CN107368510A - 一种店铺搜索排序方法及装置 - Google Patents

Abstract

本申请实施例公开了一种店铺搜索排序方法及装置。所述方法包括：接收店铺搜索排序请求，所述店铺搜索排序请求指定了至少两个排序维度；根据预先针对不同场景为所述排序维度指定的排序因子，确定所述店铺搜索排序请求对应的排序因子；根据所述至少两个排序维度，以及所述店铺搜索排序请求对应的排序因子，确定店铺搜索排序结果。利用本申请实施例，可以实现店铺的多排序维度组合的搜索排序，有利于减少搜索排序次数，进而有利于减少店铺平台APP额外的处理资源消耗。

Description

一种店铺搜索排序方法及装置

技术领域

本申请涉及计算机软件技术领域，尤其涉及一种店铺搜索排序方法及装置。

背景技术

随着智能终端的使用普及，各类应用(APP)也大量增加，给用户带来了便利，店铺平台APP是用户日常生活中经常使用的一类APP，用户利用店铺平台APP可以搜索需要的店铺。

目前，店铺平台APP的搜索列表页一般有店铺搜索排序的功能，该功能定义了诸如“好评优先”(店铺评价排序维度)、“离我最近”(店铺距离排序维度)等多种店铺搜索结果的排序维度。

但是，在现有技术中，店铺平台APP只能按照用户从这些排序维度中选中的某一种排序维度，对店铺搜索结果进行排序，而不支持多维度组合的排序，如此，用户可能需要切换排序维度，进行多次搜索排序，才能获得比较满意的结果，从而导致店铺平台APP额外的处理资源消耗。

发明内容

本申请实施例提供店铺搜索排序方法及装置，用以解决现有技术中的如下技术问题：由于店铺平台APP不支持多维度组合的排序，则用户可能需要切换排序维度，进行多次搜索排序，才能获得比较满意的结果，从而导致店铺平台APP额外的处理资源消耗。

为解决上述技术问题，本申请实施例是这样实现的：

本申请实施例提供的一种店铺搜索排序方法，包括：

接收店铺搜索排序请求，所述店铺搜索排序请求指定了至少两个排序维度；

根据预先针对不同场景为所述排序维度指定的排序因子，确定所述店铺搜索排序请求对应的排序因子；

根据所述至少两个排序维度，以及所述店铺搜索排序请求对应的排序因子，确定店铺搜索排序结果。

本申请实施例提供的一种店铺搜索排序装置，包括：

接收模块，接收店铺搜索排序请求，所述店铺搜索排序请求指定了至少两个排序维度；

确定模块，根据预先针对不同场景为所述排序维度指定的排序因子，确定所述店铺搜索排序请求对应的排序因子；

搜索排序模块，根据所述至少两个排序维度，以及所述店铺搜索排序请求对应的排序因子，确定店铺搜索排序结果。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：可以实现店铺的多排序维度组合的搜索排序，有利于减少搜索排序次数，进而有利于减少店铺平台APP额外的处理资源消耗，因此，可以部分或全部地解决现有技术中的问题。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种店铺搜索排序方法的流程示意图；

图2为本申请实施例提供的一种实际应用场景下，对所述店铺搜索排序方法的一种实施方案的原理示意图；

图3a、图3b分别为现有技术中的一种店铺搜索页面示意图；

图4为本申请实施例提供的一种店铺搜索页面示意图；

图5为本申请实施例提供的对应于图1的一种店铺搜索排序装置的结构示意图。

具体实施方式

本申请实施例提供一种店铺搜索排序方法及装置。

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

图1为本申请实施例提供的一种店铺搜索排序方法的流程示意图。从程序角度而言，该流程的执行主体可以是客户端或服务端，比如，店铺平台APP的客户端或服务端等；从设备角度而言，该流程的执行主体可以包括但不限于可搭载上述程序的以下至少一种设备：手机、平板电脑、智能可穿戴设备、车机、个人计算机、大中型计算机、计算机集群等。

图1中的流程可以包括以下步骤：

S101：接收店铺搜索排序请求，所述店铺搜索排序请求指定了至少两个排序维度。

在本申请实施例中，所述排序维度比如可以涉及以下至少一种因素：店铺距离、店铺人气、店铺评价、店铺口味、店铺环境、店铺服务、店铺优惠、店铺价格、店铺类目、店铺名称、店铺内的商品、用户习惯等。

例如，背景技术中提到的“好评优先”涉及店铺评价因素，可以称为店铺评价排序维度；“离我最近”涉及店铺距离因素，可以称为店铺距离排序维度。

在本申请实施例中，店铺搜索排序请求还可以指定一个或多个搜索条件，比如，搜索关键词、搜索范围等。当然，排序维度本身也可以包含或关联有搜索条件，比如，“离我最近”这个排序维度可以包含有作为搜索条件的距离阈值，则在搜索时，只在据用户当前位置不大于该距离阈值的范围内搜索。

S102：根据预先针对不同场景为所述排序维度指定的排序因子，确定所述店铺搜索排序请求对应的排序因子。

在本申请实施例中，所述场景可以由店铺搜索排序请求指定的搜索条件代表，比如，用于限定搜索范围的店铺类目等；所述场景可以由发送店铺搜索排序请求时的场景信息代表，比如，在什么时间(上午或下午或晚上等，工作日或节假日等，夏天或冬天等)发送店铺搜索排序请求的，在什么地点(商场或车站或景区等)发送店铺搜索排序请求的等；所述场景可以由发送店铺搜索排序请求的用户的特征代表，比如，用户的性别、年龄、职业等；等等。

在本申请实施例中，排序因子可以用于反映其对应的排序维度的重要程度。

在同一场景下，不同排序维度的排序因子可能不同。比如，在“美食”店铺类目场景下，一般而言，“好评优先”(属于店铺评论排序维度)相比于“离我最近”(属于店铺距离排序维度)，重要程度更高，则排序因子相应地也可能取值更高。

在不同场景下，相同排序维度的排序因子也可能不同。比如，在“美食”店铺类目场景下，“好评优先”的重要程度一般最高；而在“超市便利店”店铺类目场景下，“离我最近”的重要程度一般最高，而“好评优先”的重要程度则较低；则在“美食”和“超市便利店”这两种不同的店铺类目场景下，“好评优先”的排序因子一般是不同的。

在本申请实施例中，排序因子可以是预先根据经验或店铺历史数据指定的，本申请并不做具体限定。

在本申请实施例中，店铺搜索排序请求对应的排序因子具体可以包括：对于在店铺搜索排序请求对应的场景，预先针对该场景为店铺搜索排序请求指定的各排序维度指定的排序因子。其中，一个店铺搜索排序请求有可能同时对应多个场景，比如，假定店铺搜索排序请求中指定的搜索范围包含两个店铺类目，则该店铺搜索排序请求同时对应于这两个店铺类目各自的场景。

S103：根据所述至少两个排序维度，以及所述店铺搜索排序请求对应的排序因子，确定店铺搜索排序结果。

在本申请实施例中，由于店铺搜索排序请求指定了至少两个排序维度，而至少两个排序维度对应的排序因子可能也不同。则可以采用一定的算法，综合度量所述至少两个排序维度排序维度及其排序因子，分别会给店铺搜索排序结果带来的影响，进而根据这些影响确定出店铺搜索排序结果。所述算法可以有多种，本申请并不做具体限定，后面会举例进行说明，当采用的算法不同时，分别确定出的店铺搜索排序结果可能不同。

进一步地，在确定店铺搜索排序结果后，可以将至少部分店铺搜索排序结果进行展示，以便于用户参考。比如，只将排序顺序前N的店铺展示，N为正整数。

通过图1的方法，可以实现店铺的多排序维度组合的搜索排序，有利于减少搜索排序次数，进而有利于减少店铺平台APP额外的处理资源消耗，因此，可以部分或全部地解决现有技术中的问题。

不仅如此，由于在搜索排序的过程中，还加入针对不同场景为排序维度指定的排序因子的影响，因此，该方法对不同场景的适应性和实用性较好，有利于为用户带来更好的体验。

基于图1的方法，本申请实施例还提供了该方法的一些具体实施方案，以及扩展方案，下面进行说明。

根据前面的举例可知，预先划分的各店铺类目可以分别代表一种所述场景。为了便于描述，以下各实施例主要以这种情况下图1中的方法的实施方案为例进行说明。

在本申请实施例中，对于步骤S102，所述确定所述店铺搜索排序请求对应的排序因子，具体可以包括：根据所述店铺搜索排序请求进行搜索，获得搜索结果；确定所述搜索结果包含的各店铺所属的店铺类目；确定预先针对各所述所属的店铺类目代表的场景为所述至少两个排序维度指定的排序因子，作为所述店铺搜索排序请求对应的排序因子。本申请对店铺类目的粒度大小并不做限定，可以根据实际需求划分。

需要说明的是，未必要获得全量的搜索结果后，才开始确定店铺搜索排序请求对应的排序因子。这两个子步骤也可以同时进行或交替进行，每次针对部分搜索结果，确定相应的排序因子。

在某些情况下(比如，店铺搜索排序请求直接指定了店铺类目时，或者店铺搜索排序请求指定的搜索关键词可以比较明确地反映出对应的店铺类目时，等等)，可以直接根据店铺搜索排序请求，确定对应的排序因子，而无需先获得搜索结果。

进一步地，对于步骤S103，所述根据所述至少两个排序维度，以及所述店铺搜索排序请求对应的排序因子，确定店铺搜索排序结果，具体可以包括：

针对所述搜索结果中包含的店铺，执行：根据所述店铺搜索排序请求对应的排序因子，确定预先针对该店铺所属的店铺类目代表的场景为所述至少两个排序维度指定的排序因子，作为该店铺对应的排序因子；

根据所述至少两个排序维度，以及所述搜索结果中包含的各店铺对应的排序因子，对所述搜索结果中包含的各店铺进行排序，得到店铺搜索排序结果，其中，所述排序因子反映对应的排序维度在进行所述排序时的权重。

更进一步地，所述根据所述至少两个排序维度，以及所述搜索结果中包含的各店铺对应的排序因子，对所述搜索结果中包含的各店铺进行排序，具体可以包括：

针对所述搜索结果中包含的店铺，执行：

根据该店铺在所述至少两个排序维度中的各排序维度的相关数据，计算该店铺在各排序维度的排序子表征值；根据该店铺在所述至少两个排序维度中的各排序维度的排序子表征值，以及该店铺对应的排序因子中对应于各排序维度的排序因子，计算该店铺的排序总表征值；

根据所述搜索结果中包含的各店铺的排序总表征值，对所述搜索结果中包含的各店铺进行排序。

可以将排序维度的相关数据直接作为排序子表征值，也可以对所述相关数据进行特定处理，将处理结果作为排序子表征值。对于后一种情况，比如，在实际应用中，不同的排序维度在数字、单位上差别可能较大，为了便于综合分析，可以对不同的排序维度的数据进行诸如归一化或者映射化等处理，再将处理结果作为排序子表征值。

例如，可以定义排序子表征值的取值范围为[0,1]；

假定店铺在店铺评价排序维度的相关数据为好评数，可以定义当某店铺的好评数大于或等于1000时，则该店铺在店铺评价排序维度的排序子表征值为1，而当该店铺的好评数为0时，则该店铺在店铺评价排序维度的排序子表征值为0，而该店铺的好评数大于0且小于1000时，则该店铺在店铺评价排序维度的排序子表征值相应地为大于0且小于1的值。

类似地，对于其他的排序维度，也可以将其相关数据映射到[0,1]的区间里，以得到对应的处理结果，作为排序子表征值。需要说的是，上述的归一化或者映射化的处理也只是示例，并非限定。

一般地，在排序因子相同的情况下，排序子表征值可以反映店铺在对应的排序维度的水平。该排序子表征值越高，可以表示该水平越高，该店铺仅在在该排序维度下排序时顺序越靠前。

在考虑排序因子影响的情况下，结合排序子表征值和对应的排序因子可以计算得到排序总表征值，具体计算方式可以有多种。比如，可以将排序因子作为包含对应的排序子表征值的项的系数，再根据加入系数的各所述项，计算排序总表征值；再比如，可以先不考虑排序因子根据各排序子表征值计算出一个总值，再用各排序因子对该总值进行调整，得到排序总表征值；等等。

为了便于理解，本申请实施例还提供了一种实际应用场景下，上述实施方案的原理示意图，如图2所示。

在该实际应用场景下，假定接收的店铺搜索排序请求指定了店铺距离排序维度、店铺评价(具体是店铺的好评数)排序维度，店铺A和店铺B包含在搜索结果中。

在图2中，横坐标用于表示店铺在店铺评价排序维度的排序子表征值(可以称为：好评数表征值)，纵坐标用于表示店铺在店铺距离排序维度的排序子表征值(可以称为：距离表征值)，其中，好评数表征值越大，表示好评数越多，距离表征值越大，表示距离越近。

店铺A的坐标计作(a₁,b₁)，店铺B的坐标计作(a₂,b₂)，假定店铺A对应于店铺评价排序维度的排序因子为x₁，对应于店铺距离排序维度的排序因子为y₁，店铺B对应于店铺评价排序维度的排序因子为x₂，对应于店铺距离排序维度的排序因子为y₂；若店铺A和店铺B属于同一店铺类目，则x₁＝x₂，y₁＝y₂。在不考虑排序因子影响的情况下，比如可以按照以下公式，分别计算店铺A的排序总表征值c₁和店铺B的排序总表征值c₂：

而在考虑排序因子影响的情况下，比如可以按照以下公式，分别计算店铺A的排序总表征值c₁'和店铺B的排序总表征值c₂'：

进而，可以根据c₁'和c₂'的大小，对店铺A和店铺B进行排序，得到店铺搜索排序结果。

需要说明的是，上面的实施例主要是以各店铺类目可以分别代表一种所述场景为例进行说明的。所述场景也可以由发送店铺搜索排序请求时的场景信息代表，还可以由发送店铺搜索排序请求的用户的特征代表，等等。

在本申请实施例中，对于店铺搜索界面而言，相比于现有技术，一个明显的变化是可以多选排序维度，而不是像现有技术中只能单选排序维度。结合图3a、图3b和图4进行说明。

图3a、图3b分别为现有技术中的一种店铺搜索页面示意图。

在图3a中，有“智能排序”(涉及用户习惯因素)、“离我最近”(涉及店铺距离因素)、“好评优先”(涉及店铺评价因素)、“人气最高”(涉及店铺人气因素)等排序维度，用户只能单选其中一个排序维度，作为后续发送的店铺搜索排序请求指定的排序维度，当前已选择了“智能排序”。

类似地，在图3b也有多个排序维度，用户也只能单选其中一个排序维度，当前已选择了“智能排序”。

图4为本申请实施例提供的一种店铺搜索页面示意图。

在图4中，有“智能排序”、“好评优先”、“离我最近”、“回头客多”(涉及店铺人气因素)、“我的优惠”(涉及店铺优惠因素)、“畅销单品”(涉及店铺内的商品因素)等排序维度。虚线方框标识出了当前已同时选择的两个排序维度“好评优先”和“离我最近”。

需要说明的是，图4中的页面仅是一种示例，并非对本申请的限定，其他样式或功能的页面也可以，能实现多选排序维度即可。

上面为本申请实施例提供的一种店铺搜索排序方法，基于同样的发明思路，本申请实施例还提供了对应的装置，如图5所示。

图5为本申请实施例提供的对应于图1的一种店铺搜索排序装置的结构示意图，该装置可以位于图1中流程的执行主体(以客户端为例)上，包括：

接收模块501，接收店铺搜索排序请求，所述店铺搜索排序请求指定了至少两个排序维度；

确定模块502，根据预先针对不同场景为所述排序维度指定的排序因子，确定所述店铺搜索排序请求对应的排序因子；

搜索排序模块503，根据所述至少两个排序维度，以及所述店铺搜索排序请求对应的排序因子，确定店铺搜索排序结果。

可选地，预先划分的各店铺类目分别代表一种所述场景；

所述确定模块502确定所述店铺搜索排序请求对应的排序因子，具体包括：

所述确定模块502根据所述店铺搜索排序请求进行搜索，获得搜索结果；

确定所述搜索结果包含的各店铺所属的店铺类目；

确定预先针对各所述所属的店铺类目代表的场景为所述至少两个排序维度指定的排序因子，作为所述店铺搜索排序请求对应的排序因子。

可选地，所述搜索排序模块503根据所述至少两个排序维度，以及所述店铺搜索排序请求对应的排序因子，确定店铺搜索排序结果，具体包括：

所述搜索排序模块503针对所述搜索结果中包含的店铺，执行：根据所述店铺搜索排序请求对应的排序因子，确定预先针对该店铺所属的店铺类目代表的场景为所述至少两个排序维度指定的排序因子，作为该店铺对应的排序因子；

根据所述至少两个排序维度，以及所述搜索结果中包含的各店铺对应的排序因子，对所述搜索结果中包含的各店铺进行排序，得到店铺搜索排序结果，其中，所述排序因子反映对应的排序维度在进行所述排序时的权重。

可选地，所述搜索排序模块503根据所述至少两个排序维度，以及所述搜索结果中包含的各店铺对应的排序因子，对所述搜索结果中包含的各店铺进行排序，具体包括：

所述搜索排序模块503针对所述搜索结果中包含的店铺，执行：

根据该店铺在所述至少两个排序维度中的各排序维度的相关数据，计算该店铺在各排序维度的排序子表征值；

根据该店铺在所述至少两个排序维度中的各排序维度的排序子表征值，以及该店铺对应的排序因子中对应于各排序维度的排序因子，计算该店铺的排序总表征值；

根据所述搜索结果中包含的各店铺的排序总表征值，对所述搜索结果中包含的各店铺进行排序。

可选地，所述排序维度涉及以下至少一种因素：

店铺距离、店铺人气、店铺评价、店铺口味、店铺环境、店铺服务、店铺优惠、店铺价格、店铺类目、店铺名称、店铺内的商品、用户习惯。

本申请实施例提供的装置与方法是一一对应的，因此，装置也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述对应装置的有益技术效果。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的***、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于***实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种店铺搜索排序方法，其特征在于，包括：

接收店铺搜索排序请求，所述店铺搜索排序请求指定了至少两个排序维度；

根据预先针对不同场景为所述排序维度指定的排序因子，确定所述店铺搜索排序请求对应的排序因子；

根据所述至少两个排序维度，以及所述店铺搜索排序请求对应的排序因子，确定店铺搜索排序结果。

2.如权利要求1所述的方法，其特征在于，预先划分的各店铺类目分别代表一种所述场景；

所述确定所述店铺搜索排序请求对应的排序因子，具体包括：

根据所述店铺搜索排序请求进行搜索，获得搜索结果；

确定所述搜索结果包含的各店铺所属的店铺类目；

确定预先针对各所述所属的店铺类目代表的场景为所述至少两个排序维度指定的排序因子，作为所述店铺搜索排序请求对应的排序因子。

3.如权利要求2所述的方法，其特征在于，所述根据所述至少两个排序维度，以及所述店铺搜索排序请求对应的排序因子，确定店铺搜索排序结果，具体包括：

针对所述搜索结果中包含的店铺，执行：根据所述店铺搜索排序请求对应的排序因子，确定预先针对该店铺所属的店铺类目代表的场景为所述至少两个排序维度指定的排序因子，作为该店铺对应的排序因子；

根据所述至少两个排序维度，以及所述搜索结果中包含的各店铺对应的排序因子，对所述搜索结果中包含的各店铺进行排序，得到店铺搜索排序结果，其中，所述排序因子反映对应的排序维度在进行所述排序时的权重。

4.如权利要求3所述的方法，其特征在于，所述根据所述至少两个排序维度，以及所述搜索结果中包含的各店铺对应的排序因子，对所述搜索结果中包含的各店铺进行排序，具体包括：

针对所述搜索结果中包含的店铺，执行：

根据该店铺在所述至少两个排序维度中的各排序维度的相关数据，计算该店铺在各排序维度的排序子表征值；

根据该店铺在所述至少两个排序维度中的各排序维度的排序子表征值，以及该店铺对应的排序因子中对应于各排序维度的排序因子，计算该店铺的排序总表征值；

根据所述搜索结果中包含的各店铺的排序总表征值，对所述搜索结果中包含的各店铺进行排序。

5.如权利要求1～4任一项所述的方法，其特征在于，所述排序维度涉及以下至少一种因素：

店铺距离、店铺人气、店铺评价、店铺口味、店铺环境、店铺服务、店铺优惠、店铺价格、店铺类目、店铺名称、店铺内的商品、用户习惯。

6.一种该店铺搜索排序装置，其特征在于，包括：

接收模块，接收店铺搜索排序请求，所述店铺搜索排序请求指定了至少两个排序维度；

确定模块，根据预先针对不同场景为所述排序维度指定的排序因子，确定所述店铺搜索排序请求对应的排序因子；

搜索排序模块，根据所述至少两个排序维度，以及所述店铺搜索排序请求对应的排序因子，确定店铺搜索排序结果。

7.如权利要求6所述的装置，其特征在于，预先划分的各店铺类目分别代表一种所述场景；

所述确定模块确定所述店铺搜索排序请求对应的排序因子，具体包括：

所述确定模块根据所述店铺搜索排序请求进行搜索，获得搜索结果；

确定所述搜索结果包含的各店铺所属的店铺类目；

确定预先针对各所述所属的店铺类目代表的场景为所述至少两个排序维度指定的排序因子，作为所述店铺搜索排序请求对应的排序因子。

8.如权利要求7所述的装置，其特征在于，所述搜索排序模块根据所述至少两个排序维度，以及所述店铺搜索排序请求对应的排序因子，确定店铺搜索排序结果，具体包括：

所述搜索排序模块针对所述搜索结果中包含的店铺，执行：根据所述店铺搜索排序请求对应的排序因子，确定预先针对该店铺所属的店铺类目代表的场景为所述至少两个排序维度指定的排序因子，作为该店铺对应的排序因子；

根据所述至少两个排序维度，以及所述搜索结果中包含的各店铺对应的排序因子，对所述搜索结果中包含的各店铺进行排序，得到店铺搜索排序结果，其中，所述排序因子反映对应的排序维度在进行所述排序时的权重。

9.如权利要求8所述的装置，其特征在于，所述搜索排序模块根据所述至少两个排序维度，以及所述搜索结果中包含的各店铺对应的排序因子，对所述搜索结果中包含的各店铺进行排序，具体包括：

所述搜索排序模块针对所述搜索结果中包含的店铺，执行：

根据该店铺在所述至少两个排序维度中的各排序维度的相关数据，计算该店铺在各排序维度的排序子表征值；

根据该店铺在所述至少两个排序维度中的各排序维度的排序子表征值，以及该店铺对应的排序因子中对应于各排序维度的排序因子，计算该店铺的排序总表征值；

根据所述搜索结果中包含的各店铺的排序总表征值，对所述搜索结果中包含的各店铺进行排序。

10.如权利要求6～9任一项所述的装置，其特征在于，所述排序维度涉及以下至少一种因素：

店铺距离、店铺人气、店铺评价、店铺口味、店铺环境、店铺服务、店铺优惠、店铺价格、店铺类目、店铺名称、店铺内的商品、用户习惯。