CN105786977A - 基于人工智能的移动搜索方法和装置 - Google Patents
基于人工智能的移动搜索方法和装置 Download PDFInfo
- Publication number
- CN105786977A CN105786977A CN201610082553.5A CN201610082553A CN105786977A CN 105786977 A CN105786977 A CN 105786977A CN 201610082553 A CN201610082553 A CN 201610082553A CN 105786977 A CN105786977 A CN 105786977A
- Authority
- CN
- China
- Prior art keywords
- result
- search
- search results
- search word
- analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9538—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24575—Query processing with adaptation to user needs using context
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明提出一种基于人工智能的移动搜索方法和装置,该基于人工智能的移动搜索方法包括:展现搜索框,并接收用户通过搜索框输入的搜索词;根据搜索词获取搜索结果,并将搜索结果展现在搜索结果页上;当接收到对搜索结果的点击指令后,展现点击的搜索结果对应的情景页;当接收到对搜索结果或情景页中的结果的点击指令后,展现点击的结果对应的内容页。该方法能够突破PC搜索的思路,提供更适用于移动搜索场景的搜索方式。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种基于人工智能的移动搜索方法和装置。
背景技术
人工智能(ArtificialIntelligence,英文缩写为AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用***的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家***等。
随着智能手机的快速普及,移动互联网已经成为广大网民使用网络获取信息的主要途径。相应的,移动搜索也取代个人电脑(PersonalComputer,PC)搜索成为搜索引擎的主要方式。受到移动设备因素和用户使用习惯因素等的影响,移动搜索与PC搜索之间存在较大的差异。
相关技术中,在移动搜索中依然沿用PC搜索的思路,导致相关技术中的移动搜索在搜索结果满足的精准化、场景化、个性化、以及延展用户需求的吸引力等方面都存在明显不足。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的一个目的在于提出一种基于人工智能的移动搜索方法,该方法可以突破PC搜索的思路,提供更适用于移动搜索场景的搜索方式。
本发明的另一个目的在于提出一种基于人工智能的移动搜索装置。
为达到上述目的,本发明第一方面实施例提出的基于人工智能的移动搜索方法,包括:展现搜索框,并接收用户通过搜索框输入的搜索词;根据搜索词获取搜索结果,并将搜索结果展现在搜索结果页上;当接收到对搜索结果的点击指令后,展现点击的搜索结果对应的情景页;当接收到对搜索结果或情景页中的结果的点击指令后,展现点击的结果对应的内容页。
本发明第一方面实施例提出的基于人工智能的移动搜索方法,通过上述处理,可以提供更适用于移动搜索的搜索方式。
为达到上述目的,本发明第二方面实施例提出的基于人工智能的移动搜索装置,包括:第一展现模块,用于展现搜索框,并接收用户通过搜索框输入的搜索词;第二展现模块,用于根据搜索词获取搜索结果,并将搜索结果展现在搜索结果页上;第三展现模块,用于当接收到对搜索结果的点击指令后,展现点击的搜索结果对应的情景页;第四展现模块,用于当接收到对搜索结果或情景页中的结果的点击指令后,展现点击的结果对应的内容页。
本发明第二方面实施例提出的基于人工智能的移动搜索装置,通过上述处理,可以提供更适用于移动搜索的搜索方式。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明一实施例提出的基于人工智能的移动搜索方法的流程示意图;
图2是本发明实施例中各种页面的示意图;
图3a-3b是本发明实施例中分别对应单一需求搜索词和多需求搜索词的搜索结果页的示意图;
图4a-4d是本发明实施例中一种具体示例的搜索结果页的示意图;
图5是本发明实施例中一种具体示例的情景页的示意图;
图6是本发明实施例中一种具体示例的内容页的示意图;
图7a-7b是本发明实施例中另一种具体示例的搜索结果页的示意图;
图8a-8c分别是本发明实施例中另一种具体示例的搜索结果页、情景页和内容页的示意图;
图9是本发明实施例中一种根据搜索词获取搜索结果的流程示意图;
图10是本发明实施例中另一种根据搜索词获取搜索结果的流程示意图;
图11是本发明实施例中另一种根据搜索词获取搜索结果的流程示意图;
图12是本发明实施例的移动搜索对应的效果示意图;
图13是本发明另一实施例提出的基于人工智能的移动搜索装置的结构示意图;
图14是本发明另一实施例提出的基于人工智能的移动搜索装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的模块或具有相同或类似功能的模块。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。相反,本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
图1是本发明一实施例提出的基于人工智能的移动搜索方法的流程示意图。
参见图1,该方法包括:
S11:展现搜索框,并接收用户通过搜索框输入的搜索词。
如图2所示,当用户使用移动搜索产品(如手机百度)时,可以先向用户展现搜索框21。
用户可以在搜索框中输入搜索词(query),以完成相应的搜索。
用户在输入搜索词时,可以以文字、语音、图片等形式进行输入。
S12:根据搜索词获取搜索结果,并将搜索结果展现在搜索结果页上。
例如,参见图2,当用户在搜索框21中输入搜索词,并点击“百度一下”后,可以跳转到搜索结果页22,搜索结果页上包括搜索结果。
一些实施例中,搜索结果可以包括:精准结果、聚合结果和推荐引导结果。
其中,当搜索词是单一需求搜索词时,提供直接满足需求的精准结果。
当搜索词是多需求搜索词时,将多需求下的搜索结果进行聚合,进而提供聚合结果。
当搜索词是单一需求搜索词时,在精准结果之后提供与需求(搜索词)、精准结果、用户个性化及场景化相关的一条或多条推荐引导结果。或者,当搜索词是多需求搜索词时,在聚合结果之后提供与需求(搜索词)、聚合结果中的一条或多条结果、用户个性化及场景化相关的一条或多条推荐引导结果。
例如,参见图3a-3b,分别示出了单一需求搜索词对应的搜索结果页的示意图和多需求搜索词对应的搜索结果页的示意图。
S13:当接收到对搜索结果的点击指令后,展现点击的搜索结果对应的情景页。
其中,情景页的作用是为对给定情景感兴趣的用户提供深入阅读和浏览的场景。情景页中的内容是对给定情景的细化或延展,包含给定结果的同类结果、近似结果或相关结果。给定结果是搜索结果中的一条结果。
例如,参见图2,当用户点击搜索结果页中的某个搜索结果后,展现点击的搜索结果对应的情景页23。
S14:当接收到对搜索结果或情景页中的结果的点击指令后,展现点击的结果对应的内容页。
其中,内容页中的内容是搜索结果页中一条结果的详细内容,或情景页中一条结果的详细内容,包括但不限于:一条新闻的详细报道、一个对象的详细描述、一篇网页的详细内容等。
例如,参见图2,当用户点击情景页中某个结果后,展现点击的结果对应的内容页24,或者,当用户点击搜索结果页中某个搜索结果后,展现点击的搜索结果对应的内容页24。
下面以具体示例说明上述流程的实现。
一些实施例中,以单一需求搜索词的移动搜索为例。
单一需求搜索词例如是“北京天气”。当用户在搜索框中输入“北京天气”并发起搜索后,可以展现如图4a-4d所示的搜索结果页。
可以理解的是,受限于移动设备的尺寸,搜索结果通常以多屏形式展现,用户可以通过上下滑动查看到不同屏的搜索结果。本实施例以图4a-4d的四屏为例。
其中,搜索结果可以包括如图4a所示的直接满足搜索词需求的精准结果,也可以包括如图4b-4d所示的推荐引导结果。本实施例中,推荐引导结果是“生活指数推荐”,具体包括“元旦攻略”、“烤鱼”、“羽绒服”、“4D/5D电影”、“周边景点”、“奇葩天气”等具体情景。
以其中的“周边景点”这一搜索结果为例,该搜索结果会对应一个情景页,即当用户点击“周边景点”对应的搜索结果后,会展现如图5所示的情景页。情景页中呈现的周边景点比搜索结果页中呈现的周边景点更丰富全面。
以点击情景页中的结果为例,例如,当用户点击情景页中的“东方普罗旺斯薰衣草庄园”这一结果后,会展现如图6所示的该被点击的结果对应的内容页。
一些实施例中,以多需求搜索词的移动搜索为例。
多需求搜索词例如是“乌镇”。当用户在搜索框中输入“乌镇”并发起搜索后,可以展现如图7a-7b所示的搜索结果页。
本实施例中,由于用户对于“乌镇”这一对象存在多种潜在的需求,因此本发明自动侦测用户在当前query下的需求分布,提炼出“景点”、“美食”、“购物”等多个需求维度,并将搜索结果按照这些需求维度进行聚合展现。例如,参见图7a,会展现聚合了“景点”、“美食”、“购物”等需求维度的聚合结果。另外,在搜索结果页中还可以展现如图7b所示的推荐引导结果。
在多需求搜索词的场景下,情景页和内容页的原理逻辑与单一需求搜索词一致,在此不再详细描述。
进一步的,在多需求搜索词的场景下,一种多需求搜索词是歧义搜索词,如“苹果”、“李娜”等。用户对该类搜索词的需求可能分布在不同的义项上,如用户对于“苹果”的需求可能是水果、手机品牌、公司名称、电影等,对于这种情况,本发明可以将不同义项下的结果进行聚合展现。
一些实施例中,以资讯类需求搜索词的移动搜索为例。
资讯类需求搜索词例如是“双子座流星雨”。当用户在搜索框中输入“双子座流星雨”并发起搜索后,可以展现如图8a所示的搜索结果页。
搜索结果页中包括直接满足搜索词需求的精准结果,并在精准结果下方展现推荐引导结果。若用户有进一步的资讯浏览阅读需求,则可点击推荐引导结果进入如图8b所示的情景页,情景页的资讯内容选择主要基于资讯内容的热度、时效性、与用户个性化需求的相关度等。若用户需要对情景页中的某一条资讯进行详细了解,则可以点击该资讯进入如图8c所示的内容页。
上述流程中,根据搜索词获取搜索结果,可以根据不同场景采用不同的方式。
一些实施例中,参见图9,根据搜索词获取搜索结果的流程包括:
S91:对搜索词进行需求理解分析。
需求理解分析可以包括:需求分类、需求句法分析和需求语义分析。
其中,需求分类是基于给定的需求分类体系将搜索词(Q)分到某特定类别,如Q=“明天上海的天气”将到分到“天气”类。
需求句法分析是分析出Q中词语之间的关系,如Q=“明天上海的天气”,将分析出本需求中的核心词是“天气”,限定成分分别是“明天”和“上海”。
需求语义分析是在需求分类和句法分析结果上,进一步分析生成语义表达式,以进行知识库查询。
进一步的,需求理解分析还可以包括:需求归一化,和/或,查询纠错。
其中,针对某些长尾冷门搜索,需要应用需求归一化技术,如Q=“请问明天上海的天气怎么样啊”是口语化的查询,在语义上等同于“明天上海天气”。还可以基于当前日期进一步将其归一化为形如“2016年1月12日上海天气”这样的精准查询。
针对含有错误的搜索,需要使用查询纠错技术,如Q=“明天伤害的天气”,查询纠错技术需要自动甄别出其中可能存在的输入错误“伤害”应为“上海”,并将其改写为正确的查询“明天上海的天气”。
S92:对网页资源进行篇章理解分析。
其中,对网页资源的篇章理解分析包括:篇章主题分析。
篇章主题分析技术:基于大规模网页库训练主题模型,进而基于主题模型计算任意给定网页篇章的主题分布。简单举例,一篇网页的主题分布可能为:政治:0.74;军事:0.21;经济:0.05(注:数值为该篇章在每个主题上的分布概率)。篇章主题分析技术的作用在于提升搜索结果的主题相关性。
S93:根据对搜索词的分析结果与对网页资源的分析结果,获取原始的搜索结果。
例如,对搜索词进行需求理解分析后,确定搜索词属于政治主题,则可以在政治主题的分布概率较高的网页资源中查询对应的搜索结果,作为原始的搜索结果。
S94:对原始的搜索结果进行篇章理解分析,得到用于展现的搜索结果。
对搜索结果的篇章理解分析包括:自动文摘处理。
自动文摘技术:由于搜索结果篇幅限制,往往需要对搜索结果进行自动文摘生成,并将生成的文摘呈现给用户,以提升用户的阅读效率。
一些实施例中,当搜索词是问题时,采用深度问答获取与问题对应的精准答案。
深度问答技术:深度问答技术的作用是针对用户的问句型搜索,直接提供精准答案。深度问答按照答案类型可分为以下几种类型:(1)实体型问答,即问句的预期答案是一个或多个实体,如“南美洲最大的国家”、“什么食物补钙”等;(2)是非观点型问答,即问句的预期答案是“是”或“否”的判断,如“宝宝能吃海参吗”、“羽绒服能不能水洗”等。(3)段落型问答,如“宝宝打嗝怎么办”、“红烧肉怎么做”等。深度问答技术在自动分析问句需求和类型的基础上,从互联网大数据中自动挖掘、过滤、汇总、并排序得到答案。
在深度问答技术中,除针对客观问题进行回答外,还需要针对主观问题进行回答,如“起亚K5怎么样”、“大董烤鸭好吃吗”等,此类问题的回答需要基于情感分析技术,从上述待评论对象的评论文本中自动分析评论侧面、每个侧面的评论观点,并自动生成评论句子的摘要。例如,对于“起亚K5怎么样”这个query,需要分别针对“外观”、“油耗”、“内饰”、“操作性”等侧面进行评论观点(“好”、“差”、“一般”等)的挖掘,并围绕每个侧面的每个评论观点,基于大量的网上评论句子生成评论摘要句。
一些实施例中,参见图10,根据搜索词获取搜索结果的流程包括:
S101:当搜索词是多需求搜索词时,确定所述搜索词对应的多个需求维度;
S102:将不同需求维度对应的搜索结果进行聚合,得到聚合结果。
具体的,当搜索词是多需求搜索词时,采用结果聚合技术。
结果聚合技术:结果聚合技术的作用是对于多需求query的需求维度自动发现以及对搜索结果围绕不同需求维度进行聚合,具体包括:(1)需求维度发现:基于用户搜索日志对含有当前查询Q的所有query按照需求维度进行自动聚类。如对于Q=“丽江”,需要自动发现“攻略”、“美食”、“景点”等不同需求维度。需求维度发现的具体技术有多种,常见方法有基于query内容相似度计算聚类、基于用户点击相似度聚类(即相同需求的query倾向于点击相同的结果)等方法。(2)搜索结果聚合:针对多需求查询Q,围绕上述发现的多个需求维度,将全部搜索结果进行聚合。具体来说,聚合过程中既考虑每条搜索结果与每个需求维度的相关度,又考虑搜索结果之间的相似度。例如,对于Q=“丽江”的一篇主题为“丽江当地特色小吃”的搜索结果,搜索结果聚合会计算该结果与“攻略”、“美食”、“景点”等需求维度的相关度,也会计算该搜索结果与各个需求维度下的已经完成聚合的搜索结果的相似度。
进一步的,多需求搜索词包括歧义搜索词,歧义搜索词是指对应多个义项的搜索词。例如,“苹果”这一搜索词可以对应水果、电子产品、公司、电影等多个义项。
此时,多个需求维度是指多个义项,以便对多个义项对应的搜索结果进行聚合,得到聚合结果。
具体的,当搜索词是歧义搜索词时,可以采用歧义消解技术。
歧义消解技术:歧义消解技术的作用在于针对歧义性需求Q,将其搜索结果围绕不同义项进行聚类。底层技术为实体链指(entitylinking)技术。具体来讲,歧义需求Q的字面表达(如“苹果”)在预设的知识库中对应多个义项(如“苹果”对应“水果”、“电子产品”、“公司”、“电影”等)。实体链指技术通过对每一条搜索结果中歧义表达Q的上下文建模,来实现对不同义项的正确链指。例如对于“冬季应当多吃苹果补充维生素”这一结果,通过对“苹果”一词出现的上下文建模,可以将其自动链指到“水果”的义项上,但对于“乔布斯开创了苹果的新纪元”这一结果,则链指到“公司”这一义项上。
一些实施例中,参见图11,该方法包括:
S111:根据用户信息进行个性化建模,得到个性化模型,和/或,根据用户信息进行场景化建模,得到场景化模型。
其中,在个性化建模时采用的用户信息包括但不限于:用户属性、状态、兴趣、消费习惯等。
具体的,个性化建模具体包括对用户的属性(如性别、年龄等)、状态(如:怀孕、求职等)、兴趣(如:喜欢恐怖电影、摇滚音乐等)、消费习惯(如:经常购买电子产品等)等的建模。建模方式可以包括但不限于:通过用户主动填写并提交个性化信息,通过自动分析用户搜索日志,通过自动分析用户全网浏览日志等。需要说明的是,个性化建模得到的信息将仅用于对该用户本人的个性化搜索和个性化推荐,不用于其他用途,以确保其隐私不被侵犯。
其中,在场景化建模时采用的用户信息包括但不限于:用户发起搜索的时间、地点、场合、上下文语境、使用的终端等。
具体的,需要获取到的场景化特征具体包括用户发起搜索需求的时间、地点(基于不同的地理位置定位)、场合(如学校、商场、居民小区等)、上下文语境(即用户在当前query之前搜索的其他query),以及设备终端(如不同品牌的智能机)等。
相应的,根据搜索词获取搜索结果的流程包括:
S112:根据搜索词获取精准结果或聚合结果。
其中,精准结果或聚合结果是用于满足搜索词单一或多维度需求的结果。在搜索结果页上不仅可以展现满足用户需求的结果,还展现相关的推荐引导结果。
S113:根据如下信息中的一项或多项获取与精准结果或聚合结果对应的推荐引导结果:
待推荐结果与搜索词的相关度、待推荐结果与精准结果或聚合结果的相关度、待推荐结果与个性化模型的匹配度、待推荐结果与场景化模型的匹配度、待推荐结果的自身价值特征。
具体的,如上所示,在展现精准结果或聚合结果后,还可以进一步展现推荐引导结果,以激发其潜在的搜索需求。对于任意一条待推荐结果D,引导推荐技术基于以下特征计算其推荐分值,并按照推荐分值的高低决定是否推荐:(1)待推荐结果D与需求Q的相关度,(2)D与Q的搜索结果的相关度,(3)D与当前用户个性化模型的匹配度,(4)D与当前搜索Q的场景化模型的匹配度,(5)D的自身价值特征,如权威性、时效性等。
本实施例中,通过上述处理,可以从根本上改变搜索引擎的目标,从“快速满足用户需求”进化为“深度满足用户需求,并为用户提供‘沉浸式’体验”,如图12所示。具体包括如下内容:
搜索需求深度满足,体现为以下方面:(1)单一需求满足更精准,直接向用户提供精准答案而非网页链接,省去用户进一步浏览网页、寻找答案的时间成本;(2)对用户需求点的覆盖更全面,尤其是对于多需求query,挖掘该query下的需求分布及其各自优先级,全面、合理地展现搜索结果,从而最大程度覆盖用户搜索需求点;(3)搜索需求满足更深入,基于精选优质资源以及对搜索结果的聚合、摘要与知识挖掘等技术手段,提升搜索结果的深度与品质。
沉浸式搜索体验,体现为以下方面:(1)在搜索需求满足的基础上,强化需求引导,激发用户延展搜索需求;(2)基于个性化与场景化建模,改善引导与激发的针对性和相关性,进而提升推荐内容的吸引力;(3)改变传统搜索引擎的“工具化”属性,强化“沉浸式”体验,即用户不再只是为了搜索而使用搜索引擎,而是可以沉浸其中,阅读资讯或者全面获取各类高品质信息。
搜索结果呈现方式的根本变革,具体来讲,是将传统搜索结果简单按照相关性从高到低线性排序的“一维”呈现方式,进化为“纵向+横向+深入”的“三维”呈现方式。这里的所谓的“纵向”是指按照相关性、重要性等因素对搜索结果进行从上至下的纵向排布(图8a中第一框选内容81示意);“横向”是指对于满足相同需求的同质结果进行从左至右的横向排布(图8a中第二框选内容82示意);“深入”是指在情景页中展现对当前搜索结果的递进与延展(图8b中第三框选内容83示意)。
综上,本发明所涉及的移动搜索方案可以在提升用户满意度的基础上延长用户的使用时长。而用户体验的提升则会给移动搜索引擎带来更强的生态控制力。
图13是本发明另一实施例提出的基于人工智能的移动搜索装置的结构示意图。参见图13,该装置130包括:第一展现模块131、第二展现模块132、第三展现模块133和第四展现模块134。
第一展现模块131,用于展现搜索框,并接收用户通过搜索框输入的搜索词;
第二展现模块132,用于根据搜索词获取搜索结果,并将搜索结果展现在搜索结果页上;
第三展现模块133,用于当接收到对搜索结果的点击指令后,展现点击的搜索结果对应的情景页;
第四展现模块134,用于当接收到对搜索结果或情景页中的结果的点击指令后,展现点击的结果对应的内容页。
一些实施例中,所述搜索结果包括:
精准结果、聚合结果和推荐引导结果。
一些实施例中,所述第二展现模块132用于根据搜索词获取搜索结果,包括:
对搜索词进行需求理解分析;
对网页资源进行篇章理解分析;
根据对搜索词的分析结果与对网页资源的分析结果,获取原始的搜索结果;
对原始的搜索结果进行篇章理解分析,得到用于展现的搜索结果。
一些实施例中,所述需求理解分析包括:
需求分类、需求句法分析和需求语义分析。
一些实施例中,所述需求理解分析还包括:
需求归一化,和/或,查询纠错。
一些实施例中,所述对网页资源进行篇章理解分析,包括:
对网页资源进行篇章主题分析。
一些实施例中,所述对原始的搜索结果进行篇章理解分析,包括:
对原始的搜索结果进行自动文摘处理。
一些实施例中,所述第二展现模块132用于根据搜索词获取搜索结果,包括:
当搜索词是问题时,采用深度问答获取问题对应的精准答案。
一些实施例中,所述第二展现模块122用于根据搜索词获取搜索结果,包括:
当搜索词是多需求搜索词时,确定所述搜索词对应的多个需求维度;
将不同需求维度对应的搜索结果进行聚合,得到聚合结果。
一些实施例中,参见图14,该装置还包括:
建模模块135,用于根据用户信息进行个性化建模,得到个性化模型,和/或,根据用户信息进行场景化建模,得到场景化模型;
相应的,所述第二展现模块132用于根据搜索词获取搜索结果,包括:
根据搜索词获取精准结果或聚合结果;
根据如下信息中的一项或多项获取与精准结果或聚合结果对应的推荐引导结果:
待推荐结果与搜索词的相关度、待推荐结果与精准结果或聚合结果的相关度、待推荐结果与个性化模型的匹配度、待推荐结果与场景化模型的匹配度、待推荐结果的自身价值特征。
由于上述的装置是与方法对应的,上述装置中各模块的具体内容可以参见方法实施例中的相关描述,在此不再详细说明。
本实施例中,通过上述处理,可以从根本上改变搜索引擎的目标,从“快速满足用户需求”进化为“深度满足用户需求,并为用户提供‘沉浸式’体验”。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (18)
1.一种基于人工智能的移动搜索方法,其特征在于,包括:
展现搜索框,并接收用户通过搜索框输入的搜索词;
根据搜索词获取搜索结果,并将搜索结果展现在搜索结果页上;
当接收到对搜索结果的点击指令后,展现点击的搜索结果对应的情景页;
当接收到对搜索结果或情景页中的结果的点击指令后,展现点击的结果对应的内容页。
2.根据权利要求1所述的方法,其特征在于,所述搜索结果包括:
精准结果、聚合结果和推荐引导结果。
3.根据权利要求1所述的方法,其特征在于,所述根据搜索词获取搜索结果,包括:
对搜索词进行需求理解分析;
对网页资源进行篇章理解分析;
根据对搜索词的分析结果与对网页资源的分析结果,获取原始的搜索结果;
对原始的搜索结果进行篇章理解分析,得到用于展现的搜索结果。
4.根据权利要求3所述的方法,其特征在于,所述需求理解分析包括:
需求分类、需求句法分析和需求语义分析。
5.根据权利要求4所述的方法,其特征在于,所述需求理解分析还包括:
需求归一化,和/或,查询纠错。
6.根据权利要求3所述的方法,其特征在于,所述对网页资源进行篇章理解分析,包括:
对网页资源进行篇章主题分析。
7.根据权利要求3所述的方法,其特征在于,所述对原始的搜索结果进行篇章理解分析,包括:
对原始的搜索结果进行自动文摘处理。
8.根据权利要求1所述的方法,其特征在于,所述根据搜索词获取搜索结果,包括:
当搜索词是问题时,采用深度问答获取问题对应的精准答案。
9.根据权利要求8所述的方法,其特征在于,所述问题包括:客观问题和主观问题,当问题是主观问题时,采用情感分析从评论文本中提取评论摘要句作为答案。
10.根据权利要求1所述的方法,其特征在于,所述根据搜索词获取搜索结果,包括:
当搜索词是多需求搜索词时,确定所述搜索词对应的多个需求维度;
将不同需求维度对应的搜索结果进行聚合,得到聚合结果。
11.根据权利要求10所述的方法,其特征在于,所述多需求搜索词包括:歧义搜索词,多个需求维度包括:多个义项,以便对多个义项对应的搜索结果进行聚合,得到聚合结果。
12.根据权利要求1所述的方法,其特征在于,还包括:
根据用户信息进行个性化建模,得到个性化模型,和/或,根据用户信息进行场景化建模,得到场景化模型;
所述根据搜索词获取搜索结果,包括:
根据搜索词获取精准结果或聚合结果;
根据如下信息中的一项或多项获取与精准结果或聚合结果对应的推荐引导结果:
待推荐结果与搜索词的相关度、待推荐结果与精准结果或聚合结果的相关度、待推荐结果与个性化模型的匹配度、待推荐结果与场景化模型的匹配度、待推荐结果的自身价值特征。
13.一种基于人工智能的移动搜索装置,其特征在于,包括:
第一展现模块,用于展现搜索框,并接收用户通过搜索框输入的搜索词;
第二展现模块,用于根据搜索词获取搜索结果,并将搜索结果展现在搜索结果页上;
第三展现模块,用于当接收到对搜索结果的点击指令后,展现点击的搜索结果对应的情景页;
第四展现模块,用于当接收到对搜索结果或情景页中的结果的点击指令后,展现点击的结果对应的内容页。
14.根据权利要求13所述的装置,其特征在于,所述搜索结果包括:
精准结果、聚合结果和推荐引导结果。
15.根据权利要求13所述的装置,其特征在于,所述第二展现模块用于根据搜索词获取搜索结果,包括:
对搜索词进行需求理解分析;
对网页资源进行篇章理解分析;
根据对搜索词的分析结果与对网页资源的分析结果,获取原始的搜索结果;
对原始的搜索结果进行篇章理解分析,得到用于展现的搜索结果。
16.根据权利要求13所述的装置,其特征在于,所述第二展现模块用于根据搜索词获取搜索结果,包括:
当搜索词是问题时,采用深度问答获取问题对应的精准答案。
17.根据权利要求13所述的装置,其特征在于,所述第二展现模块用于根据搜索词获取搜索结果,包括:
当搜索词是多需求搜索词时,确定所述搜索词对应的多个需求维度;
将不同需求维度对应的搜索结果进行聚合,得到聚合结果。
18.根据权利要求13所述的装置,其特征在于,还包括:
建模模块,用于根据用户信息进行个性化建模,得到个性化模型,和/或,根据用户信息进行场景化建模,得到场景化模型;
所述第二展现模块用于根据搜索词获取搜索结果,包括:
根据搜索词获取精准结果或聚合结果;
根据如下信息中的一项或多项获取与精准结果或聚合结果对应的推荐引导结果:
待推荐结果与搜索词的相关度、待推荐结果与精准结果或聚合结果的相关度、待推荐结果与个性化模型的匹配度、待推荐结果与场景化模型的匹配度、待推荐结果的自身价值特征。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610082553.5A CN105786977B (zh) | 2016-02-05 | 2016-02-05 | 基于人工智能的移动搜索方法和装置 |
US15/384,141 US20170228459A1 (en) | 2016-02-05 | 2016-12-19 | Method and device for mobile searching based on artificial intelligence |
KR1020170012565A KR20170093713A (ko) | 2016-02-05 | 2017-01-26 | 인공 지능을 기반으로 하는 모바일 검색 방법 및 장치 |
JP2017018074A JP2017138985A (ja) | 2016-02-05 | 2017-02-03 | 人工知能に基づくモバイル検索方法及び装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610082553.5A CN105786977B (zh) | 2016-02-05 | 2016-02-05 | 基于人工智能的移动搜索方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105786977A true CN105786977A (zh) | 2016-07-20 |
CN105786977B CN105786977B (zh) | 2020-03-03 |
Family
ID=56403296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610082553.5A Active CN105786977B (zh) | 2016-02-05 | 2016-02-05 | 基于人工智能的移动搜索方法和装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20170228459A1 (zh) |
JP (1) | JP2017138985A (zh) |
KR (1) | KR20170093713A (zh) |
CN (1) | CN105786977B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108073726A (zh) * | 2018-01-29 | 2018-05-25 | 百度在线网络技术(北京)有限公司 | 信息检索推送的方法、装置、存储介质及终端设备 |
CN109284405A (zh) * | 2018-08-31 | 2019-01-29 | 北京优酷科技有限公司 | 信息应答方法及装置 |
CN112860155A (zh) * | 2020-07-10 | 2021-05-28 | 浙江口碑网络技术有限公司 | 一种搜索引导的处理方法及装置 |
CN112883173A (zh) * | 2021-02-08 | 2021-06-01 | 联想(北京)有限公司 | 一种文本应答方法及装置 |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10755294B1 (en) | 2015-04-28 | 2020-08-25 | Intuit Inc. | Method and system for increasing use of mobile devices to provide answer content in a question and answer based customer support system |
US10475044B1 (en) | 2015-07-29 | 2019-11-12 | Intuit Inc. | Method and system for question prioritization based on analysis of the question content and predicted asker engagement before answer content is generated |
US10572954B2 (en) | 2016-10-14 | 2020-02-25 | Intuit Inc. | Method and system for searching for and navigating to user content and other user experience pages in a financial management system with a customer self-service system for the financial management system |
US10733677B2 (en) | 2016-10-18 | 2020-08-04 | Intuit Inc. | Method and system for providing domain-specific and dynamic type ahead suggestions for search query terms with a customer self-service system for a tax return preparation system |
US10552843B1 (en) | 2016-12-05 | 2020-02-04 | Intuit Inc. | Method and system for improving search results by recency boosting customer support content for a customer self-help system associated with one or more financial management systems |
US10748157B1 (en) | 2017-01-12 | 2020-08-18 | Intuit Inc. | Method and system for determining levels of search sophistication for users of a customer self-help system to personalize a content search user experience provided to the users and to increase a likelihood of user satisfaction with the search experience |
US10922367B2 (en) | 2017-07-14 | 2021-02-16 | Intuit Inc. | Method and system for providing real time search preview personalization in data management systems |
US11093951B1 (en) | 2017-09-25 | 2021-08-17 | Intuit Inc. | System and method for responding to search queries using customer self-help systems associated with a plurality of data management systems |
US11436642B1 (en) | 2018-01-29 | 2022-09-06 | Intuit Inc. | Method and system for generating real-time personalized advertisements in data management self-help systems |
US11269665B1 (en) | 2018-03-28 | 2022-03-08 | Intuit Inc. | Method and system for user experience personalization in data management systems using machine learning |
CN109544329B (zh) * | 2018-10-09 | 2023-09-05 | 创新先进技术有限公司 | 撮合匹配方法、装置和*** |
EP3906508B1 (en) * | 2018-12-31 | 2024-03-13 | Intel Corporation | Securing systems employing artificial intelligence |
KR102280495B1 (ko) | 2019-12-06 | 2021-07-26 | 주식회사 클리노믹스 | 인공지능 기반의 검색 서비스 제공 장치 및 방법 |
WO2021223161A1 (en) * | 2020-05-07 | 2021-11-11 | Citrix Systems, Inc. | Page personalization |
CN114372215B (zh) * | 2022-01-12 | 2023-07-14 | 抖音视界有限公司 | 一种搜索结果展示、搜索请求处理方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004192276A (ja) * | 2002-12-10 | 2004-07-08 | Osaka Industrial Promotion Organization | 情報検索システム、情報検索装置、及びコンピュータプログラム |
CN101510221A (zh) * | 2009-02-17 | 2009-08-19 | 北京大学 | 一种用于信息检索的查询语句分析方法与*** |
CN102663129A (zh) * | 2012-04-25 | 2012-09-12 | 中国科学院计算技术研究所 | 医疗领域深度问答方法及医学检索*** |
CN102737029A (zh) * | 2011-04-02 | 2012-10-17 | 腾讯科技(深圳)有限公司 | 搜索方法及*** |
CN103838744A (zh) * | 2012-11-22 | 2014-06-04 | 百度在线网络技术(北京)有限公司 | 一种查询词需求分析的方法及装置 |
CN103902681A (zh) * | 2014-03-21 | 2014-07-02 | 百度在线网络技术(北京)有限公司 | 搜索推荐方法和装置 |
CN104699751A (zh) * | 2014-12-30 | 2015-06-10 | 北京奇虎科技有限公司 | 一种基于搜索词进行搜索推荐的方法和装置 |
CN104899276A (zh) * | 2015-05-29 | 2015-09-09 | 百度在线网络技术(北京)有限公司 | 移动搜索的推荐方法和装置 |
CN105068661A (zh) * | 2015-09-07 | 2015-11-18 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和*** |
Family Cites Families (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7552136B2 (en) * | 2001-10-31 | 2009-06-23 | International Business Machines Corporation | Context management super tools and filter/sort model for aggregated display webpages |
US7716199B2 (en) * | 2005-08-10 | 2010-05-11 | Google Inc. | Aggregating context data for programmable search engines |
US7757170B2 (en) * | 2004-08-20 | 2010-07-13 | Fuji Xerox Co., Ltd. | Recommendation aggregation for digest generation |
US20060173820A1 (en) * | 2005-01-28 | 2006-08-03 | Microsoft Corporation | System and method for generating contextual survey sequence for search results |
US20070156853A1 (en) * | 2006-01-03 | 2007-07-05 | The Navvo Group Llc | Distribution and interface for multimedia content and associated context |
US20070239682A1 (en) * | 2006-04-06 | 2007-10-11 | Arellanes Paul T | System and method for browser context based search disambiguation using a viewed content history |
US9477969B2 (en) * | 2006-12-12 | 2016-10-25 | Yahoo! Inc. | Automatic feed creation for non-feed enabled information objects |
US20090234814A1 (en) * | 2006-12-12 | 2009-09-17 | Marco Boerries | Configuring a search engine results page with environment-specific information |
US8140566B2 (en) * | 2006-12-12 | 2012-03-20 | Yahoo! Inc. | Open framework for integrating, associating, and interacting with content objects including automatic feed creation |
US20080155426A1 (en) * | 2006-12-21 | 2008-06-26 | Microsoft Corporation | Visualization and navigation of search results |
US7966564B2 (en) * | 2008-05-08 | 2011-06-21 | Adchemy, Inc. | Web page server process using visitor context and page features to select optimized web pages for display |
US20090313100A1 (en) * | 2008-06-11 | 2009-12-17 | Yahoo! Inc. | System and method for previewing search results |
US20150294377A1 (en) * | 2009-05-30 | 2015-10-15 | Edmond K. Chow | Trust network effect |
KR101534995B1 (ko) * | 2011-02-05 | 2015-07-07 | 애플 인크. | 모바일 로케이션 결정을 위한 방법 및 장치 |
US9195768B2 (en) * | 2011-08-26 | 2015-11-24 | Amazon Technologies, Inc. | Remote browsing session management |
US8886630B2 (en) * | 2011-12-29 | 2014-11-11 | Mcafee, Inc. | Collaborative searching |
US20130262230A1 (en) * | 2012-03-29 | 2013-10-03 | Microsoft Corporation | Providing Contextual Information to Search Results Targets |
US8862610B2 (en) * | 2012-04-13 | 2014-10-14 | Yahoo! Inc. | Method and system for content search |
US9374396B2 (en) * | 2012-06-24 | 2016-06-21 | Google Inc. | Recommended content for an endorsement user interface |
US20140164360A1 (en) * | 2012-12-11 | 2014-06-12 | Microsoft Corporation | Context based look-up in e-readers |
US10430418B2 (en) * | 2013-05-29 | 2019-10-01 | Microsoft Technology Licensing, Llc | Context-based actions from a source application |
US9436918B2 (en) * | 2013-10-07 | 2016-09-06 | Microsoft Technology Licensing, Llc | Smart selection of text spans |
US20160196490A1 (en) * | 2015-01-02 | 2016-07-07 | International Business Machines Corporation | Method for Recommending Content to Ingest as Corpora Based on Interaction History in Natural Language Question and Answering Systems |
US10083238B2 (en) * | 2015-09-28 | 2018-09-25 | Oath Inc. | Multi-touch gesture search |
-
2016
- 2016-02-05 CN CN201610082553.5A patent/CN105786977B/zh active Active
- 2016-12-19 US US15/384,141 patent/US20170228459A1/en not_active Abandoned
-
2017
- 2017-01-26 KR KR1020170012565A patent/KR20170093713A/ko not_active IP Right Cessation
- 2017-02-03 JP JP2017018074A patent/JP2017138985A/ja active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004192276A (ja) * | 2002-12-10 | 2004-07-08 | Osaka Industrial Promotion Organization | 情報検索システム、情報検索装置、及びコンピュータプログラム |
CN101510221A (zh) * | 2009-02-17 | 2009-08-19 | 北京大学 | 一种用于信息检索的查询语句分析方法与*** |
CN102737029A (zh) * | 2011-04-02 | 2012-10-17 | 腾讯科技(深圳)有限公司 | 搜索方法及*** |
CN102663129A (zh) * | 2012-04-25 | 2012-09-12 | 中国科学院计算技术研究所 | 医疗领域深度问答方法及医学检索*** |
CN103838744A (zh) * | 2012-11-22 | 2014-06-04 | 百度在线网络技术(北京)有限公司 | 一种查询词需求分析的方法及装置 |
CN103902681A (zh) * | 2014-03-21 | 2014-07-02 | 百度在线网络技术(北京)有限公司 | 搜索推荐方法和装置 |
CN104699751A (zh) * | 2014-12-30 | 2015-06-10 | 北京奇虎科技有限公司 | 一种基于搜索词进行搜索推荐的方法和装置 |
CN104899276A (zh) * | 2015-05-29 | 2015-09-09 | 百度在线网络技术(北京)有限公司 | 移动搜索的推荐方法和装置 |
CN105068661A (zh) * | 2015-09-07 | 2015-11-18 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和*** |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108073726A (zh) * | 2018-01-29 | 2018-05-25 | 百度在线网络技术(北京)有限公司 | 信息检索推送的方法、装置、存储介质及终端设备 |
CN109284405A (zh) * | 2018-08-31 | 2019-01-29 | 北京优酷科技有限公司 | 信息应答方法及装置 |
CN112860155A (zh) * | 2020-07-10 | 2021-05-28 | 浙江口碑网络技术有限公司 | 一种搜索引导的处理方法及装置 |
CN112883173A (zh) * | 2021-02-08 | 2021-06-01 | 联想(北京)有限公司 | 一种文本应答方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2017138985A (ja) | 2017-08-10 |
KR20170093713A (ko) | 2017-08-16 |
CN105786977B (zh) | 2020-03-03 |
US20170228459A1 (en) | 2017-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105786977A (zh) | 基于人工智能的移动搜索方法和装置 | |
US11907240B2 (en) | Method and system for presenting a search result in a search result card | |
CN103514299B (zh) | 信息搜索方法和装置 | |
CN106682192B (zh) | 一种基于搜索关键词训练回答意图分类模型的方法和装置 | |
US9600585B2 (en) | Using reading levels in responding to requests | |
US10217058B2 (en) | Predicting interesting things and concepts in content | |
CN106709040B (zh) | 一种应用搜索方法和服务器 | |
CN102906744B (zh) | 无限浏览 | |
US8001152B1 (en) | Method and system for semantic affinity search | |
US9396413B2 (en) | Choosing image labels | |
CN108280114B (zh) | 一种基于深度学习的用户文献阅读兴趣分析方法 | |
JP4637969B1 (ja) | ウェブページの主意,およびユーザの嗜好を適切に把握して,最善の情報をリアルタイムに推奨する方法 | |
US20190163714A1 (en) | Search result aggregation method and apparatus based on artificial intelligence and search engine | |
JP2009521750A (ja) | コンテキストを決定するためのコンテンツの分析およびコンテキストに基づく関係のあるコンテンツの供給 | |
KR20160057475A (ko) | 소셜 데이터를 능동적으로 획득하기 위한 시스템 및 방법 | |
CN103870973A (zh) | 基于电子信息的关键词提取的信息推送、搜索方法及装置 | |
CN110325986A (zh) | 文章处理方法、装置、服务器及存储介质 | |
CN107016020A (zh) | 利用垂直建议辅助搜索请求的***和方法 | |
US10783192B1 (en) | System, method, and user interface for a search engine based on multi-document summarization | |
US20180096067A1 (en) | Creation and optimization of resource contents | |
CN102955848A (zh) | 一种基于语义的三维模型检索***和方法 | |
US9129216B1 (en) | System, method and apparatus for computer aided association of relevant images with text | |
CN108153754B (zh) | 一种数据处理方法及其装置 | |
KR20160091756A (ko) | 키워드 검색을 통한 웹 페이지의 상대적 품질 지수 평가 장치 | |
CN112784156A (zh) | 基于意图识别的搜索反馈方法、***、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |