TW201435627A - 搜索優化系統及方法 - Google Patents
搜索優化系統及方法 Download PDFInfo
- Publication number
- TW201435627A TW201435627A TW102108612A TW102108612A TW201435627A TW 201435627 A TW201435627 A TW 201435627A TW 102108612 A TW102108612 A TW 102108612A TW 102108612 A TW102108612 A TW 102108612A TW 201435627 A TW201435627 A TW 201435627A
- Authority
- TW
- Taiwan
- Prior art keywords
- user
- search
- file
- parameter
- module
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/435—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/10—Recognition assisted with metadata
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一種搜索優化系統,應用於電子裝置,該電子裝置包括儲存多個用戶資訊的儲存裝置,該用戶資訊包括用戶的人臉的原始特徵值、反映搜索喜好的第一、第二關注參數。該系統包括接收模組、識別模組、判斷模組、搜索模組及發送模組,利用各模組可接收當前搜索關鍵字,獲取用戶的影像;確定人臉特徵值;在該確定的人臉特徵值與一組原始特徵值匹配時,確定對應的第一或第二關注參數;獲取搜索結果,及根據該第一或第二關注參數對所獲取的搜索結果進行排序;及將排序後的搜索結果傳送給用戶。本發明還提供一種搜索優化方法。
Description
本發明涉及搜索技術,尤其涉及一種搜索優化系統及方法。
搜素技術可以幫助用戶從龐大的信息量中尋找自己需要的資訊,然而,隨著搜索技術的發展,搜索得到的相關資訊的數量也越來越多。因此,雖然目前的搜索技術能夠根據用戶輸入的搜索關鍵字回饋相關的資訊,但是卻無法根據用戶的個性化需求對搜索結果進行篩選,用戶往往只能自己逐條或逐頁查看搜索結果來確定哪些資訊是自己感興趣的。可見,目前的搜索技術無法將用戶真正感興趣的搜索資料根據用戶的個性化需求進行篩選或排序以呈現給用戶進行快捷查看。
鑒於以上內容,有必要提供一種搜索優化系統及方法,可根據對用戶的日常搜索習慣的分析來實現對搜索結果的優化。
一種搜索優化方法,應用於電子裝置,所述電子裝置包括儲存裝置,所述儲存裝置用於儲存多個用戶資訊,所述用戶資訊包括用戶的人臉的原始特徵值、反映用戶搜索喜好的第一關注參數以及反映該用戶所在用戶類別的搜索喜好的第二關注參數,該方法包括:接收用戶輸入的當前搜索關鍵字,並獲取用戶的影像;從獲取的影像中識別出人臉特徵,並確定相應的人臉特徵值;在該確定的人臉特徵值與所述儲存裝置中的一組原始特徵值相匹配時,確定該組原始特徵值對應的第一關注參數或第二關注參數;根據所述當前搜索關鍵字獲取搜索結果;根據所述第一關注參數或第二關注參數對所獲取的搜索結果進行排序;及將排序後的搜索結果傳送給用戶。
一種搜索優化系統,應用於電子裝置,所述電子裝置包括儲存裝置,所述儲存裝置用於儲存多個用戶資訊,所述用戶資訊包括用戶的人臉的原始特徵值、反映用戶搜索喜好的第一關注參數以及反映該用戶所在用戶類別的搜索喜好的第二關注參數,該系統包括:接收模組,用於接收用戶輸入的當前搜索關鍵字,並獲取用戶的影像;識別模組,用於從獲取的影像中識別出人臉特徵,並確定相應的人臉特徵值;判斷模組,用於在該確定的人臉特徵值與所述儲存裝置中的一組原始特徵值相匹配時,確定該組原始特徵值對應的第一關注參數或第二關注參數;搜索模組,用於根據所述當前搜索關鍵字獲取搜索結果,及根據所述第一關注參數或第二關注參數對所獲取的搜索結果進行排序;及發送模組,用於將排序後的搜索結果傳送給用戶。
相較於習知技術,所述的搜索優化系統及方法,可根據對用戶的日常搜索習慣的分析來實現對搜索結果的優化,並且用戶無需進行註冊登錄的繁瑣操作即可獲取符合個人興趣喜好的搜索資料。
1...伺服器
10...搜索優化系統
100...接收模組
101...識別模組
102...創建模組
103...分析模組
104...記錄模組
105...判斷模組
106...搜索模組
107...發送模組
108...分類模組
109...收集模組
11...處理器
12...儲存裝置
2...電子裝置
20...拍攝裝置
21...處理器
22...儲存裝置
3...網路
圖1是本發明搜索優化系統的第一實施方式的運行環境圖。
圖2是本發明搜索優化系統的第一實施方式的硬體架構圖。
圖3是本發明搜索優化系統的第二實施方式的硬體架構圖。
圖4是本發明搜索優化系統的較佳實施方式的功能模組圖。
圖5是本發明搜索優化系統的用戶記錄示意圖。
圖6是本發明搜索優化方法的較佳實施方式的用戶記錄創建流程圖。
圖7是本發明搜索優化方法的較佳實施方式的流程圖。
圖8是本發明搜索優化方法的較佳實施方式的流程圖中步驟S32的細化流程圖。
如圖1所示,是本發明搜索優化系統的第一實施方式的運行環境圖。如圖2所示,是本發明搜索優化系統的第一實施方式的硬體架構圖。下文結合圖1、圖2進行說明。
所述的搜索優化系統10應用於伺服器1中,所述的伺服器1可以是電腦、電腦主機等裝置。多個用戶可以藉由電子裝置2與網路3的連接來訪問所述搜索優化系統10,實現對資訊的搜索及對搜索結果的優化處理。所述的電子裝置2可以是手機、電腦、筆記本電腦、個人數位助理、平板電腦等裝置。所述的網路3可以是網際網路(Internet)或者是內部網路(Intranet)。
所述的搜索優化系統10用於接收用戶的搜索關鍵字,根據獲取的用戶的臉部特徵來識別用戶的身份,建立針對用戶搜索喜好的用戶記錄,並根據該用戶記錄中的相關個性化參數對搜索結果進行優化處理,從而將符合用戶所需的個性化搜索結果呈現給用戶進行查看。所述用戶搜索喜好是根據對用戶的歷史搜索進行分析而得到,詳細情況將在下文進行具體描述。
所述的電子裝置2包括拍攝裝置20,用以拍攝用戶的影像,尤其是拍攝用戶的臉部影像以獲取臉部特徵進行後續的身份識別。所述的拍攝裝置20可以是攝像頭,也可以是網路攝像頭(Webcam)。所述拍攝裝置20可以內置於所述的電子裝置2,也可以外接於所述的電子裝置2。
所述的伺服器1包括處理器11以及儲存裝置12。所述處理器11用於執行所述搜索優化系統10以及所述伺服器1內安裝的各類軟體,例如作業系統等。所述儲存裝置12可以是硬碟,或者其他類型的儲存卡或儲存設備。所述的儲存裝置12用於儲存各類資料,例如,文件、影像、操作日誌等資訊。
如圖3所示,是本發明搜索優化系統的第二實施方式的硬體架構圖。所述的搜索優化系統10可以直接安裝在所述用戶的電子裝置2中,以實現對伺服器1所傳回的搜索結果進行優化處理,並直接在所述電子裝置2中呈現該優化後的搜索結果。此外,所述的電子裝置2至少包括處理器21及儲存裝置22。
下文以第二實施方式為例進行說明。
如圖4所示,是本發明搜索優化系統的較佳實施方式的功能模組圖。在本實施方式中,所述搜索優化系統10包括多個功能模組,分別是:接收模組100、識別模組101、創建模組102、分析模組103記錄模組104、判斷模組105、搜索模組106以及發送模組107。
所述搜索優化系統10能夠根據用戶的臉部特徵來識別用戶並記錄用戶的搜索喜好或者習慣,因此,在利用所述搜索優化系統10實現對搜索結果進行優化前,首先需要創建用戶記錄,用於記錄用戶屬性資訊及反映用戶搜索喜好的相關參數。
所述的接收模組100,用於接收用戶輸入的當前搜索關鍵字,並利用所述拍攝裝置20獲取用戶的影像。在利用所述拍攝裝置20拍攝影像時,可直接用預設命令控制所述拍攝裝置20啟動並拍攝,也可發出請求提示以確定用戶是否同意拍攝,並在確定用戶同意時啟動所述拍攝裝置20進行拍攝。
此外,若所述搜索優化系統10的硬體架構為第一實施方式中的架構,那麼,所述的接收模組100在接收到當前搜索關鍵字時,可發送命令控制用戶的電子裝置2拍攝用戶的影像,或者發送請求指令詢問用戶是否同意開啟所述拍攝裝置20進行拍攝,並在確定用戶同意時利用所述拍攝裝置20拍攝用戶影像,以及將所述影像傳送至所述接收模組100。
所述的識別模組101,用於從獲取的影像中識別出人臉特徵,並確定相應的人臉特徵值。所述的識別模組101可藉由對影像進行預處理、進行人臉的檢測和定位、對人臉進行分割與歸一化及提取人臉特徵。
所述的人臉特徵值可以是人臉各個特徵的特徵值,例如五官的特徵值、輪廓特徵值等。所述的識別模組101可以採用現有的人臉識別方法來識別影像中的人臉特徵並確定人臉特徵值。
所述的創建模組102,用於在所述儲存裝置12中新建用戶記錄,及將該確定的特徵值作為該用戶的原始特徵值存入所述儲存裝置12中的用戶記錄。
所述的識別模組101,還用於根據所述原始特徵值分析用戶的屬性資訊。所述的屬性資訊可包括藉由對所述原始特徵值分析後確定的用戶的性別、年齡等屬性。所述年齡屬性可以是年齡區間,也可以是年齡所處階段,例如,少年、青年、中年、老年等。利用自動對用戶的屬性資訊的識別,可以減少用戶方面的手工輸入,而由所述搜索優化系統10自動進行判斷。
在別的實施方式中,所述接收模組100也可直接接收用戶輸入的這些屬性資訊而無需進行識別。
所述的搜索模組106,用於根據所述當前搜索關鍵字獲取搜索結果。所述搜索結果包括多個搜索得到的文件,該文件可以是網頁文件或者其他格式的文件、圖像、視頻等資訊,該文件藉由鏈接的方式進行打開。
所述的分析模組103,用於獲取用戶的當前搜索關鍵字,確定該當前搜索關鍵字所對應的被點擊的文件(例如,被點擊的鏈接所對應的文件),從該被點擊的文件中攫取一個或多個文件特徵,並將該當前搜索關鍵字儲存為歷史關鍵字,以及將該歷史關鍵字及所攫取的文件特徵作為第一關注參數。
所述的文件特徵可以是自然語言技術領域中最常用的核心辭彙,例如,可以儲存一個可隨時更新的核心辭彙詞典等。
例如,參考如圖5所示的用戶記錄示意圖中的第一關注參數,歷史關鍵字是花時,所攫取的文件特徵為“玫瑰”,歷史關鍵字是“小說”時,所攫取的文件特徵為“科幻、推理”等。
在所攫取的文件特徵有多個時,所述的分析模組103還用於根據所述文件特徵在相應的被點擊的文件中出現的頻率對所攫取的文件特徵進行排序。
所述的記錄模組104,用於將該屬性資訊及第一關注參數儲存至在所述儲存裝置12中新建的用戶記錄中。
藉由上述模組的功能,可以實現多個用戶記錄的建立以便後續對用戶身份進行識別。
此外,在其他實施方式中,所述的搜索優化系統10還包括分類模組108以及收集模組109。
所述的分類模組108,用於根據屬性資訊中的一個或多個參數對所述儲存裝置12中的所有用戶進行分類。例如,根據年齡段分類,或者根據性別對用戶進行分類。在本實施方式中,對用戶進行分類是為了從同類別用戶的搜索喜好中獲取參考資料。
所述的收集模組109,用於收集同類用戶中每個用戶的歷史關鍵字及相對應的文件特徵,並將該收集的歷史關鍵字及文件特徵作為第二關注參數儲存至該類用戶中每個用戶的用戶記錄中。例如,參考圖5所示的A用戶的用戶記錄中,針對該用戶的搜索喜好既包括個人搜索喜好的第一關注參數,還包括反映同類用戶搜索喜好的第二關注參數。
上文所述的第一關注參數或第二關注參數分別包括一組或多組歷史關鍵字及所攫取的文件特徵的組合。
根據不同的需求,在不同的實施方式中,該第二關注參數可以包括,也可以不包括,用戶本人的第一關注參數中的資訊。
在所述儲存裝置12中儲存了多個用戶記錄之後,下文介紹各個模組如何對搜索結果進行排序。
如上文所述,首先,所述的接收模組100接收用戶輸入的當前搜索關鍵字,並獲取用戶的影像;所述的識別模組101從獲取的影像中識別出人臉特徵,並確定相應的人臉特徵值。
所述的判斷模組105,用於判斷該確定的人臉特徵值是否與所述儲存裝置12中的一組原始特徵值相匹配。在判斷特徵值是否匹配時,所述的判斷模組105可根據預設閥值進行判斷,例如,當相似程度達到預設閥值95%時,可判斷所述兩組特徵值相匹配。
所述的判斷模組105在該確定的人臉特徵值與所述儲存裝置12中的一組原始特徵值相匹配時,確定該組原始特徵值對應的第一關注參數或第二關注參數。
所述的搜索模組106,用於根據所述當前搜索關鍵字獲取搜索結果,及根據所述第一關注參數或第二關注參數對所獲取的搜索結果進行排序。所述的搜索模組106可以根據如下方式對所獲取的搜索結果進行排序。
所述的搜索模組106判斷所述第一關注參數或第二關注參數中是否有與所述當前搜索關鍵字相同或相似的歷史關鍵字。例如,所述的搜索模組106可以根據潛在語意分析LSA等技術來確定相同或相似的歷史關鍵字。
若存在相同或相似的歷史關鍵字,所述的搜索模組106獲取該相同或相似的歷史關鍵字對應的文件特徵,並根據所獲取的文件特徵對搜索結果進行排序。
具體而言,當所獲取的文件特徵為一個時,所述的搜索模組106依據該文件特徵在搜索文件中出現的頻率對搜索結果進行排序;當所獲取的文件特徵為多個時,所述的搜索模組106可以確定所獲取的文件特徵的排序,依據排序第一的文件特徵在搜索文件中出現的頻率對搜索結果進行排序,或者依據搜索結果中的搜索文件具備的文件特徵的數量對搜索結果進行排序。
所述的發送模組107,用於將排序後的搜索結果傳送給用戶。
在所述儲存裝置12無原始特徵值與該確定的特徵值相匹配時,如上文所述,所述的創建模組102在所述儲存裝置12中新建用戶記錄,及將該確定的特徵值作為該用戶的原始特徵值存入該新建的用戶記錄中。
在本實施方式中,當所述搜索模組106完成對搜索結果的優化處理後,所述的記錄模組104會將本次搜索的當前搜索關鍵字儲存為歷史關鍵字,並將本次搜索中被點擊的文件中的文件特徵進行收集以儲存至該用戶的第一關注參數中。
如圖6所示,是本發明搜索優化方法的較佳實施方式的用戶記錄創建流程圖。首先,步驟S2,所述的接收模組100接收用戶輸入的當前搜索關鍵字,並利用所述拍攝裝置20獲取用戶的影像。
步驟S4,所述的識別模組101從獲取的影像中識別出人臉特徵,並確定相應的人臉特徵值。
步驟S6,所述的創建模組102在所述儲存裝置12中新建用戶記錄,及將該確定的特徵值作為該用戶的原始特徵值存入所述儲存裝置12中的用戶記錄。
步驟S8,所述的識別模組101根據所述原始特徵值分析用戶的屬性資訊。所述的屬性資訊可包括藉由對所述原始特徵值分析後確定的用戶的性別、年齡等屬性。
步驟S10,所述的搜索模組106根據所述當前搜索關鍵字獲取搜索結果,所述的分析模組103獲取用戶的當前搜索關鍵字,確定該當前搜索關鍵字所對應的被點擊的文件(例如,被點擊的鏈接所對應的文件)。
步驟S12,所述的分析模組103從該被點擊的文件中攫取一個或多個文件特徵,並將該當前搜索關鍵字儲存為歷史關鍵字。
步驟S14,所述的分析模組103將該歷史關鍵字及所攫取的文件特徵作為第一關注參數。
步驟S16,所述的記錄模組104將該屬性資訊及第一關注參數儲存至在所述儲存裝置12中新建的用戶記錄中。然後,結束本流程。
如圖7所示,是本發明搜索優化方法的較佳實施方式的流程圖。
步驟S20,所述的接收模組100接收用戶輸入的當前搜索關鍵字,並獲取用戶的影像。
步驟S22,所述的識別模組101從獲取的影像中識別出人臉特徵,並確定相應的人臉特徵值。
步驟S24,所述的判斷模組105判斷該確定的人臉特徵值是否與所述儲存裝置12中的一組原始特徵值相匹配。
在該確定的人臉特徵值與所述儲存裝置12中的所有原始特徵值皆不匹配時,於步驟S26,所述的創建模組102根據該確定的人臉特徵值創建新的用戶記錄,然後,結束本流程。該創建的過程可參考如圖6所示的流程圖。
在該確定的人臉特徵值與所述儲存裝置12中的一組原始特徵值相匹配時,於步驟S28,所述的判斷模組105確定該組原始特徵值對應的第一關注參數或第二關注參數。
步驟S30,所述的搜索模組106根據所述當前搜索關鍵字獲取搜索結果。
步驟S32,所述的搜索模組106根據所述第一關注參數或第二關注參數對所獲取的搜索結果進行排序,細化步驟可參考如8所示流程圖。
步驟S34,所述的發送模組107將排序後的搜索結果傳送給用戶,然後,結束本流程。
如圖8所示,是本發明搜索優化方法的較佳實施方式的流程圖中步驟S32的細化流程圖。
首先,步驟S320,所述的搜索模組106判斷所述第一關注參數或第二關注參數中是否有與所述當前搜索關鍵字相同或相似的歷史關鍵字。例如,所述的搜索模組106可以根據潛在語意分析LSA等技術來確定相同或相似的歷史關鍵字。
在不存在相同或相似的歷史關鍵字時,所述搜索模組106可依據現有的方式對搜索結果進行篩選或排序,然後,結束本流程。
在存在相同或相似的歷史關鍵字時,於步驟S322,所述的搜索模組106獲取該相同或相似的歷史關鍵字對應的文件特徵。
步驟S324,所述的搜索模組106根據所獲取的文件特徵對搜索結果進行排序,然後,結束本流程。具體而言,當所獲取的文件特徵為一個時,所述的搜索模組106依據該文件特徵在搜索文件中出現的頻率對搜索結果進行排序;當所獲取的文件特徵為多個時,所述的搜索模組106可以確定所獲取的文件特徵的排序,依據排序第一的文件特徵在搜索文件中出現的頻率對搜索結果進行排序,或者依據搜索結果中的搜索文件具備的文件特徵的數量對搜索結果進行排序。
最後應說明的是,以上實施方式僅用以說明本發明的技術方案而非限制,儘管參照較佳實施方式對本發明進行了詳細說明,本領域的普通技術人員應當理解,可以對本發明的技術方案進行修改或等同替換,而不脫離本發明技術方案的精神和範圍。
10...搜索優化系統
100...接收模組
101...識別模組
102...創建模組
103...分析模組
104...記錄模組
105...判斷模組
106...搜索模組
107...發送模組
108...分類模組
109...收集模組
Claims (13)
- 一種搜索優化方法,應用於電子裝置,所述電子裝置包括儲存裝置,所述儲存裝置用於儲存多個用戶資訊,所述用戶資訊包括用戶的人臉的原始特徵值、反映用戶搜索喜好的第一關注參數以及反映該用戶所在用戶類別的搜索喜好的第二關注參數,該方法包括:
接收用戶輸入的當前搜索關鍵字,並獲取用戶的影像;
從獲取的影像中識別出人臉特徵,並確定相應的人臉特徵值;
在該確定的人臉特徵值與所述儲存裝置中的一組原始特徵值相匹配時,確定該組原始特徵值對應的第一關注參數或第二關注參數;
根據所述當前搜索關鍵字獲取搜索結果;
根據所述第一關注參數或第二關注參數對所獲取的搜索結果進行排序;及
將排序後的搜索結果傳送給用戶。 - 如申請專利範圍第1項所述的搜索優化方法,該方法還包括:
在所述儲存裝置無原始特徵值與該確定的特徵值相匹配時,在所述儲存裝置中新建用戶記錄,及將該確定的特徵值作為該用戶的原始特徵值存入所述儲存裝置;
根據所述原始特徵值分析用戶的屬性資訊;
獲取用戶的當前搜索關鍵字,確定該當前搜索關鍵字所對應的被點擊的文件,從該被點擊的文件中攫取一個或多個文件特徵,並將該當前搜索關鍵字儲存為歷史關鍵字,以及將該歷史關鍵字及所攫取的文件特徵作為第一關注參數;及
將該屬性資訊及第一關注參數儲存至該新建的用戶記錄中。 - 如申請專利範圍第2項所述的搜索優化方法,該方法還包括:
在所攫取的文件特徵有多個時,根據所述文件特徵在相應的被點擊的文件中出現的頻率對所攫取的文件特徵進行排序。 - 如申請專利範圍第1項所述的搜索優化方法,所述的第二關注參數藉由如下步驟獲取:
根據屬性資訊中的一個或多個參數對所述儲存裝置中的所有用戶進行分類;及
收集同類用戶中每個用戶的歷史關鍵字及相對應的文件特徵,並將該收集的歷史關鍵字及文件特徵作為第二關注參數儲存至該類用戶中每個用戶的用戶記錄中。 - 如申請專利範圍第2至4項中任一項所述的搜索優化方法,所述的第一關注參數或第二關注參數分別包括一組或多組歷史關鍵字及所攫取的文件特徵的組合。
- 如申請專利範圍第1至4項中任一項所述的搜索優化方法,所述的屬性資訊包括用戶的性別及年齡。
- 如申請專利範圍第2至4項中任一項所述的搜索優化方法,所述的根據所述第一關注參數或第二關注參數對所獲取的搜索結果進行排序的步驟包括:
判斷所述第一關注參數或第二關注參數中是否有與所述當前搜索關鍵字相同或相似的歷史關鍵字;
若存在相同或相似的歷史關鍵字,則獲取該相同或相似的歷史關鍵字對應的文件特徵;及
根據所獲取的文件特徵對搜索結果進行排序。 - 如申請專利範圍第7項所述的搜索優化方法,所述的根據所述第一關注參數或第二關注參數對所獲取的搜索結果進行排序的步驟還包括:
當所獲取的文件特徵為一個時,依據該文件特徵在搜索文件中出現的頻率對搜索結果進行排序;或
當所獲取的文件特徵為多個時:
確定所獲取的文件特徵的排序,依據排序第一的文件特徵在搜索文件中出現的頻率對搜索結果進行排序;或
依據搜索結果中的搜索文件具備的文件特徵的數量對搜索結果進行排序。 - 一種搜索優化系統,應用於電子裝置,所述電子裝置包括儲存裝置,所述儲存裝置用於儲存多個用戶資訊,所述用戶資訊包括用戶的人臉的原始特徵值、反映用戶搜索喜好的第一關注參數以及反映該用戶所在用戶類別的搜索喜好的第二關注參數,該系統包括:
接收模組,用於接收用戶輸入的當前搜索關鍵字,並獲取用戶的影像;
識別模組,用於從獲取的影像中識別出人臉特徵,並確定相應的人臉特徵值;
判斷模組,用於在該確定的人臉特徵值與所述儲存裝置中的一組原始特徵值相匹配時,確定該組原始特徵值對應的第一關注參數或第二關注參數;
搜索模組,用於根據所述當前搜索關鍵字獲取搜索結果,及根據所述第一關注參數或第二關注參數對所獲取的搜索結果進行排序;及
發送模組,用於將排序後的搜索結果傳送給用戶。 - 如申請專利範圍第9項所述的搜索優化系統,該系統還包括:
創建模組,用於在所述儲存裝置無原始特徵值與該確定的特徵值相匹配時,在所述儲存裝置中新建用戶記錄,及將該確定的特徵值作為該用戶的原始特徵值存入所述儲存裝置;
所述的識別模組,還用於根據所述原始特徵值分析用戶的屬性資訊;
分析模組,用於獲取用戶的當前搜索關鍵字,確定該當前搜索關鍵字所對應的被點擊的文件,從該被點擊的文件中攫取一個或多個文件特徵,並將該當前搜索關鍵字儲存為歷史關鍵字,以及將該歷史關鍵字及所攫取的文件特徵作為第一關注參數;及
記錄模組,還用於將該屬性資訊及第一關注參數儲存至該新建的用戶記錄中。 - 如申請專利範圍第9項所述的搜索優化系統,該系統還包括:
分類模組,用於根據屬性資訊中的一個或多個參數對所述儲存裝置中的所有用戶進行分類;及
收集模組,用於收集同類用戶中每個用戶的歷史關鍵字及相對應的文件特徵,並將該收集的歷史關鍵字及文件特徵作為第二關注參數儲存至該類用戶中每個用戶的用戶記錄中。 - 如申請專利範圍第9項所述的搜索優化系統,所述的識別模組藉由對影像進行預處理、進行人臉的檢測和定位、對人臉進行分割與歸一化來實現提取人臉特徵。
- 如申請專利範圍第9項所述的搜索優化系統,所述的搜索模組根據如下方式對所獲取的搜索結果進行排序:
判斷所述第一關注參數或第二關注參數中是否有與所述當前搜索關鍵字相同或相似的歷史關鍵字;
若存在相同或相似的歷史關鍵字,則獲取該相同或相似的歷史關鍵字對應的文件特徵;及
根據所獲取的文件特徵對搜索結果進行排序。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW102108612A TW201435627A (zh) | 2013-03-12 | 2013-03-12 | 搜索優化系統及方法 |
US14/195,922 US20140280118A1 (en) | 2013-03-12 | 2014-03-04 | Web search optimization method, system, and apparatus |
JP2014044791A JP2014175003A (ja) | 2013-03-12 | 2014-03-07 | 検索最適化システム及びその方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW102108612A TW201435627A (zh) | 2013-03-12 | 2013-03-12 | 搜索優化系統及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW201435627A true TW201435627A (zh) | 2014-09-16 |
Family
ID=51533122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW102108612A TW201435627A (zh) | 2013-03-12 | 2013-03-12 | 搜索優化系統及方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20140280118A1 (zh) |
JP (1) | JP2014175003A (zh) |
TW (1) | TW201435627A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017000486A1 (zh) * | 2015-06-30 | 2017-01-05 | 小米科技有限责任公司 | 获取搜索结果的方法及装置 |
CN109933719A (zh) * | 2019-01-30 | 2019-06-25 | 维沃移动通信有限公司 | 一种搜索方法及终端设备 |
TWI693524B (zh) * | 2018-05-22 | 2020-05-11 | 正修學校財團法人正修科技大學 | 專屬個性化圖片搜尋優化方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105677806B (zh) * | 2015-12-31 | 2019-05-31 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002024291A (ja) * | 2000-07-11 | 2002-01-25 | Megafusion Corp | ユーザーサポートシステム、ユーザーサポート方法及びユーザーサポート装置 |
JP2003316824A (ja) * | 2002-04-24 | 2003-11-07 | Toshiba Corp | 文書ファイル検索システム、文書ファイル検索プログラムおよび文書ファイル検索方法 |
US7376714B1 (en) * | 2003-04-02 | 2008-05-20 | Gerken David A | System and method for selectively acquiring and targeting online advertising based on user IP address |
US10825029B2 (en) * | 2005-09-09 | 2020-11-03 | Refinitiv Us Organization Llc | Subscription apparatus and method |
US7702318B2 (en) * | 2005-09-14 | 2010-04-20 | Jumptap, Inc. | Presentation of sponsored content based on mobile transaction event |
JP2009186630A (ja) * | 2008-02-05 | 2009-08-20 | Nec Corp | 広告配信装置 |
JP4912384B2 (ja) * | 2008-11-21 | 2012-04-11 | 日本電信電話株式会社 | 文書検索装置、文書検索方法、および文書検索プログラム |
US8412648B2 (en) * | 2008-12-19 | 2013-04-02 | nXnTech., LLC | Systems and methods of making content-based demographics predictions for website cross-reference to related applications |
CN101464897A (zh) * | 2009-01-12 | 2009-06-24 | 阿里巴巴集团控股有限公司 | 一种词匹配及信息查询方法及装置 |
JP2010198199A (ja) * | 2009-02-24 | 2010-09-09 | Fujifilm Corp | 情報提供システム及び情報提供方法 |
US8503739B2 (en) * | 2009-09-18 | 2013-08-06 | Adobe Systems Incorporated | System and method for using contextual features to improve face recognition in digital images |
JP2011154467A (ja) * | 2010-01-26 | 2011-08-11 | Ntt Docomo Inc | 検索結果順位付け方法および検索結果順位付けシステム |
-
2013
- 2013-03-12 TW TW102108612A patent/TW201435627A/zh unknown
-
2014
- 2014-03-04 US US14/195,922 patent/US20140280118A1/en not_active Abandoned
- 2014-03-07 JP JP2014044791A patent/JP2014175003A/ja active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017000486A1 (zh) * | 2015-06-30 | 2017-01-05 | 小米科技有限责任公司 | 获取搜索结果的方法及装置 |
TWI693524B (zh) * | 2018-05-22 | 2020-05-11 | 正修學校財團法人正修科技大學 | 專屬個性化圖片搜尋優化方法 |
CN109933719A (zh) * | 2019-01-30 | 2019-06-25 | 维沃移动通信有限公司 | 一种搜索方法及终端设备 |
CN109933719B (zh) * | 2019-01-30 | 2021-08-31 | 维沃移动通信有限公司 | 一种搜索方法及终端设备 |
Also Published As
Publication number | Publication date |
---|---|
US20140280118A1 (en) | 2014-09-18 |
JP2014175003A (ja) | 2014-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10303975B2 (en) | Landmarks from digital photo collections | |
WO2020119350A1 (zh) | 视频分类方法、装置、计算机设备和存储介质 | |
JP5801395B2 (ja) | シャッタクリックを介する自動的メディア共有 | |
JP6049693B2 (ja) | ウェブ情報マイニングを用いたビデオ内製品アノテーション | |
US20150154204A1 (en) | Signature-based system and method for generation of personalized multimedia channels | |
KR102313338B1 (ko) | 영상 검색 장치 및 방법 | |
US11537636B2 (en) | System and method for using multimedia content as search queries | |
TW201435627A (zh) | 搜索優化系統及方法 | |
US20130191368A1 (en) | System and method for using multimedia content as search queries | |
US11574491B2 (en) | Automated classification and interpretation of life science documents | |
TWI725375B (zh) | 資料搜尋方法及其資料搜尋系統 | |
CN110020078B (zh) | 一种生成相关性映射字典及其验证相关性的方法和相关装置 | |
CN114580734A (zh) | 结合大数据的数字化社交网络信息优化方法及服务器 | |
CN117493645B (zh) | 一种基于大数据的电子档案推荐系统 | |
CN104050179A (zh) | 搜索优化系统及方法 | |
CN114417890A (zh) | 一种评论内容回复方法、装置、电子设备及存储介质 | |
Irujo et al. | Multimedia analysis of video sources | |
Zelnik-Manor et al. | Personalized Content-Based Categorization of Web Videos | |
Aginako et al. | Multimedia Analysis of Video Sources |