搜索結(jié)果的展現(xiàn)方法和裝置制造方法
【專利摘要】本發(fā)明提出一種搜索結(jié)果的展現(xiàn)方法和裝置。該方法包括：接收用戶輸入的當(dāng)前搜索詞；確定用戶的用戶信息，并根據(jù)用戶信息確定預(yù)先建立的用戶對應(yīng)的第一模型，第一模型中記錄用戶的歷史數(shù)據(jù)，歷史數(shù)據(jù)包括歷史搜索詞與對應(yīng)的歷史選擇結(jié)果；在歷史數(shù)據(jù)中確定與當(dāng)前搜索詞匹配的歷史搜索詞，并確定與匹配的歷史搜索詞對應(yīng)的歷史選擇結(jié)果，根據(jù)歷史選擇結(jié)果確定線上推薦結(jié)果；向用戶展現(xiàn)搜索結(jié)果，搜索結(jié)果包括線上推薦結(jié)果，或者對線上推薦結(jié)果進行處理后的結(jié)果。本發(fā)明實施例的方法，可以為用戶提供個性化的搜索服務(wù)，使得搜索結(jié)果更加符合用戶的需求。
【專利說明】搜索結(jié)果的展現(xiàn)方法和裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及搜索【技術(shù)領(lǐng)域】，尤其涉及一種搜索結(jié)果的展現(xiàn)方法和裝置。
【背景技術(shù)】
[0002]目前，搜索引擎提供給用戶的搜索結(jié)果中，往往包括推廣的廣告內(nèi)容，而這些廣告內(nèi)容通常是由廣告投放者自行編輯所得的。
[0003]相關(guān)技術(shù)存在以下問題，多個相互關(guān)聯(lián)的搜索詞之間能夠提供的廣告內(nèi)容往往差別不大，即多個相互關(guān)聯(lián)的搜索詞可能固定對應(yīng)某個廣告投放者投放的廣告內(nèi)容，而該廣告內(nèi)容在展現(xiàn)給用戶時往往相同，沒有差異性，難以滿足用戶的個性化需求，同時由于不能很好的滿足用戶的個性化需求，也影響廣告內(nèi)容的投放效果。
【發(fā)明內(nèi)容】
[0004]本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問題之一。
[0005]為此，本發(fā)明的第一個目的在于提出一種搜索結(jié)果的展現(xiàn)方法。該方法可以為用戶提供個性化的搜索服務(wù)，使得搜索結(jié)果更加符合用戶的需求。
[0006]本發(fā)明的第二個目的在于提出一種搜索結(jié)果的展現(xiàn)裝置。
[0007]為了實現(xiàn)上述目的，本發(fā)明第一方面實施例的搜索結(jié)果的展現(xiàn)方法，包括:接收用戶輸入的當(dāng)前搜索詞；確定所述用戶的用戶信息，并根據(jù)所述用戶信息確定預(yù)先建立的所述用戶對應(yīng)的第一模型，所述第一模型中記錄所述用戶的歷史數(shù)據(jù)，所述歷史數(shù)據(jù)包括歷史搜索詞與對應(yīng)的歷史選擇結(jié)果；在所述歷史數(shù)據(jù)中確定與所述當(dāng)前搜索詞匹配的歷史搜索詞，并確定與所述匹配的歷史搜索詞對應(yīng)的歷史選擇結(jié)果，根據(jù)所述歷史選擇結(jié)果確定線上推薦結(jié)果；向所述用戶展現(xiàn)搜索結(jié)果，所述搜索結(jié)果包括所述線上推薦結(jié)果，或者對所述線上推薦結(jié)果進行處理后的結(jié)果。
[0008]本發(fā)明實施例的搜索結(jié)果的展現(xiàn)方法，根據(jù)用戶輸入的當(dāng)前搜索詞、用戶信息可以獲取和用戶關(guān)聯(lián)的線上推薦結(jié)果，不同的用戶在不同的搜索詞下得到的線上推薦結(jié)果完全不同，由此，一方面可以為用戶提供個性化的搜索服務(wù)，使得搜索結(jié)果更加符合用戶的需求。另一方面由于給用戶推薦的是更加符合用戶需求的線上推薦結(jié)果，使得線上推薦能夠最大程度的被用戶點擊和瀏覽，從而提高線上推薦結(jié)果的點擊率，提升推薦效果。
[0009]為了實現(xiàn)上述目的，本發(fā)明第二方面實施例的搜索結(jié)果的展現(xiàn)裝置，包括:接收模塊，用于接收用戶輸入的當(dāng)前搜索詞；第一確定模塊，用于確定所述用戶的用戶信息，并根據(jù)所述用戶信息確定預(yù)先建立的所述用戶對應(yīng)的第一模型，所述第一模型中記錄所述用戶的歷史數(shù)據(jù)，所述歷史數(shù)據(jù)包括歷史搜索詞與對應(yīng)的歷史選擇結(jié)果；第二確定模塊，用于在所述歷史數(shù)據(jù)中確定與所述當(dāng)前搜索詞匹配的歷史搜索詞，并確定與所述匹配的歷史搜索詞對應(yīng)的歷史選擇結(jié)果，根據(jù)所述歷史選擇結(jié)果確定線上推薦結(jié)果；展現(xiàn)模塊，用于向所述用戶展現(xiàn)搜索結(jié)果，所述搜索結(jié)果包括所述線上推薦結(jié)果，或者對所述線上推薦結(jié)果進行處理后的結(jié)果。[0010]本發(fā)明實施例的搜索結(jié)果的展現(xiàn)裝置，根據(jù)用戶輸入的當(dāng)前搜索詞、用戶信息可以獲取和用戶關(guān)聯(lián)的線上推薦結(jié)果，不同的用戶在不同的搜索詞下得到的線上推薦結(jié)果完全不同，由此，一方面可以為用戶提供個性化的搜索服務(wù)，使得搜索結(jié)果更加符合用戶的需求。另一方面由于給用戶推薦的是更加符合用戶需求的線上推薦結(jié)果，使得線上推薦能夠最大程度的被用戶點擊和瀏覽，從而提高線上推薦結(jié)果的點擊率，提升推薦效果。
[0011]本發(fā)明附加的方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到。
【專利附圖】
【附圖說明】
[0012]本發(fā)明上述的和/或附加的方面和優(yōu)點從下面結(jié)合附圖對實施例的描述中將變得明顯和容易理解，其中，
[0013]圖1是根據(jù)本發(fā)明一個實施例的搜索結(jié)果的展現(xiàn)方法的流程圖；
[0014]圖2 (a) (b) (c) (d)是根據(jù)本發(fā)明實施例的搜索結(jié)果的展現(xiàn)方法的效果展現(xiàn)圖；
[0015]圖3是根據(jù)本發(fā)明另一個實施例的搜索結(jié)果的展現(xiàn)方法的流程圖；
[0016]圖4是根據(jù)本發(fā)明另一個實施例的信息的提供裝置的結(jié)構(gòu)框圖；
[0017]圖5是根據(jù)本發(fā)明另一個實施例的搜索結(jié)果的展現(xiàn)裝置的結(jié)構(gòu)框圖。
【具體實施方式】
[0018]下面詳細(xì)描述本發(fā)明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標(biāo)號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，僅用于解釋本發(fā)明，而不能理解為對本發(fā)明的限制。相反，本發(fā)明的實施例包括落入所附加權(quán)利要求書的精神和內(nèi)涵范圍內(nèi)的所有變化、修改和等同物。
[0019]在本發(fā)明的描述中，需要理解的是，術(shù)語“第一”、“第二”等僅用于描述目的，而不能理解為指示或暗示相對重要性。在本發(fā)明的描述中，需要說明的是，除非另有明確的規(guī)定和限定，術(shù)語“相連”、“連接”應(yīng)做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或一體地連接；可以是機械連接，也可以是電連接；可以是直接相連，也可以通過中間媒介間接相連。對于本領(lǐng)域的普通技術(shù)人員而言，可以具體情況理解上述術(shù)語在本發(fā)明中的具體含義。此外，在本發(fā)明的描述中，除非另有說明，“多個”的含義是兩個或兩個以上。
[0020]流程圖中或在此以其他方式描述的任何過程或方法描述可以被理解為，表示包括一個或更多個用于實現(xiàn)特定邏輯功能或過程的步驟的可執(zhí)行指令的代碼的模塊、片段或部分，并且本發(fā)明的優(yōu)選實施方式的范圍包括另外的實現(xiàn)，其中可以不按所示出或討論的順序，包括根據(jù)所涉及的功能按基本同時的方式或按相反的順序，來執(zhí)行功能，這應(yīng)被本發(fā)明的實施例所屬【技術(shù)領(lǐng)域】的技術(shù)人員所理解。
[0021]如果搜索引擎向用戶展現(xiàn)搜索結(jié)果時，能夠根據(jù)用戶、搜索詞、線上推薦信息動態(tài)地展現(xiàn)搜索結(jié)果，可給用戶提供個性化需求的搜索結(jié)果。因此，本發(fā)明的實施例公開了一種搜索結(jié)果的展現(xiàn)方法和裝置，能夠給用戶提供個性化需求的搜索結(jié)果。
[0022]下面參考附圖描述根據(jù)本發(fā)明實施例的搜索結(jié)果的展現(xiàn)方法和裝置。[0023]圖1是根據(jù)本發(fā)明一個實施例的搜索結(jié)果的展現(xiàn)方法的流程圖。
[0024]如圖1所示，該搜索結(jié)果的展現(xiàn)方法包括:
[0025]S101，接收用戶輸入的當(dāng)前搜索詞。
[0026]具體地，在本發(fā)明的實施例中，用戶可在搜索弓I擎提供的輸入框中輸入當(dāng)前搜索詞，用戶還可在各種快捷搜索輸入框中輸入搜索詞，對此，本方法的實施例不進行限定。
[0027]S102，確定用戶的用戶信息，并根據(jù)用戶信息確定預(yù)先建立的用戶對應(yīng)的第一模型，第一模型中記錄用戶的歷史數(shù)據(jù)，歷史數(shù)據(jù)包括歷史搜索詞與對應(yīng)的歷史選擇結(jié)果。
[0028]具體地，用戶信息可以根據(jù)cookie信息獲得，也可以通過用戶的注冊賬號獲得，例如，搜索引擎獲得cookie信息中為用戶使用的客戶端分配的身份標(biāo)識信息，還可以是用戶使用的客戶端的地址信息(如IP地址，地理位置)等，還可以是用戶的注冊賬號等等。通過用戶信息可以確定用戶。
[0029]第一模型根據(jù)海量歷史搜索行為數(shù)據(jù)獲得，歷史搜索行為數(shù)據(jù)包括用戶在歷史搜索結(jié)果上的歷史選擇結(jié)果，這些歷史選擇結(jié)果本身反映了用戶的某種需求，例如，不同的用戶在不同的歷史搜索詞下點擊瀏覽不同的網(wǎng)頁從而具有不同的歷史搜索結(jié)果，可以使用網(wǎng)站監(jiān)控統(tǒng)計工具記錄歷史搜索行為數(shù)據(jù)。第一模型還可根據(jù)用戶在歷史搜索結(jié)果上的歷史選擇結(jié)果反向拼接出的廣告相關(guān)數(shù)據(jù)獲得，例如，歷史搜索行為數(shù)據(jù)包括用戶在歷史搜索結(jié)果上的歷史選擇結(jié)果，另外再抽取廣告網(wǎng)頁的頁面內(nèi)容，如果歷史選擇結(jié)果和頁面內(nèi)容匹配，則將歷史選擇結(jié)果替換為頁面內(nèi)容，可獲取用戶在某個歷史搜索詞下點擊進入廣告網(wǎng)頁后點擊的錨文本，例如，第一模型包括搜索詞、搜索詞對應(yīng)的文字鏈和頁面內(nèi)容(文字鏈和頁面內(nèi)容構(gòu)成錨文本)，搜索詞對應(yīng)的文字鏈和頁面內(nèi)容也可以作為歷史選擇結(jié)果。
[0030]在本發(fā)明的一個實施例中，S102中，根據(jù)用戶信息確定預(yù)先建立的用戶對應(yīng)的第一模型，具體包括:根據(jù)用戶信息確定用戶對應(yīng)的屬性信息；根據(jù)用戶對應(yīng)的屬性信息確定用戶對應(yīng)的第一模型。具體地，用戶的屬性信息例如可以是用戶的年齡、用戶的性別、用戶的地域等等，用戶的屬性信息可以根據(jù)海量歷史搜索行為數(shù)據(jù)獲得。第一模型可以根據(jù)用戶的屬性信息的不同而不同，例如，80年代的用戶和70年代的用戶分別對應(yīng)不同的第一模型，80年代的女性和80年代的男性也分別具有不同的第一模型。由此，可以使得搜索結(jié)果更加具有針對性。
[0031]S103，在歷史數(shù)據(jù)中確定與當(dāng)前搜索詞匹配的歷史搜索詞，并確定與匹配的歷史搜索詞對應(yīng)的歷史選擇結(jié)果，根據(jù)歷史選擇結(jié)果確定線上推薦結(jié)果。
[0032]具體地，線上推薦為第三方的推薦信息，例如，廣告商投放的廣告，第三方平臺發(fā)布的應(yīng)用程序等。在本發(fā)明的一個實施例中，還需要對線上推薦進行處理，例如，首先，抓取線上推薦對應(yīng)的頁面，之后，解析出頁面中可點擊鏈接，再根據(jù)可點擊鏈接生成對應(yīng)的錨文本，還可以抓取頁面內(nèi)容片斷。
[0033]在本發(fā)明的一個實施例中，頁面內(nèi)容片段包括文本、圖片、音頻、視頻等中的一種或多種。
[0034]在本發(fā)明的一個實施例中，S103中根據(jù)歷史選擇結(jié)果確定線上推薦結(jié)果，具體包括:根據(jù)歷史選擇結(jié)果在預(yù)先建立的線上推薦結(jié)果庫中進行查找，以獲取歷史選擇結(jié)果對應(yīng)的線上推薦結(jié)果。更具體地，預(yù)先建立的線上推薦結(jié)果庫可以是根據(jù)線上推薦處理結(jié)果得到，也可以是根據(jù)廣告商自己投放的廣告以及廣告對應(yīng)的頁面內(nèi)容得到，或者根據(jù)搜索引擎抽取的廣告商的廣告頁面的頁面內(nèi)容得到等。
[0035]S104,向用戶展現(xiàn)搜索結(jié)果，搜索結(jié)果包括線上推薦結(jié)果，或者對線上推薦結(jié)果進行處理后的結(jié)果。
[0036]具體地，在本發(fā)明的實施例中，搜索引擎可以直接將確定的線上推薦結(jié)果展現(xiàn)給用戶，還可以對線上推薦結(jié)果進行處理后展現(xiàn)給用戶。
[0037]圖2 (a) (b) (c) (d)是根據(jù)本發(fā)明實施例的搜索結(jié)果的展現(xiàn)方法的效果展現(xiàn)圖。如圖2 (a)所示，區(qū)域I中所示為線上推薦結(jié)果，點擊區(qū)域I可以直接打開該文本對應(yīng)的鏈接頁面。如圖2 (b)所示，區(qū)域2、3、4、5和6中所示為線上推薦結(jié)果，點擊區(qū)域2可以打開GSM/GPRS模塊的頁面，點擊區(qū)域3可以打開GPS模塊的頁面，點擊區(qū)域4可以打開LTE模塊的頁面，點擊區(qū)域5可以打開3G模塊的頁面，點擊區(qū)域6可以打開CDMAlX模塊的頁面。如圖2 (c)所示，區(qū)域7和8中所示為線上推薦結(jié)果，點擊區(qū)域7可以打開熱門景點酒店對應(yīng)的頁面，點擊區(qū)域8可以打開酒店房型分類對應(yīng)的頁面。如圖2 (d)所示，區(qū)域9和10中所示為線上推薦結(jié)果，點擊區(qū)域9顯示的相應(yīng)的鮮花的圖片，例如如果用戶是男性，可以顯示玫瑰花，點擊區(qū)域10顯示的相應(yīng)的視頻，例如該視頻中可以指導(dǎo)用戶如何進行鮮花預(yù)定等。應(yīng)理解，圖2 (a) (b) (c) (d)僅僅是示例性的示意圖，本領(lǐng)域的技術(shù)人員可以設(shè)計出多種效果展現(xiàn)圖，例如，可以直接在上述圖例的區(qū)域中展現(xiàn)圖片、音視頻等，圖2 (a) (b)(c) (d)所示的效果圖可以使得本發(fā)明實施例的優(yōu)點更加明顯，不能作為對本發(fā)明保護范圍的限定。
[0038]本發(fā)明實施例的搜索結(jié)果的展現(xiàn)方法，根據(jù)用戶輸入的當(dāng)前搜索詞、用戶信息可以獲取和用戶關(guān)聯(lián)的線上推薦結(jié)果，不同的用戶在不同的搜索詞下得到的線上推薦結(jié)果完全不同，由此，一方面可以為用戶提供個性化的搜索服務(wù)，使得搜索結(jié)果更加符合用戶的需求。另一方面由于給用戶推薦的是更加符合用戶需求的線上推薦結(jié)果，使得線上推薦能夠最大程度的被用戶點擊和瀏覽，從而提高線上推薦結(jié)果的點擊率，提升推薦效果。
[0039]圖3是根據(jù)本發(fā)明另一個實施例的搜索結(jié)果的展現(xiàn)方法的流程圖。圖3所示的實施例將詳細(xì)敘述如何根據(jù)歷史選擇結(jié)果確定線上推薦結(jié)果。
[0040]如圖3所示，該搜索結(jié)果的展現(xiàn)方法包括:
[0041]S301，接收用戶輸入的當(dāng)前搜索詞。
[0042]具體地，在本發(fā)明的實施例中，用戶可在搜索弓I擎提供的輸入框中輸入當(dāng)前搜索詞，用戶還可在各種快捷搜索輸入框中輸入搜索詞，對此，本方法的實施例不進行限定。
[0043]S302，確定用戶的用戶信息，并根據(jù)用戶信息確定預(yù)先建立的用戶對應(yīng)的第一模型，第一模型中記錄用戶的歷史數(shù)據(jù)，歷史數(shù)據(jù)包括歷史搜索詞與對應(yīng)的歷史選擇結(jié)果。
[0044]具體地，用戶信息可以根據(jù)cookie信息獲得，也可以通過用戶的注冊賬號獲得，例如，搜索引擎獲得cookie信息中為用戶使用的客戶端分配的身份標(biāo)識信息，還可以是用戶使用的客戶端的地址信息(如IP地址，地理位置)等，還可以是用戶的注冊賬號等等。通過用戶信息可以確定用戶。
[0045]第一模型根據(jù)海量歷史搜索行為數(shù)據(jù)獲得，歷史搜索行為數(shù)據(jù)包括用戶在歷史搜索結(jié)果上的歷史選擇結(jié)果，這些歷史選擇結(jié)果本身反映了用戶的某種需求，例如，不同的用戶在不同的歷史搜索詞下點擊瀏覽不同的歷史搜索結(jié)果，可以使用網(wǎng)站監(jiān)控統(tǒng)計工具記錄歷史搜索行為數(shù)據(jù)。第一模型還可根據(jù)用戶在歷史搜索結(jié)果上的歷史選擇結(jié)果反向拼接出的廣告相關(guān)數(shù)據(jù)獲得，例如，歷史搜索行為數(shù)據(jù)包括用戶在歷史搜索結(jié)果上的歷史選擇結(jié)果，另外再抽取廣告主的廣告網(wǎng)頁的頁面內(nèi)容，如果歷史選擇結(jié)果和頁面內(nèi)容匹配，則將歷史選擇結(jié)果替換為頁面內(nèi)容，可獲取用戶在某個歷史搜索詞下點擊進入廣告主的廣告頁后點擊的錨文本，例如，第一模型包括搜索詞、搜索詞對應(yīng)的文字鏈和頁面內(nèi)容(文字鏈和頁面內(nèi)容構(gòu)成錨文本)，搜索詞對應(yīng)的文字鏈和頁面內(nèi)容也即歷史選擇結(jié)果。
[0046]在本發(fā)明的一個實施例中，S302中，根據(jù)用戶信息確定預(yù)先建立的用戶對應(yīng)的第一模型，具體包括:根據(jù)用戶信息確定用戶對應(yīng)的屬性信息；根據(jù)用戶對應(yīng)的屬性信息確定用戶對應(yīng)的第一模型。具體地，用戶的屬性信息例如可以是用戶的年齡、用戶的性別、用戶的地域等等，用戶的屬性信息可以根據(jù)海量歷史搜索行為數(shù)據(jù)獲得，第一模型可以根據(jù)用戶的屬性信息具有多種，例如，80年代的用戶和70年代的用戶分別對應(yīng)不同的第一模型，80年代的女性和80年代的男性也分別具有不同的第一模型。由此，可以使得搜索結(jié)果更加具有針對性。
[0047]S303，在歷史數(shù)據(jù)中確定與當(dāng)前搜索詞匹配的歷史搜索詞，并確定與匹配的歷史搜索詞對應(yīng)的歷史選擇結(jié)果，根據(jù)歷史選擇結(jié)果確定線上推薦結(jié)果。
[0048]具體地，線上推薦為第三方的推薦信息，例如，廣告商投放的廣告，第三方平臺發(fā)布的應(yīng)用程序等。在本發(fā)明的一個實施例中，還需要對線上推薦進行處理，例如，首先，抓取線上推薦對應(yīng)的頁面，之后，解析出頁面中可點擊鏈接，再根據(jù)可點擊鏈接生成對應(yīng)的錨文本，還可以抓取頁面內(nèi)容片斷。
[0049]在本發(fā)明的一個實施例中，頁面內(nèi)容片段包括文本、圖片、音頻、視頻等中的一種或多種。
[0050]在本發(fā)明的一個實施例中，S303中根據(jù)歷史選擇結(jié)果確定線上推薦結(jié)果，具體包括:根據(jù)歷史選擇結(jié)果在預(yù)先建立的線上推薦結(jié)果庫中進行查找，以獲取歷史選擇結(jié)果對應(yīng)的線上推薦結(jié)果。更具體地，預(yù)先建立的線上推薦結(jié)果庫可以是根據(jù)線上推薦處理結(jié)果得到，也可以是根據(jù)廣告商自己投放的廣告以及廣告對應(yīng)的頁面內(nèi)容得到，或者根據(jù)搜索引擎抽取的廣告商的廣告頁面的頁面內(nèi)容得到等。
[0051]S304，對線上推薦結(jié)果進行處理。
[0052]在本發(fā)明的一個實施例中，S304包括如下項中的至少一項:
[0053](I)對線上推薦結(jié)果進行過濾處理。具體地，審核線上推薦結(jié)果對應(yīng)的URL是否合法，剔除不合法的URL ;審核線上推薦結(jié)果對應(yīng)的URL中是否包含特殊字符等，剔除掉特殊
字符等。
[0054](2)計算線上推薦結(jié)果與搜索詞的語義相似度，得到語義相似度高于設(shè)定的第一閾值的線上推薦結(jié)果。具體地，可以獲取搜索詞的標(biāo)簽向量和線上推薦結(jié)果的標(biāo)簽向量，計算搜索詞的標(biāo)簽向量和線上推薦結(jié)果的標(biāo)簽向量的相似度作為線上推薦結(jié)果與搜索詞的語義相似度，并篩選得到語義相似度高于設(shè)定的第一閾值的線上推薦結(jié)果，其中，第一閾值可以根據(jù)用戶設(shè)置所得，還可以是搜索引擎默認(rèn)的。根據(jù)語義相似度篩選出的線上推薦結(jié)果，可以使得線上推薦結(jié)果更加符合用戶的個性化需求。
[0055](3)計算線上推薦結(jié)果與搜索詞的意圖相似度，得到意圖相似度高于設(shè)定的第二閾值的線上推薦結(jié)果。具體地，可以獲取搜索詞的語義主題向量和線上推薦結(jié)果的語義主題向量，計算搜索詞的語義主題向量和線上推薦結(jié)果的語義主題向量的相似度作為線上推薦結(jié)果與搜索詞的意圖相似度，并篩選得到意圖相似度高于設(shè)定的第二閾值的線上推薦結(jié)果，其中，第二閾值可以根據(jù)用戶設(shè)置所得，還可以是搜索引擎默認(rèn)的。根據(jù)意圖相似度篩選出的線上推薦結(jié)果，可以使得線上推薦結(jié)果更加符合用戶的個性化需求。
[0056](4)根據(jù)LR邏輯回歸算法計算線上推薦結(jié)果與搜索詞的字面關(guān)聯(lián)度，得到字面關(guān)聯(lián)度高于設(shè)定的第三閾值的線上推薦結(jié)果。具體地，LR邏輯回歸算法采用第一模型作為訓(xùn)練數(shù)據(jù)，LR邏輯回歸算法進行訓(xùn)練并以點擊率為優(yōu)化目標(biāo)，獲得LR邏輯回歸模型，再根據(jù)訓(xùn)練后的LR邏輯回歸模型計算線上推薦結(jié)果與搜索詞的字面關(guān)聯(lián)度，其中，第三閾值可以根據(jù)用戶設(shè)置所得，還可以是搜索引擎默認(rèn)的。根據(jù)字面關(guān)聯(lián)度篩選出的線上推薦結(jié)果，可以使得線上推薦結(jié)果更加符合用戶的個性化需求。
[0057](5)根據(jù)GBDT梯度提高決策樹計算線上推薦結(jié)果與搜索詞的語義關(guān)聯(lián)度，得到語義關(guān)聯(lián)度高于設(shè)定的第四閾值的線上推薦結(jié)果。具體地，GBDT梯度提高決策樹采用第一模型作為訓(xùn)練數(shù)據(jù)，GBDT梯度提高決策樹進行訓(xùn)練并以點擊率為優(yōu)化目標(biāo)，獲得GBDT梯度提高決策樹模型，再根據(jù)訓(xùn)練后的GBDT梯度提高決策樹模型計算線上推薦結(jié)果與搜索詞的語義關(guān)聯(lián)度，其中，第四閾值可以根據(jù)用戶設(shè)置所得，還可以是搜索引擎默認(rèn)的。根據(jù)語義關(guān)聯(lián)度篩選出的線上推薦結(jié)果，可以使得線上推薦結(jié)果更加符合用戶的個性化需求。
[0058]應(yīng)當(dāng)理解的是，可以選擇上述幾種處理方法中的至少一個進行處理，對此，本發(fā)明的實施例不進行限定。
[0059]S305，向用戶展現(xiàn)搜索結(jié)果，搜索結(jié)果包括對線上推薦結(jié)果進行處理后的結(jié)果。
[0060]本發(fā)明實施例的搜索結(jié)果的展現(xiàn)方法，對線上推薦結(jié)果進行處理，能夠保證為用戶提供的搜索結(jié)果更加準(zhǔn)確，更加符合用戶的需求，并且能夠最大程度的被用戶點擊和瀏覽，從而進一步提高線上推薦結(jié)果的點擊率，進一步提升推薦效果。
[0061 ] 在本發(fā)明的一個實施例中，本發(fā)明實施例所述的搜索結(jié)果的展現(xiàn)方法還包括(圖中未示出):根據(jù)語義相似度、意圖相似度、字面關(guān)聯(lián)度和語義關(guān)聯(lián)度中的一種或多種對處理后的線上推薦結(jié)果進行排序。具體地，可以選擇語義相似度、意圖相似度、字面關(guān)聯(lián)度和語義關(guān)聯(lián)度中一種或多種進行加權(quán)計算，語義相似度、意圖相似度、字面關(guān)聯(lián)度和語義關(guān)聯(lián)度的權(quán)重可以不同，由此獲得排序總分,并根據(jù)排序總分進行排序。例如,如果選擇語義相似度、意圖相似度、字面關(guān)聯(lián)度和語義關(guān)聯(lián)度對處理后的線上推薦結(jié)果進行排序，首先可以先將語義相似度和意圖相似度進行加權(quán)計算，同時將字面關(guān)聯(lián)度和語義關(guān)聯(lián)度進行加權(quán)計算，再根據(jù)兩者的計算結(jié)果進行加權(quán)計算，獲得排序總分，并根據(jù)排序總分進行排序。
[0062]在本發(fā)明的一個實施例中，本發(fā)明實施例所述的搜索結(jié)果的展現(xiàn)方法還包括(圖中未示出):根據(jù)當(dāng)前搜索詞，獲取對當(dāng)前搜索詞的當(dāng)前搜索結(jié)果；向用戶展現(xiàn)的搜索結(jié)果中還包括當(dāng)前搜索結(jié)果。
[0063]為了實現(xiàn)上述實施例，本發(fā)明的實施例還提出一種信息的提供裝置。
[0064]圖4是根據(jù)本發(fā)明一個實施例的搜索結(jié)果的展現(xiàn)裝置的結(jié)構(gòu)框圖。
[0065]如圖4所示，該搜索結(jié)果的展現(xiàn)置100包括:接收模塊110、第一確定模塊120、第二確定模塊130和展現(xiàn)模塊140。
[0066]具體地，接收模塊110用于接收用戶輸入的當(dāng)前搜索詞。更具體地，在本發(fā)明的實施例中，用戶可在搜索引擎提供的輸入框中輸入當(dāng)前搜索詞，用戶還可在各種快捷搜索輸入框中輸入搜索詞，對此，本方法的實施例不進行限定。[0067]第一確定模塊120用于確定用戶的用戶信息，并根據(jù)用戶信息確定預(yù)先建立的用戶對應(yīng)的第一模型，第一模型中記錄用戶的歷史數(shù)據(jù)，歷史數(shù)據(jù)包括歷史搜索詞與對應(yīng)的歷史選擇結(jié)果。
[0068]更具體地，用戶信息可以根據(jù)cookie信息獲得，也可以通過用戶的注冊賬號獲得，例如，搜索引擎獲得cookie信息中為用戶使用的客戶端分配的身份標(biāo)識信息，還可以是用戶使用的客戶端的地址信息(如IP地址，地理位置)等，還可以是用戶的注冊賬號等等。通過用戶信息可以確定用戶。
[0069]第一模型根據(jù)海量歷史搜索行為數(shù)據(jù)獲得，歷史搜索行為數(shù)據(jù)包括用戶在歷史搜索結(jié)果上的歷史選擇結(jié)果，這些歷史選擇結(jié)果本身反映了用戶的某種需求，例如，不同的用戶在不同的歷史搜索詞下點擊瀏覽不同的網(wǎng)頁從而具有不同的歷史搜索結(jié)果，可以使用網(wǎng)站監(jiān)控統(tǒng)計工具記錄歷史搜索行為數(shù)據(jù)。第一模型還可根據(jù)用戶在歷史搜索結(jié)果上的歷史選擇結(jié)果反向拼接出的廣告相關(guān)數(shù)據(jù)獲得，例如，歷史搜索行為數(shù)據(jù)包括用戶在歷史搜索結(jié)果上的歷史選擇結(jié)果，另外再抽取廣告網(wǎng)頁的頁面內(nèi)容，如果歷史選擇結(jié)果和頁面內(nèi)容匹配，則將歷史選擇結(jié)果替換為頁面內(nèi)容，可獲取用戶在某個歷史搜索詞下點擊進入廣告網(wǎng)頁后點擊的錨文本，例如，第一模型包括搜索詞、搜索詞對應(yīng)的文字鏈和頁面內(nèi)容(文字鏈和頁面內(nèi)容構(gòu)成錨文本)，搜索詞對應(yīng)的文字鏈和頁面內(nèi)容也可以作為歷史選擇結(jié)果。
[0070]第二確定模塊130在歷史數(shù)據(jù)中確定與當(dāng)前搜索詞匹配的歷史搜索詞，并確定與匹配的歷史搜索詞對應(yīng)的歷史選擇結(jié)果，根據(jù)歷史選擇結(jié)果確定線上推薦結(jié)果。
[0071]更具體地，線上推薦為第三方的推薦信息，例如，廣告商投放的廣告，第三方平臺發(fā)布的應(yīng)用程序等。在本發(fā)明的一個實施例中，還需要對線上推薦進行處理，例如，首先，抓取線上推薦對應(yīng)的頁面，之后，解析出頁面中可點擊鏈接，再根據(jù)可點擊鏈接生成對應(yīng)的錨文本，還可以抓取頁面內(nèi)容片斷。
[0072]在本發(fā)明的一個實施例中，頁面內(nèi)容片段包括文本、圖片、音頻、視頻等中的一種或多種。
[0073]展現(xiàn)模塊140用于向用戶展現(xiàn)搜索結(jié)果，搜索結(jié)果包括線上推薦結(jié)果，或者對線上推薦結(jié)果進行處理后的結(jié)果。
[0074]具體地，在本發(fā)明的實施例中，搜索引擎可以直接將確定的線上推薦結(jié)果展現(xiàn)給用戶，還可以對線上推薦結(jié)果進行處理后展現(xiàn)給用戶。
[0075]其中，具體的展現(xiàn)效果如上述方法實施例所述，在此不再贅述。
[0076]本發(fā)明實施例的搜索結(jié)果的展現(xiàn)裝置，根據(jù)用戶輸入的當(dāng)前搜索詞、用戶信息可以獲取和用戶關(guān)聯(lián)的線上推薦結(jié)果，不同的用戶在不同的搜索詞下得到的線上推薦結(jié)果完全不同，由此，一方面可以為用戶提供個性化的搜索服務(wù)，使得搜索結(jié)果更加符合用戶的需求。另一方面由于給用戶推薦的是更加符合用戶需求的線上推薦結(jié)果，使得線上推薦能夠最大程度的被用戶點擊和瀏覽，從而提高線上推薦結(jié)果的點擊率，提升推薦效果。
[0077]在本發(fā)明的一個實施例中，第一確定模塊120具體用于:根據(jù)用戶信息確定用戶對應(yīng)的屬性信息，并根據(jù)用戶對應(yīng)的屬性信息確定用戶對應(yīng)的第一模型。具體地，用戶的屬性信息例如可以是用戶的年齡、用戶的性別、用戶的地域等等，用戶的屬性信息可以根據(jù)海量歷史搜索行為數(shù)據(jù)獲得。第一模型可以根據(jù)用戶的屬性信息的不同而不同，例如，80年代的用戶和70年代的用戶分別對應(yīng)不同的第一模型，80年代的女性和80年代的男性也分別具有不同的第一模型。由此，可以使得搜索結(jié)果更加具有針對性。
[0078]在本發(fā)明的一個實施例中，第二確定模塊130具體用于:根據(jù)歷史選擇結(jié)果在預(yù)先建立的線上推薦結(jié)果庫中進行查找，以獲取歷史選擇結(jié)果對應(yīng)的線上推薦結(jié)果。更具體地，預(yù)先建立的線上推薦結(jié)果庫可以是根據(jù)線上推薦處理結(jié)果得到，也可以是根據(jù)廣告商自己投放的廣告以及廣告對應(yīng)的頁面內(nèi)容得到，或者根據(jù)搜索引擎抽取的廣告商的廣告頁面的頁面內(nèi)容得到等。
[0079]圖5是根據(jù)本發(fā)明另一個實施例的搜索結(jié)果的展現(xiàn)裝置的結(jié)構(gòu)框圖。
[0080]如圖5所示，該搜索結(jié)果的展現(xiàn)置100包括:接收模塊110、第一確定模塊120、第二確定模塊130、展現(xiàn)模塊140和處理模塊150。
[0081]具體地，當(dāng)搜索結(jié)果中包括對線上推薦結(jié)果進行處理后的結(jié)果時，處理模塊150用于對線上推薦結(jié)果進行處理。對線上推薦結(jié)果進行處理，可以使得線上推薦結(jié)果更加優(yōu)化，更加符合用戶的個性化需求。
[0082]在本發(fā)明的一個實施例中，處理模塊150對線上推薦結(jié)果進行處理包括如下項中的至少一項:
[0083]( I)對線上推薦結(jié)果進行過濾處理。具體地，審核線上推薦結(jié)果對應(yīng)的URL是否合法，剔除不合法的URL ;審核線上推薦結(jié)果對應(yīng)的URL中是否包含特殊字符等，剔除掉特殊
字符等。
[0084](2)計算線上推薦結(jié)果與搜索詞的語義相似度，得到語義相似度高于設(shè)定的第一閾值的線上推薦結(jié)果。具體地，可以獲取搜索詞的標(biāo)簽向量和線上推薦結(jié)果的標(biāo)簽向量，計算搜索詞的標(biāo)簽向量和線上推薦結(jié)果的標(biāo)簽向量的相似度作為線上推薦結(jié)果與搜索詞的語義相似度，并篩選得到語義相似度高于設(shè)定的第一閾值的線上推薦結(jié)果，其中，第一閾值可以根據(jù)用戶設(shè)置所得，還可以是搜索引擎默認(rèn)的。根據(jù)語義相似度篩選出的線上推薦結(jié)果，可以使得線上推薦結(jié)果更加符合用戶的個性化需求。
[0085](3)計算線上推薦結(jié)果與搜索詞的意圖相似度，得到意圖相似度高于設(shè)定的第二閾值的線上推薦結(jié)果。具體地，可以獲取搜索詞的語義主題向量和線上推薦結(jié)果的語義主題向量，計算搜索詞的語義主題向量和線上推薦結(jié)果的語義主題向量的相似度作為線上推薦結(jié)果與搜索詞的意圖相似度，并篩選得到意圖相似度高于設(shè)定的第二閾值的線上推薦結(jié)果，其中，第二閾值可以根據(jù)用戶設(shè)置所得，還可以是搜索引擎默認(rèn)的。根據(jù)意圖相似度篩選出的線上推薦結(jié)果，可以使得線上推薦結(jié)果更加符合用戶的個性化需求。
[0086](4)根據(jù)LR邏輯回歸算法計算線上推薦結(jié)果與搜索詞的字面關(guān)聯(lián)度，得到字面關(guān)聯(lián)度高于設(shè)定的第三閾值的線上推薦結(jié)果。具體地，LR邏輯回歸算法采用第一模型作為訓(xùn)練數(shù)據(jù)，LR邏輯回歸算法進行訓(xùn)練并以點擊率為優(yōu)化目標(biāo)，獲得LR邏輯回歸模型，再根據(jù)訓(xùn)練后的LR邏輯回歸模型計算線上推薦結(jié)果與搜索詞的字面關(guān)聯(lián)度，其中，第三閾值可以根據(jù)用戶設(shè)置所得，還可以是搜索引擎默認(rèn)的。根據(jù)字面關(guān)聯(lián)度篩選出的線上推薦結(jié)果，可以使得線上推薦結(jié)果更加符合用戶的個性化需求。
[0087](5)根據(jù)GBDT梯度提高決策樹計算線上推薦結(jié)果與搜索詞的語義關(guān)聯(lián)度，得到語義關(guān)聯(lián)度高于設(shè)定的第四閾值的線上推薦結(jié)果。具體地，GBDT梯度提高決策樹采用第一模型作為訓(xùn)練數(shù)據(jù)，GBDT梯度提高決策樹進行訓(xùn)練并以點擊率為優(yōu)化目標(biāo)，獲得GBDT梯度提高決策樹模型，再根據(jù)訓(xùn)練后的GBDT梯度提高決策樹模型計算線上推薦結(jié)果與搜索詞的語義關(guān)聯(lián)度，其中，第四閾值可以根據(jù)用戶設(shè)置所得，還可以是搜索引擎默認(rèn)的。根據(jù)語義關(guān)聯(lián)度篩選出的線上推薦結(jié)果，可以使得線上推薦結(jié)果更加符合用戶的個性化需求。
[0088]應(yīng)當(dāng)理解的是，可以選擇上述幾種處理方法中的至少一個進行處理，對此，本發(fā)明的實施例不進行限定。
[0089]本發(fā)明實施例的搜索結(jié)果的展現(xiàn)裝置，對線上推薦結(jié)果進行處理，能夠保證為用戶提供的搜索結(jié)果更加準(zhǔn)確，更加符合用戶的需求，并且能夠最大程度的被用戶點擊和瀏覽，從而進一步提高線上推薦結(jié)果的點擊率，進一步提升推薦效果。
[0090]在本發(fā)明的一個實施例中，本發(fā)明實施例所述的搜索結(jié)果的展現(xiàn)裝置還包括排序模塊(圖中未示出):排序模塊用于根據(jù)語義相似度、意圖相似度、字面關(guān)聯(lián)度和語義關(guān)聯(lián)度中的一種或多種對處理后的線上推薦結(jié)果進行排序。具體地，可以選擇語義相似度、意圖相似度、字面關(guān)聯(lián)度和語義關(guān)聯(lián)度中一種或多種進行加權(quán)計算，語義相似度、意圖相似度、字面關(guān)聯(lián)度和語義關(guān)聯(lián)度的權(quán)重可以不同，由此獲得排序總分，并根據(jù)排序總分進行排序。例如，如果選擇語義相似度、意圖相似度、字面關(guān)聯(lián)度和語義關(guān)聯(lián)度對處理后的線上推薦結(jié)果進行排序，首先可以先將語義相似度和意圖相似度進行加權(quán)計算，同時將字面關(guān)聯(lián)度和語義關(guān)聯(lián)度進行加權(quán)計算，再根據(jù)兩者的計算結(jié)果進行加權(quán)計算，獲得排序總分，并根據(jù)排序總分進行排序。
[0091]在本發(fā)明的一個實施例中，本發(fā)明實施例所述的搜索結(jié)果的展現(xiàn)裝置還包括獲取模塊(圖中未示出):獲取模塊用于根據(jù)當(dāng)前搜索詞，獲取對當(dāng)前搜索詞的當(dāng)前搜索結(jié)果；其中，展現(xiàn)模塊140向用戶展現(xiàn)的搜索結(jié)果中還包括當(dāng)前搜索結(jié)果。
[0092]應(yīng)當(dāng)理解，本發(fā)明的各部分可以用硬件、軟件、固件或它們的組合來實現(xiàn)。在上述實施方式中，多個步驟或方法可以用存儲在存儲器中且由合適的指令執(zhí)行系統(tǒng)執(zhí)行的軟件或固件來實現(xiàn)。例如，如果用硬件來實現(xiàn)，和在另一實施方式中一樣，可用本領(lǐng)域公知的下列技術(shù)中的任一項或他們的組合來實現(xiàn):具有用于對數(shù)據(jù)信號實現(xiàn)邏輯功能的邏輯門電路的離散邏輯電路，具有合適的組合邏輯門電路的專用集成電路，可編程門陣列(PGA)，現(xiàn)場可編程門陣列(FPGA)等。
[0093]在本說明書的描述中，參考術(shù)語“一個實施例”、“一些實施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點包含于本發(fā)明的至少一個實施例或示例中。在本說明書中，對上述術(shù)語的示意性表述不一定指的是相同的實施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點可以在任何的一個或多個實施例或示例中以合適的方式結(jié)合。
[0094]盡管已經(jīng)示出和描述了本發(fā)明的實施例，本領(lǐng)域的普通技術(shù)人員可以理解:在不脫離本發(fā)明的原理和宗旨的情況下可以對這些實施例進行多種變化、修改、替換和變型，本發(fā)明的范圍由權(quán)利要求及其等同物限定。
【權(quán)利要求】
1.一種搜索結(jié)果的展現(xiàn)方法，其特征在于，包括: 接收用戶輸入的當(dāng)前搜索詞； 確定所述用戶的用戶信息，并根據(jù)所述用戶信息確定預(yù)先建立的所述用戶對應(yīng)的第一模型，所述第一模型中記錄所述用戶的歷史數(shù)據(jù)，所述歷史數(shù)據(jù)包括歷史搜索詞與對應(yīng)的歷史選擇結(jié)果； 在所述歷史數(shù)據(jù)中確定與所述當(dāng)前搜索詞匹配的歷史搜索詞，并確定與所述匹配的歷史搜索詞對應(yīng)的歷史選擇結(jié)果，根據(jù)所述歷史選擇結(jié)果確定線上推薦結(jié)果； 向所述用戶展現(xiàn)搜索結(jié)果，所述搜索結(jié)果包括所述線上推薦結(jié)果，或者對所述線上推薦結(jié)果進行處理后的結(jié)果。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述用戶信息確定預(yù)先建立的所述用戶對應(yīng)的第一模型，包括: 根據(jù)所述用戶信息確定所述用戶對應(yīng)的屬性信息； 根據(jù)所述用戶對應(yīng)的屬性信息確定所述用戶對應(yīng)的所述第一模型。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述歷史選擇結(jié)果確定線上推薦結(jié)果，包括: 根據(jù)所述歷史選擇結(jié)果在預(yù)先建立的線上推薦結(jié)果庫中進行查找，以獲取所述歷史選擇結(jié)果對應(yīng)的線上推薦結(jié)果。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，當(dāng)所述搜索結(jié)果中包括對所述線上推薦結(jié)果進行處理后的結(jié)果時，所述根據(jù)所述歷史選擇結(jié)果確定線上推薦結(jié)果之后，所述方法還包括: 對所述線上推薦結(jié)果進行處理。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述對所述線上推薦結(jié)果進行處理包括如下項中的至少一項: 對所述線上推薦結(jié)果進行過濾處理； 計算所述線上推薦結(jié)果與所述搜索詞的語義相似度，得到語義相似度高于設(shè)定的第一閾值的線上推薦結(jié)果； 計算所述線上推薦結(jié)果與所述搜索詞的意圖相似度，得到意圖相似度高于設(shè)定的第二閾值的線上推薦結(jié)果； 根據(jù)LR邏輯回歸算法計算所述線上推薦結(jié)果與所述搜索詞的字面關(guān)聯(lián)度，得到字面關(guān)聯(lián)度高于設(shè)定的第三閾值的線上推薦結(jié)果； 根據(jù)GBDT梯度提高決策樹計算所述線上推薦結(jié)果與所述搜索詞的語義關(guān)聯(lián)度，得到語義關(guān)聯(lián)度高于設(shè)定的第四閾值的線上推薦結(jié)果。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述方法還包括: 根據(jù)所述語義相似度、意圖相似度、字面關(guān)聯(lián)度和語義關(guān)聯(lián)度中的一種或多種對處理后的所述線上推薦結(jié)果進行排序。
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述線上推薦結(jié)果包括錨文本或者頁面內(nèi)容片斷。
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述頁面內(nèi)容片段包括文本、圖片、音頻、視頻中的一種或多種。
9.根據(jù)權(quán)利要求1-8任一項所述的方法，其特征在于，還包括: 根據(jù)所述當(dāng)前搜索詞，獲取對所述當(dāng)前搜索詞的當(dāng)前搜索結(jié)果； 所述向用戶展現(xiàn)的搜索結(jié)果中還包括所述當(dāng)前搜索結(jié)果。
10.一種搜索結(jié)果的展現(xiàn)裝置，其特征在于，包括: 接收模塊，用于接收用戶輸入的當(dāng)前搜索詞； 第一確定模塊，用于確定所述用戶的用戶信息，并根據(jù)所述用戶信息確定預(yù)先建立的所述用戶對應(yīng)的第一模型，所述第一模型中記錄所述用戶的歷史數(shù)據(jù)，所述歷史數(shù)據(jù)包括歷史搜索詞與對應(yīng)的歷史選擇結(jié)果； 第二確定模塊，用于在所述歷史數(shù)據(jù)中確定與所述當(dāng)前搜索詞匹配的歷史搜索詞，并確定與所述匹配的歷史搜索詞對應(yīng)的歷史選擇結(jié)果，根據(jù)所述歷史選擇結(jié)果確定線上推薦結(jié)果; 展現(xiàn)模塊，用于向所述用戶展現(xiàn)搜索結(jié)果，所述搜索結(jié)果包括所述線上推薦結(jié)果，或者對所述線上推薦結(jié)果進行處理后的結(jié)果。
11.根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述第一確定模塊具體用于:根據(jù)所述用戶信息確定所述用戶對應(yīng)的屬性信息；并根據(jù)所述用戶對應(yīng)的屬性信息確定所述用戶對應(yīng)的所述第一模型。
12.根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述第二確定模塊具體用于:根據(jù)所述歷史選擇結(jié)果在預(yù)先建立的線上推薦結(jié)果庫中進行查找，以獲取所述歷史選擇結(jié)果對應(yīng)的線上推薦結(jié)果。
13.根據(jù)權(quán)利要求10所述的裝置，其特征在于，當(dāng)所述搜索結(jié)果中包括對所述線上推薦結(jié)果進行處理后的結(jié)果時，還包括: 處理模塊，用于在根據(jù)所述第二確認(rèn)模塊根據(jù)所述歷史選擇結(jié)果確定線上推薦結(jié)果之后，對所述線上推薦結(jié)果進行處理。
14.根據(jù)權(quán)利要求13所述的裝置，其特征在于，所述處理模塊對所述線上推薦結(jié)果進行處理包括如下項中的至少一項: 對所述線上推薦結(jié)果進行過濾處理； 計算所述線上推薦結(jié)果與所述搜索詞的語義相似度，得到語義相似度高于設(shè)定的第一閾值的線上推薦結(jié)果； 計算所述線上推薦結(jié)果與所述搜索詞的意圖相似度，得到意圖相似度高于設(shè)定的第二閾值的線上推薦結(jié)果； 根據(jù)LR邏輯回歸算法計算所述線上推薦結(jié)果與所述搜索詞的字面關(guān)聯(lián)度，得到字面關(guān)聯(lián)度高于設(shè)定的第三閾值的線上推薦結(jié)果； 根據(jù)GBDT梯度提高決策樹計算所述線上推薦結(jié)果與所述搜索詞的語義關(guān)聯(lián)度，得到語義關(guān)聯(lián)度高于設(shè)定的第四閾值的線上推薦結(jié)果。
15.根據(jù)權(quán)利要求14所述的裝置，其特征在于，還包括: 排序模塊，用于根據(jù)所述語義相似度、意圖相似度、字面關(guān)聯(lián)度和語義關(guān)聯(lián)度中的一種或多種對處理后的所述線上推薦結(jié)果進行排序。
16.根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述線上推薦結(jié)果包括錨文本或者頁面內(nèi)容片斷。
17.根據(jù)權(quán)利要求16所述的裝置，其特征在于，所述頁面內(nèi)容片段包括文本、圖片、音頻、視頻中的一種或多種。
18.根據(jù)權(quán)利要求10-17任一項所述的裝置，其特征在于，還包括: 獲取模塊，用 根據(jù)所述當(dāng)前搜索詞，獲取對所述當(dāng)前搜索詞的當(dāng)前搜索結(jié)果，其中所述展現(xiàn)模塊還用于向用戶展現(xiàn)的搜索結(jié)果中還包括所述當(dāng)前搜索結(jié)果。
【文檔編號】G06F17/30GK103942279SQ201410128991
【公開日】2014年7月23日 申請日期:2014年4月1日 優(yōu)先權(quán)日:2014年4月1日
【發(fā)明者】秦首科, 韓友, 王楠, 黃飛, 程小華, 徐培治, 劉斌新, 李小松, 許青, 陳春麗 申請人:百度(中國)有限公司