TWI639093B - Object set and processing method and device thereof - Google Patents

Object set and processing method and device thereof Download PDF

Info

Publication number
TWI639093B
TWI639093B TW103134413A TW103134413A TWI639093B TW I639093 B TWI639093 B TW I639093B TW 103134413 A TW103134413 A TW 103134413A TW 103134413 A TW103134413 A TW 103134413A TW I639093 B TWI639093 B TW I639093B
Authority
TW
Taiwan
Prior art keywords
user
satisfaction
behavior data
operation behavior
candidate
Prior art date
Application number
TW103134413A
Other languages
English (en)
Other versions
TW201546634A (zh
Inventor
張銳
祖仲林
Original Assignee
阿里巴巴集團服務有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 阿里巴巴集團服務有限公司 filed Critical 阿里巴巴集團服務有限公司
Publication of TW201546634A publication Critical patent/TW201546634A/zh
Application granted granted Critical
Publication of TWI639093B publication Critical patent/TWI639093B/zh

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
    • G06F16/90—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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本發明提供一種對象集合及其滿意度的處理方法及裝置。本發明實施例通過搜尋引擎根據當前用戶對待處理的至少兩個對象集合中每個對象集合的目標滿意度，對所述至少兩個對象集合進行排序，進而輸出所述排序之後的至少兩個對象集合，由於所述每個對象集合的目標滿意度為至少根據所述用戶的對象集合操作行為資料和所述用戶的對象操作行為資料獲得，使得所輸出的對象集合的排序結果符合用戶的歷史操作行為，能夠避免現有技術中由於用戶通過應用反復進行搜尋而導致的增加應用與搜尋引擎之間的資料交互的問題，從而降低了搜尋引擎的處理負擔。

Description

對象集合及其滿意度的處理方法及裝置
本發明係關於搜尋技術，尤其係關於一種對象集合及其滿意度的處理方法及裝置。
隨著網路資訊技術的發展和普及，網際網路逐漸滲透到人們的生活、學習和工作的各個領域，由此將人類真正帶入資訊時代。然而，網際網路上的資訊量很大，用戶不容易找到自己需要的對象，例如商品或服務等。為了提高處理即搜尋或推薦的精度，現有的一種做法是將具有相同屬性的多個對象，定義為一個對象集合，以方便用戶通過對象集合定位到一個具體的對象。
然而，至少一些現有的搜尋引擎輸出的符合某一查詢特徵或者推薦特徵的多個對象集合的排列順序對於所有用戶都是一致的，無法滿足用戶的個性化需求，使得用戶需要通過應用反復進行搜尋，這樣，會增加應用與搜尋引擎之間的資料交互，從而導致了搜尋引擎的處理負擔的增加。另外一個問題是現有技術沒有給出對象集合的滿意度的計算方法。
本發明的多個方面提供一種對象集合及其滿意度的處理方法及裝置，用以降低搜尋引擎的處理負擔，或者提高對象集合的滿意度的準確度。
本發明的一方面，提供一種對象集合的處理方法，包括：搜尋引擎獲得待處理的至少兩個對象集合；所述搜尋引擎根據當前用戶對所述至少兩個對象集合中每個對象集合的目標滿意度，對所述至少兩個對象集合進行排序，所述每個對象集合的目標滿意度為至少根據所述用戶的對象集合操作行為資料和所述用戶的對象操作行為資料獲得；以及所述搜尋引擎輸出所述排序之後的至少兩個對象集合。
如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述搜尋引擎根據當前用戶對所述至少兩個對象集合中每個對象集合的目標滿意度，對所述至少兩個對象集合進行排序之前，還包括：打分單元根據所述對象集合操作行為資料，獲得所述用戶對所述每個對象集合的第一候選滿意度；所述打分單元根據對象集合與對象的映射關係，以及所述對象操作行為資料，獲得所述用戶對所述每個對象集合的第二候選滿意度； 所述打分單元至少根據所述第一候選滿意度和所述第二候選滿意度，獲得所述目標滿意度。
如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述打分單元根據所述對象集合操作行為資料，獲得所述用戶對所述每個對象集合的第一候選滿意度，包括：所述打分單元根據所述對象集合操作行為資料，獲得所述用戶的對象集合偏好特徵資訊；所述打分單元根據所述每個對象集合的特徵資訊和所述用戶的對象集合偏好特徵資訊，獲得所述用戶對所述每個對象集合的第一候選滿意度。
如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述打分單元根據對象集合與對象的映射關係，以及所述對象操作行為資料，獲得所述用戶對所述每個對象集合的第二候選滿意度，包括：所述打分單元根據所述映射關係，確定與所述每個對象集合對應的至少一個對象；所述打分單元根據所述對象操作行為資料，獲得所述用戶對所述至少一個對象中每個對象的參考滿意度；所述打分單元根據所述用戶對所述每個對象的參考滿意度，獲得所述用戶對所述每個對象集合的第二候選滿意度。
如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述方法還包括： 從Cookie資訊中獲取所述對象集合操作行為資料、所述映射關係和所述對象操作行為資料中的至少一項。
如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述對象為商品；所述對象集合為標準化產品單元，所述標準化產品單元為具有相同屬性的多個商品的商品集合。
本發明的另一方面，提供一種對象集合的處理裝置，包括：獲得單元，用於獲得待處理的至少兩個對象集合；排序單元，用於根據當前用戶對所述至少兩個對象集合中每個對象集合的目標滿意度，對所述至少兩個對象集合進行排序，所述每個對象集合的目標滿意度為至少根據所述用戶的對象集合操作行為資料和所述用戶的對象操作行為資料獲得；以及輸出單元，用於輸出所述排序之後的至少兩個對象集合。
如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述裝置還包括打分單元，用於根據所述對象集合操作行為資料，獲得所述用戶對所述每個對象集合的第一候選滿意度；根據對象集合與對象的映射關係，以及所述對象操作行為資料，獲得所述用戶對所述每個對象集合的第二候選滿意度；以及至少根據所述第一候選滿意度和所述第二候選滿意 度，獲得所述目標滿意度。
如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述打分單元，具體用於根據所述對象集合操作行為資料，獲得所述用戶的對象集合偏好特徵資訊；以及根據所述每個對象集合的特徵資訊和所述用戶的對象集合偏好特徵資訊，獲得所述用戶對所述每個對象集合的第一候選滿意度。
如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述打分單元，具體用於根據所述映射關係，確定與所述每個對象集合對應的至少一個對象；根據所述對象操作行為資料，獲得所述用戶對所述至少一個對象中每個對象的參考滿意度；以及根據所述用戶對所述每個對象的參考滿意度，獲得所述用戶對所述每個對象集合的第二候選滿意度。
如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述打分單元，還用於從Cookie資訊中獲取所述對象集合操作行為資料、所述映射關係和所述對象操作行為資料中的至少一項。
如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述對象為商品；所述對象集合為標準化產品單元，所述標準化產品單元為具有相同屬性的多個商品的商品集合。
本發明的另一方面，提供一種對象集合的滿意度的處理方法，包括：打分單元根據目標用戶的對象集合操作行為資料，獲得所述目標用戶對每個對象集合的第一候選滿意度；所述打分單元根據對象集合與對象的映射關係，以及所述目標用戶的對象操作行為資料，獲得所述目標用戶對所述每個對象集合的第二候選滿意度；以及所述打分單元至少根據所述第一候選滿意度和所述第二候選滿意度，獲得所述目標用戶對所述每個對象集合的目標滿意度。
如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述打分單元根據目標用戶的對象集合操作行為資料，獲得所述目標用戶對每個對象集合的第一候選滿意度，包括：所述打分單元根據所述對象集合操作行為資料，獲得所述目標用戶的對象集合偏好特徵資訊；所述打分單元根據所述每個對象集合的特徵資訊和所述目標用戶的對象集合偏好特徵資訊，獲得所述目標用戶對所述每個對象集合的第一候選滿意度。
如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述打分單元根據對象集合與對象的映射關係，以及所述目標用戶的對象操作行為資料，獲得所述目標用戶對所述每個對象集合的第二候選滿意度，包括：所述打分單元根據所述映射關係，確定與所述每個對 象集合對應的至少一個對象；所述打分單元根據所述對象操作行為資料，獲得所述目標用戶對所述至少一個對象中每個對象的參考滿意度；所述打分單元根據所述目標用戶對所述每個對象的參考滿意度，獲得所述目標用戶對所述每個對象集合的第二候選滿意度。
如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述方法還包括：所述打分單元從Cookie資訊中獲取所述對象集合操作行為資料、所述映射關係和所述對象操作行為資料中的至少一項。
如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述對象為商品；所述對象集合為標準化產品單元，所述標準化產品單元為具有相同屬性的多個商品的商品集合。
本發明的另一方面，提供一種對象集合的滿意度的處理裝置，包括：第一滿意度計算單元，用於根據目標用戶的對象集合操作行為資料，獲得所述目標用戶對每個對象集合的第一候選滿意度；第二滿意度計算單元，用於根據對象集合與對象的映射關係，以及所述目標用戶的對象操作行為資料，獲得所述目標用戶對所述每個對象集合的第二候選滿意度；以及第三滿意度計算單元，用於至少根據所述第一候選滿 意度和所述第二候選滿意度，獲得所述目標用戶對所述每個對象集合的目標滿意度。
如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述第一滿意度計算單元，具體用於根據所述對象集合操作行為資料，獲得所述目標用戶的對象集合偏好特徵資訊；以及根據所述每個對象集合的特徵資訊和所述目標用戶的對象集合偏好特徵資訊，獲得所述目標用戶對所述每個對象集合的第一候選滿意度。
如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述第二滿意度計算單元，具體用於根據所述映射關係，確定與所述每個對象集合對應的至少一個對象；根據所述對象操作行為資料，獲得所述目標用戶對所述至少一個對象中每個對象的參考滿意度；以及根據所述目標用戶對所述每個對象的參考滿意度，獲得所述目標用戶對所述每個對象集合的第二候選滿意度。
如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述裝置還包括讀取單元，用於從Cookie資訊中獲取所述對象集合操作行為資料、所述映射關係和所述對象操作行為資料中的至少一項。
如上所述的方面和任一可能的實現方式，進一步提供一種實現方式，所述對象為商品；所述對象集合為標準化產品單元，所述標準化產品單元為具有相同屬性的多個商 品的商品集合。
由上述技術方案可知，一方面，本發明實施例通過搜尋引擎根據當前用戶對待處理的至少兩個對象集合中每個對象集合的目標滿意度，對所述至少兩個對象集合進行排序，進而輸出所述排序之後的至少兩個對象集合，由於所述每個對象集合的目標滿意度為至少根據所述用戶的對象集合操作行為資料和所述用戶的對象操作行為資料獲得，使得所輸出的對象集合的排序結果符合用戶的歷史操作行為，能夠避免現有技術中由於用戶通過應用反復進行搜尋而導致的增加應用與搜尋引擎之間的資料交互的問題，從而降低了搜尋引擎的處理負擔。
另外，採用本發明提供的技術方案，能夠滿足用戶的個性化需求，從而提高了對象集合的處理的針對性。
另外，採用本發明提供的技術方案，由於所述每個對象集合的目標滿意度為根據所述用戶的對象集合操作行為資料和所述用戶的對象操作行為資料這兩種操作行為資料獲得，而不是僅僅單一根據所述用戶的對象集合操作行為資料或所述用戶的對象操作行為資料獲得，因此，能夠有效提高對象集合的處理的準確度。
另外，採用本發明提供的技術方案，由於打分單元能夠從Cookie資訊中獲取對象集合與對象的映射關係，而無需根據對象集合的屬性去搜尋對應的對象，因此，能夠有效避免額外的搜尋開銷。
由上述技術方案可知，另一方面，本發明實施例通過 打分單元根據所述用戶的對象集合操作行為資料和所述用戶的對象操作行為資料這兩種操作行為資料，獲得每個對象集合的目標滿意度，而不是僅僅單一根據所述用戶的對象集合操作行為資料或所述用戶的對象操作行為資料獲得，能夠有效提高對象集合的滿意度的準確度。
另外，採用本發明提供的技術方案，由於打分單元能夠從Cookie資訊中獲取對象集合與對象的映射關係，而無需根據對象集合的屬性去搜尋對應的對象，因此，能夠有效避免額外的搜尋開銷。
21‧‧‧獲得單元
22‧‧‧排序單元
23‧‧‧輸出單元
31‧‧‧打分單元
51‧‧‧第一滿意度計算單元
52‧‧‧第二滿意度計算單元
53‧‧‧第三滿意度計算單元
61‧‧‧讀取單元
為了更清楚地說明本發明實施例中的技術方案，下面將對實施例或現有技術描述中所需要使用的圖式作一簡單地介紹，顯而易見地，下面描述中的圖式是本發明的一些實施例，對於本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些圖式獲得其他的圖式。
圖1為本發明一實施例提供的對象集合的處理方法的流程示意圖；圖2為本發明另一實施例提供的對象集合的處理裝置的結構示意圖；圖3為本發明另一實施例提供的對象集合的處理裝置的結構示意圖；圖4為本發明另一實施例提供的對象集合的滿意度的處理方法的流程示意圖； 圖5為本發明另一實施例提供的對象集合的滿意度的處理裝置的結構示意圖；圖6為本發明另一實施例提供的對象集合的滿意度的處理裝置的結構示意圖。
為使本發明實施例的目的、技術方案和優點更加清楚，下面將結合本發明實施例中的圖式，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的全部其他實施例，都屬於本發明保護的範圍。
另外，本文中術語“和/或”，僅僅是一種描述關聯對象的關聯關係，表示可以存在三種關係，例如，A和/或B，可以表示：單獨存在A，同時存在A和B，單獨存在B這三種情況。另外，本文中字元“/”，一般表示前後關聯對像是一種“或”的關係。
圖1為本發明一實施例提供的對象集合的處理方法的流程示意圖，如圖1所示。
需要說明的是，101~103的執行主體可以是位於網路側的伺服器中的搜尋引擎，也可以是位於本地客戶端的應用，或者還可以是位於網路側的分散式系統，本實施例對此不進行特別限定。
可以理解的是，所述應用可以是安裝在終端或者客戶端上的本地應用程式(nativeApp)，或者還可以是終端上的瀏覽器的一個網頁程式(webApp)，只要能夠實現對象集合與對象的搜尋與推薦的客觀存在形式都可以，本實施例對此不進行限定。
101、搜尋引擎獲得待處理的至少兩個對象集合。
可選地，在本實施例的一個可能的實現方式中，在101中，搜尋引擎具體可以根據接收的當前用戶輸入的查詢關鍵字，在資料庫中進行匹配，獲得與所述查詢關鍵字匹配的所述至少兩個對象集合，以作為當前用戶的搜尋結果。為了方便描述，當前用戶在本實施例後續的描述中，都直接簡稱為用戶。
可選地，在本實施例的一個可能的實現方式中，在101中，搜尋引擎具體可以根據當前用戶的特徵資訊，在資料庫中進行匹配，獲得與所述特徵資訊匹配的所述至少兩個對象集合，以作為當前用戶的推薦結果。
或者，搜尋引擎還可以通過其他方式，獲得待處理的至少兩個對象集合，本實施例對101的具體實現方式不進行特別限定。
102、所述搜尋引擎根據當前用戶對所述至少兩個對象集合中每個對象集合的目標滿意度，對所述至少兩個對象集合進行排序，所述每個對象集合的目標滿意度為至少根據所述用戶的對象集合操作行為資料和所述用戶的對象操作行為資料獲得。
可選地，在本實施例的一個可能的實現方式中，在102之前，打分單元還可以進一步根據所述對象集合操作行為資料，獲得所述用戶對所述每個對象集合的第一候選滿意度，以及根據對象集合與對象的映射關係，以及所述對象操作行為資料，獲得所述用戶對所述每個對象集合的第二候選滿意度。然後，所述打分單元則可以至少根據所述第一候選滿意度和所述第二候選滿意度，獲得所述目標滿意度。其中， 所述用戶的對象集合操作行為資料，可以是指用戶對於搜尋引擎所屬網站的全部對象集合所執行的操作行為資料，或者還可以是指用戶對於待排序的對象集合所執行的操作行為資料，本實施例對此不進行特別限定。
具體地，所述對象集合操作行為資料可以包括但不限於搜尋資訊、瀏覽資訊和點擊資訊中的至少一項，本發明實施例對此不進行特別限定。
所述用戶的對象操作行為資料，可以是指用戶對於搜尋引擎所屬網站的全部對象所執行的操作行為資料，或者還可以是指待排序的對象集合所包含的對象所執行的操作行為資料，本實施例對此不進行特別限定。
具體地，所述對象操作行為資料可以包括但不限於瀏覽資訊、點擊資訊、收藏資訊、加入訂單資訊和購買資訊中的至少一項，本發明實施例對此不進行特別限定。
進一步可選地，所述打分單元還可以預先從Cookie資訊中獲取所述對象集合操作行為資料、所述映射關係和 所述對象操作行為資料中的至少一項。
其中，Cookie，有時也用其複數形式Cookies，指某些網站為了辨別用戶身份、進行會話(Session)跟蹤而儲存在用戶本地的終端上的一些資料(通常經過加密)。具體地，這些網站可以為客戶端分配一個唯一的Cookie標識(CookieID)，以在客戶端上創建一個Cookie對象，以供將用戶的操作行為資料儲存在用戶本地的終端上，形成Cookie資訊。網站可以利用Cookie資訊跟蹤統計用戶存取該網站的習慣，例如，存取時間，存取頁面，在每個網頁的停留時間以及執行的操作，等。
網站具體可以採用現有技術中的方法，獲取客戶端的Cookie資訊。例如，在網站的頁面上埋點(即放上一個1x1的不可見圖元)，在客戶端第一次存取該網頁時，就會獲得網站為客戶端分配一個唯一的Cookie標識(CookieID)，以在客戶端上創建一個Cookie對象，以供將用戶的操作行為資料儲存在用戶本地的終端上，形成Cookie資訊。這樣，客戶端則可以在指定時機將Cookie資訊發送給網站，例如，可以在客戶端下次請求同一網站時，向網站發送該Cookie等。
具體地，Cookie資訊可以包括但不限於CookieID、用戶標識資訊、對象集合操作行為資料、對象集合與對象的映射關係和對象操作行為資料，本實施例對此不進行特別限定。其中，所述用戶標識資訊可以包括但不限於網站的用戶身份 標識(IDentity，ID)或終端的IP位址，本實施例對此不進行特別限定。
所述對象集合與對象的映射關係，可以為對用戶通過點擊對象集合進入對象的搜尋結果之後，再繼續點擊對象，這一操作行為，進行記錄獲得。
例如，打分單元具體可以根據所述對象集合操作行為資料，即用戶對於所述至少兩個對象集合中所述每個對象集合所執行的操作行為資料，直接獲得所述用戶對所述每個對象集合的第一候選滿意度。
或者，再例如，打分單元具體可以根據所述對象集合操作行為資料，即用戶對於搜尋引擎所屬網站的全部對象集合所執行的操作行為資料，獲得所述用戶的對象集合偏好特徵資訊，進而根據所述每個對象集合的特徵資訊和所述用戶的對象集合偏好特徵資訊，獲得所述用戶對所述每個對象集合的第一候選滿意度。具體地，利用所述每個對象集合的特徵資訊與所述用戶的對象集合偏好特徵資訊進行匹配，以獲得所述用戶對所述每個對象集合的第一候選滿意度。例如，如果能夠匹配成功，說明用戶對該對象集合的候選滿意度較高；如果匹配不成功，說明用戶對該對象集合的候選滿意度較低。其中，特徵資訊的匹配演算法可以採用現有技術中的匹配演算法，例如，計算特徵的歐氏距離等。由於利用用戶的對象集合偏好特徵資訊，使得對象集合的覆蓋範圍更加廣泛，因此，能夠有效提高對象集合的處理的可靠性。
或者，再例如，打分單元具體可以根據所述映射關係，確定與所述每個對象集合對應的至少一個對象，然後，所述打分單元則可以根據所述對象操作行為資料，即用戶對於所述至少兩個對象集合中所述每個對象集合所包含的對象所執行的操作行為資料，直接獲得所述用戶對所述至少一個對象中每個對象的參考滿意度。這樣，所述打分單元則可以根據所述用戶對所述每個對象的參考滿意度，獲得所述用戶對所述每個對象集合的第二候選滿意度。例如，所述打分單元可以根據所述用戶對所述每個對象的參考滿意度計算一個平均值，以作為所述用戶對所述每個對象集合的第二候選滿意度。
或者，再例如，打分單元具體可以根據所述映射關係，確定與所述每個對象集合對應的至少一個對象，然後，所述打分單元則可以根據所述對象操作行為資料，即用戶對於打分單元所屬網站的全部對象所執行的操作行為資料，獲得所述用戶的對象偏好特徵資訊，進而根據所述每個對象的特徵資訊和所述用戶的對象偏好特徵資訊，獲得所述用戶對所述至少一個對象中每個對象的參考滿意度。這樣，所述打分單元則可以根據所述用戶對所述每個對象的參考滿意度，獲得所述用戶對所述每個對象集合的第二候選滿意度。其中，特徵資訊的匹配演算法可以採用現有技術中的匹配演算法，例如，計算特徵的歐氏距離等。由於利用用戶的對象偏好特徵資訊，使得對象的覆蓋範圍更加廣泛，因此，能夠有效提高對象集合的處理的可 靠性。
具體地，所述打分單元則可以根據所述第一候選滿意度、該第一候選滿意度的加權因數，以及所述第二候選滿意度、該第二候選滿意度的加權因數，獲得所述目標滿意度。
例如，打分單元具體可以根據公式 ，獲得每個對象集合的目標滿意度。其中，SPUId為對象集合的標識；H(s SPUId )為用戶對SPUId所標識的對象集合的目標滿意度；α為第一候選滿意度的加權因數；G(s SPUId )為第一候選滿意度；1-α為第二候選滿意度的加權因數；offerId為SPUId所標識的對象集合中對象的標識；x offerId 為SPUId所標識的對象集合中offerId所標識的對象的對象操作行為資料；f(x offerId )為用戶對SPUId所標識的對象集合中offerId所標識的對象的參考滿意度；N s 為SPUId所標識的對象集合中對象的數量；為第二候選滿意度，即用戶對SPUId所標識的對象集合中每個對象的參考滿意度的平均值。
可以理解的是，本實施例中，雖然只描述了搜尋引擎 根據當前用戶對所述至少兩個對象集合中每個對象集合的目標滿意度這一個排序參數，對所述至少兩個對象集合進行排序，但是，也不排除搜尋引擎所進行的排序還可以進一步根據現有技術中的其他排序參數，例如，對象集合與查詢關鍵字的匹配度等，只要為每個排序參數賦予適當的加權因數，即能夠獲得每個對象集合的排序分數，進而對每個對象集合進行排序。
以商品這一對象為例，可以預先將具有相同屬性的多個商品，定義為一個商品集合即標準化產品單元(Standard Product Unit，SPU)，也可以稱為產品，以通過SPU，進而定位到一個具體的商品。其中，SPU可以重複使用，一個SPU可以對應多個商品，一個商品只能對應一個SPU。
在購物網站阿里巴巴中國站(http：//www.1688.com/)中，可以預先將具有相同型號、相同產地的多個高密度聚乙烯(High Density Polyethylene，HDPE)，定義為一個SPU，即SPU1、SPU2、……、SPUn，n為大於1的整數。其中，SPU1可以被稱為第一對象集合，SPU2可以被稱為第二對象集合。
用戶利用瀏覽器打開阿里巴巴中國站(http：//www.1688.com/)，在搜尋輸入框中輸入查詢關鍵字“HDPE 5000S”，瀏覽器進而將該查詢關鍵字“5000S”發送給搜尋引擎。
搜尋引擎接收到查詢關鍵字“HDPE 5000S”之後，可以根據查詢關鍵字“HDPE 5000S”，在資料庫中進行匹配，獲得與查詢關鍵字“HDPE 5000S”匹配的多個SPU產品，以作為搜尋結果，如HDPE/大慶石化/5000S、HDPE/揚子石化/5000S、HDPE/蘭州石化/5000S、HDPE/燕山石化/5000S、HDPE/韓國湖南/5000S等產品。其中，HDPE/大慶石化/5000S可以為第一對象集合，HDPE/揚子石化/5000S可以為第二對象集合。
然後，打分單元可以讀取客戶端的Cookie資訊，這些Cookie資訊記錄了用戶標識資訊、用戶的SPU操作行為資料、SPU與商品的映射關係和用戶的商品操作行為資料等資料。
接著，打分單元可以根據用戶的SPU操作行為資料中用戶對阿里巴巴中國站的全部SPU所執行的操作行為資料，獲得用戶的SPU偏好特徵資訊。例如，用戶偏好的SPU關鍵屬性資訊、用戶偏好的SPU所屬市場訊息、用戶偏好的SPU所屬地域資訊等。
可替換地，打分單元還可以預先讀取客戶端的Cookie資訊，以獲得用戶的SPU操作行為資料中用戶對阿里巴巴中國站的全部SPU所執行的操作行為資料，進而根據用戶的SPU操作行為資料中用戶對阿里巴巴中國站的全部SPU所執行的操作行為資料，獲得用戶的SPU偏好特徵資訊。本實施例對此不進行特別限定。
然後，打分單元再進一步利用搜尋結果中每個SPU 的特徵資訊，例如，每個SPU的SPU關鍵屬性資訊、每個SPU的所屬市場訊息、每個SPU的SPU所屬地域資訊等，與用戶的SPU偏好特徵資訊進行匹配，以獲得用戶對所述每個SPU的第一候選滿意度。例如，如果能夠匹配成功，說明用戶對該SPU的候選滿意度較高；如果匹配不成功，說明用戶對該SPU的候選滿意度較低。
接著，打分單元具體可以根據SPU與商品的映射關係，確定與搜尋結果中每個SPU對應的多個商品。
然後，打分單元則可以進一步根據用戶的商品操作行為資料中用戶對所對應的每個商品所執行的操作行為資料，獲得用戶對每個商品的參考滿意度。
可替換地，打分單元還可以預先讀取客戶端的Cookie資訊，以獲得用戶的商品操作行為資料中用戶對所對應的每個商品所執行的操作行為資料，進而根據用戶的商品操作行為資料中用戶對所對應的每個商品所執行的操作行為資料，獲得用戶對每個商品的參考滿意度。本實施例對此不進行特別限定。
然後，打分單元則可以根據搜尋結果中每個SPU所對應的每個商品的參考滿意度，計算一個平均值，以作為用戶對每個SPU的第二候選滿意度。
最後，所述打分單元則可以根據所述第一候選滿意度、該第一候選滿意度的加權因數，以及所述第二候選滿意度、該第二候選滿意度的加權因數，獲得用戶對搜尋結果中每個SPU的目標滿意度。
這樣，所述搜尋引擎就可以根據所述打分單元所獲得的用戶對搜尋結果中每個SPU的目標滿意度，對搜尋結果中的SPU進行排序，進而向瀏覽器返回經過排序的SPU。
103、所述搜尋引擎輸出所述排序之後的至少兩個對象集合。
例如，搜尋引擎通過執行101所獲得的所述至少兩個對象集合的順序為對象集合1、對象集合2、對象集合3、對象集合4、對象集合5和對象集合6這六個對象集合。進而，所述搜尋引擎通過執行102，根據所獲得的用戶對這些對象集合的目標滿意度，即目標滿意度(對象集合3)>目標滿意度(對象集合2)>目標滿意度(對象集合5)>目標滿意度(對象集合1)>目標滿意度(對象集合4)>目標滿意度(對象集合6)，按照從大到小的順序，對這六個對象集合進行排序，經過排序之後的順序為對象集合3、對象集合2、對象集合5、對象集合1、對象集合4和對象集合6，從而體現了個性化排序結果。
可以理解的是，採用本發明提供的技術方案，所輸出的所述排序之後的至少兩個對象集合，能夠對用戶起到一個推薦與指導作用，方便用戶根據對象集合更快地尋找到目標對象。因此，可以根據指定需求來設定對象的操作行為資料。
例如，如果需要進行備貨、選貨等指導，或者需要進行廣告投放等指導，或者需要進行購買等指導，等，可以 將對象的操作行為資料設定為對象的購買資訊即對象的銷售資訊。
或者，再例如，如果需要進行潛在用戶等指導，可以將對象的操作行為資料設定為對象的收藏資訊。
或者，再例如，如果需要進行頁面完善等指導，可以將對象的操作行為資料設定為對象的點擊資訊。
本發明對對象的操作行為資料的設置不進行特別限定。
本實施例中，通過搜尋引擎根據當前用戶對待處理的至少兩個對象集合中每個對象集合的目標滿意度，對所述至少兩個對象集合進行排序，進而輸出所述排序之後的至少兩個對象集合，由於所述每個對象集合的目標滿意度為至少根據所述用戶的對象集合操作行為資料和所述用戶的對象操作行為資料獲得，使得所輸出的對象集合的排序結果符合用戶的歷史操作行為，能夠避免現有技術中由於用戶通過應用反復進行搜尋而導致的增加應用與搜尋引擎之間的資料交互的問題，從而降低了搜尋引擎的處理負擔。
另外，採用本發明提供的技術方案，能夠滿足用戶的個性化需求，從而提高了對象集合的處理的針對性。
另外，採用本發明提供的技術方案，由於所述每個對象集合的目標滿意度為根據所述用戶的對象集合操作行為資料和所述用戶的對象操作行為資料這兩種操作行為資料獲得，而不是僅僅單一根據所述用戶的對象集合操作行為資料或所述用戶的對象操作行為資料獲得，因此，能夠有 效提高對象集合的處理的準確度。
另外，採用本發明提供的技術方案，由於打分單元能夠從Cookie資訊中獲取對象集合與對象的映射關係，而無需根據對象集合的屬性去搜尋對應的對象，因此，能夠有效避免額外的搜尋開銷。
圖4為本發明另一實施例提供的對象集合的滿意度的處理方法的流程示意圖，如圖4所示。
需要說明的是，401~403的執行主體可以是位於網路側的伺服器中的打分單元，也可以是位於本地客戶端的應用，或者還可以是位於網路側的分散式系統，本實施例對此不進行特別限定。
可以理解的是，所述應用可以是安裝在終端或者客戶端上的本地應用程式(nativeApp)，或者還可以是終端上的瀏覽器的一個網頁程式(webApp)，只要能夠實現對象集合與對象的搜尋與推薦的客觀存在形式都可以，本實施例對此不進行限定。
401、打分單元根據目標用戶的對象集合操作行為資料，獲得所述目標用戶對每個對象集合的第一候選滿意度。
402、所述打分單元根據對象集合與對象的映射關係，以及所述目標用戶的對象操作行為資料，獲得所述目標用戶對所述每個對象集合的第二候選滿意度。
403、所述打分單元至少根據所述第一候選滿意度和所述第二候選滿意度，獲得所述目標用戶對所述每個對象 集合的目標滿意度。
可選地，在本實施例的一個可能的實現方式中，在401中，所述打分單元具體可以根據所述對象集合操作行為資料，獲得所述目標用戶的對象集合偏好特徵資訊，進而根據所述每個對象集合的特徵資訊和所述目標用戶的對象集合偏好特徵資訊，獲得所述目標用戶對所述每個對象集合的第一候選滿意度。具體地，利用所述每個對象集合的特徵資訊與所述用戶的對象集合偏好特徵資訊進行匹配，以獲得所述用戶對所述每個對象集合的第一候選滿意度。例如，如果能夠匹配成功，說明用戶對該對象集合的候選滿意度較高；如果匹配不成功，說明用戶對該對象集合的候選滿意度較低。其中，特徵資訊的匹配演算法可以採用現有技術中的匹配演算法，例如，計算特徵的歐氏距離等。由於利用用戶的對象集合偏好特徵資訊，使得對象集合的覆蓋範圍更加廣泛，因此，能夠有效提高對象集合的處理的可靠性。
可選地，在本實施例的一個可能的實現方式中，在402中，所述打分單元具體可以根據所述映射關係，確定與所述每個對象集合對應的至少一個對象；然後，所述打分單元則可以根據所述對象操作行為資料，獲得所述目標用戶對所述至少一個對象中每個對象的參考滿意度；這樣，所述打分單元則可以根據所述目標用戶對所述每個對象的參考滿意度，獲得所述目標用戶對所述每個對象集合的第二候選滿意度。例如，所述打分單元可以根據所述用 戶對所述每個對象的參考滿意度計算一個平均值，以作為所述用戶對所述每個對象集合的第二候選滿意度。
可選地，在本實施例的一個可能的實現方式中，打分單元還可以進一步從Cookie資訊中獲取所述對象集合操作行為資料、所述映射關係和所述對象操作行為資料中的至少一項。
具體地，在103中，所述打分單元具體則可以根據所述第一候選滿意度、該第一候選滿意度的加權因數，以及所述第二候選滿意度、該第二候選滿意度的加權因數，獲得所述目標滿意度。
例如，打分單元具體可以根據公式 ，獲得每個對象集合的目標滿意度。其中，SPUId為對象集合的標識；H(s SPUId )為用戶對SPUId所標識的對象集合的目標滿意度；α為第一候選滿意度的加權因數；G(s SPUId )為第一候選滿意度；1-α為第二候選滿意度的加權因數；offerId為SPUId所標識的對象集合中對象的標識；x offerId 為SPUId所標識的對象集合中offerId所標識的對象的對象操作行為資料；f(x offerId )為用戶對SPUId所標識的對象集合中offerId所標識 的對象的參考滿意度；N s 為SPUId所標識的對象集合中對象的數量；為第二候選滿意度，即用戶對SPUId所標識的對象集合中每個對象的參考滿意度的平均值。
可選地，在本實施例的一個可能的實現方式中，在101之前，還可以進一步包括所述打分單元從Cookie資訊中獲取所述對象集合操作行為資料、所述映射關係和所述對象操作行為資料中的至少一項。
詳細描述可以參見圖1對應的實施例中，打分單元所執行的步驟的相關內容，此處不再贅述，其中，目標用戶相當於圖1對應的實施例中的當前用戶。
本實施例中，通過打分單元根據所述用戶的對象集合操作行為資料和所述用戶的對象操作行為資料這兩種操作行為資料，獲得每個對象集合的目標滿意度，而不是僅僅單一根據所述用戶的對象集合操作行為資料或所述用戶的對象操作行為資料獲得，能夠有效提高對象集合的滿意度的準確度。
另外，採用本發明提供的技術方案，由於打分單元能夠從Cookie資訊中獲取對象集合與對象的映射關係，而無需根據對象集合的屬性去搜尋對應的對象，因此，能夠有效避免額外的搜尋開銷。
需要說明的是，對於前述的各方法實施例，為了簡單描述，故將其都表述為一系列的動作組合，但是本領域技術人員應該知悉，本發明並不受所描述的動作順序的限 制，因為依據本發明，某些步驟可以採用其他順序或者同時進行。其次，本領域技術人員也應該知悉，說明書中所描述的實施例均屬於較佳實施例，所涉及的動作和模組並不一定是本發明所必須的。
在上述實施例中，對各個實施例的描述都各有側重，某個實施例中沒有詳述的部分，可以參見其他實施例的相關描述。
圖2為本發明另一實施例提供的對象集合的處理裝置的結構示意圖，如圖2所示。
需要說明的是，本實施例所提供的對象集合的處理裝置中的部分功能模組可以是位於網路側的伺服器中的搜尋引擎，也可以是位於本地客戶端的應用，或者還可以是位於網路側的分散式系統，本實施例對此不進行特別限定。
可以理解的是，所述應用可以是安裝在終端或者客戶端上的本地應用程式(nativeApp)，或者還可以是終端上的瀏覽器的一個網頁程式(webApp)，只要能夠實現對象集合與對象的搜尋與推薦的客觀存在形式都可以，本實施例對此不進行限定。
本實施例的對象集合的處理裝置可以包括獲得單元21、排序單元22和輸出單元23。其中，獲得單元21，用於獲得待處理的至少兩個對象集合。
可選地，在本實施例的一個可能的實現方式中，所述獲得單元21，具體可以根據接收的當前用戶輸入的查詢 關鍵字，在資料庫中進行匹配，獲得與所述查詢關鍵字匹配的所述至少兩個對象集合，以作為當前用戶的搜尋結果。為了方便描述，當前用戶在本實施例後續的描述中，都直接簡稱為用戶。
可選地，在本實施例的一個可能的實現方式中，所述獲得單元21，具體可以根據當前用戶的特徵資訊，在資料庫中進行匹配，獲得與所述特徵資訊匹配的所述至少兩個對象集合，以作為當前用戶的推薦結果。
或者，所述獲得單元21還可以通過其他方式，獲得待處理的至少兩個對象集合，本實施例對其具體實現方式不進行特別限定。
排序單元22，用於根據當前用戶對所述至少兩個對象集合中每個對象集合的目標滿意度，對所述至少兩個對象集合進行排序，所述每個對象集合的目標滿意度為至少根據所述用戶的對象集合操作行為資料和所述用戶的對象操作行為資料獲得。
輸出單元23，用於輸出所述排序之後的至少兩個對象集合。
可選地，在本實施例的一個可能的實現方式中，如圖3所示，本實施例提供的對象集合的處理裝置還可以進一步包括打分單元31，用於根據所述對象集合操作行為資料，獲得所述用戶對所述每個對象集合的第一候選滿意度；根據對象集合與對象的映射關係，以及所述對象操作行為資料，獲得所述用戶對所述每個對象集合的第二候選 滿意度；以及至少根據所述第一候選滿意度和所述第二候選滿意度，獲得所述目標滿意度。其中，所述用戶的對象集合操作行為資料，可以是指用戶對於搜尋引擎所屬網站的全部對象集合所執行的操作行為資料，或者還可以是指用戶對於待排序的對象集合所執行的操作行為資料，本實施例對此不進行特別限定。
具體地，所述對象集合操作行為資料可以包括但不限於搜尋資訊、瀏覽資訊和點擊資訊中的至少一項，本發明實施例對此不進行特別限定。
所述用戶的對象操作行為資料，可以是指用戶對於搜尋引擎所屬網站的全部對象所執行的操作行為資料，或者還可以是指待排序的對象集合所包含的對象所執行的操作行為資料，本實施例對此不進行特別限定。
具體地，所述對象操作行為資料可以包括但不限於瀏覽資訊、點擊資訊、收藏資訊、加入訂單資訊和購買資訊中的至少一項，本發明實施例對此不進行特別限定。
進一步可選地，所述打分單元31，還可以進一步用於從Cookie資訊中獲取所述對象集合操作行為資料、所述映射關係和所述對象操作行為資料中的至少一項。
其中，Cookie，有時也用其複數形式Cookies，指某些網站為了辨別用戶身份、進行會話(Session)跟蹤而儲存在用戶本地的終端上的一些資料(通常經過加密)。具體地，這些網站可以為客戶端分配一個唯一的Cookie標識(CookieID)，以在客戶端上創建一個Cookie對象， 以供將用戶的操作行為資料儲存在用戶本地的終端上，形成Cookie資訊。網站可以利用Cookie資訊跟蹤統計用戶存取該網站的習慣，例如，存取時間，存取頁面，在每個網頁的停留時間以及執行的操作，等。
網站具體可以採用現有技術中的方法，獲取客戶端的Cookie資訊。例如，在網站的頁面上埋點(即放上一個1x1的不可見圖元)，在客戶端第一次存取該網頁時，就會獲得網站為客戶端分配一個唯一的Cookie標識(CookieID)，以在客戶端上創建一個Cookie對象，以供將用戶的操作行為資料儲存在用戶本地的終端上，形成Cookie資訊。這樣，客戶端則可以在指定時機將Cookie資訊發送給網站，例如，可以在客戶端下次請求同一網站時，向網站發送該Cookie等。
具體地，Cookie資訊可以包括但不限於CookieID、用戶標識資訊、對象集合操作行為資料、對象集合與對象的映射關係和對象操作行為資料，本實施例對此不進行特別限定。其中，所述用戶標識資訊可以包括但不限於網站的用戶身份標識(IDentity，ID)或終端的IP位址，本實施例對此不進行特別限定。
所述對象集合與對象的映射關係，可以為對用戶通過點擊對象集合進入對象的搜尋結果之後，再繼續點擊對象，這一操作行為，進行記錄獲得。
例如，所述打分單元31，具體可以用於根據所述對 象集合操作行為資料，即用戶對於所述至少兩個對象集合中所述每個對象集合所執行的操作行為資料，直接獲得所述用戶對所述每個對象集合的第一候選滿意度。
或者，再例如，所述打分單元31，具體可以用於根據所述對象集合操作行為資料，即用戶對於搜尋引擎所屬網站的全部對象集合所執行的操作行為資料，獲得所述用戶的對象集合偏好特徵資訊，進而根據所述每個對象集合的特徵資訊和所述用戶的對象集合偏好特徵資訊，獲得所述用戶對所述每個對象集合的第一候選滿意度。具體地，利用所述每個對象集合的特徵資訊與所述用戶的對象集合偏好特徵資訊進行匹配，以獲得所述用戶對所述每個對象集合的第一候選滿意度。例如，如果能夠匹配成功，說明用戶對該對象集合的候選滿意度較高；如果匹配不成功，說明用戶對該對象集合的候選滿意度較低。其中，特徵資訊的匹配演算法可以採用現有技術中的匹配演算法，例如，計算特徵的歐氏距離等。由於利用用戶的對象集合偏好特徵資訊，使得對象集合的覆蓋範圍更加廣泛，因此，能夠有效提高對象集合的處理的可靠性。
或者，再例如，所述打分單元31，具體可以用於根據所述映射關係，確定與所述每個對象集合對應的至少一個對象；根據所述對象操作行為資料，即用戶對於所述至少兩個對象集合中所述每個對象集合所包含的對象所執行的操作行為資料，直接獲得所述用戶對所述至少一個對象中每個對象的參考滿意度；以及根據所述用戶對所述每個 對象的參考滿意度，獲得所述用戶對所述每個對象集合的第二候選滿意度。例如，所述打分單元31可以根據所述用戶對所述每個對象的參考滿意度計算一個平均值，以作為所述用戶對所述每個對象集合的第二候選滿意度。
或者，再例如，所述打分單元31，具體可以用於根據所述映射關係，確定與所述每個對象集合對應的至少一個對象；根據所述對象操作行為資料，即用戶對於搜尋引擎所屬網站的全部對象所執行的操作行為資料，獲得所述用戶的對象偏好特徵資訊，進而根據所述每個對象的特徵資訊和所述用戶的對象偏好特徵資訊，獲得所述用戶對所述至少一個對象中每個對象的參考滿意度；以及根據所述用戶對所述每個對象的參考滿意度，獲得所述用戶對所述每個對象集合的第二候選滿意度。其中，特徵資訊的匹配演算法可以採用現有技術中的匹配演算法，例如，計算特徵的歐氏距離等。由於利用用戶的對象偏好特徵資訊，使得對象的覆蓋範圍更加廣泛，因此，能夠有效提高對象集合的處理的可靠性。
具體地，所述打分單元31則可以根據所述第一候選滿意度、該第一候選滿意度的加權因數，以及所述第二候選滿意度、該第二候選滿意度的加權因數，獲得所述目標滿意度。
例如，打分單元具體可以根據公式，獲得每個對象集合的目 標滿意度。其中，SPUId為對象集合的標識；H(s SPUId )為用戶對SPUId所標識的對象集合的目標滿意度；α為第一候選滿意度的加權因數；G(s SPUId )為第一候選滿意度；1-α為第二候選滿意度的加權因數；offerId為SPUId所標識的對象集合中對象的標識；x offerId 為SPUId所標識的對象集合中offerId所標識的對象的對象操作行為資料；f(x offerId )為用戶對SPUId所標識的對象集合中offerId所標識的對象的參考滿意度；N s 為SPUId所標識的對象集合中對象的數量；為第二候選滿意度，即用戶對SPUId所標識的對象集合中每個對象的參考滿意度的平均值。
可以理解的是，本實施例中，雖然只描述了所述打分單元31根據當前用戶對所述至少兩個對象集合中每個對象集合的目標滿意度這一個排序參數，對所述至少兩個對象集合進行排序，但是，也不排除所述打分單元31所進行的排序還可以進一步根據現有技術中的其他排序參數，例如，對象集合與查詢關鍵字的匹配度等，只要為每個排序參數賦予適當的加權因數，即能夠獲得每個對象集合的排序分數，進而對每個對象集合進行排序。
以商品這一對象為例，可以預先將具有相同屬性的多 個商品，定義為一個商品集合即標準化產品單元(Standard Product Unit，SPU)，也可以稱為產品，以通過SPU，進而定位到一個具體的商品。其中，SPU可以重複使用，一個SPU可以對應多個商品，一個商品只能對應一個SPU。
詳細描述可以參見圖1對應的實施例中的相關內容，此處不再贅述。
可以理解的是，採用本發明提供的技術方案，所輸出的所述排序之後的至少兩個對象集合，能夠對用戶起到一個推薦與指導作用。因此，可以根據指定需求來設定對象的操作行為資料。
例如，如果需要進行備貨、選貨等指導，或者需要進行廣告投放等指導，或者需要進行購買等指導，等，可以將對象的操作行為資料設定為對象的購買資訊即對象的銷售資訊。
或者，再例如，如果需要進行潛在用戶等指導，可以將對象的操作行為資料設定為對象的收藏資訊。
或者，再例如，如果需要進行頁面完善等指導，可以將對象的操作行為資料設定為對象的點擊資訊。
本發明對對象的操作行為資料的設置不進行特別限定。
本實施例中，通過排序單元根據當前用戶對獲得單元所獲得的待處理的至少兩個對象集合中每個對象集合的目標滿意度，對所述至少兩個對象集合進行排序，進而由輸 出單元輸出所述排序之後的至少兩個對象集合，由於所述每個對象集合的目標滿意度為至少根據所述用戶的對象集合操作行為資料和所述用戶的對象操作行為資料獲得，使得所輸出的對象集合的排序結果符合用戶的歷史操作行為，能夠滿足用戶的個性化需求，從而提高了對象集合的處理的針對性。
另外，採用本發明提供的技術方案，由於所述每個對象集合的目標滿意度為根據所述用戶的對象集合操作行為資料和所述用戶的對象操作行為資料這兩種操作行為資料獲得，而不是僅僅單一根據所述用戶的對象集合操作行為資料或所述用戶的對象操作行為資料獲得，因此，能夠有效提高對象集合的處理的準確度。
另外，採用本發明提供的技術方案，由於能夠從Cookie資訊中獲取對象集合與對象的映射關係，而無需根據對象集合的屬性去搜尋對應的對象，因此，能夠有效避免額外的搜尋開銷。
圖5為本發明另一實施例提供的對象集合的滿意度的處理裝置的結構示意圖，如圖5所示。
需要說明的是，本實施例所提供的對象集合的滿意度的處理裝置可以是位於網路側的伺服器中的打分單元，也可以是位於本地客戶端的應用，或者還可以是位於網路側的分散式系統，本實施例對此不進行特別限定。
可以理解的是，所述應用可以是安裝在終端或者客戶端上的本地應用程式(nativeApp)，或者還可以是終端 上的瀏覽器的一個網頁程式(webApp)，只要能夠實現對象集合與對象的搜尋與推薦的客觀存在形式都可以，本實施例對此不進行限定。
本實施例的對象集合的滿意度的處理裝置可以包括第一滿意度計算單元51、第二滿意度計算單元52和第三滿意度計算單元53。其中，第一滿意度計算單元51，用於根據目標用戶的對象集合操作行為資料，獲得所述目標用戶對每個對象集合的第一候選滿意度；第二滿意度計算單元52，用於根據對象集合與對象的映射關係，以及所述目標用戶的對象操作行為資料，獲得所述目標用戶對所述每個對象集合的第二候選滿意度；第三滿意度計算單元53，用於至少根據所述第一候選滿意度和所述第二候選滿意度，獲得所述目標用戶對所述每個對象集合的目標滿意度。
可選地，在本實施例的一個可能的實現方式中，所述第一滿意度計算單元51，具體可以用於根據所述對象集合操作行為資料，獲得所述目標用戶的對象集合偏好特徵資訊；以及根據所述每個對象集合的特徵資訊和所述目標用戶的對象集合偏好特徵資訊，獲得所述目標用戶對所述每個對象集合的第一候選滿意度。具體地，利用所述每個對象集合的特徵資訊與所述用戶的對象集合偏好特徵資訊進行匹配，以獲得所述用戶對所述每個對象集合的第一候選滿意度。例如，如果能夠匹配成功，說明用戶對該對象集合的候選滿意度較高；如果匹配不成功，說明用戶對該 對象集合的候選滿意度較低。其中，特徵資訊的匹配演算法可以採用現有技術中的匹配演算法，例如，計算特徵的歐氏距離等。由於利用用戶的對象集合偏好特徵資訊，使得對象集合的覆蓋範圍更加廣泛，因此，能夠有效提高對象集合的處理的可靠性。
可選地，在本實施例的一個可能的實現方式中，所述第二滿意度計算單元52，具體可以用於根據所述映射關係，確定與所述每個對象集合對應的至少一個對象；根據所述對象操作行為資料，獲得所述目標用戶對所述至少一個對象中每個對象的參考滿意度；以及根據所述目標用戶對所述每個對象的參考滿意度，獲得所述目標用戶對所述每個對象集合的第二候選滿意度。例如，所述打分單元可以根據所述用戶對所述每個對象的參考滿意度計算一個平均值，以作為所述用戶對所述每個對象集合的第二候選滿意度。
可選地，在本實施例的一個可能的實現方式中，如圖6所示，本實施例所提供的對象集合的滿意度的處理裝置還可以進一步包括讀取單元61，用於從Cookie資訊中獲取所述對象集合操作行為資料、所述映射關係和所述對象操作行為資料中的至少一項。
具體地，所述第三滿意度計算單元53具體可以根據所述第一候選滿意度、該第一候選滿意度的加權因數，以及所述第二候選滿意度、該第二候選滿意度的加權因數，獲得所述目標滿意度。
例如，第三滿意度計算單元53具體可以根據公式，獲得每個對象集合的目標滿意度。其中，SPUId為對象集合的標識；H(s SPUId )為用戶對SPUId所標識的對象集合的目標滿意度；α為第一候選滿意度的加權因數；G(s SPUId )為第一候選滿意度；1-α為第二候選滿意度的加權因數；offerId為SPUId所標識的對象集合中對象的標識；x offerId 為SPUId所標識的對象集合中offerId所標識的對象的對象操作行為資料；f(x offerId )為用戶對SPUId所標識的對象集合中offerId所標識的對象的參考滿意度；N s 為SPUId所標識的對象集合中對象的數量；為第二候選滿意度，即用戶對SPUId所標識的對象集合中每個對象的參考滿意度的平均值。
詳細描述可以參見圖2和圖3對應的實施例中，打分單元所執行的功能的相關內容，此處不再贅述，其中，目標用戶相當於圖2和圖3對應的實施例中的當前用戶。
本實施例中，通過根據所述用戶的對象集合操作行為資料和所述用戶的對象操作行為資料這兩種操作行為資料，獲得每個對象集合的目標滿意度，而不是僅僅單一根 據所述用戶的對象集合操作行為資料或所述用戶的對象操作行為資料獲得，能夠有效提高對象集合的滿意度的準確度。
另外，採用本發明提供的技術方案，由於打分單元能夠從Cookie資訊中獲取對象集合與對象的映射關係，而無需根據對象集合的屬性去搜尋對應的對象，因此，能夠有效避免額外的搜尋開銷。
所屬領域的技術人員可以清楚地瞭解到，為描述的方便和簡潔，上述描述的系統，裝置和單元的具體工作過程，可以參考前述方法實施例中的對應過程，在此不再贅述。
在本發明所提供的幾個實施例中，應該理解到，所揭露的系統，裝置和方法，可以通過其它的方式實現。例如，以上所描述的裝置實施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現時可以有另外的劃分方式，例如多個單元或元件可以結合或者可以集成到另一個系統，或一些特徵可以忽略，或不執行。另一點，所展現或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些介面，裝置或單元的間接耦合或通信連接，可以是電性，機械或其它的形式。
所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元展現的部件可以是或者也可以不是物理單元，即可以位於一個地方，或者也可以分佈到多個網路單元上。可以根據實際的需要選擇其中的部分或者 全部單元來實現本實施例方案的目的。
另外，在本發明各個實施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以採用硬體的形式實現，也可以採用硬體加軟體功能單元的形式實現。
上述以軟體功能單元的形式實現的集成的單元，可以儲存在一個電腦可讀取儲存介質中。上述軟體功能單元儲存在一個儲存介質中，包括若干指令用以使得一台電腦裝置(可以是個人電腦，伺服器，或者網路裝置等)或處理器(processor)執行本發明各個實施例所述方法的部分步驟。而前述的儲存介質包括：隨身碟、行動硬碟、唯讀記憶體(Read-Only Memory，ROM)、隨機存取記憶體(Random Access Memory，RAM)、磁碟或者光碟等各種可以儲存程式碼的介質。
最後應說明的是：以上實施例僅用以說明本發明的技術方案，而非對其限制；儘管參照前述實施例對本發明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分技術特徵進行等同替換；而這些修改或者替換，並不使相應技術方案的本質脫離本發明各實施例技術方案的精神和範圍。

Claims (12)

  1. 一種對象集合的處理方法，包括：搜尋引擎獲得待處理的至少兩個對象集合；打分單元根據第一候選滿意度、第一候選滿意度的加權因數，以及第二候選滿意度、第二候選滿意度的加權因數獲得目標滿意度；所述搜尋引擎根據當前用戶對所述至少兩個對象集合中每個對象集合的目標滿意度，對所述至少兩個對象集合進行排序；以及所述搜尋引擎輸出所述排序之後的至少兩個對象集合。
  2. 根據申請專利範圍第1項所述的方法，其中所述打分單元根據所述用戶的對象集合操作行為資料，獲得所述用戶對所述每個對象集合的所述第一候選滿意度；以及所述打分單元根據對象集合與對象的映射關係，以及所述用戶的對象操作行為資料，獲得所述用戶對所述每個對象集合的所述第二候選滿意度。
  3. 根據申請專利範圍第2項所述的方法，其中，所述打分單元根據所述對象集合操作行為資料，獲得所述用戶對所述每個對象集合的第一候選滿意度，包括：所述打分單元根據所述對象集合操作行為資料，獲得所述用戶的對象集合偏好特徵資訊；所述打分單元根據所述每個對象集合的特徵資訊和所 述用戶的對象集合偏好特徵資訊，獲得所述用戶對所述每個對象集合的第一候選滿意度。
  4. 根據申請專利範圍第2項所述的方法，其中，所述打分單元根據對象集合與對象的映射關係，以及所述對象操作行為資料，獲得所述用戶對所述每個對象集合的第二候選滿意度，包括：所述打分單元根據所述映射關係，確定與所述每個對象集合對應的至少一個對象；所述打分單元根據所述對象操作行為資料，獲得所述用戶對所述至少一個對象中每個對象的參考滿意度；所述打分單元根據所述用戶對所述每個對象的參考滿意度，獲得所述用戶對所述每個對象集合的第二候選滿意度。
  5. 根據申請專利範圍第2項所述的方法，其中，所述方法還包括：所述打分單元從Cookie資訊中獲取所述對象集合操作行為資料、所述映射關係和所述對象操作行為資料中的至少一項。
  6. 根據申請專利範圍第1項所述的方法，其中，所述對象為商品；所述對象集合為標準化產品單元，所述標準化產品單元為具有相同屬性的多個商品的商品集合。
  7. 一種對象集合的處理裝置，其中，包括：獲得單元，用於獲得待處理的至少兩個對象集合；打分單元，用以根據第一候選滿意度、第一候選滿意 度的加權因數，以及第二候選滿意度、第二候選滿意度的加權因數獲得目標滿意度；排序單元，用於根據當前用戶對所述至少兩個對象集合中每個對象集合的目標滿意度，對所述至少兩個對象集合進行排序；以及輸出單元，用於輸出所述排序之後的至少兩個對象集合。
  8. 根據申請專利範圍第7項所述的裝置，其中，所述打分單元，用於根據所述用戶的對象集合操作行為資料，獲得所述用戶對所述每個對象集合的所述第一候選滿意度；以及根據對象集合與對象的映射關係，以及所述用戶的對象操作行為資料，獲得所述用戶對所述每個對象集合的所述第二候選滿意度。
  9. 根據申請專利範圍第8項所述的裝置，其中，所述打分單元，具體用於根據所述對象集合操作行為資料，獲得所述用戶的對象集合偏好特徵資訊；以及根據所述每個對象集合的特徵資訊和所述用戶的對象集合偏好特徵資訊，獲得所述用戶對所述每個對象集合的第一候選滿意度。
  10. 根據申請專利範圍第8項所述的裝置，其中，所述打分單元，具體用於根據所述映射關係，確定與所述每個對象集合對應的 至少一個對象；根據所述對象操作行為資料，獲得所述用戶對所述至少一個對象中每個對象的參考滿意度；以及根據所述用戶對所述每個對象的參考滿意度，獲得所述用戶對所述每個對象集合的第二候選滿意度。
  11. 根據申請專利範圍第8項所述的裝置，其中，所述打分單元，還用於從Cookie資訊中獲取所述對象集合操作行為資料、所述映射關係和所述對象操作行為資料中的至少一項。
  12. 根據申請專利範圍第7項所述的裝置，其中，所述對象為商品；所述對象集合為標準化產品單元，所述標準化產品單元為具有相同屬性的多個商品的商品集合。
TW103134413A 2014-06-05 2014-10-02 Object set and processing method and device thereof TWI639093B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
??201410246705.1 2014-06-05
CN201410246705.1A CN105224547A (zh) 2014-06-05 2014-06-05 对象集合及其满意度的处理方法及装置

Publications (2)

Publication Number Publication Date
TW201546634A TW201546634A (zh) 2015-12-16
TWI639093B true TWI639093B (zh) 2018-10-21

Family

ID=54767286

Family Applications (1)

Application Number Title Priority Date Filing Date
TW103134413A TWI639093B (zh) 2014-06-05 2014-10-02 Object set and processing method and device thereof

Country Status (6)

Country Link
US (1) US20150356189A1 (zh)
EP (1) EP3152685A4 (zh)
JP (1) JP2017522649A (zh)
CN (1) CN105224547A (zh)
TW (1) TWI639093B (zh)
WO (1) WO2015187698A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109117445B (zh) * 2017-06-23 2021-07-23 杭州美界科技有限公司 一种美容信息推荐处理过程中的信息关联方法
CN109033228A (zh) * 2018-06-29 2018-12-18 北京百度网讯科技有限公司 一种推荐列表的确定方法、装置、服务器及存储介质

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6493702B1 (en) * 1999-05-05 2002-12-10 Xerox Corporation System and method for searching and recommending documents in a collection using share bookmarks
US6829599B2 (en) * 2002-10-02 2004-12-07 Xerox Corporation System and method for improving answer relevance in meta-search engines
US7917483B2 (en) * 2003-04-24 2011-03-29 Affini, Inc. Search engine and method with improved relevancy, scope, and timeliness
US7921106B2 (en) * 2006-08-03 2011-04-05 Microsoft Corporation Group-by attribute value in search results
US7912847B2 (en) * 2007-02-20 2011-03-22 Wright State University Comparative web search system and method
CN101887437B (zh) * 2009-05-12 2016-03-30 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
US9727616B2 (en) * 2009-07-06 2017-08-08 Paypal, Inc. Systems and methods for predicting sales of item listings
CN102541862B (zh) * 2010-12-14 2014-05-07 阿里巴巴集团控股有限公司 跨网站的信息显示方法及系统
CN102591876A (zh) * 2011-01-14 2012-07-18 阿里巴巴集团控股有限公司 搜索结果排序方法及装置
US9311650B2 (en) * 2012-02-22 2016-04-12 Alibaba Group Holding Limited Determining search result rankings based on trust level values associated with sellers
US8938462B2 (en) * 2012-04-25 2015-01-20 International Business Machines Corporation Adaptively assessing object relevance based on dynamic user properties
CN103279527B (zh) * 2013-05-30 2019-04-26 百度在线网络技术（北京）有限公司 一种用户兴趣网址挖掘方法及装置

Also Published As

Publication number Publication date
TW201546634A (zh) 2015-12-16
EP3152685A4 (en) 2017-11-08
WO2015187698A1 (en) 2015-12-10
JP2017522649A (ja) 2017-08-10
US20150356189A1 (en) 2015-12-10
EP3152685A1 (en) 2017-04-12
CN105224547A (zh) 2016-01-06

Similar Documents

Publication Publication Date Title
US9466066B2 (en) Adaptive gathering of structured and unstructured data system and method
RU2696230C2 (ru) Поиск, основанный на комбинировании пользовательских данных отношений
US10452662B2 (en) Determining search result rankings based on trust level values associated with sellers
WO2019214336A1 (zh) 一种内容推送方法、装置及机器可读存储介质
US9171088B2 (en) Mining for product classification structures for internet-based product searching
US10534781B2 (en) Website traffic optimization
US20160364490A1 (en) Method, system and computer readable medium for creating a profile of a user based on user behavior
US9405840B2 (en) Using social signals to rank search results
CN108334632B (zh) 实体推荐方法、装置、计算机设备和计算机可读存储介质
US9128988B2 (en) Search result ranking by department
US11704376B2 (en) Retrieval of content using link-based search
JP2013531289A (ja) 検索におけるモデル情報群の使用
WO2016078533A1 (zh) 搜索方法、装置、设备及非易失性计算机存储介质
US20190205963A1 (en) Data refining engine for high performance analysis system and method
JP2014006757A (ja) コンテンツ配信装置
TWI639093B (zh) Object set and processing method and device thereof
EP3731108A1 (en) Search system, search method, and program
JP6664580B2 (ja) 算出装置、算出方法および算出プログラム
CN114564653A (zh) 信息推荐方法、装置、服务器及存储介质
JP6007300B1 (ja) 算出装置、算出方法および算出プログラム
US20200279278A1 (en) Method and system for combining offline and online identities with associated purchasing intention indicators in view of a geographic location
CN110737851A (zh) 超链的语义化方法、装置、设备及计算机可读存储介质