[发明专利]搜索结果的基于原型的重排名

权利要求书

1.一种方法，包括：

在计算设备的一个或多个处理器的控制下：

接收一个或多个查询；

响应于接收到所述一个或多个查询，生成搜索结果集合，由此所述搜索结果集合内的每一搜索结果基于与所述一个或多个查询的相对相关性来被排名；

向所述搜索结果集合内的每一排名位置分配不同的权重；

至少部分地基于所分配的权重来学习重排名模型；以及

至少部分地基于所述重排名模型来对所述搜索结果进行重排名，以生成经重排名的搜索结果的集合。

2.如权利要求1所述的方法，其特征在于，所述重排名模型是查询无关的，从而使得所述重排名模型能够跨多个查询通用。

3.如权利要求1所述的方法，其特征在于，还包括：

生成一个或多个原型，所述一个或多个原型在视觉上表示所述一个或多个查询或所述搜索结果集合中包括的至少一个搜索结果中的至少一个；以及

将所述经重排名的搜索结果的集合输出给提交所述一个或多个查询的用户。

4.如权利要求3所述的方法，其特征在于，还包括利用所述一个或多个原型来构造至少一个元重排名器，每一元重排名器产生所述搜索结果集合中包括的搜索结果中的一个或多个的重排名分数。

5.如权利要求4所述的方法，其特征在于，所述一个或多个原型中的至少一个是使用单-图像过程通过将单个搜索结果与每一元重排名器进行相关来构造的。

6.如权利要求4所述的方法，其特征在于，所述一个或多个原型中的至少一个是使用多-平均过程通过按降序将搜索结果的经重排名的集合内的搜索结果迭代地添加到每一元重排名器来构造的。

7.如权利要求4所述的方法，其特征在于，所述一个或多个原型中的至少一个是使用多-集合过程通过按降序将搜索结果的经重排名的集合内的搜索结果迭代地添加到每一元重排名器来构造的，每一元重排名器是通过从所述至少 一个原型和所选择的负面样本中学习分类器来构造的。

8.如权利要求4所述的方法，其特征在于，还包括聚集所述元重排名器中的每一个所产生的重排名分数来生成所述搜索结果中的每一个的最终相关性分数，所述最终相关性分数被用来定义在所述经重排名的搜索结果的集合内每一搜索结果的排名位置。

9.如权利要求1所述的方法，其特征在于，所述重排名模型是至少部分地基于以下来学习到的：自动选择所述搜索结果的被确定为最相关于所述一个或多个查询的至少一子集，或通过参考手动地应用于所述搜索结果的至少一子集的具有与所述一个或多个查询的不同程度的相关性的标记。

10.一个或多个具有计算机可执行指令的计算机可读介质，当所述计算机可执行指令被一个或多个处理器执行时，配置所述一个或多个处理器以执行包括以下的操作：

响应于一个或多个查询返回图像集合，每一图像相对于彼此被排名；

生成在视觉上表示所述一个或多个查询且被用来构造一个或多个元重排名器的一个或多个原型；以及

至少部分地基于由所述一个或多个元重排名器所提供的重排名分数来对所述图像进行重排名以生成经重排名的图像的集合。

11.如权利要求9所述的一个或多个计算机可读介质，其特征在于：

每一图像相对于所述一个或多个查询的相关性概率表示在所述图像集合中的对应排名位置；以及

所述一个或多个元重排名器是生成所述图像中的每一个的重排名分数的应用、模块、或模式，所述重排名分数被聚集以产生所述图像中的每一个的最终相关性分数。

12.如权利要求11所述的一个或多个计算机可读介质，其特征在于，每一图像的最终相关性分数定义在所述经重排名的图像的集合中的排名位置。

13.如权利要求10所述的一个或多个计算机可读介质，其特征在于，所述经重排名的图像的集合是至少部分地基于重排名模型来生成的，所述重排名模型是至少部分地基于与所述一个或多个查询的相应相关性以及所述图像的手动地标记的子集的排名位置来从所述图像子集学习的。

14.如权利要求10所述的一个或多个计算机可读介质，其特征在于，所述一个或多个元重排名器是通过将所述图像中的不同一个与所述一个或多个原型进行关联来构造的。