CN114428894A - 页面搜索分析方法、装置、设备和介质 - Google Patents
页面搜索分析方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN114428894A CN114428894A CN202210106885.8A CN202210106885A CN114428894A CN 114428894 A CN114428894 A CN 114428894A CN 202210106885 A CN202210106885 A CN 202210106885A CN 114428894 A CN114428894 A CN 114428894A
- Authority
- CN
- China
- Prior art keywords
- page
- area
- candidate
- region
- candidate page
- 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
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
-
- 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
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
本公开提供了一种页面搜索方法、装置、设备和介质,涉及计算机领域,具体涉及计算机网络技术、搜索引擎技术和软件应用技术。该方法包括:基于查询请求确定候选页面;在候选页面中确定至少一个候选页面区域;基于用于候选页面的预设规则,确定至少一个候选页面区域各自的权重;计算查询请求与至少一个候选页面区域中的每一个候选页面区域的匹配度;以及至少基于查询请求与至少一个候选页面区域中的每一个候选页面区域的匹配度以及至少一个候选页面区域各自的权重,确定查询请求与候选页面的匹配度。
Description
技术领域
本公开涉及计算机领域,具体涉及计算机网络技术、搜索引擎技术和软件应用技术,特别涉及一种页面搜索方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
搜索引擎抓取大量网页页面,并对这些页面过滤,进而将过滤后的页面收录入索引库之中。在用户向搜索引擎发送查询请求后,搜索引擎根据请求筛选出相关页面,再通过各种手段对这些页面进行排序,并基于排序结果将相关页面全部或部分展现给用户。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种页面搜索方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种页面搜索方法。页面搜索方法包括:基于查询请求确定候选页面;在候选页面中确定至少一个候选页面区域;基于用于候选页面的预设规则,确定至少一个候选页面区域各自的权重;计算查询请求与至少一个候选页面区域中的每一个候选页面区域的匹配度;以及至少基于查询请求与至少一个候选页面区域中的每一个候选页面区域的匹配度以及至少一个候选页面区域各自的权重,确定查询请求与候选页面的匹配度。
根据本公开的另一方面,提供了一种页面搜索装置。页面搜索装置包括:第一确定单元,被配置为基于查询请求确定候选页面;第二确定单元,被配置为在候选页面中确定至少一个候选页面区域;第三确定单元,被配置为基于用于候选页面的预设规则,确定至少一个候选页面区域各自的权重;计算单元,被配置为计算查询请求与至少一个候选页面区域中的每一个候选页面区域的匹配度;以及第四确定单元,被配置为至少基于查询请求与至少一个候选页面区域中的每一个候选页面区域的匹配度以及至少一个候选页面区域各自的权重,确定查询请求与候选页面的匹配度。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中存储器存储有可被至少一个处理器执行的指令,这些指令被至少一个处理器执行,以使至少一个处理器能够执行上述页面搜索方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行上述页面搜索方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,其中,计算机程序在被处理器执行时实现上述页面搜索方法。
根据本公开的一个或多个实施例,通过将基于查询请求确定的候选页面分为多个页面区域,并为每个页面区域确定权重,进而基于权重将每个目标区域与查询请求的匹配度进行融合,以确定查询请求与页面区域的匹配度,从而提高了对页面中的不同区域的区分度,实现了对页面中的不同区域的重要度的信息的利用,并提升了搜索结果与查询的匹配程度。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开示例性实施例的页面搜索方法的流程图;
图2示出了根据本公开示例性实施例的页面搜索方法的流程图;
图3示出了根据本公开示例性实施例的页面搜索装置的结构框图;以及
图4示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围。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。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
相关技术中,现有的页面搜索的方法通常是基于查询请求和标题的匹配度、查询请求与页面数据整体的匹配度进行的。这样的搜索方法维度单一、准确率低。
为解决上述问题,本公开通过将基于查询请求确定的候选页面分为多个页面区域,并为每个页面区域确定权重,进而基于权重将每个目标区域与查询请求的匹配度进行融合,以确定查询请求与页面区域的匹配度,从而提高了对页面中的不同区域的区分度,实现了对页面中的不同区域的重要度的信息的利用,并提升了搜索结果与查询的匹配程度。
根据本公开的一方面,提供了一种页面搜索方法。如图1所示,页面搜索方法包括:步骤S101、基于查询请求确定候选页面;步骤S102、在候选页面中确定至少一个候选页面区域;步骤S103、基于用于候选页面的预设规则,确定至少一个候选页面区域各自的权重;步骤S104、计算查询请求与至少一个候选页面区域中的每一个候选页面区域的匹配度;以及步骤S105、至少基于查询请求与至少一个候选页面区域中的每一个候选页面区域的匹配度以及至少一个候选页面区域各自的权重,确定查询请求与候选页面的匹配度。
由此,通过将与查询对应的候选页面分为多个目标区域,并为每个目标区域确定权重,进而基于权重将查询与每个目标区域的匹配度进行融合,以确定查询与候选页面的匹配度,从而提高了对页面中的不同区域的区分度,实现了对页面中的不同区域的重要度的信息的利用,并提升了搜索结果与查询的匹配程度。
查询请求例如可以是由用户输入的用于查询的文本。在步骤S101、可以基于查询请求在搜索引擎的索引库中确定候选页面。候选页面例如可以为在索引库中进行初筛而得到的页面,因此可以包括一个或多个页面。在将搜索结果呈现给用户前,可以对候选页面进行进一步筛选、排序,从而能够将与查询请求更相关的页面以在更早地或在更靠前的位置反馈给用户。可以理解的是,本领域技术人员可以自行选择合适的方式确定候选页面,在此不做限定。
在确定了与查询请求相关的候选页面后,可以确定候选页面中的至少一个候选页面区域。
根据一些实施例,步骤S102、在候选页面中确定至少一个候选页面区域可以包括:基于候选页面中的多个页面节点中的每一个页面节点的节点信息,将多个页面节点中的至少一个节点确定为至少一个候选页面区域。由此。通过使用页面节点的节点信息,能够根据页面结构对页面进行划分,所得到的划分结果更合理。
候选页面的页面结构例如可以为dom-tree结构,从而可以根据dom-tree结构确定候选页面中的多个页面节点和相应的页面节点信息。
根据一些实施例,页面节点信息例如可以包括:节点位置、节点尺寸、节点类型、以及与其他节点间的关系中的至少一个。节点位置可以一步包括节点横坐标和节点纵坐标,节点尺寸可以进一步包括节点高度和节点宽度,节点类型还可以进一步包括文本类型、图像类型、视频类型等。根据节点的坐标信息、对其方式、节点之间的紧密度等信息,可以将页面划分为多个区域。
在一个实施例中,至少一个候选页面区域可以包括以下中的至少一项:头部区域、中部区域、底部区域、左部区域和右部区域。上述候选页面区域划分方式例如可以是PC网页页面的划分方式。在另一个实施例中,针对Wise页面,至少一个候选页面区域可以包括头部区域、中部区域和底部区域。可以理解的是,本领域技术人员还可以以其他方式对页面进行划分,在此不做限定。
除了上述区域外,还可以筛选出页面中的非可见信息,并将这些信息作为最低重要度信息进行保留。
根据一些实施例,对于中部区域可以进一步进行划分,以得到主标题区域和正文区域。正文区域也可以进一步进行划分,以得到至少一个正文段落区域。在一些实施例中,正文区域中的不同正文段落可能对应不同的页面节点,则可以根据页面节点信息对正文区域进行划分。在另一些实施例中,正文区域中的主要内容可能全部在同一个页面节点中,则可以基于换行、缩进、留白等信息对正文区域进行段落拆分,以得到至少一个正文段落区域。
根据一些实施例,在正文区域中,还可以包括至少一个小标题区域。在一些实施例中,小标题可能具有单独的页面节点,则可以根据页面节点信息对小标题区域进行划分。在另一些实施例中,小标题和正文段落可能混杂在一起,并且小标题不具有特殊样式,因此无法通过格式识别。在这样的实施例中,步骤S102、在候选页面中确定至少一个候选页面区域还包括:针对正文区域所包括的多个连续段落中的每一个段落,响应于确定该段落和多个连续段落中与该段落相邻至少一个段落之间的相似度满足预设条件,将该段落确定为小标题区域。
由此,通过段落与上下文中的相邻段落计算相似度,实现了基于语义信息判断是否为标题段落。
在一些实施例中,可以确定多个段落的文本特征,进而计算文本特征之间的相似度。可以理解的是,本领域技术人员可以使用其他方式计算两个段落之间的相似度,在此不做限定。
在一个示例性实施例中,可以将与上文相邻段落不相似但与下文相邻段落相似的段落确定为小标题。
在步骤S103、在确定了候选页面中的至少一个候选页面区域后,可以基于用于该候选页面的预设规则,确定至少一个候选页面区域各自的权重。
根据一些实施例,预设规则可以指示以下页面区域的权重具有降序关系:主标题区域、按阅读顺序排列的至少一个小标题区域、按阅读顺序排列的至少一个正文段落区域、头部区域、左部区域、右部区域、以及底部区域。通常,主标题为对该页面的内容的提炼,因此为其设置最高的权重。各个小标题为各个段落的内容的提炼,因此为其设置次高的权重,并且考虑到内容的重要性顺序通常是依次递减的,因此至少一个小标题的权重沿阅读顺序依次降低。正文段落中具有丰富的内容信息,并且相比于其他边缘区域与页面主题的相关性更高,因此作为第三位。类似地,至少一个正文段落的权重沿阅读顺序依次降低。头部区域、左部区域、右部区域、以及底部区域通常也会出现与页面相关的内容,因此按阅读顺序权重依次下降。除上述多个区域外,还可以为前文提到的最低重要度的非可见信息设置最低的权重,以进一步丰富在搜索查询与候选页面进行匹配时所利用的信息。
由此,通过这样的设置方式,能够实现对页面中的不同区域的重要度的信息的利用,提高了对页面中的不同区域的区分度。
根据一些实施例,预设规则可以指示至少一个候选页面区域的权重排序。步骤S103、确定至少一个候选页面区域各自的权重包括:基于至少一个候选页面区域的权重排序,确定至少一个候选页面区域各自的权重。由于不同页面中的小标题区域的数量、正文段落区域的数量可能不一致,因此预设规则可以先确定这些区域的权重排序,进而根据排序结果,确定每一个区域的权重。
在一个实施例中,在确定候选页面包括主标题区域、两个小标题区域、两个正文段落区域、底部区域等六个区域后,可以先将其进行排序,进而根据排序结果为每一个区域设置权重。在另一个实施例中,也可以直接为每一个区域设置权重。
在得到每一个区域的权重后,可以计算每一个区域与查询请求的匹配度。可以理解的是,本领域技术人员可以使用各种方式计算匹配度,在此不做赘述。
根据一些实施例,在得到每一个区域与查询请求的匹配度后,可以基于如下公式对查询请求与候选页面的匹配度进行计算:
data_value=sigmoid(∑w*match_info)
其中,data_value为查询请求与候选页面的匹配度,sigmoid函数用于使结果介于0和1之间,match_info为每一个区域与查询请求的匹配度,w为该区域对应的权重。
根据一些实施例,可以将与查询请求的匹配度大于特定值的候选页面返回给用户。在一些实施例中,可以并行计算每一个区域和查询请求的匹配度,并计算其加权和。在另一些实施例中,如果系统的性能较差,也可以按权重排序从高到底串行计算每一个区域和查询请求的匹配度,逐次相加并使用sigmoid函数处理,进而逐次与上述特定值进行比较。在这个过程中,如果当前计算结果大于特定值,则可以将该候选页面返回给用户,并停止进一步计算,否则可以继续计算具有更低权重的区域和查询请求的匹配度。
根据一些实施例,预设规则可以基于用户的行为数据进行调整。如图2所示,页面搜索方法还可以包括:步骤S206、获取至少一个用户对历史页面的用户行为数据;步骤S207、在历史页面中确定至少一个历史页面区域;以及步骤S208、响应于确定用户行为数据指示至少一个用户与至少一个历史页面区域中的第一历史页面区域的交互满足预设条件,更新预设规则以调整第一历史页面区域的权重。
由此,通过根据用户行为数据对预设规则进行调整,能够使得用户更关注或者用户更能够获取到与搜索查询相关的信息的段落可以具有更高的权重,从而能够提升与搜索查询更相关的候选页面与搜索查询的匹配度,优化搜索过程的用户体验。
根据一些实施例,用户行为数据例如可以包括用户的点击行为数据(例如,打开页面、关闭页面)和浏览行为数据(例如,停留时间、浏览时间)。
根据一些实施例,预设条件可以包括以下中的一项:至少一个用户在第一历史页面区域的平均停留时间大于第一阈值;以及至少一个用户中在第一历史页面区域的停留时间大于第一阈值的用户的数量大于第二阈值。
步骤S207、在历史页面中确定至少一个历史页面区域的操作与前述在候选页面中确定至少一个候选页面区域的操作类似,在此不做赘述。
在一些实施例中,步骤S208、更新预设规则以调整第一历史页面区域的权重例如可以包括:提高第一历史页面区域的权重。
由此,通过提高用户停留时间较长的页面区域的权重,使得在计算该页面和搜索查询的匹配度时,能够更多地参考该区域的信息,从而提升搜索结果的质量。
可以理解的是,本领域技术人员可以根据需求自行设置与用户的停留时长对应的第一阈值和与在该段落停留时间较长的用户的数量对应的第二阈值,在此不做限定。
根据一些实施例,至少一个历史页面区域可以包括至少一个小标题区域以及至少一个正文段落区域,第一历史页面区域可以为正文段落区域。调整后的第一历史页面区域的权重可以小于至少一个小标题区域各自的权重。
由于主标题的重要性会比其他小标题和正文段落要更高,因此在提高小标题区域和正文段落区域的权重时,可以使得调整后的权重仍小于主标题的权重。类似地,小标题的重要性通常高于正文段落,因此调整后的正文段落的权重可以小于小标题区域的权重。
而在一些情景下,通过对用户的行为数据进行分析可以得到这样的结论:用户在浏览完特定段落后即关闭了该页面,甚至直接结束了当前的搜索查询。在这样的情境下,可以判断该特定段落所包含的信息与用户的需求吻合。
根据一些实施例,预设条件还可以包括:至少一个用户中在浏览第一历史页面区域后结束查询请求的用户的数量大于第三阈值。也就是说,很多用户均在浏览完第一历史页面区域后结束了查询请求,那么可以将该区域的权重提升至比部分小标题更高。
根据一些实施例,至少一个历史页面区域可以包括至少一个小标题区域和至少一个正文段落区域,第一历史页面区域可以为正文段落区域。调整后的第一历史页面区域的权重可以大于至少一个小标题区域中的至少一部分小标题区域的权重。
由此,通过这样的方式,可以将与用户的需求吻合的段落大幅提升,从而使得用户能够在搜索结果中更早找到所需的信息,提升了用户体验。
可以理解的是,本领域技术人员可以根据需求自行设置第三阈值。在一些实施例中,在对上述权重调整较为严格时,可以设置较高的第三阈值,例如90%;而在对权重调整较为宽松时,可以设置较低的第三阈值,例如30%。
除了上述几种调整方式外,还可以根据用户的点击行为对权重进行调整。在一个实施例中,例如确定多个用户点击了页面底部区域的链接,则可以相应提升底部区域的权重。
根据一些实施例,可以对索引库内的页面进行分类,例如可以按垂类、按网址、或者按其他方式进行分类。相应地,可以为每一个类别设置预设规则,并且基于对该类别的历史页面的用户行为数据进行分析,并调整该类别的预设规则。
根据本公开的另一方面,还提供了一种页面搜索装置。如图3所示,页面搜索装置300包括:第一确定单元310,被配置为基于查询请求确定候选页面;第二确定单元320,被配置为在候选页面中确定至少一个候选页面区域;第三确定单元330,被配置为基于用于候选页面的预设规则,确定至少一个候选页面区域各自的权重;计算单元340,被配置为计算查询请求与至少一个候选页面区域中的每一个候选页面区域的匹配度;以及第四确定单元350,被配置为至少基于查询请求与至少一个候选页面区域中的每一个候选页面区域的匹配度以及至少一个候选页面区域各自的权重,确定查询请求与候选页面的匹配度。
页面搜索装置300的单元310-单元350的操作和上述页面搜索方法的步骤S101-步骤S105的操作类似,在此不做赘述。
根据本公开的实施例,还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
参考图4,现将描述可以作为本公开的服务器或客户端的电子设备400的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,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/或者要求的本公开的实现。
如图4所示,设备400包括计算单元401,其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序,来执行各种适当的动作和处理。在RAM 403中,还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405,包括:输入单元406、输出单元407、存储单元408以及通信单元409。输入单元406可以是能向设备400输入信息的任何类型的设备,输入单元406可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元407可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元408可以包括但不限于磁盘、光盘。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理,例如页面搜索方法。例如,在一些实施例中,页面搜索方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时,可以执行上文描述的页面搜索方法的一个或多个步骤。备选地,在其他实施例中,计算单元401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行页面搜索方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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,CRT(阴极射线管)或者LCD(液晶显示器)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)、或者包括中间件部件的计算系统(例如,应用服务器)、或者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(LAN)、广域网(WAN)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。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
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,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (16)
1.一种页面搜索方法,包括:
基于查询请求确定候选页面;
在所述候选页面中确定至少一个候选页面区域;
基于预设规则,确定所述至少一个候选页面区域各自的权重;
计算所述查询请求与所述至少一个候选页面区域中的每一个候选页面区域的匹配度;以及
至少基于所述查询请求与所述至少一个候选页面区域中的每一个候选页面区域的匹配度以及所述至少一个候选页面区域各自的权重,确定所述查询请求与所述候选页面的匹配度。
2.如权利要求1所述的方法,其中,所述在所述候选页面中确定至少一个候选页面区域包括:
基于所述候选页面中的多个页面节点中的每一个页面节点的节点信息,将所述多个页面节点中的至少一个节点确定为所述至少一个候选页面区域。
3.如权利要求2所述的方法,其中,所述节点信息包括节点位置和与其他节点间的关系中的至少一个,所述至少一个候选页面区域包括以下中的至少一项:头部区域、中部区域、底部区域、左部区域和右部区域。
4.如权利要求3所述的方法,其中,所述至少一个候选页面区域包括中部区域,所述中部区域包括主标题区域和正文区域,所述正文区域包括至少一个正文段落区域。
5.如权利要求4所述的方法,其中,所述正文区域还包括至少一个小标题区域,所述在所述候选页面中确定至少一个候选页面区域还包括:
针对所述正文区域所包括的多个连续段落中的每一个段落,响应于确定该段落和所述多个连续段落中与该段落相邻至少一个段落之间的相似度满足预设条件,将该段落确定为小标题区域。
6.如权利要求5所述的方法,其中,所述预设规则指示以下页面区域的权重具有降序关系:主标题区域、按阅读顺序排列的至少一个小标题区域、按阅读顺序排列的至少一个正文段落区域、头部区域、左部区域、右部区域、以及底部区域。
7.如权利要求1所述的方法,还包括:
获取至少一个用户对历史页面的用户行为数据;
在所述历史页面中确定至少一个历史页面区域;以及
响应于确定所述用户行为数据指示所述至少一个用户与所述至少一个历史页面区域中的第一历史页面区域的交互满足预设条件,更新所述预设规则以调整所述第一历史页面区域的权重。
8.如权利要求7所述的方法,其中,所述预设条件包括以下中的一项:
所述至少一个用户在所述第一历史页面区域的平均停留时间大于第一阈值;以及
所述至少一个用户中在所述第一历史页面区域的停留时间大于所述第一阈值的用户的数量大于第二阈值,
其中,所述更新所述预设规则以调整所述第一历史页面区域的权重包括:
提高所述第一历史页面区域的权重。
9.如权利要求8所述的方法,其中,所述至少一个历史页面区域包括至少一个小标题区域以及至少一个正文段落区域,所述第一历史页面区域为正文段落区域,并且其中,调整后的所述第一历史页面区域的权重小于所述至少一个小标题区域各自的权重。
10.如权利要求7所述的方法,其中,所述预设条件包括:
所述至少一个用户中在浏览所述第一历史页面区域后结束所述查询请求的用户的数量大于第三阈值。
11.如权利要求10所述的方法,其中,所述至少一个历史页面区域包括至少一个小标题区域和至少一个正文段落区域,所述第一历史页面区域为正文段落区域,并且其中,调整后的所述第一历史页面区域的权重大于所述至少一个小标题区域中的至少一部分小标题区域的权重。
12.如权利要求1所述的方法,其中,所述预设规则指示所述至少一个候选页面区域的权重排序,其中,所述确定所述至少一个候选页面区域各自的权重包括:
基于所述至少一个候选页面区域的权重排序,确定所述至少一个候选页面区域各自的权重。
13.一种页面搜索装置,包括:
第一确定单元,被配置为基于查询请求确定候选页面;
第二确定单元,被配置为在所述候选页面中确定至少一个候选页面区域;
第三确定单元,被配置为基于用于所述候选页面的预设规则,确定所述至少一个候选页面区域各自的权重;
计算单元,被配置为计算所述查询请求与所述至少一个候选页面区域中的每一个候选页面区域的匹配度;以及
第四确定单元,被配置为至少基于所述查询请求与所述至少一个候选页面区域中的每一个候选页面区域的匹配度以及所述至少一个候选页面区域各自的权重,确定所述查询请求与所述候选页面的匹配度。
14.一种电子设备,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权利要求1-12中任一项所述的方法。
15.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-12中任一项所述的方法。
16.一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现权利要求1-12中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210106885.8A CN114428894A (zh) | 2022-01-28 | 2022-01-28 | 页面搜索分析方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210106885.8A CN114428894A (zh) | 2022-01-28 | 2022-01-28 | 页面搜索分析方法、装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114428894A true CN114428894A (zh) | 2022-05-03 |
Family
ID=81312809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210106885.8A Pending CN114428894A (zh) | 2022-01-28 | 2022-01-28 | 页面搜索分析方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114428894A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116226515A (zh) * | 2022-12-29 | 2023-06-06 | 北京奇树有鱼文化传媒有限公司 | 一种搜索结果排序方法、装置、电子设备和存储介质 |
-
2022
- 2022-01-28 CN CN202210106885.8A patent/CN114428894A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116226515A (zh) * | 2022-12-29 | 2023-06-06 | 北京奇树有鱼文化传媒有限公司 | 一种搜索结果排序方法、装置、电子设备和存储介质 |
CN116226515B (zh) * | 2022-12-29 | 2024-02-13 | 北京奇树有鱼文化传媒有限公司 | 一种搜索结果排序方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021139325A1 (zh) | 媒体信息推荐方法、装置、电子设备及存储介质 | |
CN112749344B (zh) | 信息推荐方法、装置、电子设备、存储介质及程序产品 | |
WO2019223552A1 (zh) | 文章推荐方法、装置、计算机设备及存储介质 | |
CN110569496A (zh) | 实体链接方法、装置及存储介质 | |
US9026643B2 (en) | Contents' relationship visualizing apparatus, contents' relationship visualizing method and its program | |
CN112699295A (zh) | 一种网页内容推荐方法、装置和计算机可读存储介质 | |
CN112818230B (zh) | 内容推荐方法、装置、电子设备和存储介质 | |
WO2023226760A1 (zh) | 一种话题推荐方法、装置、计算机设备及存储介质 | |
CN110175264A (zh) | 视频用户画像的构建方法、服务器及计算机可读存储介质 | |
CN112328909A (zh) | 信息推荐方法、装置、计算机设备及介质 | |
CN112989146A (zh) | 向目标用户推荐资源的方法、装置、设备、介质和程序产品 | |
CN113821657A (zh) | 基于人工智能的图像处理模型训练方法及图像处理方法 | |
CN110598126B (zh) | 基于行为习惯的跨社交网络用户身份识别方法 | |
CN114428894A (zh) | 页面搜索分析方法、装置、设备和介质 | |
CN110471721B (zh) | 页面展示方法及系统、电子设备和存储介质 | |
CN114519153B (zh) | 一种网页历史记录显示方法、装置、设备及存储介质 | |
CN111753199B (zh) | 用户画像构建方法及设备、电子设备和介质 | |
CN113961811A (zh) | 基于事件图谱的话术推荐方法、装置、设备及介质 | |
CN113343133A (zh) | 显示页面生成方法、相关装置及计算机程序产品 | |
CN112784046A (zh) | 文本聚簇的方法、装置、设备及存储介质 | |
CN113688302B (zh) | 页面数据分析方法、装置、设备和介质 | |
CN113392328B (zh) | 页面数据处理方法、装置、设备和介质 | |
CN116304303B (zh) | 一种基于知识图谱的资产推荐方法及系统 | |
CN115809364B (zh) | 对象推荐方法和模型训练方法 | |
CN115033782B (zh) | 推荐对象的方法、机器学习模型的训练方法、装置和设备 |
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 |