CN114254179A - 搜索请求的处理方法、装置及搜索平台 - Google Patents
搜索请求的处理方法、装置及搜索平台 Download PDFInfo
- Publication number
- CN114254179A CN114254179A CN202011012807.9A CN202011012807A CN114254179A CN 114254179 A CN114254179 A CN 114254179A CN 202011012807 A CN202011012807 A CN 202011012807A CN 114254179 A CN114254179 A CN 114254179A
- Authority
- CN
- China
- Prior art keywords
- search
- target
- search result
- platform
- type
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000006399 behavior Effects 0.000 claims description 150
- 230000002452 interceptive effect Effects 0.000 claims description 125
- 238000012545 processing Methods 0.000 claims description 22
- 230000014759 maintenance of location Effects 0.000 abstract description 27
- 230000000875 corresponding effect Effects 0.000 description 130
- 230000003993 interaction Effects 0.000 description 28
- 238000005457 optimization Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000007477 logistic regression Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 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
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000717 retained 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9532—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2425—Iterative querying; Query formulation based on the results of a preceding query
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开关于一种搜索请求的处理方法、装置及搜索平台。该方法包括:接收电子设备发送的搜索请求;识别所述搜索请求的目标搜索类型;基于所述目标搜索类型对应的反馈信息判断所述搜索平台的状态是否符合预定目标;若所述搜索平台的状态不符合所述预定目标,则获取所述搜索请求对应的目标搜索结果,所述目标搜索结果为对所述搜索请求对应的原始搜索结果进行调整后的结果;向所述电子设备发送所述目标搜索结果。本公开可以通过所述搜索平台的状态是否符合预定目标的判定结果,灵活调整向电子设备发送的所述搜索请求对应的搜索结果,从而可以提高搜索结果获取的可靠性,进而可以提高用户的留存率。
Description
技术领域
本公开涉及通信技术领域,尤其涉及一种搜索请求的处理方法、装置及搜索平台。
背景技术
随着互联网技术的发展,越来越多的人通过电子设备进行信息搜索。相关技术中,搜索平台在获取到搜索请求后,直接向电子设备发送搜索请求对应的搜索结果,导致搜索结果获取的可靠性较差。
发明内容
本公开提供一种搜索请求的处理方法、装置及搜索平台,以至少解决相关技术中搜索结果获取的可靠性较低的问题。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种搜索请求的处理方法,应用于搜索平台,所述方法包括:
接收电子设备发送的搜索请求;
识别所述搜索请求的目标搜索类型;
基于所述目标搜索类型对应的反馈信息判断所述搜索平台的状态是否符合预定目标;
若所述搜索平台的状态不符合所述预定目标,则获取所述搜索请求对应的目标搜索结果,所述目标搜索结果为对所述搜索请求对应的原始搜索结果进行调整后的结果;
向所述电子设备发送所述目标搜索结果。
可选的,所述搜索平台预设有Q种搜索类型,Q为正整数;
所述基于所述搜索类型对应的反馈信息判断所述搜索平台的状态是否符合预定目标的步骤之前,所述方法还包括:
基于所述Q种搜索类型中各搜索类型对应的反馈信息,确定各搜索类型与平台的状态的关联信息;
记录所述目标搜索类型与平台的状态的目标关联信息;
所述基于所述搜索类型对应的反馈信息判断所述搜索平台的状态是否符合预定目标的步骤,包括:
根据所述目标关联信息,判断所述搜索平台的状态是否符合预定目标。
可选的,所述获取所述搜索请求对应的目标搜索结果的步骤,包括:
根据所述目标搜索请求对应的反馈信息,以及所述目标关联信息,优化所述原始搜索结果,得到所述目标搜索结果。
可选的,所述目标搜索请求对应的反馈信息包括:用户对所述原始搜索结果执行的K种交互行为类型中各交互行为类型的统计次数,K为正整数;
所述根据所述目标搜索请求对应的反馈信息,及所述目标关联信息,优化所述原始搜索结果,得到所述目标搜索结果的步骤,包括:
根据所述K种交互行为类型中各交互行为类型的统计次数,及所述目标关联信息,确定各交互行为类型对应的权重;
根据各交互行为类型对应的权重,优化所述原始搜索结果,得到所述目标搜索结果。
可选的,所述原始搜索结果包括P个子搜索结果,P为大于1的整数;所述目标搜索请求对应的反馈信息还包括:用户对所述P个子搜索结果中各子搜索结果执行的K种交互行为类型中各交互行为类型的统计次数;
所述根据各交互行为类型对应的权重,优化所述原始搜索结果,得到所述目标搜索结果的步骤,包括:
根据各交互行为类型对应的权重,及用户对所述P个子搜索结果中各子搜索结果执行的K种交互行为类型中各交互行为类型的统计次数,确定各子搜索结果对应的目标值;
根据各子搜索结果对应的目标值,调整所述P个子搜索结果的排列顺序,得到所述目标搜索结果。
根据本公开实施例的第二方面,提供一种搜索请求的处理装置,应用于搜索平台,所述搜索请求的处理装置包括:
接收模块,被配置为接收电子设备发送的搜索请求;
识别模块,被配置为识别所述搜索请求的目标搜索类型;
判断模块,被配置为基于所述目标搜索类型对应的反馈信息判断所述搜索平台的状态是否符合预定目标;
获取模块,被配置为若所述搜索平台的状态不符合所述预定目标,则获取所述搜索请求对应的目标搜索结果,所述目标搜索结果为对所述搜索请求对应的原始搜索结果进行调整后的结果;
发送模块,被配置为向所述电子设备发送所述目标搜索结果。
可选的,所述搜索平台预设有Q种搜索类型,Q为正整数;
所述搜索请求的处理装置还包括:
确定模块,被配置为基于所述Q种搜索类型中各搜索类型对应的反馈信息,确定各搜索类型与平台的状态的关联信息;
记录模块,被配置为记录所述目标搜索类型与平台的状态的目标关联信息;
所述判断模块,被配置为:
根据所述目标关联信息,判断所述搜索平台的状态是否符合预定目标。
可选的,所述获取模块,被配置为:
根据所述目标搜索请求对应的反馈信息,以及所述目标关联信息,优化所述原始搜索结果,得到所述目标搜索结果。
可选的,所述目标搜索请求对应的反馈信息包括:用户对所述原始搜索结果执行的K种交互行为类型中各交互行为类型的统计次数,K为正整数;
所述获取模块,包括:
确定子模块,被配置为根据所述K种交互行为类型中各交互行为类型的统计次数,及所述目标关联信息,确定各交互行为类型对应的权重;
优化子模块,被配置为根据各交互行为类型对应的权重,优化所述原始搜索结果,得到所述目标搜索结果。
可选的,所述原始搜索结果包括P个子搜索结果,P为大于1的整数;所述目标搜索请求对应的反馈信息还包括:用户对所述P个子搜索结果中各子搜索结果执行的K种交互行为类型中各交互行为类型的统计次数;
所述优化子模块,包括:
确定单元,被配置为根据各交互行为类型对应的权重,及用户对所述P个子搜索结果中各子搜索结果执行的K种交互行为类型中各交互行为类型的统计次数,确定各子搜索结果对应的目标值;
调整单元,被配置为根据各子搜索结果对应的目标值,调整所述P个子搜索结果的排列顺序,得到所述目标搜索结果。
根据本公开实施例的第三方面,提供一种搜索平台,其特征在于,所述搜索平台包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如第一方面所述的搜索请求的处理方法。
根据本公开实施例的第四方面,提供一种存储介质,当所述存储介质中的指令由搜索平台的处理器执行时,使得搜索平台能够执行如第一方面所述的搜索请求的处理方法。
根据本公开实施例的第五方面,提供一种计算机程序产品,包括:
可执行指令,当所述可执行指令在计算机上运行时,使得计算机程序产品能够执行如第一方面所述的搜索请求的处理方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
搜索平台在接收到电子设备发送的搜索请求后,可以识别所述搜索请求的目标搜索类型,并基于所述目标搜索类型对应的反馈信息判断所述搜索平台的状态是否符合预定目标;若所述搜索平台的状态不符合所述预定目标,则获取所述搜索请求对应的目标搜索结果,所述目标搜索结果为对所述搜索请求对应的原始搜索结果进行调整后的结果;向所述电子设备发送所述目标搜索结果。可见,本公开实施例可以通过所述搜索平台的状态是否符合预定目标的判定结果,灵活调整向电子设备发送的所述搜索请求对应的搜索结果,从而可以提高搜索结果获取的可靠性,进而可以提高用户的留存率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种通信系统的示意图。
图2是根据一示例性实施例示出的一种搜索请求的处理方法的流程图。
图3是根据一示例性实施例示出的一种搜索请求的处理装置的框图。
图4是根据一示例性实施例示出的一种搜索平台的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1示出的是本公开实施例可应用的一种通信系统。如图1所示,通信系统可以包括电子设备11和搜索平台12。电子设备可以为手机、电脑、可穿戴设备等设备。
在实际应用中,用户可以在电子设备11输入关键词,并触控搜索控件,触发电子设备11向搜索平台12发送携带有所述关键词的搜索请求。搜索平台12在接收到所述搜索请求后,可以基于所述关键词,获取所述搜索请求对应的搜索结果(记为原始搜索结果),并向电子设备11发送所述原始搜索结果,以使电子设备11显示所述原始搜索结果供用户查看。用户在查看到所述原始搜索结果后,在对所述原始搜索结果中的部分或全部搜索结果感兴趣的情况下,可以对其执行点击、点赞、转发、分享、关注、评论等交互行为,在对所述原始搜索结果中的部分或全部搜索结果不感兴趣的情况下,可以不对其执行交互行为。电子设备11在获取到用户对所述原始搜索结果执行的交互行为之后,可以将其发送至搜索平台12,以供搜索平台12根据用户对所述原始搜索结果执行的交互行为,确定用户对所述原始搜索结果的满意度,进而可以基于用户对所述原始搜索结果的满意度,确定是否需要对所述搜索请求对应的所述原始搜索结果进行优化调整。
图2是根据一示例性实施例示出的一种搜索请求的处理方法的流程图。本公开实施例的搜索请求的处理方法可以应用于搜索平台。
如图2所示,搜索请求的处理方法可以包括以下步骤。
在步骤S21中,接收电子设备发送的搜索请求。
可以理解的是,所述搜索请求携带有关键词。
在步骤S22中,识别所述搜索请求的目标搜索类型。
在本公开实施例中,搜索平台可以预设有Q个搜索类型,Q为正整数,如:视频搜索类型、用户搜索类型、服装搜索类型等,且每个搜索类型对应有至少一个关键词。可以理解的是,所述目标搜索类型为所述Q个搜索类型中的任一搜索类型。这样,搜索平台在获取到所述搜索请求携带的关键词后,可以将该关键词对应的搜索类型确定为所述目标搜索类型。
在步骤S23中,基于所述目标搜索类型对应的反馈信息判断所述搜索平台的状态是否符合预定目标。
在本公开实施例中,所述目标搜索类型对应的反馈信息为:第一预设时长内用户针对所述目标搜索类型对应的原始搜索结果所反馈的信息。在实际应用中,所述第一预设时长的长度可根据实际需求设定,本公开实施例对此不做限定,如所述第一预设时长的长度可以为两周等。
具体实现时,所述目标搜索类型对应的反馈信息可以通过第一预设时长内用户对所述目标搜索类型对应的原始搜索结果执行的交互行为的特征信息表征,即所述目标搜索类型对应的反馈信息可以包括:第一预设时长内用户对所述目标搜索类型对应的原始搜索结果执行的交互行为的特征信息。其中,交互行为的特征信息可以包括以下至少一项:交互行为的类型、交互行为的次数。
搜索平台在获取到所述目标搜索类型对应的反馈信息之后,可以通过以下方式,判断所述搜索平台的状态是否符合预定目标:
方式一、通过判断所述目标搜索类型对应的反馈信息是否满足预设条件,判断所述搜索平台的状态是否符合预定目标。
在本方式中,搜索平台直接基于所述目标搜索类型对应的反馈信息,判断所述搜索平台的状态是否符合预定目标。
可选的,所述判断所述目标搜索类型对应的反馈信息是否满足预设条件的步骤,具体可以表现为:判断用户在第一预设时长内对所述目标搜索类型对应的原始搜索结果执行的交互行为的次数是否大于第一预设值。
考虑到用户与搜索结果进行交互的几率与用户对搜索结果的满意度正相关,即用户对搜索结果满意度越高,越有可能与搜索结果进行交互。进一步地,在用户在第一预设时长内与所述目标搜索类型的搜索结果的交互次数大于第一预设值的情况下,判定所述搜索平台的状态符合预定目标;在用户在第一预设时长内与所述目标搜索类型的搜索结果的交互次数小于或等于第一预设值的情况下,判定所述搜索平台的状态不符合预定目标。
方式二、可选的,所述搜索平台预设有Q种搜索类型,Q为正整数;
所述基于所述目标搜索类型对应的反馈信息判断所述搜索平台的状态是否符合预定目标的步骤之前,所述方法还包括:
基于所述Q种搜索类型中各搜索类型对应的反馈信息,确定各搜索类型与所述搜索平台的状态的关联信息;
记录所述目标搜索类型与所述搜索平台的状态的目标关联信息;
所述基于所述搜索类型对应的反馈信息判断所述搜索平台的状态是否符合预定目标的步骤,包括:
根据所述目标关联信息,判断所述搜索平台的状态是否符合预定目标。
在本方式中,搜索平台在获取到各搜索类型对应的反馈信息之后,先确定各搜索类型与所述搜索平台的状态的关联信息,之后,根据所述目标搜索类型与所述搜索平台的状态的目标关联信息,判断所述搜索平台的状态是否符合预定目标。
搜索类型与所述搜索平台的状态的关联信息可以表征:搜索类型对所述搜索平台的状态的影响。搜索类型与所述搜索平台的状态的关联信息具体可以表现为:搜索类型与所述搜索平台的状态关联值,或,搜索类型与所述搜索平台的状态的关联关系,但不仅限于此。具体实现时,可选的,搜索类型对所述搜索平台的状态的影响越大,搜索类型与所述搜索平台的状态的关联关系越强,搜索类型与所述搜索平台的状态的关联值越大;搜索类型对所述搜索平台的状态的影响越小,搜索类型与所述搜索平台的状态的关联关系越弱,搜索类型与所述搜索平台的状态的关联值越小。
在本方式中,搜索类型与所述搜索平台的状态的关联信息,基于搜索类型对应的反馈信息确定。可选的,搜索平台可以预设有“搜索类型对应的反馈信息”与“搜索类型与所述搜索平台的状态的关联信息”的对应关系。这样,搜索平台在获取到历史时间段各搜索类型对应的反馈信息,可以利用该对应关系,确定各搜索类型与所述搜索平台的状态的关联信息。可选的,对于某搜索类型,用户对其原始搜索结果执行的交互行为的次数越多,其与所述搜索平台的状态的关联值越大,反之越小。
在本方式中,可选的,所述根据所述目标关联关系,判断所述搜索平台的状态是否符合预定目标的步骤,具体可以表现为:通过判断所述目标搜索类型与所述搜索平台的状态的关联值是否大于第二预设值,来判断所述搜索平台的状态是否符合预定目标。
进一步地,在所述目标搜索类型与所述搜索平台的状态的关联值大于第二预设值的情况下,判定所述搜索平台的状态符合预定目标;在所述目标搜索类型与所述搜索平台的状态的关联值小于或等于第二预设值的情况下,判定所述搜索平台的状态不符合预定目标。
在本公开实施例中,若所述搜索平台的状态符合预定目标,说明用户对搜索平台提供的所述目标搜索类型的原始搜索结果的满意度较高,搜索平台可以不对所述目标搜索类型的原始搜索结果进行优化调整,直接向电子设备发送所述搜索请求对应的原始搜索结果;若所述搜索平台的状态不符合预定目标,说明用户对搜索平台提供的所述目标搜索类型的原始搜索结果的满意度较低,为提高用户的留存率,搜索平台可以执行下述步骤S24和步骤S25,对所述搜索请求对应的原始搜索结果进行优化调整,向电子设备发送目标搜索结果,所述目标搜索结果为对所述搜索请求对应的原始搜索结果进行调整后的结果。
需要说明的是,在本公开实施例中,一种实现方式中,所述预定目标可以是与所述目标搜索类型对应的预定目标,即在该实现方式中,所述预定目标可以是基于搜索类型而确定的,对于不同的搜索类型,预定目标的设定可以不同,也可以相同。另一种实现方式中,所述预定目标可以是与搜索平台对应的预定目标,即在该实现方式中,搜索平台只有一个预设目标,搜索平台在基于不同搜索类型对应的反馈信息判断所述搜索平台的状态是否符合预定目标时,预定目标都相同。
另外,所述搜索平台的状态可以通过目标指标来体现,所述目标指标可为任何可用于衡量用户对所述搜索平台提供的搜索结果的满意度的指标。考虑到搜索留存用于衡量产品留下用户的效率,而产品留下用户的效率与用户对产品的满意度正相关,即用户对产品的满意度越高,留下的几率越大,反之越小,因此,在某些实施方式中,所述目标指标可为搜索留存,但在其他实施方式中,所述目标指标可以为其他指标。
在步骤S24中,若所述搜索平台的状态不符合所述预定目标,则获取所述搜索请求对应的目标搜索结果,所述目标搜索结果为对所述搜索请求对应的原始搜索结果进行调整后的结果。
在本公开实施例中,第一实现方式中,搜索平台可以通过调整所述搜索请求对应的原始搜索结果的排列顺序得到所述目标搜索结果。如:搜索请求对应的原始搜索结果包括从上到下依次排序的搜索结果a、搜索结果b和搜索结果c,即在原始搜索结果中,搜索结果a排列在最前,搜索结果c排列在最后;而所述目标搜索结果可以包括从上到下依次排序的搜索结果c、搜索结果a和搜索结果b,即在目标搜索结果中,搜索结果c排列在最前,搜索结果b排列在最后。
第二实现方式中,搜索平台可以通过改变所述搜索请求与搜索结果的对应关系得到所述目标搜索结果。当然,可以理解的是,在该实现方式中,所述搜索请求对应的原始搜索结果和目标搜索结果可以有部分搜索结果相同。如:所述搜索请求对应的原始搜索结果包括:搜索结果a、搜索结果b和搜索结果c;所述搜索请求对应的原始搜索结果包括:搜索结果d、搜索结果e和搜索结果a。
在实际应用中,搜索平台可以采用上述任一实现方式获取到所述搜索请求对应的目标搜索结果。可选的,搜索平台可以基于所述搜索平台的状态确定获取到所述搜索请求对应的目标搜索结果的实现方式。如:假设所述搜索平台的状态为所述搜索平台的搜索留存,若所述搜索平台的搜索留存大于第三预设值,则可以执行上述第一实现方式;若所述搜索平台的搜索留存小于或等于第三预设值,则可以执行上述第二实现方式。
在步骤S25中,向所述电子设备发送所述目标搜索结果。
具体实现时,搜索平台在获取到所述目标搜索结果后,向电子设备发送所述目标搜索结果,以供用户查看。
通过本公开实施例的搜索请求的处理方法,
搜索平台在接收到电子设备发送的搜索请求后,可以识别所述搜索请求的目标搜索类型,并基于所述目标搜索类型对应的反馈信息判断所述搜索平台的状态是否符合预定目标;若所述搜索平台的状态不符合所述预定目标,则获取所述搜索请求对应的目标搜索结果,所述目标搜索结果为对所述搜索请求对应的原始搜索结果进行调整后的结果;向所述电子设备发送所述目标搜索结果。可见,本公开实施例可以通过所述搜索平台的状态是否符合预定目标的判定结果,灵活调整向电子设备发送的所述搜索请求对应的搜索结果,从而可以提高搜索结果获取的可靠性,进而可以提高用户的留存率。
在本公开实施例中,搜索平台在确定所述搜索平台的状态不符合预定目标之后,可以基于所述目标搜索类型对应的反馈信息,优化所述搜索请求对应的原始搜索结果,得到所述目标搜索结果,具体说明如下:
在第一实施方式中,在搜索平台记录有所述目标搜索类型与所述搜索平台的状态的目标关联信息的情况下,可选的,所述获取所述搜索请求对应的目标搜索结果的步骤,包括:
根据所述目标搜索类型对应的反馈信息,及所述目标关联信息,优化所述搜索请求对应的原始搜索结果,得到所述目标搜索结果。
在本实施方式中,搜索平台结合所述目标搜索类型对应的反馈信息及所述目标关联信息,得到所述目标搜索结果。
可选的,所述目标搜索请求对应的反馈信息包括:用户对所述原始搜索结果执行的K种交互行为类型中各交互行为类型的统计次数,K为正整数;
所述根据所述目标搜索请求对应的反馈信息,及所述目标关联信息,优化所述原始搜索结果,得到所述目标搜索结果的步骤,包括:
根据所述K种交互行为类型中各交互行为类型的统计次数,及所述目标关联信息,确定各交互行为类型对应的权重;
根据各交互行为类型对应的权重,优化所述原始搜索结果,得到所述目标搜索结果。
具体实现时,所述K种交互行为类型可以包括以下至少一项:点击行为、点赞行为、转发行为、分享行为、关注行为、评论行为。
各交互行为类型的统计次数可以为以下任一项:第一目标值;第二目标值;第一目标值与P的比值;第二目标值与P的比值;其中,所述第一目标值为电子设备在第一预设时长内实际统计得到的各交互行为类型的次数;所述第二目标值为电子设备在第一预设时长内实际统计得到的各交互行为类型的次数进行数据清洗和截断后得到的次数;P为所述原始搜索结果包括的子搜索结果的个数,P为大于1的整数。
各交互行为类型对应的权重可以用于表征各交互行为类型对所述目标关联信息的相对价值(相对重要程度)。交互行为类型对应的权重越大,交互行为类型对所述目标关联信息的相对价值越高,反之越低。
以下对各交互行为类型对应的权重的确定进行说明:
可选的,所述根据所述K种交互行为类型中各交互行为类型的统计次数,及所述目标关联信息,确定各交互行为类型对应的权重的步骤,包括:
以所述目标搜索类型与所述搜索平台的状态的关联值为牵引值,使用逻辑回归模型对各交互行为类型的统计次数进行拟合,得到各交互行为类型对应的权重。
为方便理解,记第i种交互行为类型在所述第一预设时长内的统计次数为featurei,记第i种交互行为类型对应的权重为wi,记目标搜索类型与所述搜索平台的状态的关联值为L,则可以通过以下公式计算各交互行为类型对应的权重:
由上述公式可知,K个feature的加权和即为所述目标搜索类型与所述搜索平台的状态的关联值。featurei每增加一个单位,则L的取值会变化wi个单位,可见,系数wi表示第i种交互行为一单位的变动引起的L的取值的变动。
在其他实施方式中,电子设备也可以通过其他方式计算,如:考虑到电子设备要计算K个权重,因此,电子设备可以通过获取K-1个第一交互行为信息和K-1个目标指标的取值,得到K-1个方程,进而通过K-1个方程,计算得到所述K种交互行为中每种交互行为对于所述目标指标的权重,但不仅限于此。应理解的是,任何可根据所述K种交互行为类型中各交互行为类型的统计次数,及所述目标关联信息,确定各交互行为类型对应的权重的计算方式均可落入本公开实施例的保护范围范围之内。
以下对所述目标搜索结果的确定进行说明:
可选的,所述原始搜索结果包括P个子搜索结果,P为大于1的整数;所述目标搜索请求对应的反馈信息还包括:用户对所述P个子搜索结果中各子搜索结果执行的K种交互行为类型中各交互行为类型的统计次数;
所述根据各交互行为类型对应的权重,优化所述原始搜索结果,得到所述目标搜索结果的步骤,包括:
根据各交互行为类型对应的权重,及用户对所述P个子搜索结果中各子搜索结果执行的K种交互行为类型中各交互行为类型的统计次数,确定各子搜索结果对应的目标值;
根据各子搜索结果对应的目标值,调整所述P个子搜索结果的排列顺序,得到所述目标搜索结果。
在本实施方式中,各子搜索结果对应的目标值可以表现为:用户对各子搜索结果执行的K种交互行为类型中各交互行为类型的统计次数的加权和。各子搜索结果对应的目标值可以用于表征各子搜索结果对所述目标关联信息的贡献值。子搜索结果对应的目标值越大,子搜索结果对所述目标关联信息的贡献值越大,反之越小。
具体实现时,搜索平台可以基于各子搜索结果对应的目标值,确定每个子搜索结果的排序优先级,之后,按照子搜索结果的排序优先级从高到低的顺序依次对所述P个子搜索结果进行排列。
可选的,某子搜索结果的目标值越大,该子搜索结果的排序优先级越高,反之越低。这样,可以提高用户与子搜索结果的交互次数,进而可以提高用户的留存率。
如:假设所述K种交互行为类型包括交互行为类型1、交互行为类型2和交互行为类型3,交互行为类型1对应的权重为0.5,交互行为类型2对应的权重为0.3,交互行为类型3对应的权重为0.2。
同时假设所述P个子搜索结果包括子搜索结果A、子搜索结果B和子搜索结果C,在第一预设时长内子搜索结果A、子搜索结果B和子搜索结果C的排序优先级的关系为:子搜索结果A的排序优先级>子搜索结果B的排序优先级>子搜索结果C的排序优先级;
对于子搜索结果A,用户在第一预设时长内用户对其执行交互行为类型1的次数为8,执行交互行为类型2的次数为3,执行交互行为类型3的次数为1;对于子搜索结果B,用户在第一预设时长内用户对其执行交互行为类型1的次数为20,执行交互行为类型2的次数为10,执行交互行为类型3的次数为5;对于子搜索结果C,用户在第一预设时长内用户对其执行交互行为类型1的次数为14,执行交互行为类型2的次数为1,执行交互行为类型3的次数为6。
搜索平台可以计算得到:子搜索结果A对应的目标值=0.5×8+0.3×3+0.2×1=4.8;子搜索结果B对应的目标值=0.5×20+0.3×10+0.2×5=15.5;子搜索结果C对应的目标值=0.5×14+0.3×1+0.2×6=7.6。那么,在该情况下,搜索平台可以重新将子搜索结果A、子搜索结果B和子搜索结果C的排序优先级的关系确定为:子搜索结果B的排序优先级>子搜索结果C的排序优先级>子搜索结果A的排序优先级。
在其他实施方式中,电子设备可以获取第一预设时长内所述P个子搜索结果中每个子搜索结果对应的第一交互行为类型的统计次数,并按照每个子搜索结果对应的第一交互行为类型的统计次数,确定每个子搜索结果的排序优先级,之后,按照子搜索结果的排序优先级从高到低的顺序依次对所述P个子搜索结果进行排列。其中,所述第一交互行为类型可以为所述K种交互行为类型中权重最大的交互行为类型,但不仅限于此。
可选的,某子搜索结果的第一交互行为类型的统计次数越多,该子搜索结果的排序优先级越高,反之越低。这样,可以提高用户与子搜索结果的交互次数,进而可以提高用户的留存率。
如:假设所述K种交互行为类型中权重最大的交互行为为交互行为类型1;在第一预设时长内子搜索结果A、子搜索结果B和子搜索结果C的排序优先级的关系为:子搜索结果A的排序优先级>子搜索结果B的排序优先级>子搜索结果C的排序优先级。
同时假设在第一预设时长内用户分别对子搜索结果A、子搜索结果B和子搜索结果C的交互行为类型1的次数的关系为:用户对子搜索结果B执行交互行为类型1的次数>用户对子搜索结果C执行交互行为类型1的次数>用户对子搜索结果A执行交互行为类型1的次数。
在该情况下,搜索平台可以重新将子搜索结果A、子搜索结果B和子搜索结果C的排序优先级的关系确定为:子搜索结果B的排序优先级>子搜索结果C的排序优先级>子搜索结果A的排序优先级。
由上述内容可知,在第一实施方式中,搜索平台通过所述目标搜索类型对应的反馈信息及所述目标关联信息,确定各交互行为类型对应的权重,并根据各交互行为类型对应的权重,调整所述原始搜索结果,得到所述目标搜索结果,从而可以提高用户与子搜索结果的交互次数,进而可以提高用户的留存率。
在第二实现方式中,搜索平台可以直接仅基于所述目标搜索类型对应的反馈信息,优化所述搜索请求对应的原始搜索结果,得到所述目标搜索结果。
可选的,电子设备可以获取第一预设时长内用户对所述P个子搜索结果中每个子搜索结果执行的交互行为的统计次数,并按照每个子搜索结果执行的交互行为的统计次数,确定每个子搜索结果的排序优先级,之后,按照子搜索结果的排序优先级从高到低的顺序依次对所述P个子搜索结果进行排列。
可选的,用户对某子搜索结果执行的交互行为的统计次数越多,该子搜索结果的排序优先级越高,反之越低。这样,可以提高用户与子搜索结果的交互次数,进而可以提高用户的留存率。
如:假设所述K种交互行为类型中权重最大的交互行为为交互行为类型1;在第一预设时长内子搜索结果A、子搜索结果B和子搜索结果C的排序优先级的关系为:子搜索结果A的排序优先级>子搜索结果B的排序优先级>子搜索结果C的排序优先级。
同时假设在第一预设时长内用户分别对子搜索结果A、子搜索结果B和子搜索结果C执行的交互行为的统计次数的关系为:用户对子搜索结果B执行交互行为的统计次数>用户对子搜索结果C执行交互行为的统计次数>用户对子搜索结果A执行交互行为的统计次数。
在该情况下,搜索平台可以重新将子搜索结果A、子搜索结果B和子搜索结果C的排序优先级的关系确定为:子搜索结果B的排序优先级>子搜索结果C的排序优先级>子搜索结果A的排序优先级。
由上述内容可知,在第二实施方式中,搜索平台可以直接通过所述目标搜索类型对应的反馈信息,调整所述原始搜索结果,得到所述目标搜索结果。这样,相比于第一实现方式,可以降低搜索平台的运行负荷。
在本公开实施例中,搜索平台在调整与所述搜索请求对应的搜索结果后,可以设置实验组和对照组,对于实验组,搜索平台可以向电子设备发送调整后的搜索结果进行搜索结果的显示,对于对照组,电子设备可以向电子设备发送调整前的搜索结果,以基于两组的留存得分,确定是否将调整后的搜索结果投入到应用中。
需要说明的是,本发明实施例中介绍的多种可选的实施方式,在彼此不冲突的情况下可以相互结合实现,也可以单独实现,对此本发明实施例不作限定。
为方便理解,示例说明如下:
本公开实施例首先可以取两周的窗口期记录用户点赞、关注等各类反馈(即各种交互行为)的数据,经过数据清洗和截断后,以搜索留存为牵引指标,使用逻辑回归模型进行拟合,逻辑回归模型为:
其中,k表示所用特征的个数,wi表示各个特征(即各种交互行为)的系数(即系数),pretain表示该用户下周留存的概率。featurei每增加一个单位,则用户下周logit会增加wi个单位,logit表示留存的概率/不留存的概率的对数。
各个特征(feature)的加权和即为用户参与度(User engagement),而各个系数wi则表示第i个特征一单位的变动引起的用户下周logit的变动。由于logit与留存的概率同向变动,因此wi的符号反映了特征对于留存的正负向作用(wi>0为正向);而绝对值反映了特征对于留存作用的大小。
得到系数和各个指标均值后,则可计算各个指标的贡献度,即各个用户反馈总体上x%的变化引起搜索留存的变动率相对大小,这样便能够获得一些优化方向的结论,如提升x%的点赞/转发等对于搜索留存的整体空间如何。
本公开实施例可以以某个客观指标(如搜索留存)为牵引,使用定量的方式刻画用户行为,来标识各类用户行为对于客观指标的影响。各类用户行为可作为User engagement的公式,包括关注、点赞、点击等的加权,该指标能够在一定程度上反映用户对于搜索的满意程度。
通过本公开实施例,可以获取以下三个方面的分析结果:
1)区分搜索意图,各类交互对于搜索留存的相对价值,如在视频、用户和其他三种搜索意图下各类后验交互行为的相对价值,如一次A行为对于搜索留存的价值是一次B行为的x倍,一定程度上可以衡量各类交互行为发生的相对重要程度;
2)区分搜索意图,各类交互总体对于搜索留存的贡献度,即考虑到各类交互本身的量级,衡量各类交互整体对于搜索留存的贡献,如A行为总体上x%的变化引起搜索留存的变动率是B行为x%的变化能够引起的搜索留存的变动率的y倍,一定程度上可以衡量提升某个指标对于提升搜索留存的贡献。
3)各类搜索交互的表达式可以作为用户“满意”的衡量。
本公开实施例的可以应用于以下方面:1)衡量用户(user)/会话(session)/查询(query)粒度的后验满意度:对于各个粒度,均可以得到一个由各类反馈加权计算的分数,该分数能够在一定程度上反映用户是否满意,满意度指标可用于各个维度的计算,如哪些垂类/搜索意图下用户是满意的;2)识别满意度低的搜索词,形成报表,及时对这些query推荐的结果进行优化;3)满意度公式中各项的加权和可整理为点击率、点赞率等的加权和,作为排序的公式;4)一段时间内实验组和对照组用户的整体满意度可作为从用户体验上衡量AB实验上线效果的依据。
图3是根据一示例性实施例示出的一种搜索请求的处理装置框图。参照图3,搜索请求的处理装置可以包括:
接收模块31,被配置为接收电子设备发送的搜索请求;
识别模块32,被配置为识别所述搜索请求的目标搜索类型;
判断模块33,被配置为基于所述目标搜索类型对应的反馈信息判断所述搜索平台的状态是否符合预定目标;
获取模块34,被配置为若所述搜索平台的状态不符合所述预定目标,则获取所述搜索请求对应的目标搜索结果,所述目标搜索结果为对所述搜索请求对应的原始搜索结果进行调整后的结果;
发送模块35,被配置为向所述电子设备发送所述目标搜索结果。
可选的,所述搜索平台预设有Q种搜索类型,Q为正整数;
所述搜索请求的处理装置还包括:
确定模块,被配置为基于所述Q种搜索类型中各搜索类型对应的反馈信息,确定各搜索类型与平台的状态的关联信息;
记录模块,被配置为记录所述目标搜索类型与平台的状态的目标关联信息;
所述判断模块,被配置为:
根据所述目标关联信息,判断所述搜索平台的状态是否符合预定目标。
可选的,所述获取模块,被配置为:
根据所述目标搜索请求对应的反馈信息,以及所述目标关联信息,优化所述原始搜索结果,得到所述目标搜索结果。
可选的,所述目标搜索请求对应的反馈信息包括:用户对所述原始搜索结果执行的K种交互行为类型中各交互行为类型的统计次数,K为正整数;
所述获取模块34,包括:
确定子模块,被配置为根据所述K种交互行为类型中各交互行为类型的统计次数,及所述目标关联信息,确定各交互行为类型对应的权重;
优化子模块,被配置为根据各交互行为类型对应的权重,优化所述原始搜索结果,得到所述目标搜索结果。
可选的,所述原始搜索结果包括P个子搜索结果,P为大于1的整数;所述目标搜索请求对应的反馈信息还包括:用户对所述P个子搜索结果中各子搜索结果执行的K种交互行为类型中各交互行为类型的统计次数;
所述优化子模块,包括:
确定单元,被配置为根据各交互行为类型对应的权重,及用户对所述P个子搜索结果中各子搜索结果执行的K种交互行为类型中各交互行为类型的统计次数,确定各子搜索结果对应的目标值;
调整单元,被配置为根据各子搜索结果对应的目标值,调整所述P个子搜索结果的排列顺序,得到所述目标搜索结果。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图4是根据一示例性实施例示出的一种搜索平台的框图。如图4所示,搜索平台包括:处理器41、存储器42、用户接口43和总线接口44。
在图4中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器41代表的一个或多个处理器和存储器42代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口44提供接口。针对不同的用户设备,用户接口43还可以是能够外接内接需要设备的接口,连接的设备包括但不限于小键盘、显示器、扬声器、麦克风、操纵杆等。
处理器41负责管理总线架构和通常的处理,存储器42可以存储处理器41在执行操作时所使用的数据。处理器41,用于读取存储器42中的程序,执行图2实施例中的各个过程。
在示例性实施例中,还提供了一种包括指令的存储介质,例如包括指令的存储器44,上述指令可由网络设备的处理器41执行以完成上述方法。可选地,存储介质可以是非临时性计算机可读存储介质,例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供一种计算机程序产品,包括:可执行指令,当所述可执行指令在计算机上运行时,使得计算机能够执行上述方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种搜索请求的处理方法,应用于搜索平台,其特征在于,所述方法包括:
接收电子设备发送的搜索请求;
识别所述搜索请求的目标搜索类型;
基于所述目标搜索类型对应的反馈信息判断所述搜索平台的状态是否符合预定目标;
若所述搜索平台的状态不符合所述预定目标,则获取所述搜索请求对应的目标搜索结果,所述目标搜索结果为对所述搜索请求对应的原始搜索结果进行调整后的结果;
向所述电子设备发送所述目标搜索结果。
2.根据权利要求1所述的方法,其特征在于,所述搜索平台预设有Q种搜索类型,Q为正整数;
所述基于所述搜索类型对应的反馈信息判断所述搜索平台的状态是否符合预定目标的步骤之前,所述方法还包括:
基于所述Q种搜索类型中各搜索类型对应的反馈信息,确定各搜索类型与平台的状态的关联信息;
记录所述目标搜索类型与平台的状态的目标关联信息;
所述基于所述搜索类型对应的反馈信息判断所述搜索平台的状态是否符合预定目标的步骤,包括:
根据所述目标关联信息,判断所述搜索平台的状态是否符合预定目标。
3.根据权利要求2所述的方法,其特征在于,所述获取所述搜索请求对应的目标搜索结果的步骤,包括:
根据所述目标搜索请求对应的反馈信息,以及所述目标关联信息,优化所述原始搜索结果,得到所述目标搜索结果。
4.根据权利要求3所述的方法,其特征在于,所述目标搜索请求对应的反馈信息包括:用户对所述原始搜索结果执行的K种交互行为类型中各交互行为类型的统计次数,K为正整数;
所述根据所述目标搜索请求对应的反馈信息,及所述目标关联信息,优化所述原始搜索结果,得到所述目标搜索结果的步骤,包括:
根据所述K种交互行为类型中各交互行为类型的统计次数,及所述目标关联信息,确定各交互行为类型对应的权重;
根据各交互行为类型对应的权重,优化所述原始搜索结果,得到所述目标搜索结果。
5.根据权利要求4所述的方法,其特征在于,所述原始搜索结果包括P个子搜索结果,P为大于1的整数;所述目标搜索请求对应的反馈信息还包括:用户对所述P个子搜索结果中各子搜索结果执行的K种交互行为类型中各交互行为类型的统计次数;
所述根据各交互行为类型对应的权重,优化所述原始搜索结果,得到所述目标搜索结果的步骤,包括:
根据各交互行为类型对应的权重,及用户对所述P个子搜索结果中各子搜索结果执行的K种交互行为类型中各交互行为类型的统计次数,确定各子搜索结果对应的目标值;
根据各子搜索结果对应的目标值,调整所述P个子搜索结果的排列顺序,得到所述目标搜索结果。
6.一种搜索请求的处理装置,应用于搜索平台,其特征在于,所述搜索请求的处理装置包括:
接收模块,被配置为接收电子设备发送的搜索请求;
识别模块,被配置为识别所述搜索请求的目标搜索类型;
判断模块,被配置为基于所述目标搜索类型对应的反馈信息判断所述搜索平台的状态是否符合预定目标;
获取模块,被配置为若所述搜索平台的状态不符合所述预定目标,则获取所述搜索请求对应的目标搜索结果,所述目标搜索结果为对所述搜索请求对应的原始搜索结果进行调整后的结果;
发送模块,被配置为向所述电子设备发送所述目标搜索结果。
7.根据权利要求6所述的搜索请求的处理装置,其特征在于,所述搜索平台预设有Q种搜索类型,Q为正整数;
所述搜索请求的处理装置还包括:
确定模块,被配置为基于所述Q种搜索类型中各搜索类型对应的反馈信息,确定各搜索类型与平台的状态的关联信息;
记录模块,被配置为记录所述目标搜索类型与平台的状态的目标关联信息;
所述判断模块,被配置为:
根据所述目标关联信息,判断所述搜索平台的状态是否符合预定目标。
8.根据权利要求7所述的搜索请求的处理装置,其特征在于,所述获取模块,被配置为:
根据所述目标搜索请求对应的反馈信息,以及所述目标关联信息,优化所述原始搜索结果,得到所述目标搜索结果。
9.一种搜索平台,其特征在于,所述搜索平台包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至5中任一项所述的搜索请求的处理方法。
10.一种存储介质,当所述存储介质中的指令由搜索平台的处理器执行时,使得搜索平台能够执行如权利要求1至5中任一项所述的搜索请求的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011012807.9A CN114254179A (zh) | 2020-09-23 | 2020-09-23 | 搜索请求的处理方法、装置及搜索平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011012807.9A CN114254179A (zh) | 2020-09-23 | 2020-09-23 | 搜索请求的处理方法、装置及搜索平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114254179A true CN114254179A (zh) | 2022-03-29 |
Family
ID=80789875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011012807.9A Pending CN114254179A (zh) | 2020-09-23 | 2020-09-23 | 搜索请求的处理方法、装置及搜索平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114254179A (zh) |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1677403A (zh) * | 2004-03-22 | 2005-10-05 | 微软公司 | 用于自动优化搜索结果相关性的系统和方法 |
CN101887437A (zh) * | 2009-05-12 | 2010-11-17 | 阿里巴巴集团控股有限公司 | 一种搜索结果生成方法及信息搜索系统 |
US20100306215A1 (en) * | 2009-05-28 | 2010-12-02 | Microsoft Corporation | Ranking Results of Multiple Intent Queries |
CN102156746A (zh) * | 2011-04-19 | 2011-08-17 | 清华大学 | 搜索引擎的性能评价方法 |
CN102955798A (zh) * | 2011-08-25 | 2013-03-06 | 腾讯科技(深圳)有限公司 | 一种基于搜索引擎的搜索方法及搜索服务器 |
CN103366003A (zh) * | 2013-07-19 | 2013-10-23 | 百度在线网络技术(北京)有限公司 | 基于用户反馈优化搜索结果的方法和设备 |
CN104008170A (zh) * | 2014-05-30 | 2014-08-27 | 广州金山网络科技有限公司 | 搜索结果的提供方法和装置 |
CN105045835A (zh) * | 2015-06-30 | 2015-11-11 | 百度在线网络技术(北京)有限公司 | 信息搜索方法和装置 |
CN105808649A (zh) * | 2016-02-27 | 2016-07-27 | 腾讯科技(深圳)有限公司 | 一种搜索结果排序方法及其设备 |
CN106682240A (zh) * | 2017-02-07 | 2017-05-17 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法、装置、电子设备和存储介质 |
CN106708874A (zh) * | 2015-11-16 | 2017-05-24 | 百度在线网络技术(北京)有限公司 | 用于调整搜索分类在搜索页面中的排布的方法和装置 |
CN107562750A (zh) * | 2016-06-30 | 2018-01-09 | 百度在线网络技术(北京)有限公司 | 一种用于提供搜索结果的方法和装置 |
CN108681568A (zh) * | 2018-05-03 | 2018-10-19 | 北京五八信息技术有限公司 | 一种搜索排序方法、装置、设备及计算机可读存储介质 |
CN109829098A (zh) * | 2017-08-28 | 2019-05-31 | 广东神马搜索科技有限公司 | 搜索结果优化方法、装置及服务器 |
US20190205472A1 (en) * | 2017-12-28 | 2019-07-04 | Salesforce.Com, Inc. | Ranking Entity Based Search Results Based on Implicit User Interactions |
CN110020105A (zh) * | 2017-09-07 | 2019-07-16 | 北京国双科技有限公司 | 网站搜索性能的确定方法及装置 |
CN110096636A (zh) * | 2019-05-08 | 2019-08-06 | 上海泰豪迈能能源科技有限公司 | 搜索引擎优化方法、装置和电子设备 |
CN110334273A (zh) * | 2019-05-30 | 2019-10-15 | 重庆金融资产交易所有限责任公司 | 基于通用搜索平台的服务搜索方法、装置和计算机设备 |
CN110480651A (zh) * | 2019-08-20 | 2019-11-22 | 深圳市一恒科电子科技有限公司 | 一种基于交互式陪伴机器人搜索系统的建云方法和系统 |
CN111581487A (zh) * | 2020-05-11 | 2020-08-25 | 北京字节跳动网络技术有限公司 | 一种信息处理方法及装置 |
-
2020
- 2020-09-23 CN CN202011012807.9A patent/CN114254179A/zh active Pending
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1677403A (zh) * | 2004-03-22 | 2005-10-05 | 微软公司 | 用于自动优化搜索结果相关性的系统和方法 |
CN101887437A (zh) * | 2009-05-12 | 2010-11-17 | 阿里巴巴集团控股有限公司 | 一种搜索结果生成方法及信息搜索系统 |
US20100306215A1 (en) * | 2009-05-28 | 2010-12-02 | Microsoft Corporation | Ranking Results of Multiple Intent Queries |
CN102156746A (zh) * | 2011-04-19 | 2011-08-17 | 清华大学 | 搜索引擎的性能评价方法 |
CN102955798A (zh) * | 2011-08-25 | 2013-03-06 | 腾讯科技(深圳)有限公司 | 一种基于搜索引擎的搜索方法及搜索服务器 |
CN103366003A (zh) * | 2013-07-19 | 2013-10-23 | 百度在线网络技术(北京)有限公司 | 基于用户反馈优化搜索结果的方法和设备 |
CN104008170A (zh) * | 2014-05-30 | 2014-08-27 | 广州金山网络科技有限公司 | 搜索结果的提供方法和装置 |
CN105045835A (zh) * | 2015-06-30 | 2015-11-11 | 百度在线网络技术(北京)有限公司 | 信息搜索方法和装置 |
CN106708874A (zh) * | 2015-11-16 | 2017-05-24 | 百度在线网络技术(北京)有限公司 | 用于调整搜索分类在搜索页面中的排布的方法和装置 |
CN105808649A (zh) * | 2016-02-27 | 2016-07-27 | 腾讯科技(深圳)有限公司 | 一种搜索结果排序方法及其设备 |
CN107562750A (zh) * | 2016-06-30 | 2018-01-09 | 百度在线网络技术(北京)有限公司 | 一种用于提供搜索结果的方法和装置 |
CN106682240A (zh) * | 2017-02-07 | 2017-05-17 | 百度在线网络技术(北京)有限公司 | 用于推送信息的方法、装置、电子设备和存储介质 |
CN109829098A (zh) * | 2017-08-28 | 2019-05-31 | 广东神马搜索科技有限公司 | 搜索结果优化方法、装置及服务器 |
CN110020105A (zh) * | 2017-09-07 | 2019-07-16 | 北京国双科技有限公司 | 网站搜索性能的确定方法及装置 |
US20190205472A1 (en) * | 2017-12-28 | 2019-07-04 | Salesforce.Com, Inc. | Ranking Entity Based Search Results Based on Implicit User Interactions |
CN108681568A (zh) * | 2018-05-03 | 2018-10-19 | 北京五八信息技术有限公司 | 一种搜索排序方法、装置、设备及计算机可读存储介质 |
CN110096636A (zh) * | 2019-05-08 | 2019-08-06 | 上海泰豪迈能能源科技有限公司 | 搜索引擎优化方法、装置和电子设备 |
CN110334273A (zh) * | 2019-05-30 | 2019-10-15 | 重庆金融资产交易所有限责任公司 | 基于通用搜索平台的服务搜索方法、装置和计算机设备 |
CN110480651A (zh) * | 2019-08-20 | 2019-11-22 | 深圳市一恒科电子科技有限公司 | 一种基于交互式陪伴机器人搜索系统的建云方法和系统 |
CN111581487A (zh) * | 2020-05-11 | 2020-08-25 | 北京字节跳动网络技术有限公司 | 一种信息处理方法及装置 |
Non-Patent Citations (1)
Title |
---|
刘畅 等: "信息搜索用户检索式行为研究综述", 《图书情报工作》, vol. 61, no. 16, 21 September 2021 (2021-09-21), pages 122 - 134 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020135535A1 (zh) | 一种推荐模型训练方法及相关装置 | |
JP7108720B2 (ja) | 対話システム間の知識共有方法、対話方法、知識共有装置、対話装置、電子機器及び記憶媒体 | |
KR20180077267A (ko) | 이모티콘 추천 방법 및 장치 | |
CN105224959B (zh) | 排序模型的训练方法和装置 | |
US11257019B2 (en) | Method and system for search provider selection based on performance scores with respect to each search query | |
CN102999588A (zh) | 一种多媒体应用的推荐方法和系统 | |
Lommatzsch | Real-time news recommendation using context-aware ensembles | |
KR20100086676A (ko) | 컨텐츠에 대한 선호도 예측 방법 및 장치와, 샘플 컨텐츠 선정 방법 및 장치 | |
US10402465B1 (en) | Content authority ranking using browsing behavior | |
US20210089331A1 (en) | Machine-learning models applied to interaction data for determining interaction goals and facilitating experience-based modifications to interface elements in online environments | |
CN108446382A (zh) | 用于推送信息的方法和装置 | |
CN108322317A (zh) | 一种账号识别关联方法及服务器 | |
CN110490683B (zh) | 一种线下线上协同多模型混合推荐的方法及系统 | |
US20230031522A1 (en) | Recommendation method and apparatus based on automatic feature grouping | |
CN112487283A (zh) | 训练模型的方法、装置、电子设备及可读存储介质 | |
CN113163063B (zh) | 智能外呼系统及方法 | |
KR20180080175A (ko) | 최적화된 디지털 컴포넌트 분석 시스템 | |
US20200401881A1 (en) | Ranking user comments on media using reinforcement learning optimizing for session dwell time | |
Jia et al. | Drum: A rhythmic approach to interactive analytics on large data | |
CN114254179A (zh) | 搜索请求的处理方法、装置及搜索平台 | |
CN113836388A (zh) | 信息推荐方法、装置、服务器及存储介质 | |
CN111291957A (zh) | 生成客服调度信息的方法及装置、电子设备、存储介质 | |
CN115185606A (zh) | 业务配置参数的获得方法、装置、设备及存储介质 | |
CN113490062A (zh) | 视频弹幕排序方法、装置、服务器及存储介质 | |
CN111461188A (zh) | 一种目标业务控制方法、装置、计算设备及存储介质 |
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 |