CN113626462B - 即时通讯对象的搜索方法、装置、电子设备和存储介质 - Google Patents
即时通讯对象的搜索方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113626462B CN113626462B CN202110801928.XA CN202110801928A CN113626462B CN 113626462 B CN113626462 B CN 113626462B CN 202110801928 A CN202110801928 A CN 202110801928A CN 113626462 B CN113626462 B CN 113626462B
- Authority
- CN
- China
- Prior art keywords
- search request
- candidate
- search
- type
- candidate set
- 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.)
- Active
Links
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
- G06F16/20—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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- 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
- G06F16/242—Query formulation
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/2453—Query optimisation
-
- 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
- G06F16/2455—Query execution
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/21—Monitoring or handling of messages
- H04L51/212—Monitoring or handling of messages using filtering or selective blocking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/42—Mailbox-related aspects, e.g. synchronisation of mailboxes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Information Transfer Between Computers (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种即时通讯对象的搜索方法、装置、电子设备和存储介质,涉及人工智能领域,尤其涉及深度学习领域、云计算领域和智能搜索领域。具体实现方案为:接收第一对象的搜索请求,并确定搜索请求的类型;响应于搜索请求的类型为第一类型,基于即时通讯***中客户端检索引擎获取第一对象的至少一个召回候选集;根据搜索请求之中搜索关键词和至少一个召回候选集,获取搜索关键词对应的至少一个候选对象;获取每个候选对象的特征信息;根据特征信息,对每个候选对象进行排序后以响应搜索请求。本公开可以有效避免服务端召回集合较大而导致部分召回差,同时大召回集进一步拖慢性能的问题,从而可以减少响应耗时时间,提高***性能。
Description
技术领域
本公开涉及人工智能领域,尤其涉及深度学习领域、云计算领域和智能搜索领域,特别的涉及一种即时通讯对象的搜索方法、装置、电子设备和存储介质。
背景技术
在知识经济时代下,现代企业中最重要的生产要素就是人和信息,二者共同构建了企业的核心竞争力。为了更好地推动信息流动、协调人员组织,现代化企业往往会通过使用企业IM(Instant Messaging,即时通讯)软件来满足该类需求。
发明内容
本公开提供了一种即时通讯对象的搜索方法、装置、电子设备以及存储介质,可应用于即时通讯软件内的搜索场景。
根据本公开的第一方面,提供了一种即时通讯对象的搜索方法,包括:
接收第一对象的搜索请求,并确定所述搜索请求的类型;
响应于所述搜索请求的类型为第一类型,基于即时通讯***中客户端检索引擎获取所述第一对象的至少一个召回候选集;
根据所述搜索请求之中搜索关键词和所述至少一个召回候选集,获取所述搜索关键词对应的至少一个候选对象;
获取每个所述候选对象的特征信息;
根据所述特征信息,对每个所述候选对象进行排序后以响应所述搜索请求。
根据本公开的第二方面,提供了一种即时通讯对象的搜索装置,包括:
接收模块,用于接收第一对象的搜索请求;
第一确定模块,用于确定所述搜索请求的类型;
第一获取模块,用于响应于所述搜索请求的类型为第一类型,基于即时通讯***中客户端检索引擎获取所述第一对象的至少一个召回候选集;
第二获取模块,用于根据所述搜索请求之中搜索关键词和所述至少一个召回候选集,获取所述搜索关键词对应的至少一个候选对象;
第三获取模块,用于获取每个所述候选对象的特征信息;
响应模块,用于根据所述特征信息,对每个所述候选对象进行排序后以响应所述搜索请求。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述第一方面所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行前述第一方面所述的方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据前述第一方面所述的方法。
根据本公开的技术方案,可以有效避免服务端召回集合较大而导致部分召回差,同时大召回集进一步拖慢性能的问题,从而可以减少响应耗时时间,提高***性能。另外,本公开通过依据候选对象的特征信息对每个候选对象进行排序,可以提高搜索结果的精准度,帮助用户快速的寻找到自己的搜索目标,提高用户的搜索和办公效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是本公开实施例所提供的一种即时通讯对象的搜索方法的流程图;
图2是本公开实施例所提供的另一种即时通讯对象的搜索方法的流程图;
图3是本公开实施例所提供的又一种即时通讯对象的搜索方法的流程图;
图4是本公开实施例所提供的又一种即时通讯对象的搜索方法的流程图;
图5是本公开实施例所提供的一种即时通讯对象的搜索装置的结构框图;
图6是本公开实施例所提供的另一种即时通讯对象的搜索装置的结构框图;
图7是本公开实施例所提供的又一种即时通讯对象的搜索装置的结构框图;
图8是用来实现本公开实施例的即时通讯对象的搜索方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。另外,本公开中所涉及的用户个人信息是在用户知情且同意的情况下获取,存储和应用的。
在知识经济时代下,现代企业中最重要的生产要素就是人和信息,二者共同构建了企业的核心竞争力。为了更好地推动信息流动、协调人员组织,现代化企业往往会通过使用企业IM软件来满足该类需求。这些工具中都集成有搜索引擎能力,能够检索联系人、群组、文档、消息记录等,大幅地提高用户的搜索和办公效率。相关技术中,企业IM的搜索解决方案往往如下:通过服务端远程调用方式实现检索能力;召回集合使用企业内全集;排序策略仅参考相关性。
然而,相关技术中的解决方案往往存在如下问题:服务端性能较差,往往响应时间比较长,如在100ms~500ms之间;召回集合较大,导致部分召回差,同时大召回集进一步拖慢性能;排序策略仅参考相关性,导致用户浪费较多时间来寻找自己的搜索目标,降低了用户的搜索和办公效率。
为此,本公开提供了一种即时通讯对象的搜索方法、装置、电子设备和存储介质。下面参考附图描述本公开实施例的即时通讯群组的搜索方法、装置、电子设备以及存储介质。
图1是本公开实施例所提供的一种即时通讯对象的搜索方法的流程图。需要说明的是,本公开实施例的即时通讯对象的搜索方法可以由即时通讯对象的搜索装置来执行,该装置可以采用软件和/或硬件的方式实现,并可集成在服务器或者用户终端等电子设备上。
如图1所示,该即时通讯对象的搜索方法可以包括:
步骤101,接收第一对象的搜索请求,并确定搜索请求的类型。
其中,本公开实施例中所涉及的第一对象可理解为使用即时通讯软件的用户。
在本公开实施例中,搜索请求是指用户在即时通讯软件中进行对象搜索的请求,用户可输入文本内容作为搜索关键词进行对象搜索。其中,搜索关键词可以是对象的名称。需要说明的是,对象搜索是指对联系人或群组的搜索,或者,还可以是对文档、消息记录等内容的搜索,在此不做具体限定。
值得注意的是,搜索内容的不同,会对应不同类型的搜索请求。作为一种示例,搜索请求类型可分为第一类型和第二类型。其中,该第一类型可以理解为是需要用客户端内检索引擎响应搜索请求的类型;第二类型可理解为需要使用服务端检索引擎响应搜索请求的类型。例如,对于用户常用、常找的内容(如搜索联系人、搜索群组等),可认为是搜索请求的第一类型,即客户端内检索引擎可负责对用户常用、常找的内容提供检索能力。又如,对于用户不常用、不常找的内容(如搜索服务号、公众号等),可认为是搜索请求的第二类型,即服务端检索引擎可负责对用户不常用、不常找的内容提供检索能力。
步骤102,响应于搜索请求的类型为第一类型,基于即时通讯***中客户端检索引擎获取第一对象的至少一个召回候选集。
可选地,在确定第一对象发起的搜索请求的类型为第一类型,例如,对于第一对象发起的针对联系人或群组等常用或常找的内容,可基于即时通讯***中的客户端检索引擎提供检索功能,此时客户端检索引擎可获取第一对象的至少一个召回候选集,以便根据搜索请求之中搜索关键词在该召回候选集中进行搜索。
在本公开一些实施例中,至少一个召回候选集的来源可包括但不限于:第一对象在第一时间段内点击过的对象;和/或;第一对象在第二时间段内沟通过的预设数量的对象;和/或;第一对象在第三时间段内的亲密度对象。
值得说明的是,在收集企业级IM用户的搜索点击日志进行分析时,发现用户平均有87%以上的搜索和点击的对象是过去1年内(从上一分钟到上一年)曾沟通联系过的对象,即用户之间存在稳定的工作关系,用户也倾向于搜索这些稳定关系中的联系人或群组。故客户端检索引擎的召回候选集来源组成可如下:用户最近点击过的对象(比如时间上限可为1月内);用户最近300个沟通对象(比如时间上限可为1年内);服务器下发亲密度对象(比如时间上限为1年内)。可见,客户端检索引擎提供的召回候选集较小,可以减少响应耗时时间,提高***性能。
可选地,上述亲密度对象可以是客户端检索引擎确定的,或者还可以是由服务器确定的。作为一种示例,可由服务器确定第一对象的亲密度对象,并将每隔一端时间下发给客户端。可选地,服务器可将各对象作为节点,并基于各对象的关系数据构建关系图模型;计算关系图模型之中每个对象节点与目标对象节点之间的相似度;其中,目标对象节点为对象节点的一跳对象节点;将相似度大于预设阈值的目标对象节点作为对象节点的亲密度对象。其中,该关系数据可包括但不限于沟通数据、邮件数据、会邀数据、汇报关系等信息。
作为一种示例,以对象为使用企业IM软件的用户为例,可通过用户的沟通数据、邮件数据、会邀数据、汇报关系等信息构建关系图模型,通过Node2Vec技术将每个用户映射为一个向量,通过计算每个用户(节点)与其一跳用户(节点)的相似度,将相似度大于一定阈值的用户(节点)被称为亲密对象。其中,一跳用户是指直接有过沟通数据、邮件数据、会邀数据、汇报关系等关系的用户,例如:A发邮件给B、C,C发了邮件给D,则B、C为A的一跳用户,D为A的二跳用户(其中,A、D里两人可能不认识)。
步骤103,根据搜索请求之中搜索关键词和至少一个召回候选集,获取搜索关键词对应的至少一个候选对象。
在一种实现方式中,利用搜索请求之中搜索关键词在召回候选集中进行搜索,以得到与搜索关键词对应的至少一个候选对象。
步骤104,获取每个候选对象的特征信息。
其中,在本公开实施例中,该特征信息可至少包括但不限于如下一项或多项:搜索关键词Query、命中域;命中域得分;命中域内容;命中域索引;最近一次交互时间;今天消息数;本周消息数;最近10、30、90天消息数;最近10、30、90天沟通天数;亲密度得分;是否为用户最近点击;用户画像;最近50次用户搜索点击行为中搜索关键词和命中域内容的交集映射。其中,域代表被搜索对象的内容块,例如联系人的域包含备注、昵称、部门等。
其中,命中域是指利用搜索关键词在召回候选集中进行对象搜索时所命中的对象的域。命中域得分是指利用搜索关键词在召回候选集中进行对象搜索时所命中的对象的域的得分。命中域内容是指利用搜索关键词在召回候选集中进行对象搜索时所命中的对象的域的具体内容。命中域索引是指利用搜索关键词在召回候选集中进行对象搜索时所命中的对象的域的索引值。
步骤105,根据特征信息,对每个候选对象进行排序后以响应搜索请求。
可选地,根据每个候选对象的特征信息对至少一个候选对象进行排序,并根据排序结果对至少一个候选对象进行展示,以响应搜索请求。例如,可将排到前N位置的候选对象进行展示以响应搜索请求,其中,N可为1或者3,可根据实际情况来决定该N的数值,本公开对此不做具体限定。
需要说明的是,本公开中客户端检索引擎可以使用C++实现整套方案,作为SDK(Software Development Kit,软件开发工具包)集成到各个客户端内,为用户提供检索能力。客户端检索引擎所需特征和数据,每一段时间(如1小时)一次,通过接口服务从线上服务器下发到端本地中。
根据本公开实施例的即时通讯对象的搜索方法,可以在确定第一对象的搜索请求为第一类型时,可基于客户端检索引擎提供检索功能,并且客户端检索引擎本身提供召回候选集,可以有效避免服务端召回集合较大而导致部分召回差,同时大召回集进一步拖慢性能的问题,从而可以减少响应耗时时间,提高***性能。另外,本公开通过依据候选对象的特征信息对每个候选对象进行排序,可以提高搜索结果的精准度,帮助用户快速的寻找到自己的搜索目标,提高用户的搜索和办公效率。
为了可以进一步减少响应耗时时间,提高搜索结果的精准度。在本公开一些实施例中,可对客户端检索引擎所提供的至少一个召回候选集进行合并并去重,之后对候选的各个域进行初步命中和过滤,以便将留下来的候选集进入排序阶段。可选地,如图2所示,该即时通讯对象的搜索方法可包括但不限于如下步骤。
步骤201,接收第一对象的搜索请求,并确定搜索请求的类型。
在本公开的实施例中,步骤201可以分别采用本公开的各实施例中的任一种方式实现,本公开实施例并步对此作出限定,也不再赘述。
步骤202,响应于搜索请求的类型为第一类型,基于即时通讯***中客户端检索引擎获取第一对象的至少一个召回候选集。
在本公开的实施例中,步骤202可以分别采用本公开的各实施例中的任一种方式实现,本公开实施例并步对此作出限定,也不再赘述。
步骤203,合并至少一个召回候选集,并将合并后的至少一个召回候选集之中相同对象进行去重处理,获得目标候选集。
可以理解,客户端检索引擎所提供的至少一个召回候选集中可能存在相同的候选对象。为了可以进一步减少响应耗时时间,可对召回的候选集进行合并,并将合并后的召回候选集之中相同对象进行去重处理,得到一个候选集,该候选集可称为目标候选集。
步骤204,根据搜索请求之中搜索关键词,对目标候选集之中各个对象的各个域进行命中处理。
可选地,利用搜索请求之中搜索关键词在目标候选集之中各个对象的各个域进行搜索。作为一种示例,可根据搜索请求之中搜索关键词,基于多种不同命中等级对目标候选集之中各个对象的各个域进行命中处理。其中,不同命中等级得分有所区分。
例如,可使用精准搜索、拼音搜索、模糊搜索、首字母搜索等命中等级,根据搜索关键词对目标候选集之中各个对象的各个域进行命中和过滤处理。比如:
Query=张,域(Staff_name)=张三,Result=命中(精准命中)
Query=张,域(Staff_name)=李四,Result=过滤(没有命中)
Query=zhang,域(Staff_name)=张三,Result=命中(拼音命中)
Query=张,域(Staff_name)=刘璋,Result=命中(模糊命中)
Query=zs,域(Staff_name)=张三,Result=命中(首字母命中)。
步骤205,根据命中结果,从目标候选集之中确定搜索关键词对应的至少一个候选对象。
可选地,根据命中结果,将目标候选集之中命中到的候选对象作为搜索关键词对应的候选对象。
步骤206,获取每个候选对象的特征信息。
在本公开的实施例中,步骤206可以分别采用本公开的各实施例中的任一种方式实现,本公开实施例并步对此作出限定,也不再赘述。
步骤207,根据特征信息,对每个候选对象进行排序后以响应搜索请求。
在本公开的实施例中,步骤207可以分别采用本公开的各实施例中的任一种方式实现,本公开实施例并步对此作出限定,也不再赘述。
根据本公开实施例的即时通讯对象的搜索方法,可对客户端检索引擎所提供的至少一个召回候选集进行合并并去重,之后对候选的各个域进行初步命中和过滤,以便将留下来的候选集进入排序阶段,即利用合并去重后的候选对象进行排序,可以进一步减少响应耗时时间,提高搜索结果的精准度。
为了能够进一步提高排序效果,提高搜索结果的精确性。在本公开一些实施例中,可根据特征信息,确定每个候选对象的点击率预测得分,并根据每个候选对象的点击率预测得分对至少一个候选对象进行排序。可选地,如图3所示,该即时通讯对象的搜索方法可包括但不限于如下步骤。
步骤301,接收第一对象的搜索请求,并确定搜索请求的类型。
在本公开的实施例中,步骤301可以分别采用本公开的各实施例中的任一种方式实现,本公开实施例并步对此作出限定,也不再赘述。
步骤302,响应于搜索请求的类型为第一类型,基于即时通讯***中客户端检索引擎获取第一对象的至少一个召回候选集。
在本公开的实施例中,步骤302可以分别采用本公开的各实施例中的任一种方式实现,本公开实施例并步对此作出限定,也不再赘述。
步骤303,合并至少一个召回候选集,并将合并后的至少一个召回候选集之中相同对象进行去重处理,获得目标候选集。
在本公开的实施例中,步骤303可以分别采用本公开的各实施例中的任一种方式实现,本公开实施例并步对此作出限定,也不再赘述。
步骤304,根据搜索请求之中搜索关键词,对目标候选集之中各个对象的各个域进行命中处理。
在本公开的实施例中,步骤304可以分别采用本公开的各实施例中的任一种方式实现,本公开实施例并步对此作出限定,也不再赘述。
步骤305,根据命中结果,从目标候选集之中确定搜索关键词对应的至少一个候选对象。
在本公开的实施例中,步骤305可以分别采用本公开的各实施例中的任一种方式实现,本公开实施例并步对此作出限定,也不再赘述。
步骤306,获取每个候选对象的特征信息。
在本公开的实施例中,步骤306可以分别采用本公开的各实施例中的任一种方式实现,本公开实施例并步对此作出限定,也不再赘述。
步骤307,根据特征信息,确定每个候选对象的点击率预测得分。
在一种实现方式中,可利用预先训练好的深度神经网络模型对每个候选对象的特征信息进行预测,以得到每个候选对象的点击率预测得分。其中,该点击率是指用户点击对象在排到Top1位置的占比。
可选地,该深度神经网络模型可为一种融合浅层(wide)模型和深层(deep)模型进行联合训练的框架,综合利用浅层模型的记忆能力和深层模型的泛化能力,实现单模型对***准确性和扩展性的兼顾。训练该深度神经网络模型时所使用的训练数据可以是用户历史搜索点击数据(其中,点击为正例,不点击为负例)。模型所用的部分重要特征如下:
为了不影响端上性能(客户端内可使用的内容和中央处理器CPU有限),使用模型蒸馏方案将上述深度神经网络模型蒸馏为3层DNN(Deep Neural Networks,深度神经网络)模型,这样可以使得计算参数由几千万降低到几千,从而可以使得客户端内CUP和内存使用率无明显提升,各客户端无明显变慢、卡顿现象。
由于模型蒸馏是将一个大模型或者多个模型整体学到的知识迁移到另一个轻量级单模型上,方便部署。简单的说就是用新的小模型去学习大模型的预测结果。可见,模型鲁棒性较强,通过学习用户搜索习惯,给出个性化最优结果。另外,由于模型学习的是用户点击对象在排到Top1位置的占比,从而可以使得用户Top1点击率显著提升。
步骤308,根据每个候选对象的点击率预测得分,对至少一个候选对象进行排序。
可选地,根据每个候选对象的点击率预测得分,按照从大到小的顺序对至少一个候选对象进行排序。
步骤309,根据排序结果对至少一个候选对象进行展示,以响应搜索请求。
在本公开的实施例中,步骤309可以分别采用本公开的各实施例中的任一种方式实现,本公开实施例并步对此作出限定,也不再赘述。
根据本公开实施例的即时通讯对象的搜索方法,可根据特征信息,确定每个候选对象的点击率预测得分,并根据每个候选对象的点击率预测得分对至少一个候选对象进行排序,能够进一步提高排序效果,并根据排序结果将候选对象提高给用户,可以进一步提高搜索结果的精确性。
为了能够适用于不同搜索场景,在本公开一些实施例中,在确定搜索请求为第二类型时,可基于服务端检索引擎根据搜索关键词进行即时通讯对象搜索。可选地,如图4所示,该即时通讯对象的搜索方法可包括但不限于如下步骤。
步骤401,接收第一对象的搜索请求,并确定搜索请求的类型。
在本公开的实施例中,步骤401可以分别采用本公开的各实施例中的任一种方式实现,本公开实施例并步对此作出限定,也不再赘述。
步骤402,响应于搜索请求的类型为第一类型,基于即时通讯***中客户端检索引擎获取第一对象的至少一个召回候选集。
在本公开的实施例中,步骤402可以分别采用本公开的各实施例中的任一种方式实现,本公开实施例并步对此作出限定,也不再赘述。
步骤403,合并至少一个召回候选集,并将合并后的至少一个召回候选集之中相同对象进行去重处理,获得目标候选集。
在本公开的实施例中,步骤403可以分别采用本公开的各实施例中的任一种方式实现,本公开实施例并步对此作出限定,也不再赘述。
步骤404,根据搜索请求之中搜索关键词,对目标候选集之中各个对象的各个域进行命中处理。
在本公开的实施例中,步骤404可以分别采用本公开的各实施例中的任一种方式实现,本公开实施例并步对此作出限定,也不再赘述。
步骤405,根据命中结果,从目标候选集之中确定搜索关键词对应的至少一个候选对象。
在本公开的实施例中,步骤405可以分别采用本公开的各实施例中的任一种方式实现,本公开实施例并步对此作出限定,也不再赘述。
步骤406,获取每个候选对象的特征信息。
在本公开的实施例中,步骤406可以分别采用本公开的各实施例中的任一种方式实现,本公开实施例并步对此作出限定,也不再赘述。
步骤407,根据特征信息,确定每个候选对象的点击率预测得分。
在本公开的实施例中,步骤407可以分别采用本公开的各实施例中的任一种方式实现,本公开实施例并步对此作出限定,也不再赘述。
步骤408,根据每个候选对象的点击率预测得分,对至少一个候选对象进行排序。
在本公开的实施例中,步骤408可以分别采用本公开的各实施例中的任一种方式实现,本公开实施例并步对此作出限定,也不再赘述。
步骤409,根据排序结果对至少一个候选对象进行展示,以响应搜索请求。
在本公开的实施例中,步骤409可以分别采用本公开的各实施例中的任一种方式实现,本公开实施例并步对此作出限定,也不再赘述。
步骤410,响应于搜索请求的类型为第二类型,基于即时通讯***中服务端检索引擎根据搜索关键词进行即时通讯对象搜索。
可选地,在搜索请求的类型为第二类型时,基于服务端检索引擎根据搜索关键词进行即时通讯对象搜索。也就是说,服务端检索引擎可对用户不常用、不常找的内容提供检索能力。
根据本公开实施例的即时通讯对象的搜索方法,在搜索请求的类型为第一类型时,客户端检索引擎提供检索能力,在搜索请求的类型为第二类型时,服务端检索引擎提供检索能力,由此可以适用于不同搜索场景。
为了实现上述实施例,本公开还提出了一种即时通讯对象的搜索装置。
图5是本公开实施例所提供的一种即时通讯对象的搜索装置的结构框图。如图5所示,该即时通讯对象的搜索装置可以包括:接收模块510、第一确定模块520、第一获取模块530、第二获取模块540、第三获取模块550和响应模块560。
其中,接收模块510用于接收第一对象的搜索请求;
第一确定模块520用于确定搜索请求的类型;
第一获取模块530用于响应于搜索请求的类型为第一类型,基于即时通讯***中客户端检索引擎获取第一对象的至少一个召回候选集;其中,召回候选集的来源,包括:第一对象在第一时间段内点击过的对象;和/或;第一对象在第二时间段内沟通过的预设数量的对象;和/或;第一对象在第三时间段内的亲密度对象。
第二获取模块540用于根据搜索请求之中搜索关键词和至少一个召回候选集,获取搜索关键词对应的至少一个候选对象;作为一种示例,第二获取模块540合并至少一个召回候选集,并将合并后的至少一个召回候选集之中相同对象进行去重处理,获得目标候选集;根据搜索请求之中搜索关键词,对目标候选集之中各个对象的各个域进行命中处理;根据命中结果,从目标候选集之中确定搜索关键词对应的至少一个候选对象。
在一种实现方式中,第二获取模块540根据搜索请求之中搜索关键词,基于多种命中等级对目标候选集之中各个对象的各个域进行命中处理。
第三获取模块550用于获取每个候选对象的特征信息;
响应模块560用于根据特征信息,对每个候选对象进行排序后以响应搜索请求。作为一种示例,响应模块560根据特征信息,确定每个候选对象的点击率预测得分;根据每个候选对象的点击率预测得分,对至少一个候选对象进行排序;根据排序结果对至少一个候选对象进行展示,以响应搜索请求。
在一些实施例中,如图6所示,该即时通讯对象的搜索装置还可包括:第二确定模块670。其中,第二确定模块670用于将各对象作为节点,并基于各对象的关系数据构建关系图模型,并计算关系图模型之中每个对象节点与目标对象节点之间的相似度;其中,目标对象节点为对象节点的一跳对象节点,将相似度大于预设阈值的目标对象节点作为对象节点的亲密度对象。其中,图6中610-660和图5中510-560具有相同功能和结构。
在一些实施例中,如图7所示,该即时通讯对象的搜索装置还可包括:搜索模块780。其中,搜索模块780用于响应于搜索请求的类型为第二类型,基于即时通讯***中服务端检索引擎根据搜索关键词进行即时通讯对象搜索。其中,图7中710-770和图6中610-670具有相同功能和结构。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
根据本公开实施例的即时通讯对象的搜索装置,可以在确定第一对象的搜索请求为第一类型时,可基于客户端检索引擎提供检索功能,并且客户端检索引擎本身提供召回候选集,可以有效避免服务端召回集合较大而导致部分召回差,同时大召回集进一步拖慢性能的问题,从而可以减少响应耗时时间,提高***性能。另外,本公开通过依据候选对象的特征信息对每个候选对象进行排序,可以提高搜索结果的精准度,帮助用户快速的寻找到自己的搜索目标,提高用户的搜索和办公效率。
根据本公开的实施例,本公开还提供了一种电子设备和一种可读存储介质。
如图8所示,是根据本公开实施例的用以实现即时通讯对象的搜索方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,该电子设备包括:一个或多个处理器801、存储器802,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器***)。图8中以一个处理器801为例。
存储器802即为本公开所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本公开所提供的即时通讯对象的搜索方法。本公开的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本公开所提供的即时通讯对象的搜索方法。
存储器802作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本公开实施例中的即时通讯对象的搜索方法对应的程序指令/模块。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的即时通讯对象的搜索方法。
存储器802可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储根据即时通讯对象搜索的电子设备的使用所创建的数据等。此外,存储器802可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器802可选包括相对于处理器801远程设置的存储器,这些远程存储器可以通过网络连接至用以实现即时通讯对象的搜索方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
用以实现即时通讯对象的搜索方法的电子设备还可以包括:输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接,图8中以通过总线连接为例。
输入装置803可接收输入的数字或字符信息,以及产生与用以实现即时通讯对象的搜索方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (13)
1.一种即时通讯对象的搜索方法,包括:
接收第一对象的搜索请求,并确定所述搜索请求的类型,所述搜索请求的类型包括第一类型和第二类型,所述第一类型为使用客户端内检索引擎响应所述搜索请求的类型,所述第二类型为使用服务端检索引擎响应搜索请求的类型;
响应于所述搜索请求的类型为第一类型,基于即时通讯***中客户端检索引擎获取所述第一对象的至少一个召回候选集,所述召回候选集的来源包括第一对象在第一时间段内点击过的对象,和/或,第一对象在第二时间段内沟通过的预设数量的对象,和/或,第一对象在第三时间段内的亲密度对象;
根据所述搜索请求之中搜索关键词和所述至少一个召回候选集,获取所述搜索关键词对应的至少一个候选对象;
获取每个所述候选对象的特征信息;
根据所述特征信息,对每个所述候选对象进行排序后以响应所述搜索请求;
所述搜索方法,还包括:响应于所述搜索请求的类型为第二类型,基于所述即时通讯***中服务端检索引擎根据所述搜索关键词进行即时通讯对象搜索。
2.根据权利要求1所述的方法,其中,所述根据所述搜索请求之中搜索关键词和所述至少一个召回候选集,获取所述搜索关键词对应的至少一个候选对象,包括:
合并所述至少一个召回候选集,并将合并后的所述至少一个召回候选集之中相同对象进行去重处理,获得目标候选集;
根据所述搜索请求之中搜索关键词,对所述目标候选集之中各个对象的各个域进行命中处理;
根据命中结果,从所述目标候选集之中确定所述搜索关键词对应的至少一个候选对象。
3.根据权利要求2所述的方法,其中,所述根据所述搜索请求之中搜索关键词,对所述目标候选集之中各个对象的各个域进行命中处理,包括:
根据所述搜索请求之中搜索关键词,基于多种命中等级对所述目标候选集之中各个对象的各个域进行命中处理。
4.根据权利要求1所述的方法,其中,所述根据所述特征信息,对每个所述候选对象进行排序后以响应所述搜索请求,包括:
根据所述特征信息,确定每个所述候选对象的点击率预测得分;
根据每个所述候选对象的点击率预测得分,对所述至少一个候选对象进行排序;
根据排序结果对所述至少一个候选对象进行展示,以响应所述搜索请求。
5.根据权利要求1所述的方法,其中,通过以下方式确定所述亲密度对象:
将各对象作为节点,并基于所述各对象的关系数据构建关系图模型;
计算所述关系图模型之中每个对象节点与目标对象节点之间的相似度;其中,所述目标对象节点为所述对象节点的一跳对象节点;
将相似度大于预设阈值的目标对象节点作为所述对象节点的亲密度对象。
6.一种即时通讯对象的搜索装置,包括:
接收模块,用于接收第一对象的搜索请求;
第一确定模块,用于确定所述搜索请求的类型,所述搜索请求的类型包括第一类型和第二类型,所述第一类型为使用客户端内检索引擎响应所述搜索请求的类型,所述第二类型为使用服务端检索引擎响应搜索请求的类型;
第一获取模块,用于响应于所述搜索请求的类型为第一类型,基于即时通讯***中客户端检索引擎获取所述第一对象的至少一个召回候选集,所述召回候选集的来源包括第一对象在第一时间段内点击过的对象,和/或,第一对象在第二时间段内沟通过的预设数量的对象,和/或,第一对象在第三时间段内的亲密度对象;
第二获取模块,用于根据所述搜索请求之中搜索关键词和所述至少一个召回候选集,获取所述搜索关键词对应的至少一个候选对象;
第三获取模块,用于获取每个所述候选对象的特征信息;
响应模块,用于根据所述特征信息,对每个所述候选对象进行排序后以响应所述搜索请求;
搜索模块,用于响应于所述搜索请求的类型为第二类型,基于所述即时通讯***中服务端检索引擎根据所述搜索关键词进行即时通讯对象搜索。
7.根据权利要求6所述的装置,其中,所述第二获取模块具体用于:
合并所述至少一个召回候选集,并将合并后的所述至少一个召回候选集之中相同对象进行去重处理,获得目标候选集;
根据所述搜索请求之中搜索关键词,对所述目标候选集之中各个对象的各个域进行命中处理;
根据命中结果,从所述目标候选集之中确定所述搜索关键词对应的至少一个候选对象。
8.根据权利要求7所述的装置,其中,所述第二获取模块具体用于:
根据所述搜索请求之中搜索关键词,基于多种命中等级对所述目标候选集之中各个对象的各个域进行命中处理。
9.根据权利要求6所述的装置,其中,所述响应模块具体用于:
根据所述特征信息,确定每个所述候选对象的点击率预测得分;
根据每个所述候选对象的点击率预测得分,对所述至少一个候选对象进行排序;
根据排序结果对所述至少一个候选对象进行展示,以响应所述搜索请求。
10.根据权利要求6所述的装置,还包括:
第二确定模块,用于将各对象作为节点,并基于所述各对象的关系数据构建关系图模型,并计算所述关系图模型之中每个对象节点与目标对象节点之间的相似度;其中,所述目标对象节点为所述对象节点的一跳对象节点,将相似度大于预设阈值的目标对象节点作为所述对象节点的亲密度对象。
11.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至5任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1至5中任一项所述的方法。
13.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1至5中任一项所述的方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110801928.XA CN113626462B (zh) | 2021-07-15 | 2021-07-15 | 即时通讯对象的搜索方法、装置、电子设备和存储介质 |
US17/811,716 US20220365941A1 (en) | 2021-07-15 | 2022-07-11 | Method for searching instant messaging object, electronic device and storage medium |
EP22184240.4A EP4053715A3 (en) | 2021-07-15 | 2022-07-12 | Method and apparatus for searching instant messaging object, electronic device and storage medium |
KR1020220085522A KR20220106719A (ko) | 2021-07-15 | 2022-07-12 | 인스턴트 메시징 대상의 검색 방법, 장치, 전자 기기 및 저장 매체 |
JP2022112885A JP2022137214A (ja) | 2021-07-15 | 2022-07-14 | インスタントメッセージングオブジェクトの検索方法、その検索装置、電子機器及び記憶媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110801928.XA CN113626462B (zh) | 2021-07-15 | 2021-07-15 | 即时通讯对象的搜索方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113626462A CN113626462A (zh) | 2021-11-09 |
CN113626462B true CN113626462B (zh) | 2022-11-15 |
Family
ID=78379928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110801928.XA Active CN113626462B (zh) | 2021-07-15 | 2021-07-15 | 即时通讯对象的搜索方法、装置、电子设备和存储介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220365941A1 (zh) |
EP (1) | EP4053715A3 (zh) |
JP (1) | JP2022137214A (zh) |
KR (1) | KR20220106719A (zh) |
CN (1) | CN113626462B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103457837A (zh) * | 2013-08-18 | 2013-12-18 | 苏州量跃信息科技有限公司 | 通过搜索引擎进行即时通信搜索的方法及*** |
CN107330019A (zh) * | 2017-06-19 | 2017-11-07 | 北京小米移动软件有限公司 | 搜索方法及装置 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6789076B1 (en) * | 2000-05-11 | 2004-09-07 | International Business Machines Corp. | System, method and program for augmenting information retrieval in a client/server network using client-side searching |
US8631076B1 (en) * | 2004-03-31 | 2014-01-14 | Google Inc. | Methods and systems for associating instant messenger events |
US7725508B2 (en) * | 2004-03-31 | 2010-05-25 | Google Inc. | Methods and systems for information capture and retrieval |
US10171386B1 (en) * | 2004-10-06 | 2019-01-01 | Oracle International Corporation | Methods and systems for storing instant messaging messages |
JP4951331B2 (ja) * | 2006-12-26 | 2012-06-13 | 株式会社日立製作所 | ストレージシステム |
US20110179025A1 (en) * | 2010-01-21 | 2011-07-21 | Kryptonite Systems Inc | Social and contextual searching for enterprise business applications |
CN102043833B (zh) * | 2010-11-25 | 2013-12-25 | 北京搜狗科技发展有限公司 | 一种基于查询词进行搜索的方法和搜索装置 |
CN102043834B (zh) * | 2010-11-25 | 2013-07-31 | 北京搜狗科技发展有限公司 | 一种客户端实现搜索的方法及搜索客户端 |
US20160188734A1 (en) * | 2014-12-30 | 2016-06-30 | Socialtopias, Llc | Method and apparatus for programmatically synthesizing multiple sources of data for providing a recommendation |
US10735532B2 (en) * | 2015-10-20 | 2020-08-04 | Axon Vibe AG | System and method for detecting interaction and influence in networks |
US10402750B2 (en) * | 2015-12-30 | 2019-09-03 | Facebook, Inc. | Identifying entities using a deep-learning model |
CN109033386B (zh) * | 2018-07-27 | 2020-04-10 | 北京字节跳动网络技术有限公司 | 搜索排序方法、装置、计算机设备和存储介质 |
CN112084774B (zh) * | 2020-09-08 | 2021-07-20 | 百度在线网络技术(北京)有限公司 | 数据搜索方法、装置、***、设备和计算机可读存储介质 |
CN112749258A (zh) * | 2021-01-21 | 2021-05-04 | 京东数字科技控股股份有限公司 | 数据搜索的方法和装置、电子设备和存储介质 |
-
2021
- 2021-07-15 CN CN202110801928.XA patent/CN113626462B/zh active Active
-
2022
- 2022-07-11 US US17/811,716 patent/US20220365941A1/en active Pending
- 2022-07-12 KR KR1020220085522A patent/KR20220106719A/ko unknown
- 2022-07-12 EP EP22184240.4A patent/EP4053715A3/en not_active Withdrawn
- 2022-07-14 JP JP2022112885A patent/JP2022137214A/ja active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103457837A (zh) * | 2013-08-18 | 2013-12-18 | 苏州量跃信息科技有限公司 | 通过搜索引擎进行即时通信搜索的方法及*** |
CN107330019A (zh) * | 2017-06-19 | 2017-11-07 | 北京小米移动软件有限公司 | 搜索方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2022137214A (ja) | 2022-09-21 |
US20220365941A1 (en) | 2022-11-17 |
EP4053715A2 (en) | 2022-09-07 |
KR20220106719A (ko) | 2022-07-29 |
CN113626462A (zh) | 2021-11-09 |
EP4053715A3 (en) | 2022-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112087371B (zh) | 一种即时通讯群组的搜索方法、装置、设备和存储介质 | |
EP3230979B1 (en) | Method and system for determining user intent in a spoken dialog based on transforming at least one portion of a semantic knowledge graph to a probabilistic state graph | |
CN107580704B (zh) | 上下文人物推荐 | |
CN111782965A (zh) | 意图推荐方法、装置、设备及存储介质 | |
US11698909B2 (en) | Bulletin board data mapping and presentation | |
CN111538815B (zh) | 一种文本查询方法、装置、设备及存储介质 | |
WO2022077880A1 (zh) | 模型训练方法、短信审核方法、装置、设备以及存储介质 | |
CN111563198B (zh) | 一种物料召回方法、装置、设备及存储介质 | |
WO2015101161A1 (zh) | 一种用于生成与目标***对应的用户页面方法和装置 | |
CN112818230A (zh) | 内容推荐方法、装置、电子设备和存储介质 | |
CN114244795B (zh) | 一种信息的推送方法、装置、设备及介质 | |
CN112579897B (zh) | 信息搜索方法和装置 | |
CN113342946B (zh) | 客服机器人的模型训练方法、装置、电子设备及介质 | |
CN113326363A (zh) | 搜索方法及装置、预测模型训练方法及装置、电子设备 | |
CN113111216B (zh) | 广告推荐方法、装置、设备和存储介质 | |
CN113626462B (zh) | 即时通讯对象的搜索方法、装置、电子设备和存储介质 | |
CN113595770B (zh) | 群组点击率预估方法、装置、电子设备和存储介质 | |
CN114281990A (zh) | 文档分类方法及装置、电子设备和介质 | |
CN111782794A (zh) | 问答响应方法和装置 | |
CN111695036A (zh) | 内容推荐方法及装置 | |
CN111198971A (zh) | 搜索方法、搜索装置和电子设备 | |
CN113595874B (zh) | 即时通讯群组的搜索方法、装置、电子设备和存储介质 | |
CN115809364B (zh) | 对象推荐方法和模型训练方法 | |
CN113282690B (zh) | 兴趣点召回的排序方法、装置、设备和存储介质 | |
CN111523036B (zh) | 一种搜索行为挖掘方法、装置和电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |