选提示信息的类型分布来识别搜索词的搜索领域。可选的，在识别到至少两个候选提示信息为两种或多种类型时，则可直接触发产生时空特征确定事件。
或者，可以根据候选提示信息之间的距离来识别搜索词的搜索领域。其中，候选提示信息之间的距离可以用两个候选提示信息之间的余弦相似度来表征。可选的，如果两个候选提示信息之间的余弦相似度小于设定阈值，则确定这两个候选提示信息不相关，此时可确定这两个候选提示信息涉及两类搜索领域。
或者，可以根据所有候选提示信息的空间分布来识别搜索词的搜索领域。可选的，如果根据所有候选提示信息的空间分布，识别到所有候选提示信息聚焦到一个位置处，则可以视为搜索词关联一类搜索领域；否则，视为搜索词关联两类或多类搜索领域。
或者，还可以所有候选提示信息的点击分布来识别搜索词的搜索领域。可选的，如果所有候选提示信息的点击分布较为平均，则可以视为搜索词关联两类或多类搜索领域；否则视为搜索词关联一类搜索领域。
为了保证搜索领域识别的准确度，可以综合类型分布、点击分布、空间分布以及候选提示信息之间的距离中的任意两项或多项来识别搜索领域。例如，可以将类型分布、点击分布、空间分布以及候选提示信息之间的距离输入至预先训练的多样性识别模型中，该模型将输出1或0；若输出0，则表示搜索词关联一类搜索领域；若输出1，则表示搜索词关联两类或多类搜索领域。
具体的，在监测到时空特征确定事件时，可以确定用户的搜索时间特征和搜索空间特征。其中，用户搜索时的时空场景(即用户搜索时的时间和搜索时所在的位置)，可以用搜索时间特征和搜索空间特征来描述。可选的，分别对时间和空间划分网格进行二值化、编码等操作可得到搜索时间特征和搜索空间特征。以确定搜索时间特征为例进行说明。例如，可以按照小时将一周的时间划分为24*7个网格，并进行二值化，用户的搜索时间为所划分网格上的一个时间点，将该时间点命中的网格编码为1，未命中的网格编码为0，进而所得到的编码结果即为搜索时间特征。
S130、根据搜索时间特征和/或搜索空间特征，更新至少两个候选提示信息的排序。
可选的，在确定用户的搜索时间特征和搜索空间特征之后，可以根据搜索时间特征和/或搜索空间特征，确定用户的需求特征；计算每一候选提示信息与用户的需求特征之间的余弦相似度，进而根据余弦相似度重新对多个候选提示信息进行排序。其中，用户的需求特征可用于表征用户在当前时空场景下的搜索意图，可以用向量来表示。可选的，可以采用现有的文本向量方式，对搜索词进行向量化，得到搜索词向量，之后可以将用户的搜索时间特征和搜索空间特征中的至少一个，以及搜索词向量输入至预先训练的深度神经网络模型(如卷积神经网络CNN、循环神经网络RNN或长短时记忆神经网络LSTM)中，进而得到用户的需求特征。
S140、根据更新的排序结果展示至少两个候选提示信息。
具体的，重新对多个候选提示信息进行排序，即更新多个候选提示信息的排序之后，可以将多个候选提示信息，按照更新后的排序展示在提示框中，以便用户可直观查看。其中，提示框可位于输入框的下方。
进一步的，根据更新的排序结果展示至少两个候选提示信息之后，若检测到用户点击提示框内所展示的任一候选提示信息，则将该候选提示信息作为目标搜索词进行搜索，并将搜索结果展示给用户。
本申请实施例提供的技术方案，通过引入用户的搜索时间特征和搜索空间特征，并根据搜索时间特征和搜索空间特征中的至少一个，调整根据用户的搜索词所确定的至少两个候选提示信息的排序，能够使得与用户当前搜索时空场景最接近的候选提示信息排序在前；之后将调整排序后的候选提示信息展示给用户，以便能够更好的引导用户进行搜索。
需要说明的是，在搜索词关联多个搜索领域的情况下，现有技术所采用的统一排序方式，存在不同搜索领域的候选提示信息错乱混排的现象，进而导致用户的体验不佳。为此本申请引入聚簇手段。可选的，根据更新的排序结果展示至少两个候选提示信息可以包括：依据候选提示信息之间的距离，对至少两个候选提示信息进行聚簇；依据聚簇结果和更新的排序结果，展示至少两个候选提示信息。
具体的，可以根据候选提示信息之间的余弦相似度，采用K-means聚类算法对多个候选提示信息进行聚簇；之后可以根据聚簇结果调整更新的排序结果，以便同一搜索领域的候选提示信息的排序相邻；最后可以将多个候选提示信息，按照再次调整的排序展示在提示框中。
本申请在调整至少两个候选提示信息排序的基础上，加入对至少两个候选提示信息进行聚簇过程，在能够保证所展示给用户的候选提示信息能够更好的满足用户的情况下，使得展示给用户的候选提示信息更加整洁，进而提升用户的满意度。
第二实施例
图2是根据本申请第二实施例提供的一种搜索方法的流程图，本实施例在上述实施例的基础上，进一步对根据搜索时间特征和/或搜索空间特征，更新至少两个候选提示信息的排序进行解释说明。如图2所示，本实施例提供的搜索方法可以包括：
S210、根据用户的搜索词，确定至少两个候选提示信息。
S220、在监测到时空特征确定事件时，确定用户的搜索时间特征和搜索空间特征。
S230、依据搜索时间特征和/或搜索空间特征，以及用户已点击的历史提示信息，确定用户的需求特征。
由于不同用户，对于相同的搜索词，可能具有不同的搜索意图；且同一用户，在不同的时空场景下，对于相同的搜索词，也可能具有不同的搜索意图。本实施例，通过引入搜索时间特征和搜索空间特征，并结合用户已点击的历史提示信息，能够精准识别出用户的搜索意图，为后续调整至少两个候选提示信息的排序奠定了基础。其中，用户已点击的历史提示信息可用于表征用户的个性化特征。
可选的，可以采用现有的文本向量方式，对搜索词进行向量化以得到搜索词向量，对历史提示信息进行向量化以得到历史信息向量；之后可以将用户的搜索时间特征和搜索空间特征中的至少一个，历史信息向量，以及搜索词向量输入至预先训练的深度神经网络模型中，进而得到用户的需求特征。
进一步的，用户的个性化特征又可以细分为用户的长期兴趣和用户的短期兴趣。其中，用户的长期兴趣和用户的短期兴趣可以通过历史一段时间内用户点击的提示信息来表征，具体的，可以根据用户已点击的历史提示信息的频次确定用户的长期兴趣，例如可以将历史提示信息按频次进行排序，并将排序在前的预设数值个(如10个)历史提示信息用来表征用户的长期兴趣；可以根据用户已点击的历史提示信息的时间确定用户的短期兴趣，例如可以将历史提示信息按时间进行排序，并将排序在前的预设数值个(如10个)历史提示信息用来表征用户的短期兴趣。
可选的，依据搜索时间特征和/或搜索空间特征，以及用户已点击的历史提示信息，确定用户的需求特征可以包括：依据用户已点击的历史提示信息的频次，确定用户的第一兴趣；依据用户已点击的历史提示信息的时间，确定用户的第二兴趣；依据搜索时间特征和/或搜索空间特征、第一兴趣、以及第二兴趣，确定用户的需求特征。其中，用户的第一兴趣即为用户的长期兴趣，用户的第二兴趣即为用户的短期兴趣。
例如，可以采用现有的文本向量方式，分别对用于表征第一兴趣的10个历史提示信息进行向量化，之后将向量化处理后得到的10个向量的均值作为第一兴趣的向量；同理，可以采用现有的文本向量方式，分别对用于表征第二兴趣的10个历史提示信息进行向量化，之后将向量化处理后得到的10个向量的均值作为第二兴趣的向量。
同时，可以采用现有的文本向量方式，对搜索词进行向量化以得到搜索词向量；之后可以将用户的搜索时间特征和搜索空间特征中的至少一个，第一兴趣的向量，第二兴趣的向量，以及搜索词向量输入至预先训练的深度神经网络模型中，进而得到用户的需求特征。
S240、依据用户的需求特征与候选提示信息之间的距离，更新至少两个候选提示信息的排序。
具体的，在确定用户的需求特征之后，可以计算每一候选提示信息与用户的需求特征之间的余弦相似度，进而可以根据余弦相似度重新对多个候选提示信息进行排序，即更新多个候选提示信息的排序。
S250、根据更新的排序结果展示至少两个候选提示信息。
本申请实施例提供的技术方案，通过结合搜索时间特征、搜索空间特征以及用户已点击的历史提示信息，调整根据用户的搜索词所确定的至少两个候选提示信息的排序，进一步使得所展示给用户的候选提示信息能够更好的满足用户。
第三实施例
图3是本申请第三实施例提供的一种搜索装置的结构示意图，该装置可配置于承载搜索功能的计算设备上，该装置可执行本申请任意实施例所提供的搜索方法，具备执行方法相应的功能模块和有益效果。如图3所示，该装置可以包括：
候选提示信息确定模块310，用于根据用户的搜索词，确定至少两个候选提示信息；
时空特征确定模块320，用于在监测到时空特征确定事件时，确定用户的搜索时间特征和搜索空间特征；
排序更新模块330，用于根据搜索时间特征和/或搜索空间特征，更新至少两个候选提示信息的排序；
候选提示信息展示模块340，用于根据更新的排序结果展示至少两个候选提示信息。
本申请实施例提供的技术方案，通过引入用户的搜索时间特征和搜索空间特征，并根据搜索时间特征和搜索空间特征中的至少一个，调整根据用户的搜索词所确定的至少两个候选提示信息的排序，能够使得与用户当前搜索时空场景最接近的候选提示信息排序在前；之后将调整排序后的候选提示信息展示给用户，以便能够更好的引导用户进行搜索。
示例性的，上述装置还可以包括：
搜索领域识别模块，用于依据至少两个候选提示信息的类型分布、点击分布、空间分布以及候选提示信息之间的距离中的至少一项，识别搜索词的搜索领域；
时空特征确定模块320，还用于若搜索词关联有至少两类搜索领域，则生成时空特征确定事件。
示例性的，排序更新模块330可以包括：
需求特征确定单元，用于依据搜索时间特征和/或搜索空间特征，以及用户已点击的历史提示信息，确定用户的需求特征；
排序更新单元，用于依据用户的需求特征与候选提示信息之间的距离，更新至少两个候选提示信息的排序。
示例性的，需求特征确定单元具体可以用于：
依据用户已点击的历史提示信息的频次，确定用户的第一兴趣；
依据用户已点击的历史提示信息的时间，确定用户的第二兴趣；
依据搜索时间特征和/或搜索空间特征、第一兴趣、以及第二兴趣，确定用户的需求特征。
示例性的，候选提示信息展示模块340具体可以用于：
依据候选提示信息之间的距离，对至少两个候选提示信息进行聚簇；
依据聚簇结果和更新的排序结果，展示至少两个候选提示信息。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图4所示，是根据本申请实施例的搜索方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图4所示，该电子设备包括：一个或多个处理器401、存储器402，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置，诸如，耦合至接口的显示设备，其上显示图形用户界面(Graphical User Interface，GUI)的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作，例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统。图4中以一个处理器401为例。
存储器402即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的搜索方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的搜索方法。
存储器402作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的搜索方法对应的程序指令/模块，例如，附图3所示的候选提示信息确定模块310、时空特征确定模块320、排序更新模块330和候选提示信息展示模块340。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的搜索方法。
存储器402可以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、至少一个功能所需要的应用程序；存储数据区可存储根据用来实现搜索方法的电子设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器402可选包括相对于处理器401远程设置的存储器，这些远程存储器可以通过网络连接至用来实现搜索方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、区块链网络、局域网、移动通信网及其组合。
用来实现搜索方法的电子设备还可以包括：输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接，图4中以通过总线连接为例。
输入装置403可接收输入的数字或字符信息，以及产生与用来实现搜索方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置和触觉反馈装置等，其中，辅助照明装置例如发光二极管(LightEmitting Diode，LED)，触觉反馈装置例如振动电机等。该显示设备可以包括但不限于，液晶显示器(Liquid Crystal Display，LCD)、LED显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用专用集成电路(Application Specific Integrated Circuit，ASIC)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序也称作程序、软件、软件应用、或者代码，包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置，例如，磁盘、光盘、存储器、可编程逻辑装置(Programmable Logic Device，PLD)，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置，例如，阴极射线管(Cathode Ray Tube，CRT)或者LCD监视器；以及键盘和指向装置，例如，鼠标或者轨迹球，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈例如，视觉反馈、听觉反馈、或者触觉反馈；并且可以用任何形式，包括声输入、语音输入或者、触觉输入，来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统例如，作为数据服务器；或者实施在包括中间件部件的计算系统例如，应用服务器；或者实施在包括前端部件的计算系统例如具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互，或者实施在包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信，例如，通信网络，来将系统的部件相互连接。通信网络的示例包括：局域网(Local Area Network，LAN)、广域网(Wide Area Network，WAN)、区块链网络和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，通过引入用户的搜索时间特征和搜索空间特征，并根据搜索时间特征和搜索空间特征中的至少一个，调整根据用户的搜索词所确定的至少两个候选提示信息的排序，能够使得与用户当前搜索时空场景最接近的候选提示信息排序在前；之后将调整排序后的候选提示信息展示给用户，以便能够更好的引导用户进行搜索。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (10)
1.一种搜索方法，其特征在于，包括：
根据用户的搜索词，确定至少两个候选提示信息；
在监测到时空特征确定事件时，确定用户的搜索时间特征和搜索空间特征；
根据所述搜索时间特征和/或所述搜索空间特征，更新所述至少两个候选提示信息的排序；
根据更新的排序结果展示所述至少两个候选提示信息。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
依据所述至少两个候选提示信息的类型分布、点击分布、空间分布以及候选提示信息之间的距离中的至少一项，识别所述搜索词的搜索领域；
若所述搜索词关联有至少两类搜索领域，则生成所述时空特征确定事件。
3.根据权利要求1所述的方法，其特征在于，根据所述搜索时间特征和/或所述搜索空间特征，更新所述至少两个候选提示信息的排序，包括：
依据所述搜索时间特征和/或所述搜索空间特征，以及用户已点击的历史提示信息，确定所述用户的需求特征；
依据所述用户的需求特征与候选提示信息之间的距离，更新所述至少两个候选提示信息的排序。
4.根据权利要求3所述的方法，其特征在于，依据所述搜索时间特征和/或所述搜索空间特征，以及用户已点击的历史提示信息，确定所述用户的需求特征，包括：
依据用户已点击的历史提示信息的频次，确定用户的第一兴趣；
依据用户已点击的历史提示信息的时间，确定用户的第二兴趣；
依据所述搜索时间特征和/或所述搜索空间特征、所述第一兴趣、以及所述第二兴趣，确定所述用户的需求特征。
5.根据权利要求1所述的方法，其特征在于，根据更新的排序结果展示所述至少两个候选提示信息，包括：
依据候选提示信息之间的距离，对所述至少两个候选提示信息进行聚簇；
依据聚簇结果和更新的排序结果，展示所述至少两个候选提示信息。
6.一种搜索装置，其特征在于，包括：
候选提示信息确定模块，用于根据用户的搜索词，确定至少两个候选提示信息；
时空特征确定模块，用于在监测到时空特征确定事件时，确定用户的搜索时间特征和搜索空间特征；
排序更新模块，用于根据所述搜索时间特征和/或所述搜索空间特征，更新所述至少两个候选提示信息的排序；
候选提示信息展示模块，用于根据更新的排序结果展示所述至少两个候选提示信息。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括：
搜索领域识别模块，用于依据所述至少两个候选提示信息的类型分布、点击分布、空间分布以及候选提示信息之间的距离中的至少一项，识别所述搜索词的搜索领域；
事件生成模块，用于若所述搜索词关联有至少两类搜索领域，则生成所述时空特征确定事件。
8.根据权利要求6所述的装置，其特征在于，所述排序更新模块，包括：
需求特征确定单元，用于依据所述搜索时间特征和/或所述搜索空间特征，以及用户已点击的历史提示信息，确定所述用户的需求特征；
排序更新单元，用于依据所述用户的需求特征与候选提示信息之间的距离，更新所述至少两个候选提示信息的排序。
9.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的搜索方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的搜索方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010054929.8A CN113139103B (zh) | 2020-01-17 | 2020-01-17 | 一种搜索方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010054929.8A CN113139103B (zh) | 2020-01-17 | 2020-01-17 | 一种搜索方法、装置、电子设备和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113139103A true CN113139103A (zh) | 2021-07-20 |
| CN113139103B CN113139103B (zh) | 2024-09-10 |
Family
ID=76809540
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010054929.8A Active CN113139103B (zh) | 2020-01-17 | 2020-01-17 | 一种搜索方法、装置、电子设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113139103B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6625595B1 (en) * | 2000-07-05 | 2003-09-23 | Bellsouth Intellectual Property Corporation | Method and system for selectively presenting database results in an information retrieval system |
| CN103324683A (zh) * | 2013-05-31 | 2013-09-25 | 贝壳网际（北京）安全技术有限公司 | 在浏览器的输入栏中提供搜索建议的方法、装置和客户端 |
| US20140108445A1 (en) * | 2011-05-05 | 2014-04-17 | Google Inc. | System and Method for Personalizing Query Suggestions Based on User Interest Profile |
| JP5627061B1 (ja) * | 2014-03-07 | 2014-11-19 | 楽天株式会社 | 検索装置、検索方法、プログラム及び記憶媒体 |
| CN104217033A (zh) * | 2014-09-29 | 2014-12-17 | 北京奇虎科技有限公司 | 基于时效性的搜索方法和装置 |
| CN104965859A (zh) * | 2015-06-02 | 2015-10-07 | 百度在线网络技术（北京）有限公司 | 一种用于获取地图中的候选地址信息的方法和装置 |
| CN107291713A (zh) * | 2016-03-30 | 2017-10-24 | 高德软件有限公司 | 兴趣点搜索关键词的提示方法、终端和服务器 |
| US20190108235A1 (en) * | 2017-10-06 | 2019-04-11 | Target Brands, Inc. | Alternative query suggestion in electronic searching |
| US20190155962A1 (en) * | 2017-11-21 | 2019-05-23 | Oracle International Corporation | System and method for determining and displaying a list of suggested search items for a search field based on prior user interaction |
| CN109918555A (zh) * | 2019-02-20 | 2019-06-21 | 百度在线网络技术（北京）有限公司 | 用于提供搜索建议的方法、装置、设备和介质 |
-
2020
- 2020-01-17 CN CN202010054929.8A patent/CN113139103B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6625595B1 (en) * | 2000-07-05 | 2003-09-23 | Bellsouth Intellectual Property Corporation | Method and system for selectively presenting database results in an information retrieval system |
| US20140108445A1 (en) * | 2011-05-05 | 2014-04-17 | Google Inc. | System and Method for Personalizing Query Suggestions Based on User Interest Profile |
| CN103324683A (zh) * | 2013-05-31 | 2013-09-25 | 贝壳网际（北京）安全技术有限公司 | 在浏览器的输入栏中提供搜索建议的方法、装置和客户端 |
| JP5627061B1 (ja) * | 2014-03-07 | 2014-11-19 | 楽天株式会社 | 検索装置、検索方法、プログラム及び記憶媒体 |
| CN104217033A (zh) * | 2014-09-29 | 2014-12-17 | 北京奇虎科技有限公司 | 基于时效性的搜索方法和装置 |
| CN104965859A (zh) * | 2015-06-02 | 2015-10-07 | 百度在线网络技术（北京）有限公司 | 一种用于获取地图中的候选地址信息的方法和装置 |
| CN107291713A (zh) * | 2016-03-30 | 2017-10-24 | 高德软件有限公司 | 兴趣点搜索关键词的提示方法、终端和服务器 |
| US20190108235A1 (en) * | 2017-10-06 | 2019-04-11 | Target Brands, Inc. | Alternative query suggestion in electronic searching |
| US20190155962A1 (en) * | 2017-11-21 | 2019-05-23 | Oracle International Corporation | System and method for determining and displaying a list of suggested search items for a search field based on prior user interaction |
| CN109918555A (zh) * | 2019-02-20 | 2019-06-21 | 百度在线网络技术（北京）有限公司 | 用于提供搜索建议的方法、装置、设备和介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113139103B (zh) | 2024-09-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210216561A1 (en) | Information search method and apparatus, device and storage medium | |
| EP3916587A1 (en) | Method and apparatus for recommending multimedia resource, electronic device and storage medium | |
| CN111949814A (zh) | 搜索方法、装置、电子设备和存储介质 | |
| CN111241427B (zh) | 查询自动补全的方法、装置、设备和计算机存储介质 | |
| CN113094550A (zh) | 视频检索方法、装置、设备和介质 | |
| CN111506803A (zh) | 内容推荐方法、装置、电子设备及存储介质 | |
| CN112559901B (zh) | 资源推荐的方法、装置、电子设备、存储介质及计算机程序产品 | |
| CN112541362B (zh) | 一种泛化处理的方法、装置、设备和计算机存储介质 | |
| CN111241225B (zh) | 常驻区域变更的判断方法、装置、设备及存储介质 | |
| CN110852321A (zh) | 候选框过滤方法、装置以及电子设备 | |
| CN112099647A (zh) | 应用操作方法、装置、电子设备及可读存储介质 | |
| CN111737382A (zh) | 地理位置点的排序方法、训练排序模型的方法及对应装置 | |
| CN112328896B (zh) | 用于输出信息的方法、装置、电子设备和介质 | |
| CN112819497B (zh) | 转化率预测方法、装置、设备和存储介质 | |
| CN112541123A (zh) | 地图图区推荐方法、装置、设备及存储介质 | |
| CN112100480A (zh) | 搜索方法、装置、设备及存储介质 | |
| CN111767990A (zh) | 神经网络的处理方法和装置 | |
| CN111860580A (zh) | 识别模型获取及类别识别方法、装置及存储介质 | |
| CN113139103B (zh) | 一种搜索方法、装置、电子设备和介质 | |
| CN112100522B (zh) | 用于检索兴趣点的方法、装置、设备及介质 | |
| CN113139136B (zh) | 一种地址搜索方法、装置、电子设备和介质 | |
| CN111340222B (zh) | 神经网络模型搜索方法、装置以及电子设备 | |
| CN113449754B (zh) | 标签的匹配模型训练和展示方法、装置、设备及介质 | |
| CN112989219B (zh) | 兴趣点推荐方法、装置、电子设备及存储介质 | |
| CN110889020B (zh) | 站点资源挖掘方法、装置以及电子设备 |
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 |