CN111989664A - 用于改善在线平台用户体验的***和方法 - Google Patents
用于改善在线平台用户体验的***和方法 Download PDFInfo
- Publication number
- CN111989664A CN111989664A CN201880092353.5A CN201880092353A CN111989664A CN 111989664 A CN111989664 A CN 111989664A CN 201880092353 A CN201880092353 A CN 201880092353A CN 111989664 A CN111989664 A CN 111989664A
- Authority
- CN
- China
- Prior art keywords
- interest
- category
- candidate
- user
- target
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000003860 storage Methods 0.000 claims description 62
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 description 103
- 230000015654 memory Effects 0.000 description 41
- 230000008569 process Effects 0.000 description 41
- 238000010586 diagram Methods 0.000 description 19
- 238000004891 communication Methods 0.000 description 16
- 238000012986 modification Methods 0.000 description 16
- 230000004048 modification Effects 0.000 description 16
- 230000006870 function Effects 0.000 description 11
- 230000003287 optical effect Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 230000003190 augmentative effect Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000029305 taxis Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06F16/332—Query formulation
- G06F16/3322—Query formulation using system suggestions
-
- 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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/274—Converting codes to words; Guess-ahead of partial word inputs
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
一种用于改善线上平台用户体验的方法,可以包括获取所述线上平台用户的用户输入。该方法还可以包括基于与所述用户输入相关的历史输入,获取由所述用户选择的至少两个候选感兴趣词语。所述至少两个候选感兴趣词语中的每一个都可以属于一个候选类别。该方法还可以包括基于所述候选类别和所述至少两个候选感兴趣词语,确定所述用户输入的目标类别。该方法还可以包括基于所述目标类别和所述至少两个候选感兴趣词语,确定一个或以上目标感兴趣词语。该方法还可以包括将一个或以上目标感兴趣词语发送到与所述用户相关联的终端。
Description
技术领域
本申请一般涉及在线服务平台,尤其涉及用于改善在线服务平台用户体验的***和方法。
背景技术
随着互联网技术的发展,线上到线下服务开始在人们的日常生活中发挥重要作用。在大多数情况下,一个或以上的搜索功能都内置在这样的线上到线下服务中。当用户输入查询以发起对感兴趣词语(TOI)的搜索时,在线服务平台可以向用户提供与查询相关的至少两个感兴趣词语作为提醒和帮助,以获取更快的输入。向用户提供准确的感兴趣词语,可以改善用户体验。因此,提供用于提供准确的感兴趣词语以改善在线服务平台的用户体验的***和方法是可取的。
发明内容
根据本申请的第一方面,一种用于改善线上平台的用户体验的***可以包括一个或以上存储介质和一个或以上处理器,一个或以上处理器被配置为与一个或以上存储介质通信。一个或以上存储介质可以包括一组指令。当所述一个或以上处理器执行所述组指令时,所述一个或以上处理器可以用于执行一个或以上的以下操作。一个或以上处理器可以获取线上平台用户的用户输入。一个或以上处理器可以基于与所述用户输入相关的历史输入,获取由所述用户选择的至少两个候选感兴趣词语(TOI)。所述至少两个候选感兴趣词语中的每一个可以都属于候选类别。一个或以上处理器可以基于所述候选类别和所述至少两个候选感兴趣词语,确定所述用户输入的目标类别。一个或以上处理器可以基于所述目标类别和所述至少两个候选感兴趣词语,确定一个或以上目标感兴趣词语。一个或以上处理器可以将所述一个或以上目标感兴趣词语发送到与所述用户相关联的终端。
在一些实施例中,所述用户输入可以包括单词、不完整单词或缩写。
在一些实施例中,基于所述候选类别和所述至少两个候选感兴趣词语,确定所述用户输入的所述目标类别,对于所述至少一个候选类别,基于所述至少两个候选感兴趣词语,一个或以上处理器可以确定用户输入属于所述至少一个候选类别的类别概率。基于所述至少一个类别概率,一个或以上处理器可以确定候选类别中的一个作为所述目标类别。
在一些实施例中,对于所述至少一个候选类别,基于所述至少两个候选感兴趣词语,确定所述用户输入属于所述至少一个候选类别的所述类别概率,对于所述至少两个候选感兴趣词语中的每一个,一个或以上处理器可以获取所述用户选择所述候选感兴趣词语的次数。一个或以上处理器可以确定所述用户选择所述至少两个候选感兴趣词语的第一次数。一个或以上处理器可以确定所述用户选择属于所述至少一个候选类别的所述候选感兴趣词语的第二次数。一个或以上处理器可以基于所述第一次数和所述第二次数,确定所述类别概率。
在一些实施例中,对于所述至少一个候选类别,基于所述至少两个候选感兴趣词语,确定所述用户输入属于所述至少一个候选类别的所述类别概率,一个或以上处理器可以基于以下等式,确定所述用户输入属于所述至少一个候选类别的所述类别概率:
P(Cj|Q)=∑iP(poii∈Cj|Q)=∑iP(poii∈Cj)*P(poii|Q),
其中,Q指所述用户输入;Cj指所述至少一个候选类别;poii指所述至少两个候选感兴趣词语之一,i是正整数;P(Cj|Q)指所述用户输入属于所述至少一个候选类别的所述类别概率;P(poii∈Cj|Q)指基于Q选择属于Cj的poii的概率;P(poii∈Cj)指poii是否属于Cj,P(poii∈Cj)等于1或0;以及P(poii|Q)指基于Q选择poii的概率,其通过将所述用户选择poii的次数除以所述用户选择至少两个候选感兴趣词语的总次数来确定。
在一些实施例中,所述候选类别可以包括泛需求类别、连锁需求类别以及精准需求类别。
在一些实施例中,基于所述候选类别和所述至少两个候选感兴趣词语,确定所述用户输入的所述目标类别,一个或以上处理器可以基于所述至少两个候选感兴趣词语,确定用户输入属于所述泛需求类别的所述泛需求类别的概率。当所述泛需求类别的所述概率高于第一阈值时,一个或以上处理器可以确定所述泛需求类别作为所述目标类别,或当所述泛需求类别的所述概率低于第二阈值时,确定所述精准需求类别或所述连锁需求类别作为所述目标类别。
在一些实施例中,基于所述目标类别和所述至少两个候选感兴趣词语,确定所述一个或以上目标感兴趣词语,一个或以上处理器可以获取所述用户选择属于所述目标类别的每个候选兴趣点的次数。基于所述用户选择属于所述目标类别的每个候选兴趣点的次数,一个或以上处理器可以在属于所述目标类别的所述候选感兴趣词语中,确定所述一个或以上目标感兴趣词语。所述用户选择属于所述目标类别的每个候选兴趣点的次数可以大于第三阈值。
在一些实施例中,基于所述目标类别和所述至少两个候选感兴趣词语,确定所述一个或以上目标感兴趣词语,一个或以上处理器可以获取所述用户的位置。对于属于所述目标类别的每一个所述候选感兴趣词语,一个或以上处理器可以确定所述用户的位置与所述候选感兴趣词语之间的距离。基于所述用户的所述位置与每个属于所述目标类别的所述候选感兴趣词语之间的距离,一个或以上处理器可以在属于所述目标类别的所述候选感兴趣词语中,确定所述一个或以上目标感兴趣词语。一个或以上目标感兴趣词语可以在距离所述用户的所述位置的预设距离内。
在一些实施例中,感兴趣词语可以是兴趣点(POI)。
根据本申请的另一方面,一种用于改善线上平台用户体验的方法可以包括一个或以上的以下操作。一个或以上处理器可以获取所述线上平台用户的用户输入。一个或以上处理器可以基于与所述用户输入相关的历史输入,获取由所述用户选择的至少两个候选感兴趣词语。至少两个候选感兴趣词语中的每一个可以都属于一个候选类别。一个或以上处理器可以基于所述候选类别和所述至少两个候选感兴趣词语,确定所述用户输入的目标类别。一个或以上处理器可以基于所述目标类别和所述至少两个候选感兴趣词语,确定一个或以上目标感兴趣词语。一个或以上处理器可以将所述一个或以上目标感兴趣词语发送到与用户相关联的终端。
根据本申请的又一方面,非暂时性计算机可读介质可以包括至少一组指令。至少一组指令可以由计算机服务器的一个或以上处理器执行。一个或以上处理器可以获取所述线上平台用户的用户输入。一个或以上处理器可以基于与所述用户输入相关的历史输入,获取由所述用户选择的至少两个候选感兴趣词语。所述至少两个候选感兴趣词语中的每一个可以都属于一个候选类别。一个或以上处理器可以基于所述候选类别和所述至少两个候选感兴趣词语,确定所述用户输入的目标类别。一个或以上处理器可以基于所述目标类别和所述至少两个候选感兴趣词语,确定一个或以上目标感兴趣词语。一个或以上处理器可以将所述一个或以上目标感兴趣词语发送到与所述用户相关联的终端。
根据本申请的又一方面,一种用于改善线上平台用户体验的***可以包括输入获取模块,其被配置为获取线上平台用户的用户输入。用于改善线上平台的用户体验的***还可以包括历史信息获取模块,其被配置为基于与所述用户输入相关的历史输入,获取由所述用户选择的至少两个候选感兴趣词语。所述至少两个候选感兴趣词语中的每一个可以都属于一个候选类别。用于改善线上平台的用户体验的***还可以包括类别确定模块,其被配置为基于所述候选类别和所述至少两个候选感兴趣词语,确定所述用户输入的目标类别。用于改善线上平台的用户体验的***还可以包括感兴趣词语确定模块,其被配置为基于所述目标类别和所述至少两个候选感兴趣词语,确定一个或以上目标感兴趣词语。用于改善线上平台的用户体验的***还可以包括传输模块,其被配置为将所述一个或以上目标感兴趣词语发送到与所述用户相关联的终端。
本申请的一部分附加特性可以在下面的描述中进行说明。通过对以下描述和相应附图的研究或者对实施例的生产或操作的了解,本申请的一部分附加特性对于本领域技术人员是明显的。本申请的特征可以通过对以下描述的具体实施例的各种方面的方法、手段和组合的实践或使用得以实现和达到。
附图说明
本申请将通过示例性实施例进行进一步描述。这些示例性实施例将通过附图进行详细描述。这些实施例是非限制性的示例性实施例,在这些实施例中,各图中相同的编号表示相似的结构,其中:
图1是根据本申请的一些实施例所示的示例性在线服务***的示意图;
图2是根据本申请的一些实施例所示的计算设备的示例性硬件和/或软件组件的示意图;
图3是根据本申请的一些实施例所示的移动设备的示例性硬件和/或软件组件的示意图;
图4是根据本申请的一些实施例所示的示例性处理引擎的框图;
图5是根据本申请的一些实施例所示的用于将目标感兴趣词语发送到与用户相关联的终端的示例性过程的流程图;
图6是根据本申请的一些实施例所示的用于确定用户输入的目标类别的示例性过程的流程图;
图7是根据本申请的一些实施例所示的用于确定一个或以上目标感兴趣词语的示例性过程的流程图;
图8是根据本申请的一些实施例所示的用于确定一个或以上目标感兴趣词语的示例性过程的流程图;以及
图9至12是根据本申请的一些实施例所示的在用户终端中显示用户输入和目标感兴趣词语的示例性用户界面的示意图。
具体实施方式
以下描述是为了使本领域的普通技术人员能够实施和利用本申请,并且该描述是在特定的应用场景及其要求的环境下提供的。对于本领域的普通技术人员来讲,显然可以对所披露的实施例作出各种改变,并且在不偏离本申请的原则和范围的情况下,本申请中所定义的普遍原则可以适用于其他实施例和应用场景。因此,本申请并不限于所描述的实施例,而应该被给予与权利要求一致的最广泛的范围。
本申请中所使用的术语仅用于描述特定的示例性实施例,并不限制本申请的范围。如本申请使用的单数形式“一”、“一个”及“该”可以同样包括复数形式,除非上下文明确表示例外情形。还应当理解,如在本申请说明书中,术语“包括”、“包含”仅提示存在所述特征、整体、步骤、操作、组件和/或部件,但并不排除存在或添加一个或以上其他特征、整体、步骤、操作、组件、部件和/或其组合的情况。
根据以下对附图的描述,本申请的这些和其他的特征、特点以及相关结构元件的功能和操作方法,以及部件组合和制造经济性,可以变得更加显而易见,这些附图都构成本申请说明书的一部分。然而,应当理解的是,附图仅仅是为了说明和描述的目的,并不旨在限制本申请的范围。应当理解的是,附图并不是按比例绘制的。
本申请中使用了流程图用来说明根据本申请的一些实施例的***所执行的操作。应当理解的是,流程图中的操作可以不按顺序执行。相反,可以按照倒序或同时处理各种步骤。同时,也可以将一个或以上其他操作添加到这些流程图中。也可以从流程图中删除一个或以上操作。
此外,本申请中的***和方法可以应用于用户需要搜索感兴趣词语的任何应用场景。例如,本申请的***和方法可以应用于不同的运输***,包括陆地、海洋、航空航天等或其任意组合。运输***的车辆可以包括出租车、私家车、顺风车、公共汽车、火车、动车、高铁、地铁、船只、飞机、宇宙飞船、热气球、无人驾驶车辆、自行车、三轮车、摩托车等,或其任意组合。本申请的***或方法可以应用于出租车、司机服务、送货服务、拼车、公交服务、外卖服务、司机租用、车辆租赁、自行车共享服务、火车服务、地铁服务、班车服务、定位服务等。又例如,本申请的***或方法可以应用于购物服务、学习服务、健身服务、金融服务、社交服务等。本申请的***和方法的应用场景可以包括网页、浏览器插件、客户端、客户***、内部分析***、人工智能机器人等或其任意组合。
在一些实施例中,当用户输入查询以发起对感兴趣词语的搜索时,在线服务平台可以向用户提供与查询相关的至少两个感兴趣词语以便快速输入。为此,在从用户终端(例如,用户的智能电话、用户的计算机)接收到用户输入之后,在线服务平台可以确定用户输入属于哪个类别(例如,用户的意图)。在线服务平台可以确定属于用户输入的类别的一个或以上的感兴趣词语,并将一个或以上的感兴趣词语发送到用户终端。用户终端可以显示一个或以上感兴趣词语。用户可以选择所显示的一个或以上感兴趣词语中的一个用于快速输入。
图1是根据一些实施例的示例性在线服务***的示意图。在线服务***100可以包括服务器110、网络120、用户终端140、存储设备150和定位***160。
在一些实施例中,服务器110可以是单个服务器,也可以是服务器组。所述服务器组可以是集中式的,也可以是分布式的(例如,服务器110可以是分布式的***)。在一些实施例中,服务器110可以是本地的,也可以是远程的。例如,服务器110可以经由网络120访问存储在用户终端140和/或存储设备150中的信息和/或数据。又例如,服务器110可以直接连接到用户终端140和/或存储设备150以访问存储信息和/或数据。在一些实施例中,服务器110可以在云平台上实施。仅作为示例,该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。在一些实施例中,服务器110可以在本申请中的图2描述的包含了一个或以上组件的计算设备200上执行。
在一些实施例中,服务器110可以包括处理引擎112。处理引擎112可以处理信息和/或数据以执行本申请中描述的一个或以上功能。例如,处理引擎112可以基于用户输入,确定一个或以上目标感兴趣词语。在一些实施例中,所述处理引擎112可包括一个或以上处理引擎(例如,单芯片处理引擎或多芯片处理引擎)。仅作为示例,处理引擎112可以包括一个或以上硬件处理器,例如中央处理单元(CPU)、特定应用集成电路(ASIC)、特定应用指令集处理器(ASIP)、图像处理单元(GPU)、物理运算处理单元(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑设备(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等或其任意组合。
网络120可以促进信息和/或数据的交换。在一些实施例中,在线服务***100中的一个或以上组件(例如,服务器110、用户终端140、存储设备150和定位***160)可以通过网络120向在线服务***100中的其他组件发送信息和/或数据。例如,处理引擎112可以经由网络120基于与来自存储设备150和/或用户终端140的用户输入有关的历史输入,获取用户选择的至少两个候选感兴趣词语。在一些实施例中,网络120可以是有线网络或无线网络等或其任意组合。仅作为示例,网络120可以包括缆线网络、有线网络、光纤网络、远程通信网络、内部网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络、近场通信(NFC)网络等或其任意组合。在一些实施例中,网络120可以包括一个或以上网络接入点。例如,网络120可以包括有线或无线网络接入点,例如基站和/或互联网交换点120-1、120-2......在线服务***100的一个或以上组件可以通过它连接到网络120,以交换数据和/或信息。
在一些实施例中,用户终端140可以包括移动设备140-1、平板计算机140-2、膝上型计算机140-3等,或其任何组合。在一些实施例中,移动设备140-1可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、增强现实设备等,或其任意组合。在一些实施例中,智能家居设备可以包括智能照明设备、智能电器控制设备、智能监控设备、智能电视、智能摄像机、对讲机等,或其任意组合。在一些实施例中,可穿戴设备可以包括手环、鞋袜、眼镜、头盔、手表、衣物、背包、智能配饰等或其任意组合。在一些实施例中,移动设备可以包括移动电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)、膝上型电脑、台式机等或其任意组合。在一些实施例中,虚拟现实设备和/或增强型虚拟现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等,或其任意组合。例如,虚拟现实设备和/或增强现实设备可以包括Google GlassTM、RiftConTM、FragmentsTM、Gear VRTM等。在一些实施例中,用户终端140可以是具有定位技术的设备,用于定位用户终端140的位置。在一些实施例中,用户终端140可以将定位信息发送到服务器110。
存储设备150可以存储数据和/或指令。在一些实施例中,存储设备150可以存储从用户终端140和/或处理引擎112获取的数据。例如,存储设备150可以存储从用户终端140获取的至少两个候选感兴趣词语。又例如,存储设备150可以存储由处理引擎112确定的至少两个候选感兴趣词语中的每一个的候选类别。在一些实施例中,存储设备150可以存储服务器110用来执行或使用来完成本申请中描述的示例性方法的数据和/或指令。例如,存储设备150可以存储处理引擎112可以执行的指令或用户以确定目标感兴趣词语。在一些实施例中,存储设备150可包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性大容量存储器可以包括磁盘、光盘、固态驱动器等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取存储器(RAM)。示例性RAM可包括动态随机存取存储器(DRAM)、双倍数据速率同步动态随机存取存储器(DDR SDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。示例性只读存储器可以包括掩模型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多功能磁盘只读存储器等。在一些实施例中,所述存储设备150可以在云平台上实现。仅作为示例,该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中,存储设备150可以连接到网络120以与在线服务***100(例如,服务器110、用户终端140等)中的一个或以上组件通信。在线服务***100中的一个或以上组件可以经由网络120访问存储设备150中存储的数据或指令。在一些实施例中,存储设备150可以直接连接到在线服务***100(例如,服务器110、用户终端140等)中的一个或以上组件或与之通信。在一些实施例中,存储设备150可以是服务器110的一部分。
定位***160可以确定与对象(例如,用户终端140)相关的信息。例如,定位***160可以实时确定用户终端140的位置。在一些实施例中,定位***160可以是全球定位***(GPS)、全球导航卫星***(GLONASS)、罗盘导航***(COMPASS)、北斗导航卫星***、伽利略定位***、准天顶卫星***(QZSS)等。该信息可以包括对象的位置、高度、速度或加速度、累积里程数或当前时间。该位置可以是坐标的形式,例如纬度坐标和经度坐标等。定位***160可以包括一个或以上的卫星,例如卫星160-1、卫星160-2和卫星160-3。所述卫星160-1至160-3可以独立地或共同地确定上述所述信息。卫星定位***160可以通过无线连接将上述信息发送给网络120或用户终端140。
图2是根据申请的一些实施例所示的一种示例性计算设备的示例性硬件和软件组件的示意图,其上可以实现本申请所述处理引擎112。如图2所示,计算设备200可以包括处理器210、存储器220、输入/输出(I/O)230和通信端口240。
处理器210(例如,逻辑电路)可以执行计算机指令(例如,程序代码)并且根据这里描述的技术来执行处理引擎112的功能。例如,处理器210可以包括接口电路210-a和其中的处理电路210-b。接口电路可以被配置为接收来自总线(图2中未示出)的电子信号,其中,电子信号编码用于处理电路的结构化数据和/或指令。处理电路可以进行逻辑计算,然后将结论、结果和/或指令编码确定为电信号。然后,接口电路可以通过总线从处理电路发出电子信号。
所述计算机指令可以包括例如执行在此描述的特定功能的例行程序、程序、对象、组件、数据结构、过程、模块和功能。例如,处理器210可以处理从用户终端140、存储设备150和/或在线服务***100的任何其他组件获取的至少两个候选感兴趣词语。在一些实施例中,处理器210可以包括一个或以上硬件处理器,诸如微控制器、微处理器、精简指令集计算机(RISC)、特定应用集成电路(ASIC)、特定应用指令集处理器(ASIP)、中央处理单元(CPU)、图形处理单元(GPU)、物理处理单元(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、高阶RISC机器(ARM)、可编程逻辑设备(PLD)、能够执行一个或以上功能的任何电路或处理器等,或其任何组合。
仅仅为了说明,在计算设备200中仅描述了一个处理器。然而,应该注意的是,本申请中的计算设备200还可以包括多个处理器,由此执行的操作和/或方法步骤如本申请中所描述的一个处理器也可以由多个处理器联合地或单独地执行。例如,如果在本申请中,计算设备200的处理器执行步骤A和步骤B,应当理解的是,步骤A和步骤B也可以由计算设备200的两个或以上不同的处理器共同地或独立地执行(例如,第一处理器执行步骤A,第二处理器执行步骤B,或者第一和第二处理器共同地执行步骤A和步骤B)。
存储器220可以存储从用户终端140、存储设备150和/或在线服务***100的任何其他组件获取的数据/信息。在一些实施例中,存储器220可包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。例如,大容量存储器可以包括磁盘、光盘、固态硬盘等。可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘和磁带等。易失性读取和写入存储器可以包括随机存取存储器(RAM)。RAM可以包括动态随机存取存储器(DRAM)、双倍速率同步动态随机存取存储器(DDR SDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容RAM(Z-RAM)等。只读存储器可以包括掩模型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多功能磁盘只读存储器等。在一些实施例中,存储器220可以存储一个或以上程序和/或指令以执行在本申请中描述的示例性方法。例如,存储器220可以存储用于处理引擎112的程序,用于确定目标感兴趣词语。
I/O230可以输入和/或输出信号、数据、信息等。在一些实施例中,I/O230可以使用户与处理引擎112交互。例如,在线服务***100的用户可以通过I/O230输入预设参数。在一些实施例中,I/O230可以包括输入设备和输出设备。示例性的输入设备可以包括键盘、鼠标、触控屏幕、麦克风等,或其任何组合。示例性的输出设备可以包括显示设备、扬声器、打印机、投影机等,或其任何组合。显示设备的示例可以包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、平板显示器、弯曲屏幕、电视设备、阴极射线管(CRT)、触控屏幕等,或其任何组合。
通信端口240可以连接到网络(例如,网络120)以促进数据通信。通信端口240可以在处理引擎112、用户终端140、定位***160或存储设备150之间建立连接。连接可以是有线连接、无线连接、可以启用数据传输和/或接收的任何其他通信连接,和/或这些连接的任何组合。有线连接可以包括例如电缆、光缆、电话线等,或其任意组合。无线连接可以包括例如蓝牙TM链路、无线保真TM链路、全球互通微波访问TM链路、无线局域网链路、紫蜂链路、移动网络链路(例如3G、4G、5G等)等,或其组合。在一些实施例中,通信端口240可以是和/或包括标准化通信端口,诸如RS232、RS485等。
图3是根据本申请的一些实施例所示的移动设备的示例性硬件和/或软件组件的示意图。用户终端140可以在移动设备上实现。如图3所示,移动设备300可以包括通信平台310、显示器320、图形处理单元(GPU)330、中央处理单元(CPU)340、I/O350、内存360和存储器390。在一些实施例中,任何其他合适的组件,包括但不限于***总线或控制器(未示出),也可包括在移动设备300内。在一些实施例中,移动操作***370(例如,iOSTM、AndroidTM、Windows PhoneTM等)和一个或以上应用380可从存储器390下载至内存360以及由CPU340执行。应用380可以包括一浏览器或任何其他合适的移动应用,用于接收及呈现与图像处理相关的信息或处理引擎112中的其他信息。用户与信息流的交互可以通过I/O350实现,并通过网络120提供给处理引擎112和/或在线服务***100的其他组件。
为了实施本申请描述的各种模块、单元及其功能,计算机硬件平台可用作本文中描述的一个或以上组件的硬件平台。具有用户接口组件的计算机可用于实施个人计算机(PC)或任何其他类型的工作站或终端设备。若程序控制合适,计算机也可用作服务器。
本领域普通技术者将理解,当在线服务***100的组件执行功能时,该组件可经由电信号和/或电磁信号执行功能。例如,当处理引擎112处理诸如做出确定或识别信息的任务时,处理引擎112可以在其处理器中操作逻辑电路以处理这样的任务。当处理引擎112从用户终端140接收数据(例如,用户输入)时,处理引擎112的处理器可以接收包括数据的电信号。处理引擎112的处理器可以通过输入端口接收电信号。如果用户终端140经由有线网络与处理引擎112通信,则输入端口可以物理地连接到电缆。如果用户终端140经由无线网络与处理引擎112通信,则处理引擎112的输入端口可以是一个或以上天线,其可以将电信号转换为电磁信号。在诸如用户终端140和/或服务器110的电子设备内,当其处理器处理指令,发出指令和/或执行动作时,指令和/或动作通过电信号进行。例如,当处理器从存储介质(例如存储设备150)检索或保存数据时,它可以向存储介质的读/写设备发送电信号,该读/写设备可以在存储介质中读取或写入结构化数据。该结构化数据可以电信号的形式经由电子设备的总线传输至处理器。此处,电信号可以指一个电信号、一系列电信号和/或至少两个不连续的电信号。
图4是根据本申请的一些实施例所示的示例性处理引擎的框图。处理引擎112可以包括输入获取模块410、历史信息获取模块420、类别确定模块430、感兴趣词语确定模块440和传输模块450。
输入获取模块410可以被配置为获取在线服务***100用户的用户输入。在一些实施例中,输入获取模块410可以经由网络120从用户终端140获取用户输入。
在一些实施例中,用户终端140可以经过网络120通过安装在用户终端140中的应用(例如,图3中的应用380)或通过浏览器中的网页建立与服务器110的通信(例如,无线通信)。该应用可以与在线服务***100相关联。例如,应用可以是与在线服务***100相关联的出租车呼叫应用。
在一些实施例中,在用户输入了用户输入(例如,查询)之后,用户可以通过,例如,按下应用界面中的按钮将用户输入发送到处理引擎112(例如,输入获取模块410)。在一些实施例中,安装在用户终端140中的应用可以指示用户终端140连续地或周期性地监视来自用户的输入,并且经由网络120自动地将输入发送到处理引擎112。
在一些实施例中,用户输入可以是文本、音频、视频或图形的形式。用户输入可以包括一个或以上的单词(例如,如图9至11中的搜索框910所示)、不完整的单词、缩写(例如,如图12中的搜索框910中所示)等,或其任何组合。例如,用户输入可以是“银行”、“ba”或“KFC”。
历史信息获取模块420可以被配置为基于与用户输入相关的历史输入,获取由用户选择的至少两个候选感兴趣词语。
在一些实施例中,感兴趣词语可以是兴趣点(POI)(例如,位置的名称或商业名称)。例如,兴趣点可以与出租车呼叫服务中的行程的目的地相关。在本发明的一些实施例中,如本文提供的实施例中所示,兴趣点可以用作感兴趣词语的例子。然而,应该注意,在一些实施例中,本发明的***和方法也可以应用于不是兴趣点的感兴趣词语。
在一些实施例中,用户可以通过用户终端140中的应用输入历史输入。在线服务***100可以基于历史输入,将相关历史感兴趣词语发送到用户终端140中的应用。用户可以通过用户终端140中的应用,选择他/她感兴趣的相关历史感兴趣词语之一。处理引擎112可以将与用户输入相关联的所选历史感兴趣词语,存储在在线服务***100的存储介质(例如,存储设备150和/或存储器220)中。
在一些实施例中,历史信息获取模块420可以将用户输入与存储在存储介质中的历史输入进行比较。历史信息获取模块420可以基于比较结果,选择与用户输入基本相似的历史输入,并且将与所选择的历史输入相关的历史感兴趣词语确定为候选感兴趣词语。例如,如果用户输入是“中国银行”,并且在存储介质中存在与历史输入相关的包括“中国银行”、“BC”、“Bank of Chi”和“KFC”的历史感兴趣词语,历史信息获取模块420可以确定与“中国银行”、“BC”和“Bank of Chi”的历史输入相关的历史感兴趣词语作为候选感兴趣词语。在一些实施例中,至少两个候选感兴趣词语可以对应于先前时间段(例如,最后一周、最后一个月、最后六个月等)。在一些实施例中,“基本相似”意味着历史感兴趣词语和用户输入之间的相关性高于预设阈值。
在一些实施例中,该至少两个候选感兴趣词语中的每一个可以属于一个候选类别。仅作为示例,在用户可以搜索位置的在线服务(例如,出租车服务、导航服务、递送服务、外卖服务等)中,候选类别可以包括泛需求类别、连锁需求类别和精准需求类别。如果候选感兴趣词语属于泛需求类别,说明有一些实体由所述感兴趣词语命名。例如,诸如“中国银行”之类的候选感兴趣词语可以属于泛需求类别,因为有实体(例如,地铁站-中国银行地铁站、公交车站-中国银行公交车站等)由中国银行命名。如果候选感兴趣词语属于连锁需求类别,说明所述感兴趣词语可以与连锁商店相关联。例如,诸如“KFC”、“McDonald′s”和“Hilton Hotel”的候选感兴趣词语可以属于连锁需求类别。如果候选感兴趣词语属于精准需求类别,说明所述感兴趣词语可以与特定地址相关。例如,“3042施坦威街”和“西城区中国银行”的候选感兴趣词语可以属于精准需求类别。
在一些实施例中,历史信息获取模块420可以经由网络120,从存储设备150、存储器220、终端(例如,用户终端140)和/或外部数据源(未示出),获取所述至少两个候选感兴趣词语以及每个候选感兴趣词语所属的候选类别。
类别确定模块430可以被配置为基于候选类别和至少两个候选感兴趣词语,确定用户输入的目标类别。
在一些实施例中,对于至少一个候选类别,基于至少两个候选感兴趣词语,类别确定模块430可以确定用户输入属于至少一个候选类别的至少一个类别概率。基于所述至少一个类别概率,类别确定模块430还可以将候选类别中的一个确定为目标类别。关于类别概率的确定的更多描述可以在本申请的其他地方找到(例如,图6及其描述)。
感兴趣词语确定模块440可以被配置为基于目标类别和至少两个候选感兴趣词语,确定一个或以上目标感兴趣词语。
在一些实施例中,基于用户选择每个候选感兴趣词语的次数,感兴趣词语确定模块440可以确定一个或以上目标感兴趣词语。例如,如果用户选择属于目标类别的候选感兴趣词语的次数大于阈值(例如,5次、10次、20次),则感兴趣词语确定模块440可以将候选感兴趣词语确定为一个目标感兴趣词语。又例如,感兴趣词语确定模块440可以对用户选择每个候选感兴趣词语的次数进行排序。基于排序结果,感兴趣词语确定模块440可以确定一个或以上目标感兴趣词语。仅作为示例,基于降序排序结果,感兴趣词语确定模块440可以将前3个属于目标类别的候选感兴趣词语,确定为目标感兴趣词语。基于用户选择每个候选感兴趣词语的次数,确定一个或以上目标感兴趣词语的更多描述可以在本申请的其他地方找到(例如,图7及其描述)。
在一些实施例中基于用户的位置与属于目标类别的候选感兴趣词语之间的距离,感兴趣词语确定模块440可以确定一个或以上目标感兴趣词语。例如,如果属于目标类别的候选感兴趣词语在距离用户位置的预设距离(例如,50米、100米、200米、500米、1千米、2千米、5千米等)内,则感兴趣词语确定模块440可以将候选感兴趣词语确定为目标感兴趣词语。又例如,基于用户的位置与属于目标类别的候选感兴趣词语之间的距离,感兴趣词语确定模块440可以对感兴趣词语进行排序。在一些实施例中,基于排序结果,感兴趣词语确定模块440可以确定一个或以上目标感兴趣词语。仅作为示例,基于降序排序结果,感兴趣词语确定模块440可以将前3个属于目标类别的候选感兴趣词语,确定为目标感兴趣词语。基于用户位置与候选感兴趣词语之间的距离,确定一个或以上目标感兴趣词语的更多描述可以在本申请的其他地方找到(例如,图8及其描述)。
在一些实施例中,基于用户输入与属于目标类别的候选感兴趣词语之间的相关性,感兴趣词语确定模块440可以确定一个或以上目标感兴趣词语。例如,通过匹配用户输入的每个字符和候选感兴趣词语,感兴趣词语确定模块440可以确定用户输入和属于目标类别的候选感兴趣词语之间的相似性。用户输入的字符与属于目标类别的候选感兴趣词语的字符之间的较高相似性可以对应于用户输入和属于目标类别的候选感兴趣词语之间的较高相关性。在一些实施例中,基于用户输入与属于目标类别的每个候选感兴趣词语之间的相关性,感兴趣词语确定模块440可以对属于目标类别的候选感兴趣词语进行排序。基于降序排序结果,感兴趣词语确定模块440还可以确定属于目标类别的候选感兴趣词语的一个或以上(例如,前一、前五、前十、前十五、前二十、前百分之一、前百分之五、前百分之十、前百分之二十)作为一个或以上的目标感兴趣词语。
在一些实施例中,确定不同候选类别的一个或以上目标感兴趣词语的方式可以是不同的或类似的。例如,如果类别确定模块430确定用户输入属于530中的泛需求类别或连锁需求类别(例如,用户输入的目标类别是泛需求类别或连锁需求类别),感兴趣词语确定模块440可以基于用户的位置与属于目标类别的候选感兴趣词语之间的距离和/或用户选择属于该目标类别的每个候选感兴趣词语的次数,确定一个或以上目标感兴趣词语。又例如,如果类别确定模块430确定用户输入属于530中的精准需求类别(例如,用户输入的目标类别是精准需求类别),感兴趣词语确定模块440可以基于用户选择属于目标类别的每个候选感兴趣词语的次数,确定一个或以上目标感兴趣词语。
在一些实施例中,用户输入的目标类别可以表示用户的搜索意图。如果用户输入属于泛需求类别的目标类别,则可以表示用户打算输入一个与用户输入名称相关的实体(例如,地铁站、公交车站、医院)。例如,用户输入是“中国银行”,用户输入的目标类别是泛需求类别,它可能表示用户打算输入一个名为“中国银行”的实体,如中国银行地铁站。如果用户输入属于连锁需求类别的目标类别,则它可以表示用户打算输入与用户输入相关的连锁商店。例如,用户输入是“中国银行”,用户输入的目标类别是连锁需求类别,它可以表示用户打算输入中国银行的分行,如中国银行朝阳分行。如果用户输入属于精准需求类别的目标类别,则它可以表示用户打算输入与用户输入有关的准确地址。例如,用户输入是“中国银行”,用户输入的目标类别是精准需求类别,则可以表示用户打算输入与中国银行有关的位置的准确地址,例如中国银行地铁站的A出口或中国银行朝阳分行。
传输模块450可以被配置为将一个或以上目标感兴趣词语发送到与用户相关联的终端(例如,用户终端140)。传输模块450可以将一个或以上目标感兴趣词语,发送到用户终端140中的应用的用户界面。显示用户输入和目标感兴趣词语的用户界面的更多描述可以在本申请的其他地方找到(例如,图9至12及其描述)。
在一些实施例中,在用户终端140中的应用的用户界面中,可以如结合540所描述的那样布置所显示的目标感兴趣词语。例如,可以基于用户选择的次数,布置目标感兴趣词语。具有最高用户选择次数的目标感兴趣词语可以显示在用户终端140中的应用的用户界面中的感兴趣词语列表(例如,图9中的感兴趣词语列表920)的顶部。又例如,可以基于用户的位置与目标感兴趣词语之间的距离,布置目标感兴趣词语。最接近用户位置的目标感兴趣词语可以显示在感兴趣词语列表的顶部。
应当注意上述关于处理引擎112的描述是出于说明的目的而提供的,并非旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。但是,那些变化与修改不会脱离本申请的范围。在一些实施例中,处理引擎112可包括一个或以上其他模块。例如,处理引擎112可以包括存储模块,用于存储由处理引擎112中的模块生成的数据。在一些实施例中,任意两个模块可以合并成一模块,并且任意一个模块可以被拆分成两个或者多个单元。
图5是根据本申请所示的一些实施例的用于将目标感兴趣词语发送到与用户相关联的终端的示例性过程的流程图。在一些实施例中,过程500可以在图1中所示的在线服务***100中实现。例如,过程500可以作为指令的形式存储在存储设备150(例如,存储设备150或处理引擎112的存储器220)中,并且由服务器110调用和/或执行(例如,服务器110的处理引擎112、处理引擎112的处理器210、或图4所示的处理引擎112中的一个或以上模块)。以下呈现的所示过程500的操作旨在是说明性的。在一些实施例中,过程500可以利用未描述的一个或以上附加操作,和/或没有讨论的一个或以上操作来完成。另外,如图5所示和下面描述的过程500的操作的顺序不是限制性的。
在510中,输入获取模块410(或处理引擎112和/或接口电路210-a)可以获取在线服务***100用户的用户输入。在一些实施例中,输入获取模块410可以经由网络120从用户终端140获取用户输入。
在一些实施例中,用户终端140可以经由网络120通过安装在用户终端140中的应用(例如,图3中的应用380)或通过浏览器中的网页建立与服务器110的通信(例如,无线通信)。该应用可以与在线服务***100相关联。例如,应用可以是与在线服务***100相关联的出租车呼叫应用。
在一些实施例中,在用户输入了用户输入(例如,查询)之后,用户可以通过,例如,按下应用界面中的按钮将用户输入发送到处理引擎112(例如,输入获取模块410)。在一些实施例中,安装在用户终端140中的应用可以指示用户终端140连续地或周期性地监视来自用户的输入,并且经由网络120自动地将输入发送到处理引擎112。
在一些实施例中,用户输入可以是文本、音频、视频或图形的形式。用户输入可以包括一个或以上的单词(例如,如图9至11中的搜索框910所示)、不完整的单词、缩写(例如,如图12中的搜索框910中所示)等,或其任何组合。例如,用户输入可以是“银行”、“ba”或“KFC”。
在520中,历史信息获取模块420(或处理引擎112、和/或处理电路210-b)可以基于与用户输入相关的历史输入,获取由用户选择的至少两个候选感兴趣词语。
在一些实施例中,感兴趣词语可以是兴趣点(POI)(例如,位置的名称或商业名称)。例如,兴趣点可以与出租车呼叫服务中的行程的目的地相关。在本发明的一些实施例中,如本文提供的实施例中所示,兴趣点可以用作感兴趣词语的实例。然而,应该注意,在一些实施例中,本发明的***和方法也可以应用于不是兴趣点的感兴趣词语。
在一些实施例中,用户可以通过用户终端140中的应用输入历史输入。在线服务***100可以基于历史输入,将相关历史感兴趣词语发送到用户终端140中的应用。用户可以通过用户终端140中的应用,选择他/她感兴趣的相关历史感兴趣词语之一。处理引擎112可以将与用户输入相关联的所选历史感兴趣词语,存储在在线服务***100的存储介质(例如,存储设备150和/或存储器220)中。
在一些实施例中,历史信息获取模块420可以将用户输入与存储在存储介质中的历史输入进行比较。历史信息获取模块420可以基于比较结果,选择与用户输入基本相似的历史输入,并且将与所选择的历史输入相关的历史感兴趣词语确定为候选感兴趣词语。例如,如果用户输入是“中国银行”,并且在存储介质中存在与历史输入相关的包括“中国银行”、“BC”、“Bank of Chi”和“KFC”的历史感兴趣词语,历史信息获取模块420可以确定与“中国银行”、“BC”和“Bank of Chi”的历史输入相关的历史感兴趣词语作为候选感兴趣词语。在一些实施例中,至少两个候选感兴趣词语可以对应于先前时间段(例如,最近一周、最近一个月、最近六个月等)。在一些实施例中,“基本相似”意味着历史感兴趣词语和用户输入之间的相关性高于预设阈值。
在一些实施例中,该至少两个候选感兴趣词语中的每一个可以属于一个候选类别。仅作为示例,在用户可以搜索位置的在线服务(例如,出租车服务、导航服务、递送服务、外卖服务等)中,候选类别可以包括泛需求类别、连锁需求类别和精准需求类别。如果候选感兴趣词语属于泛需求类别,说明有一些实体由所述感兴趣词语命名。例如,诸如“中国银行”之类的候选感兴趣词语可以属于泛需求类别,因为有实体(例如,地铁站-中国银行地铁站、公交车站-中国银行公交车站等)由中国银行命名。如果候选感兴趣词语属于连锁需求类别,说明所述感兴趣词语可以与连锁商店相关联。例如,诸如“KFC”、“McDonald′s”和“Hilton Hotel”的候选感兴趣词语可以属于连锁需求类别。如果候选感兴趣词语属于精准需求类别,说明所述感兴趣词语可以与特定地址相关。例如,诸如“3042施坦威街”和“西城区中国银行”的候选感兴趣词语可以属于精准需求类别。
在一些实施例中,历史信息获取模块420可以经由网络120,从存储设备150、存储器220、终端(例如,用户终端140)和/或外部数据源(未示出),获取所述至少两个候选感兴趣词语以及每个候选感兴趣词语所属的候选类别。
在530中,类别确定模块430(或处理引擎112和/或处理电路210-b)可以基于候选类别和至少两个候选感兴趣词语,确定用户输入的目标类别。
在一些实施例中,对于至少一个候选类别,基于至少两个候选感兴趣词语,类别确定模块430可以确定用户输入属于至少一个候选类别的至少一个类别概率。基于所述至少一个类别概率,类别确定模块430还可以将候选类别中的一个确定为目标类别。关于类别概率的确定的更多描述可以在本申请的其他地方找到(例如,图6及其描述)。
在540中,感兴趣词语确定模块440(或处理引擎112和/或处理电路210-b)可以基于目标类别和至少两个候选感兴趣词语,确定一个或以上目标感兴趣词语。
在一些实施例中,基于用户选择每个候选感兴趣词语的次数,感兴趣词语确定模块440可以确定一个或以上目标感兴趣词语。例如,如果用户选择属于目标类别的候选感兴趣词语的次数大于阈值(例如,5次、10次、20次),则感兴趣词语确定模块440可以将所述候选感兴趣词语确定为一个目标感兴趣词语。又例如,感兴趣词语确定模块440可以对用户选择每个候选感兴趣词语的次数进行排序。基于排序结果,感兴趣词语确定模块440可以确定一个或以上目标感兴趣词语。仅作为示例,基于降序排序结果,感兴趣词语确定模块440可以将前3个属于目标类别的候选感兴趣词语,确定为目标感兴趣词语。基于用户选择每个候选感兴趣词语的次数,确定一个或以上目标感兴趣词语的更多描述可以在本申请的其他地方找到(例如,图7及其描述)。
在一些实施例中,基于用户的位置与属于目标类别的候选感兴趣词语之间的距离,感兴趣词语确定模块440可以确定一个或以上目标感兴趣词语。例如,如果属于目标类别的候选感兴趣词语在距离用户位置的预设距离(例如,50米、100米、200米、500米、1千米、2千米、5千米等)内,则感兴趣词语确定模块440可以将候选感兴趣词语确定为目标感兴趣词语。又例如,基于用户的位置与属于目标类别的候选感兴趣词语之间的距离,感兴趣词语确定模块440可以对感兴趣词语进行排序。在一些实施例中,基于排序结果,感兴趣词语确定模块440可以确定一个或以上目标感兴趣词语。仅作为示例,基于降序排序结果,感兴趣词语确定模块440可以将前3个属于目标类别的候选感兴趣词语,确定为目标感兴趣词语。基于用户位置与候选感兴趣词语之间的距离,确定一个或以上目标感兴趣词语的更多描述可以在本申请的其他地方找到(例如,图8及其描述)。
在一些实施例中,基于用户输入与属于目标类别的候选感兴趣词语之间的相关性,感兴趣词语确定模块440可以确定一个或以上目标感兴趣词语。例如,通过匹配用户输入的每个字符和候选感兴趣词语,感兴趣词语确定模块440可以确定用户输入和属于目标类别的候选感兴趣词语之间的相似性。用户输入的字符与属于目标类别的候选感兴趣词语的字符之间的较高相似性可以对应于用户输入和属于目标类别的候选感兴趣词语之间的较高相关性。在一些实施例中,基于用户输入与属于目标类别的每个候选感兴趣词语之间的相关性,感兴趣词语确定模块440可以对属于目标类别的候选感兴趣词语进行排序。基于降序排序结果,感兴趣词语确定模块440还可以确定属于目标类别的候选感兴趣词语的一个或以上(例如,前一、前五、前十、前十五、前二十、前百分之一、前百分之五、前百分之十、前百分之二十)作为一个或以上目标感兴趣词语。
在一些实施例中,确定不同候选类别的一个或以上目标感兴趣词语的方式可以是不同的或类似的。例如,如果类别确定模块430确定用户输入属于530中的泛需求类别或连锁需求类别(例如,用户输入的目标类别是泛需求类别或连锁需求类别),感兴趣词语确定模块440可以基于用户的位置与属于目标类别的候选感兴趣词语之间的距离和/或用户选择属于目标类别的每个候选感兴趣词语的次数,确定一个或以上目标感兴趣词语。又例如,如果类别确定模块430确定用户输入属于530中的精准需求类别(例如,用户输入的目标类别是精准需求类别),感兴趣词语确定模块440可以基于用户选择属于目标类别的每个候选感兴趣词语的次数,确定一个或以上目标感兴趣词语。
在一些实施例中,用户输入的目标类别可以表示用户的搜索意图。如果用户输入属于泛需求类别的目标类别,则可以表示用户打算输入一个与用户输入名称相关的实体(例如,地铁站、公交车站、医院)。例如,用户输入是“中国银行”,用户输入的目标类别是泛需求类别,它可能表示用户打算输入一个名为“中国银行”的实体,如中国银行地铁站。如果用户输入属于连锁需求类别的目标类别,则它可以表示用户打算输入与用户输入相关的连锁商店。例如,用户输入是“中国银行”,用户输入的目标类别是连锁需求类别,它可以表示用户打算输入中国银行的分行,如中国银行朝阳分行。如果用户输入属于精准需求类别的目标类别,则它可以表示用户打算输入与用户输入有关的准确地址。例如,用户输入是“中国银行”,用户输入的目标类别是精准需求类别,则可以表示用户打算输入与中国银行有关的位置的准确地址,例如中国银行地铁站的A出口或中国银行朝阳分行。
在550中,传输模块450(或处理引擎112和/或接口电路210-a)可以将一个或以上目标感兴趣词语发送到与用户相关联的终端(例如,用户终端140)。传输模块450可以将一个或以上目标感兴趣词语,发送到用户终端140中的应用的用户界面。显示用户输入和目标感兴趣词语的用户界面的更多描述可以在本申请的其他地方找到(例如,图9至12及其描述)。
在一些实施例中,在用户终端140中的应用的用户界面中,可以如结合540所描述的那样布置所显示的目标感兴趣词语。例如,可以基于用户选择的次数,布置目标感兴趣词语。具有最高用户选择次数的目标感兴趣词语可以显示在用户终端140中的应用的用户界面中的感兴趣词语列表(例如,图9中的感兴趣词语列表920)的顶部。又例如,可以基于用户的位置与目标感兴趣词语之间的距离,布置目标感兴趣词语。最接近用户位置的目标感兴趣词语可以显示在感兴趣词语列表的顶部。
应该注意的是,上述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不可背离本申请的范围。例如,可以在示例性过程500中的其他地方添加一个或以上其他可选操作(例如,存储步骤)。在存储步骤中,处理引擎112可以存储与存储介质(例如,存储器150)中的候选感兴趣词语相关联的信息和/或数据,这在本申请的其他地方披露。
图6是根据本申请的一些实施例所示的用于确定用户输入的目标类别的示例性过程的流程图。在一些实施例中,过程600可以在图1中所示的在线服务***100中实现。例如,过程600可以作为指令的形式存储在存储设备150(例如,存储设备150或处理引擎112的存储器220)中,并且由服务器110调用和/或执行(例如,服务器110的处理引擎112、处理引擎112的处理器210、或图4所示的处理引擎112中的一个或以上模块)。以下所示过程的操作仅出于说明的目的。在一些实施例中,过程600可以利用未描述的一个或以上附加操作,和/或没有讨论的一个或以上操作来完成。另外,如图6和下面的描述所示,过程600的操作的顺序不是限制性的。在一些实施例中,可以根据过程600执行图5中所示的530的一部分。
在610中,对于至少两个候选感兴趣词语中的每一个,类别确定模块430(或处理引擎112和/或处理电路210-b)可以获取用户选择候选感兴趣词语的次数。在一些实施例中,用户可以在先前时间段中多次选择相同的感兴趣词语。类别确定模块430可以通过访问存储介质(例如,存储设备150、存储器220),获取用户选择候选感兴趣词语的次数,确定在存储介质中的先前时间段中候选感兴趣词语的次数。
在620中,类别确定模块430(或处理引擎112和/或处理电路210-b)可以确定用户选择至少两个候选感兴趣词语的第一次数。
在一些实施例中,基于用户选择每个候选感兴趣词语的次数,类别确定模块430可以确定用户选择至少两个候选感兴趣词语的第一次数。例如,第一次数可以是用户选择每个候选感兴趣词语的次数的总和。
在630中,类别确定模块430(或处理引擎112,和/或处理电路210-b)可以确定用户选择属于候选类别的候选感兴趣词语的第二次数。
在一些实施例中,基于每个候选感兴趣词语的候选类别以及用户选择每个候选感兴趣词语的次数,类别确定模块430可以确定第二次数。例如,类别确定模块430可以选择属于泛需求类别的候选感兴趣词语,并通过确定用户选择属于泛需求类别的候选感兴趣词语的次数的总和,确定第二次数。
在640中,类别确定模块430(或处理引擎112,和/或处理电路210-b)可以基于第一次数和第二次数,确定类别概率。例如,类别确定模块430可以通过将第二次数除以第一次数,确定候选类别(例如,泛需求类别)的类别概率。
在一些实施例中,可以基于等式(1)确定候选类别的类别概率:
P(Cj|Q)=∑iP(poii∈Cj|Q)=∑iP(poii∈Cj)*P(poii|Q) (1)
其中,Q可以指用户输入;Cj可以指候选类别;poii可以指至少两个候选感兴趣词语之一,i是正整数;P(Cj|Q)可以指用户输入属于候选类别的类别概率;P(poii∈Cj|Q)可以指基于Q选择属于Cj的poii的概率;P(poii∈Cj)可以指poii是否属于Cj,P(poii∈Cj)等于1或0;以及P(poii|Q)可以指基于Q选择poii的概率,其通过将用户选择poii的次数除以用户选择至少两个候选感兴趣词语的总次数来确定。
在650中,类别确定模块430(或处理引擎112,和/或处理电路210-b)可以基于类别概率,确定用户输入是否属于候选类别。例如,类别确定模块430可以确定用户输入属于候选类别的类别概率是否高于预设阈值。响应于确定类别概率高于预设阈值,类别确定模块430可以确定用户输入属于所述候选类别。响应于确定类别概率低于或等于预设阈值,类别确定模块430可以确定用户输入不属于所述候选类别。
响应于确定用户输入属于所述候选类别,过程600可以进行到660,确定所述候选类别作为用户输入的目标类别。响应于确定用户输入不属于所述候选类别,类别确定模块430可以通过执行630至650,确定用户输入是否属于另一个候选类别。
在一些实施例中,不同候选类别的预设阈值可以相同或不同。例如,泛需求类别的预设阈值可以是百分之九十五。连锁需求类别的预设阈值可以是百分之二十。精准需求类别的预设阈值可以是百分之二十。
应该注意的是,上述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不可背离本申请的范围。例如,可以同时执行步骤620和步骤630。又例如,步骤620可以在步骤630之后执行。
图7是根据本申请的一些实施例所示的用于确定一个或以上目标感兴趣词语的示例性过程的流程图。在一些实施例中,过程700可以在图1中所示的在线服务***100中实现。例如,过程700可以作为指令的形式存储在存储介质(例如,存储设备150或处理引擎112的存储器220)中,并且由服务器110(例如,服务器110的处理引擎112、处理引擎112的处理器210、或图4所示的处理引擎112中的一个或以上模块)调用和/或执行。以下呈现的所示过程700的操作旨在是说明性的。在一些实施例中,过程700可以利用未描述的一个或以上附加操作,和/或没有讨论的一个或以上操作来完成。另外,如图7所示和下面描述的过程700的操作的顺序不是限制性的。在一些实施例中,可以根据过程700执行图5中所示的540。
在710中,对于属于目标类别的每个候选感兴趣词语,感兴趣词语确定模块440(或处理引擎112,和/或处理电路210-b)可以获取用户选择属于目标类别的每个候选兴趣点的次数。
在720中,感兴趣词语确定模块440(或处理引擎112,和/或处理电路210-b)可以基于用户选择属于目标类别的每个候选兴趣点的次数,在属于目标类别的候选感兴趣词语中,确定一个或以上目标感兴趣词语。
在一些实施例中,对于属于目标类别的每个候选感兴趣词语,感兴趣词语确定模块440可以确定用户选择候选感兴趣词语的次数是否大于阈值。响应于确定用户选择候选感兴趣词语的次数大于阈值,感兴趣词语确定模块440可将候选感兴趣词语确定为目标感兴趣词语。
在一些实施例中,基于用户选择每个候选感兴趣词语的次数,感兴趣词语确定模块440可以对属于目标类别的候选感兴趣词语进行排序。基于排序结果,感兴趣词语确定模块440可以确定一个或以上目标感兴趣词语。仅作为示例,基于降序排序结果,感兴趣词语确定模块440可以将前一、前五、前十、前十五、前二十、前百分之一、前百分之五、前百分之十或前百分之二十属于目标类别的候选感兴趣词语确定为目标感兴趣词语。
在一些实施例中,如果用户输入的目标类别是精准需求类别,感兴趣词语确定模块440可以基于用户选择属于该目标的每个候选感兴趣词语的次数,确定一个或以上属于目标类别感兴趣词语。
应该注意的是,上述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不可背离本申请的范围。
图8是根据本申请的一些实施例所示的用于确定一个或以上目标感兴趣词语的示例性过程的流程图。在一些实施例中,过程500可以在图1中所示的在线服务***100中实现。例如,过程500可以作为指令的形式存储在存储设备150(例如,存储设备150或处理引擎112的存储器220)中,并且由服务器110(例如,服务器110的处理引擎112、处理引擎112的处理器210、或图4所示的处理引擎112中的一个或以上模块)调用和/或执行。以下呈现的所示过程500的操作旨在是说明性的。在一些实施例中,过程500可以利用未描述的一个或以上附加操作,和/或没有讨论的一个或以上操作来完成。另外,如图5所示和下面描述的过程500的操作的顺序不是限制性的。在一些实施例中,可以根据过程800执行图5中所示的540。
在一些实施例中,如果感兴趣词语是兴趣点(例如,位置),感兴趣词语确定模块440可以基于用户的位置与属于目标类别的候选感兴趣词语之间的距离,确定一个或以上目标感兴趣词语。
在810中,感兴趣词语确定模块440(或处理引擎112,和/或处理电路210-b)可以获取用户的位置。在一些实施例中,用户终端140可以使用定位技术(例如,定位***160),获取用户的位置。
在820中,对于属于目标类别的每个候选感兴趣词语,感兴趣词语确定模块440(或处理引擎112,和/或处理电路210-b)可以确定用户的位置与候选感兴趣词语之间的距离。
在一些实施例中,距离可以是从用户的位置到候选感兴趣词语的直线距离或行进距离。例如,感兴趣词语确定模块440可以确定从用户的位置到候选感兴趣词语的路线,并且通过确定从用户的位置到候选感兴趣词语的路线的长度,确定从用户的位置到候选感兴趣词语的行进距离。在一些实施例中,这里的距离可以由从用户的位置到候选感兴趣词语的最短行进时间代替。
在830中,感兴趣词语确定模块440(或处理引擎112,和/或处理电路210-b)可以基于用户位置和属于目标类别的每个候选感兴趣词语之间的距离,在属于目标类别的候选感兴趣词语中,确定一个或以上目标感兴趣词语。
在一些实施例中,对于属于目标类别的每个候选感兴趣词语,感兴趣词语确定模块440可以确定用户的位置与候选感兴趣词语之间的距离是否小于预设距离(例如,100米、200米、500米)。响应于确定距离小于预设距离,感兴趣词语确定模块440可将所述候选感兴趣词语确定为目标感兴趣词语。
在一些实施例中,基于用户的位置与属于目标类别的候选感兴趣词语之间的距离,感兴趣词语确定模块440可以对属于目标类别的候选感兴趣词语进行排序。基于排序结果,感兴趣词语确定模块440可以确定一个或以上目标感兴趣词语。仅作为示例,基于降序排序结果,感兴趣词语确定模块440可以将前一、前五、前十、前十五、前二十、前百分之一、前百分之五、前百分之十或前百分之二十属于候选目标类别的候选感兴趣词语确定为目标感兴趣词语。
在一些实施例中,如果目标类别是泛需求类别或连锁需求类别,或者同时包括这两个类别,感兴趣词语确定模块440可以基于用户的位置与属于目标类别的候选感兴趣词语间的距离,确定一个或以上目标感兴趣词语。
应该注意的是,上述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不可背离本申请的范围。例如,在一些实施例中可以省略步骤509。
图9至12是根据本申请的一些实施例所示的在用户终端中显示用户输入和目标感兴趣词语的示例性用户界面的示意图。
如图所示,用户界面可以包括搜索框910和感兴趣词语列表920。搜索框910可以显示用户输入。感兴趣词语列表920可以显示与用户输入相关的一个或以上目标感兴趣词语。用户可以从感兴趣词语列表920中选择他/她感兴趣的感兴趣词语。
作为示例,如图9所示,假设用户输入是“中国银行”,并且由处理引擎112确定的用户输入的目标类别是泛需求类别,则目标感兴趣词语可以是“中国银行地铁站”、“中国银行公交车站”、或“中国银行”。如图10所示,假设用户输入是“中国银行”,并且由处理引擎112确定的用户输入的目标类别是精准需求类别,则目标感兴趣词语可以是“中国银行地铁站的A出口”、“中国银行地铁站的B出口”、“中国银行地铁站的C出口”、或“中国银行朝阳分行”。又例如,如图11所示,假设用户输入是“中国银行”,并且由处理引擎112确定的用户输入的目标类别是连锁需求类别,则目标感兴趣词语可以与分行相关,例如“中国银行朝阳分行”、“中国银行西城分行”、或“中国银行东城分行”。
在一些实施例中,用户输入可以是不完整的单词或缩写。例如,如图12所示,假设用户输入是“BC”,并且由处理引擎112确定的用户输入的目标类别是连锁需求类别,则目标感兴趣词语可以是“中国银行朝阳分行”、“中国的银行西城分行”、或“中国银行东城分行”。又例如,假设用户输入为“KF”,并且由处理引擎112确定的用户输入的目标类别是连锁需求类别,则目标感兴趣词语可以是“朝阳区的肯德基”、“西城区的肯德基”或“东城区的肯德基”。
应该注意的是,上述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不会背离本申请的范围。
上文已对基本概念做了描述,显然,对于阅读此申请后的本领域的普通技术人员来说,上述发明披露仅作为示例,并不构成对本申请的限制。虽然此处并未明确说明,但本领域的普通技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。例如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特性。因此,应当强调并注意的是,本说明书中在不同位置两次或以上提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外,本申请的一个或以上实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域的普通技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的过程、机器、产品或物质的组合,或对其任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括韧体、常驻软件、微代码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“单元”、“模块”或“***”。此外,本申请的各方面可以采取体现在一个或以上计算机可读介质中的计算机程序产品的形式,其中计算机可读程序代码包含在其中。
计算机可读信号介质可能包含一个内含有计算机程序代码的传播数据信号,例如在基带上或作为载波的一部分。此类传播信号可以有多种形式,包括电磁形式、光形式等或任何合适的组合。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行***、装置或设备以实现通信、传播或传输供使用的程序。位于计算机可读信号介质上的程序代码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF等,或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或以上程序语言编写,包括面向主体编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python,等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序代码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的***组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的***。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或以上发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。然而,本申请的该方法不应被解释为反映所声称的待扫描对象物质需要比每个权利要求中明确记载的更多特征的意图。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
Claims (22)
1.一种改善线上平台用户体验的***,包括:
一个或以上包含一组指令的存储介质;以及
一个或以上处理器被配置为与所述一个或以上存储介质通信,其中,当执行所述一组指令时,所述一个或以上处理器用于使所述***:
获取所述线上平台用户的用户输入;
基于与所述用户输入相关的历史输入,获取由所述用户选择的至少两个候选感兴趣词语,其中,所述至少两个候选感兴趣词语中的每一个都属于一个候选类别;
基于所述候选类别和所述至少两个候选感兴趣词语,确定所述用户输入的目标类别;
基于所述目标类别和所述至少两个候选感兴趣词语,确定一个或以上目标感兴趣词语;以及
将所述一个或以上目标感兴趣词语发送到与所述用户相关联的终端。
2.根据权利要求1所述的***,其特征在于,所述用户输入包括单词、不完整单词或缩写。
3.根据权利要求1和2中任一项所述的***,其特征在于,基于所述候选类别和所述至少两个候选感兴趣词语,确定所述用户输入的所述目标类别,所述一个或以上处理器用于使所述***:
对于所述至少一个候选类别,基于所述至少两个候选感兴趣词语,确定所述用户输入属于所述至少一个候选类别的类别概率;以及
基于所述至少一个类别概率,确定所述候选类别中的一个作为所述目标类别。
4.根据权利要求3所述的***,其特征在于,对于所述至少一个候选类别,基于所述至少两个候选感兴趣词语,确定所述用户输入属于所述至少一个候选类别的所述类别概率,所述一个或以上处理器用于使所述***:
对于所述至少两个候选感兴趣词语中的每一个,获取所述用户选择所述候选感兴趣词语的次数;
确定所述用户选择所述至少两个候选感兴趣词语的第一次数;
确定所述用户选择属于所述至少一个候选类别的所述候选感兴趣词语的第二次数;以及
基于所述第一次数和所述第二次数,确定所述类别概率。
5.根据权利要求3所述的***,其特征在于,对于所述至少一个候选类别,基于所述至少两个候选感兴趣词语,确定所述用户输入属于所述至少一个候选类别的所述类别概率,所述一个或以上处理器用于使所述***:
基于以下等式,确定所述用户输入属于所述至少一个候选类别的所述类别概率:
其中,Q指所述用户输入;
Cj指所述至少一个候选类别;
poii指所述至少两个候选感兴趣词语之一,i是正整数;
P(Cj|Q)指所述用户输入属于所述至少一个候选类别的所述类别概率;
P(poii∈Cj|Q)指基于Q选择属于Cj的poii的概率;
P(poii∈Cj)指poii是否属于Cj,P(poii∈Cj)等于1或0;以及
P(poii|Q)指基于Q选择poii的概率,其通过将所述用户选择poii的次数除以所述用户选择所述至少两个候选感兴趣词语的总次数来确定。
6.根据权利要求1至5任一项所述的***,其特征在于,所述候选类别包括泛需求类别、连锁需求类别以及精准需求类别。
7.根据权利要求6所述的***,其特征在于,基于所述候选类别和所述至少两个候选感兴趣词语,确定所述用户输入的所述目标类别,所述一个或以上处理器用于使所述***:
基于所述至少两个候选感兴趣词语,确定所述用户输入属于所述泛需求类别的所述泛需求类别的概率;以及
当所述泛需求类别的所述概率高于第一阈值时,确定所述泛需求类别作为所述目标类别,或当所述泛需求类别的所述概率低于第二阈值时,确定所述精准需求类别或所述连锁需求类别作为所述目标类别。
8.根据权利要求1至7任一项所述的***,其特征在于,基于所述目标类别和所述至少两个候选感兴趣词语,确定所述一个或以上目标感兴趣词语,所述一个或以上处理器用于使所述***:
获取所述用户选择属于所述目标类别的每个候选兴趣点的次数;以及
基于所述用户选择属于所述目标类别的每个候选兴趣点的次数,在属于所述目标类别的所述候选感兴趣词语中,确定所述一个或以上目标感兴趣词语,所述用户选择属于所述目标类别的每个候选兴趣点的次数大于第三阈值。
9.根据权利要求1至7任一项所述的***,其特征在于,基于所述目标类别和所述至少两个候选感兴趣词语,确定所述一个或以上目标感兴趣词语,所述一个或以上处理器用于使所述***:
获取所述用户的位置;
对于属于所述目标类别的每一个所述候选感兴趣词语,确定所述用户的所述位置与所述候选感兴趣词语之间的距离;以及
基于所述用户的所述位置与每个属于所述目标类别的所述候选感兴趣词语之间的距离,在属于所述目标类别的所述候选感兴趣词语中,确定所述一个或以上目标感兴趣词语,所述一个或以上目标感兴趣词语在距离所述用户的所述位置的预设距离内。
10.根据权利要求1至9任一项所述的***,其特征在于,所述感兴趣词语是兴趣点。
11.一种在具有一个或以上处理器和一个或以上存储设备的计算设备上实现的用于改善线上平台用户体验的方法,所述方法包括:
获取所述线上平台用户的用户输入;
基于与所述用户输入相关的历史输入,获取由所述用户选择的至少两个候选感兴趣词语,其中,所述至少两个候选感兴趣词语中的每一个都属于一个候选类别;
基于所述候选类别和所述至少两个候选感兴趣词语,确定所述用户输入的目标类别;
基于所述目标类别和所述至少两个候选感兴趣词语,确定一个或以上目标感兴趣词语;以及
将所述一个或以上目标感兴趣词语发送到与所述用户相关联的终端。
12.根据权利要求11所述的方法,其特征在于,所述用户输入包括单词、不完整的单词或缩写。
13.根据权利要求11和12中任一项所述的方法,其特征在于,基于所述候选类别和所述至少两个候选感兴趣词语,确定所述用户输入的所述目标类别,包括:
对于所述至少一个候选类别,基于所述至少两个候选感兴趣词语,确定所述用户输入属于所述至少一个候选类别的类别概率;以及
基于所述至少一个类别概率,确定所述候选类别中的一个作为所述目标类别。
14.根据权利要求13所述的方法,其特征在于,对于所述至少一个候选类别,基于所述至少两个候选感兴趣词语,确定所述用户输入属于所述至少一个候选类别的所述类别概率,包括:
对于所述至少两个候选感兴趣词语中的每一个,获取所述用户选择所述候选感兴趣词语的次数;
确定所述用户选择所述至少两个候选感兴趣词语的第一次数;
确定所述用户选择属于所述至少一个候选类别的所述候选感兴趣词语的第二次数;以及
基于所述第一次数和所述第二次数,确定所述类别概率。
15.根据权利要求13所述的方法,其特征在于,对于所述至少一个候选类别,基于所述至少两个候选感兴趣词语,确定所述用户输入属于所述至少一个候选类别的所述类别概率,包括:
基于所述以下等式,确定所述用户输入属于所述至少一个候选类别的所述类别概率:
其中,Q指所述用户输入;
Cj指所述至少一个候选类别;
poii指所述至少两个候选感兴趣词语之一,i是正整数;
P(Cj|Q)指所述用户输入属于所述至少一个候选类别的所述类别概率;
P(poii∈Cj|Q)指基于Q选择属于Cj的poii的概率;
P(poii∈Cj)指poii是否属于Cj,P(poii∈Cj)等于1或0;以及
P(poii|Q)指基于Q选择poii的概率,其通过将所述用户选择poii的次数除以所述用户选择所述至少两个候选感兴趣词语的总次数来确定。
16.根据权利要求11至15任一项所述的方法,其特征在于,所述候选类别包括泛需求类别、连锁需求类别以及精准需求类别。
17.根据权利要求16所述的方法,其特征在于,基于所述候选类别和所述至少两个候选感兴趣词语,确定所述用户输入的所述目标类别,包括:
基于所述至少两个候选感兴趣词语,确定所述用户输入属于所述泛需求类别的所述泛需求类别的概率;以及
当所述泛需求类别的所述概率高于第一阈值时,确定所述泛需求类别作为所述目标类别,或当所述泛需求类别的所述概率低于第二阈值时,确定所述精准需求类别或所述连锁需求类别作为所述目标类别。
18.根据权利要求11至17任一项所述的方法,其特征在于,基于所述目标类别和所述至少两个候选感兴趣词语,确定所述一个或以上目标感兴趣词语,包括:
获取所述用户选择属于所述目标类别的每个候选兴趣点的次数;以及
基于所述用户选择属于所述目标类别的每个候选兴趣点的次数,在属于所述目标类别的所述候选感兴趣词语中,确定所述一个或以上目标感兴趣词语,所述用户选择属于所述目标类别的每个候选兴趣点的次数大于第三阈值。
19.根据权利要求11至17任一项所述的方法,其特征在于,基于所述目标类别和所述至少两个候选感兴趣词语,确定所述一个或以上目标感兴趣词语,包括:
获取所述用户的位置;
对于属于所述目标类别的每一个所述候选感兴趣词语,确定所述用户的所述位置与所述候选感兴趣词语之间的距离;以及
基于所述用户的所述位置与每个属于所述目标类别的所述候选感兴趣词语之间的距离,在属于所述目标类别的在所述候选感兴趣词语中,确定所述一个或以上目标感兴趣词语,所述一个或以上目标感兴趣词语在距离所述用户的所述位置的预设距离内。
20.根据权利要求11至19任一项所述的方法,其特征在于,所述感兴趣词语是兴趣点。
21.一种非暂时性计算机可读介质,包括至少一组改善线上平台用户体验的指令,其特征在于,当由计算设备的一个或以上处理器执行时,所述至少一组指令使得所述计算设备执行一种方法,所述方法包括:
获取所述线上平台用户的用户输入;
基于与所述用户输入相关的历史输入,获取由所述用户选择的至少两个候选感兴趣词语,其中,所述至少两个候选感兴趣词语中的每一个都属于一个候选类别;
基于所述候选类别和所述至少两个候选感兴趣词语,确定所述用户输入的目标类别;
基于所述目标类别和所述至少两个候选感兴趣词语,确定一个或以上目标感兴趣词语;以及
将所述一个或以上目标感兴趣词语发送到与所述用户相关联的终端。
22.一种改善线上平台用户体验的***,包括:
输入获取模块,被配置为获取所述线上平台用户的用户输入;
历史信息获取模块,被配置为基于与所述用户输入相关的历史输入,获取由所述用户选择的至少两个候选感兴趣词语,其中,所述至少两个候选感兴趣词语中的每一个都属于一个候选类别;
类别确定模块,被配置为基于所述候选类别和所述至少两个候选感兴趣词语,确定所述用户输入的目标类别;
感兴趣词语确定模块,被配置为基于所述目标类别和所述至少两个候选感兴趣词语,确定一个或以上目标感兴趣词语;以及
传输模块,被配置为将所述一个或以上目标感兴趣词语发送到与所述用户相关联的终端。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2018/083476 WO2019200553A1 (en) | 2018-04-18 | 2018-04-18 | Systems and methods for improving user experience for an on-line platform |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111989664A true CN111989664A (zh) | 2020-11-24 |
Family
ID=68240587
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880092353.5A Pending CN111989664A (zh) | 2018-04-18 | 2018-04-18 | 用于改善在线平台用户体验的***和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210034686A1 (zh) |
CN (1) | CN111989664A (zh) |
WO (1) | WO2019200553A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11580310B2 (en) * | 2019-08-27 | 2023-02-14 | Google Llc | Systems and methods for generating names using machine-learned models |
CN114777557B (zh) * | 2022-05-20 | 2023-03-24 | 连云港观旭电力节能设备有限公司 | 一种凝汽器清洗方法和*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140052718A1 (en) * | 2012-08-20 | 2014-02-20 | Microsoft Corporation | Social relevance to infer information about points of interest |
CN105912669A (zh) * | 2012-09-20 | 2016-08-31 | 北京奇虎科技有限公司 | 用于补全搜索词及建立个体兴趣模型的方法及装置 |
US20170078425A1 (en) * | 2014-03-03 | 2017-03-16 | Baidu Online Network Technology (Beijing) Co., Ltd | Method, system, computer storage medium, and apparatus for pushing input resources |
CN106897317A (zh) * | 2015-12-21 | 2017-06-27 | 北京奇虎科技有限公司 | 基于关键词进行搜索推荐的方法和装置 |
CN107273508A (zh) * | 2017-06-20 | 2017-10-20 | 北京百度网讯科技有限公司 | 基于人工智能的信息处理方法和装置 |
US20180060421A1 (en) * | 2016-08-26 | 2018-03-01 | International Business Machines Corporation | Query expansion |
CN107784092A (zh) * | 2017-10-11 | 2018-03-09 | 深圳市金立通信设备有限公司 | 一种推荐热词的方法、服务器及计算机可读介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103744940B (zh) * | 2013-12-31 | 2017-05-31 | 北京百度网讯科技有限公司 | 一种基于信息发布者地理位置信息确定推荐关键词的方法和设备 |
CN104462364B (zh) * | 2014-12-08 | 2018-09-07 | 百度在线网络技术(北京)有限公司 | 搜索推荐方法及装置 |
CN106293119A (zh) * | 2016-07-29 | 2017-01-04 | 百度在线网络技术(北京)有限公司 | 一种在输入法中进行信息推荐的方法与装置 |
US20180052842A1 (en) * | 2016-08-16 | 2018-02-22 | Ebay Inc. | Intelligent online personal assistant with natural language understanding |
-
2018
- 2018-04-18 CN CN201880092353.5A patent/CN111989664A/zh active Pending
- 2018-04-18 WO PCT/CN2018/083476 patent/WO2019200553A1/en active Application Filing
-
2020
- 2020-10-16 US US17/072,249 patent/US20210034686A1/en not_active Abandoned
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140052718A1 (en) * | 2012-08-20 | 2014-02-20 | Microsoft Corporation | Social relevance to infer information about points of interest |
CN105912669A (zh) * | 2012-09-20 | 2016-08-31 | 北京奇虎科技有限公司 | 用于补全搜索词及建立个体兴趣模型的方法及装置 |
US20170078425A1 (en) * | 2014-03-03 | 2017-03-16 | Baidu Online Network Technology (Beijing) Co., Ltd | Method, system, computer storage medium, and apparatus for pushing input resources |
CN106897317A (zh) * | 2015-12-21 | 2017-06-27 | 北京奇虎科技有限公司 | 基于关键词进行搜索推荐的方法和装置 |
US20180060421A1 (en) * | 2016-08-26 | 2018-03-01 | International Business Machines Corporation | Query expansion |
CN107273508A (zh) * | 2017-06-20 | 2017-10-20 | 北京百度网讯科技有限公司 | 基于人工智能的信息处理方法和装置 |
CN107784092A (zh) * | 2017-10-11 | 2018-03-09 | 深圳市金立通信设备有限公司 | 一种推荐热词的方法、服务器及计算机可读介质 |
Non-Patent Citations (2)
Title |
---|
姚林朋;徐颖敏;钱勇;黄成军;江秀臣;: "基于关联规则的XLPE电缆局部放电模糊识别研究", 电工技术学报, no. 05, 26 May 2012 (2012-05-26) * |
蒲国林;杨清平;王刚;邱玉辉;: "基于语义的个性化用户兴趣模型", 计算机科学, no. 07 * |
Also Published As
Publication number | Publication date |
---|---|
WO2019200553A1 (en) | 2019-10-24 |
US20210034686A1 (en) | 2021-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109074370B (zh) | 确定兴趣点的***和方法 | |
CN109074396B (zh) | 推荐个性化内容的***和方法 | |
CN110249357B (zh) | 用于数据更新的***和方法 | |
US10904724B2 (en) | Methods and systems for naming a pick up location | |
CN110149804B (zh) | 用于确定兴趣点的父-子关系的***和方法 | |
CN111507732B (zh) | 用于识别相似轨迹的***和方法 | |
US20210048311A1 (en) | Systems and methods for on-demand services | |
CN109416767B (zh) | 用于确定组合服务请求者的***和方法 | |
CN110998239B (zh) | 用于确定地图中的新路径的***和方法 | |
US11710142B2 (en) | Systems and methods for providing information for online to offline service | |
US20200151390A1 (en) | System and method for providing information for an on-demand service | |
WO2019084794A1 (en) | Methods and systems for carpool services | |
WO2020000277A1 (en) | Systems and methods for predicting destination in online to offline service | |
CN112243487A (zh) | 用于按需服务的***和方法 | |
WO2021087663A1 (en) | Systems and methods for determining name for boarding point | |
US20210034686A1 (en) | Systems and methods for improving user experience for an on-line platform | |
CN111382218B (zh) | 一种兴趣点(poi)检索的***和方法 | |
CN111191107B (zh) | 使用标注模型召回兴趣点的***和方法 | |
US20200097983A1 (en) | System and method for providing information for an on-demand service | |
CN111587429B (zh) | 用于关联数据集的***和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |