[发明专利]一种搜索结果排序方法、装置、服务器和存储介质在审
| 申请号: | 201711129590.8 | 申请日: | 2017-11-15 |
| 公开(公告)号: | CN107832432A | 公开(公告)日: | 2018-03-23 |
| 发明(设计)人: | 朱丹翔;曹宇慧;何径舟;陈徐屹;朱志凡;冯仕堃 | 申请(专利权)人: | 北京百度网讯科技有限公司 |
| 主分类号: | G06F17/30 | 分类号: | G06F17/30 |
| 代理公司: | 北京品源专利代理有限公司11332 | 代理人: | 孟金喆 |
| 地址: | 100085 北京市*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 搜索 结果 排序 方法 装置 服务器 存储 介质 | ||
技术领域
本发明实施例涉及互联网技术领域,尤其涉及一种搜索结果排序方法、装置、服务器和存储介质。
背景技术
随着搜索引擎技术的快速发展以及人们对生活需求的不断提高,越来越多的用户开始注重搜索结果带来的用户体验。用户在使用搜索引擎进行搜索时,往往搜索意图只有一个,搜索结果与用户的搜索意图越接近,则用户体验越高。
现有的在搜索引擎中对搜索结果进行排序的方法,往往只根据用户单次输入的搜索描述信息来返回与当次搜索相对应的搜索结果。这种对搜索结果进行排序的方式,会由于当次搜索描述信息存在多重语义或者语义比较宽泛,使搜索引擎对用户的搜索意图理解存在偏差,导致输出的搜索结果偏离用户的真实搜索意图,使得用户搜索体验不佳。
发明内容
本发明实施例提供一种搜索结果排序方法、装置、服务器和存储介质,以解决现有的搜索引擎输出的搜索结果准确度低或者排序不佳,用户搜索体验差的问题。
第一方面,本发明实施例提供了一种搜索结果排序方法,该方法包括:
获取当前搜索词,并根据所述当前搜索词获取对应的搜索结果;
根据搜索词之间的匹配度获取所述当前搜索词的有效前置信息;
基于预先训练的神经网络模型,根据所述当前搜索词、所述有效前置信息及所述搜索结果确定所述搜索结果中各搜索条目对应的相关性参数;
根据所述各搜索条目对应的相关性参数对所述各搜索条目进行排序。
第二方面,本发明实施例还提供了一种搜索结果排序装置,该装置包括:
当前搜索信息获取模块,用于获取当前搜索词,并根据所述当前搜索词获取对应的搜索结果;
有效前置信息获取模块,用于根据搜索词之间的匹配度获取所述当前搜索词的有效前置信息;
相关性参数确定模块,用于基于预先训练的神经网络模型,根据所述当前搜索词、所述有效前置信息及所述搜索结果确定所述搜索结果中各搜索条目对应的相关性参数;
搜索条目排序模块,用于根据所述各搜索条目对应的相关性参数对所述各搜索条目进行排序。
第三方面,本发明实施例还提供了一种服务器,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上所述的搜索结果排序方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的搜索结果排序方法。
本发明实施例通过利用预先训练的神经网络模型,根据获取到的当前搜索词、有效前置信息及与当前搜索词相对应的搜索结果,来确定搜索结果中各搜索条目对应的相关性参数,并根据各搜索条目对应的相关性参数对各搜索条目进行排序,解决了现有的搜索引擎对用户的搜索意图理解存在偏差,输出的搜索结果准确度低或者排序不佳,用户搜索体验差的问题,更好的理解了用户的搜索意图,提高了用户体验。
附图说明
图1是本发明实施例一中的搜索结果排序方法的流程图;
图2是本发明实施例二中的搜索结果排序方法的流程图;
图3是本发明实施例三中的搜索结果排序方法的流程图;
图4是本发明实施例四中的搜索结果排序装置的结构示意图;
图5是本发明实施例五中的服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的搜索结果排序方法的流程图,本实施例可适用于需要提高搜索引擎中搜索结果准确率的情况,该方法可以由搜索结果排序装置来执行,该装置可以采用软件和/或硬件的方式实现。如图1所示,该方法具体包括:
S110、获取当前搜索词,并根据当前搜索词获取对应的搜索结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711129590.8/2.html,转载请声明来源钻瓜专利网。





