[发明专利]一种搜索方法及装置

权利要求书

1.一种搜索方法，其特征在于，所述方法包括以下步骤：

获取历史用户的行为日志，其中，所述行为日志包括用户使用习惯数据；

根据所述使用习惯数据，获取历史用户特征属性；

根据所述历史用户特征属性，利用贝叶斯分类算法对历史用户进行分类，获取用户类别集、所述用户类别集中每一类别用户的偏好歌曲以及所述偏好歌曲的点击率；

当目标用户进行搜索时，将目标用户的使用习惯数据与所述用户类别集进行匹配，确定目标用户的类别，并在搜索结果中对该目标用户的类别对应的偏好歌曲按照偏好歌曲的点击率进行排序显示。

2.根据权利要求1所述的方法，其特征在于，所述用户使用习惯具体包括：用户id，用户登录状态，歌曲id，歌曲是否听完，歌曲收听时长，下载状态，付费状态。

3.根据权利要求1所述的方法，其特征在于，所述特征属性具体包括：

用户活跃频次，用户活跃时段，用户日均听歌数，用户日均听歌时长，用户所听歌曲平均发行年代，用户付费记录。

4.根据权利要求1所述的方法，其特征在于，所述根据所述历史用户特征属性，利用贝叶斯分类算法对历史用户进行分类，获取用户类别集、所述用户类别集中每一类别用户的偏好歌曲以及所述偏好歌曲的点击率具体包括：

将用户分类为：时段敏感型用户，热点偏好用户，正版歌曲偏好用户，冷门小众偏好用户，付费偏好用户等，记为有类别集合X＝{x1,x2,…xm}，其中，m为用户分类的个数；

将历史用户特征属性记为有类别集合Y＝{y1,y2,…yn}，其中，n为历史用户特征属性个数；

计算P(y1|x),P(y2|x),P(yn|x)，获取在每一个用户类别下，每一个历史用户特征属性的条件概率；

根据以该公式最大值作为用户分类结果，获取的用户分类结果即为用户类别集。

5.根据权利要求4所述的方法，其特征在于，所述计算P(y1|x),P(y2|x),P(yn|x)，获取在每一个用户类别下，每一个历史用户特征属性的条件概率具体包括：

确定已知用户类别的特征属性以及该特征属性下的特征数据，即训练样本集；

统计在各用户类别下各个特征属性的条件概率估计，即P(a1|y1),P(a2|y1),…,P(am|y1)；P(a1|y2),P(a2|y2),…,P(am|y2)；…；P(a1|yn),P(a2|yn),…。