[发明专利]一种搜索推荐方法及系统

说明书

本发明的技术方案包括一种搜索推荐方法及系统，用于实现：包括获取用户输入的搜索内容，提取搜索文本并调用数据库；根据搜索文本进行词句匹配，从数据库中挑选出包含搜索文本的句子；将挑选出的句子根据评分模型进行逐一评分排序，并放入推送池；根据评分排序进行用户个性化处理，得到一定数量的句子并推送给用户，其中一定数量可自定义。本发明的有益效果为：方便用户输入、缩短用户搜索时间、提高搜索准确度以及改善用户的搜索体验。

技术领域

本发明涉及一种搜索推荐方法及系统，属于互联网技术领域。

背景技术

基于内容的信息推荐方法的理论依据主要来自于信息检索和信息过滤，所谓的基于内容的推荐方法就是根据用户过去的浏览记录来向用户推荐用户没有接触过的推荐项。主要是从两个方法来描述基于内容的推荐方法：启发式的方法和基于模型的方法。启发式的方法就是用户凭借经验来定义相关的计算公式，然后再根据公式的计算结果和实际的结果进行验证，然后再不断修改公式以达到最终目的。而对于模型的方法就是根据以往的数据作为数据集，然后根据这个数据集来学习出一个模型。一般的推荐系统中运用到的启发式的方法就是使用tf-idf的方法来计算，跟还有tf-idf的方法计算出这个文档中出现权重比较高的关键字作为描述用户特征，并使用这些关键字作为描述用户特征的向量；然后再根据被推荐项中的权重高的关键字来作为推荐项的属性特征，然后再将这个两个向量最相近的(与用户特征的向量计算得分最高)的项推荐给用户。在计算用户特征向量和被推荐项的特征向量的相似性时，一般使用的是cosine方法，计算两个向量之间夹角的cosine值

传统的方法是直接从数据库模糊搜索关键字得到列表,推送句子并不符合用户需求，不能满足用户的个性化需求，影响用户体验。

发明内容

为解决上述问题，本发明的目的在于提供一种搜索推荐方法及系统，包括获取用户输入的搜索内容，提取搜索文本并调用数据库；根据搜索文本进行词句匹配，从数据库中挑选出包含搜索文本的句子；将挑选出的句子根据评分模型进行逐一评分排序，并放入推送池；、根据评分排序进行用户个性化处理，得到一定数量的句子并推送给用户，其中一定数量可自定义。

本发明解决其问题所采用的技术方案一方面是：一种搜索推荐方法，其特征在于，包括以下步骤：S100、获取用户输入的搜索内容，提取搜索文本并调用数据库；S200、根据搜索文本进行词句匹配，从数据库中挑选出包含搜索文本的句子；S300、将挑选出的句子根据评分模型进行逐一评分排序，并放入推送池；S400、根据评分排序进行用户个性化处理，得到一定数量的句子并推送给用户，其中一定数量可自定义。

进一步的，所述S200还包括：S201、根据搜索文本，调用数据库中各个句子在一定时间内的被调用率，计算转化率分数；S202、根据转化率分数大小生成候选待推送句子，划入推送池中，其中推送池还包括长尾的新词和趋势词。

进一步的，所述S300还包括：S301、根据搜索文本的前缀特征以及索引特征获取对应的句子的统计特征；S302、根据索引和句子的编辑距离以及DBOW向量计算句子排序；S303、使用模型计算各个句子在对应文本的相关性分数，其中模型包括但不限于hred模型、lambda模型、mart模型、随机森林模型以及网格查找模型。

进一步的，所述S400还包括：S401、将挑选出的句子根据搜索次数、网站成交额变化率以及点击率进行加权融合；S402、对处理后的句子进行贝叶斯平滑处理，同时计算句子静态分，其中静态分包括但不限于pv、ctr、成交转化率、成交笔数、成交金额以及召回商品数。

进一步的，所述S400还包括：S401、将挑选出的句子根据时间序列模型进行预测概率大小，其中预测模型包括加法指数平滑模型；S402、根据用户在一定时间内的自主搜索记录来计算句子相对熵和新词的数据，并推送给用户。