WO2015154679A1 - 多搜索引擎搜索结果的排序方法及装置 - Google Patents

多搜索引擎搜索结果的排序方法及装置 Download PDF

Info

Publication number
WO2015154679A1
WO2015154679A1 PCT/CN2015/076111 CN2015076111W WO2015154679A1 WO 2015154679 A1 WO2015154679 A1 WO 2015154679A1 CN 2015076111 W CN2015076111 W CN 2015076111W WO 2015154679 A1 WO2015154679 A1 WO 2015154679A1
Authority
WO
WIPO (PCT)
Prior art keywords
search
search engine
result
sorting
search results
Prior art date
Application number
PCT/CN2015/076111
Other languages
English (en)
French (fr)
Inventor
杨浩
吴凯
Original Assignee
北京奇虎科技有限公司
奇智软件（北京）有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 北京奇虎科技有限公司, 奇智软件（北京）有限公司 filed Critical 北京奇虎科技有限公司
Publication of WO2015154679A1 publication Critical patent/WO2015154679A1/zh

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
    • 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

Definitions

  • the present invention relates to the field of the Internet, and in particular to a method and apparatus for sorting search results of multiple search engines.
  • search engine ranking systems There are two main types of existing search engine ranking systems, one is an independent search engine, such as Google Music, and the other is a multi-search engine, such as meta search.
  • the first type of search engine lacks certain resources due to copyright resource issues, etc., and cannot satisfy user requirements. Because of the sorting analysis based on its own user behavior, other engine user behavior data is missing, and non-optimal sorting in big data.
  • the second type of search engine while satisfying the resource requirements, displays multiple search engine ranking results according to a fixed sorting method. It does not calculate multi-search engine result weights based on big data, and lacks reordering of results within the engine. Sorting analysis between engines, while optimizing the search results of multiple search engines, the results of each search engine are not well ordered and cannot meet the needs of users.
  • the present invention has been made in order to provide a sorting method for a plurality of search engine search results and a corresponding sorting device for a plurality of search engine search results that overcome the above problems or at least partially solve the above problems.
  • a method for sorting search results of multiple search engines including:
  • each search engine According to the user behavior weight of each search result, the search results of each search engine are separately rearranged, and each search engine is sorted;
  • the ranking results of each search engine and the search results of each search engine after rearrangement are displayed in the form of an online application of the tab.
  • a sorting apparatus for a plurality of search engine search results including:
  • a user requirement obtaining module adapted to receive a search request of the user
  • a multiple search engine result obtaining module configured to respectively obtain search results obtained by each search engine in response to the search request
  • the sorting module is adapted to re-arrange the search results of the respective search engines according to the user behavior weights of the respective search results, and sort the search engines;
  • the multi-search engine result presentation module is adapted to display the sorting result of each search engine and the search result of each search engine after the rearrangement in the form of an online application of the tab page.
  • a computer program comprising computer readable code, when the computer readable code is run on a computing device, causing the computing device to perform the multiple search engine of the present invention The sorting method of the search results.
  • a computer readable medium storing the computer program of the present invention is provided.
  • the search results obtained by each search engine in response to the search request are respectively acquired, and the search results of the respective search engines are respectively rearranged according to the user behavior weights of the respective search results.
  • sorting each search engine displaying the sorting result of each search engine and the search results of each search engine after rearranging in the form of an online application of the tab page.
  • the method uses user behavior weights to reorder the search results of each search engine separately, and sorts each search engine, which is better than the lack of resources and sorting of independent search engines, so that the ranking of each search engine in multiple search engines is optimized. Engine-to-engine sequencing is also optimized.
  • FIG. 1 shows a flow chart of a method for ranking multiple search engine search results in accordance with one embodiment of the present invention
  • FIG. 2 is a flow chart showing a method of sorting search results of multiple search engines according to another embodiment of the present invention.
  • FIG. 3 is a block diagram showing the structure of a sorting apparatus for multiple search engine search results according to an embodiment of the present invention
  • FIG. 4 is a block diagram schematically showing a computing device for performing a ranking method of multiple search engine search results in accordance with the present invention
  • Fig. 5 schematically shows a storage unit for holding or carrying program code of a method of implementing a file upload cloud disk according to the present invention.
  • FIG. 1 shows a flow chart of a method of ranking multiple search engine search results in accordance with one embodiment of the present invention. As shown in FIG. 1, the method includes the following steps:
  • Step S100 Receive a search request of the user, and respectively obtain search results obtained by each search engine in response to the search request.
  • Step S110 Re-arrange the search results of the respective search engines according to the user behavior weights of the respective search results, and sort the search engines.
  • the user behavior weight mainly reflects the amount of clicks on a certain search result by the users of the whole network, or the amount of click statistics of the group users on a certain search result within a certain period of time.
  • Step S120 displaying the sorting result of each search engine and the search result of each search engine after the rearrangement in the form of an online application of the tab page.
  • the search results obtained by each search engine in response to the search request are respectively obtained, and the search results of the search engines are respectively performed according to the user behavior weights of the respective search results.
  • Rearrange and sort each search engine to display the sorting results of each search engine and the search results of each search engine after rearranging in the form of an online application of the tab.
  • the method uses user behavior weights to reorder the search results of each search engine separately, and sorts each search engine, which is better than the lack of resources and sorting of independent search engines, so that the ranking of each search engine in multiple search engines is optimized. Engine The ordering is also optimized.
  • FIG. 2 shows a flow chart of a method for ranking multiple search engine search results in accordance with another embodiment of the present invention. As shown in FIG. 2, the method includes the following steps:
  • Step S200 Receive a search request of the user, and respectively obtain search results obtained by each search engine in response to the search request.
  • the user inputs a certain artist name XX through the client, and after receiving the user's search request, the server sends the user's search request to various search engines such as A, B, C, D, and E to obtain respective search engine responses.
  • Searching for the search result obtained by the search engine A wherein the search results obtained by the search engine A are: a, c, d, e, b; the search results obtained by the search engine B are: c, e, f, h, a; the search engine C
  • the search results obtained are: f, k, m, d, b; the search results obtained by the search engine D are: m, n, k, a, h;
  • the search results obtained by the search engine E are: a, e, o, d, n, analyze each search result and the sort position of each search result in each search engine.
  • Step S210 performing weight removal processing on the search results of the respective search engines.
  • the search results of the search engines obtained in step S200 are subjected to weighting processing, and the results obtained by the weighting are: a, b, c, d, e, f, h, k, m, n, o.
  • Step S220 Acquire user behavior weights of each search result and search engine relevance weights.
  • User behavior weight mainly reflects the number of clicks on a certain search result by users on the whole network, rather than just based on the click volume of a certain user or several users on a certain search result.
  • User behavior weights are based on big data, big data is also called Big data, or massive data, massive data, which means that the amount of data involved is so large that it cannot be reached in a reasonable time through current mainstream software tools. Capture, manage, process, and organize information that is more positive for helping business decisions. Big data is characterized by scale, high speed, diversity, and value. It integrates different forms of data from different sources, enabling real-time analysis rather than batch analysis, and discovering internal correlations between massive and frequent data.
  • the invention utilizes the advantage of big data, counts the clicks of the search results of the whole network users, and calculates the user behavior weights of the search results according to the clicks. Specifically, by counting the click amount of the search result in the step S200 by the user of the whole network, the user behavior weights of the search result after the weighting in step S210 are calculated according to the click amount: 20, 18, 25, 10, 14, 15 respectively. , 12, 19, 21, 13, 16.
  • Search engine relevance weights For example, analyzing the positions of each search result in the search engines A, B, C, D, and E, and using the position weights to indicate the order in which the search results appear in the search engine, the search results are in the search engine.
  • the position weights are: 50, 40, 30, 20, 10, respectively. Since the same search result may appear in different search engines, the weighted average of the position weights of the search results in different engines is taken as the search result.
  • Analyze the number of times the search result appears on the partner, and the number of times the search result after the statistical weighting appears on the partner is: 4, 2, 2, 3, 3, 2, 2, 2, 2, 1, according to The number of times the search result appears on the partner is determined by the number of times 40, 20, 20, 30, 30, 20, 20, 20, 20, 20, 10.
  • the relevance weight of the search engine is the weighted weight of the position weight and the number of times of the search result, and the multi-engine correlation weights of each search result are: 72.5, 30, 65, 53.3, 80, 60, 35 , 55, 60, 45, 40.
  • Step S230 according to the user behavior weights of each search result and the search engine relevance weights, the search results of all the search engines are comprehensively sorted to obtain an ideal comprehensive sorting result.
  • the weighted weights of the user behavior weights and the search engine correlation weights of the respective search results are separately calculated as the weight values of the respective search results, and the weight values of the respective search results are ranked to all the search engines in descending order.
  • the search results are sorted, and the ideal integrated sorting result is obtained by sorting the weight values of the respective search results from high to low.
  • Calculated the weight values of each search result are: 92.5, 48, 90, 63.3, 94, 75, 47, 74, 81, 58, 56, according to the weight value of each search result from high to low for all search engines
  • the search results are sorted to obtain the ideal comprehensive sorting results: e, a, c, m, f, k, d, n, o, b, h.
  • step S240 the search results of the respective search engines are separately rearranged by using the ideal integrated sorting result, and each search engine is sorted.
  • the search results of the search engines in step S200 are rearranged according to the ideal integrated sorting result obtained in step S220.
  • the order of the search results rearranged by each search engine should be compared with the ideal integrated sort result.
  • the order of precedence is the same.
  • the search results of the rearranged search engine A are: e, a, c, d, b;
  • the search results of the search engine B are: e, a, c, f, h;
  • the search result of the search engine C is: m, f, k, d, b;
  • search engine D search results are: a, m, k, n, h;
  • search engine E search results are: e, a, d, n, o.
  • the sum of the weight values of all the search results of each search engine is calculated as the weight value of the search engine, and each search engine is sorted according to the weight values of the respective search engines.
  • each search engine is sorted, and the rankings of each search engine are: B, A, E, D, C.
  • an ideal comprehensive ranking result is obtained according to the user behavior weight and the search engine correlation weight.
  • the present invention is not limited to this, and the ideal integrated ranking result may be obtained only according to the user behavior weight or only the search engine correlation weight.
  • the specific method is similar to the above method, and details are not described herein again.
  • the specific calculation methods of the user behavior weights, the search engine correlation weights, the weight values of the respective search results, and the weight values of the search engines described in the foregoing embodiments are all specific examples of the present invention, and according to actual conditions, The specific calculation method can be adjusted.
  • Step S250 displaying the sorting result of each search engine and the search result of each search engine after the rearrangement in the form of an online application of the tab page.
  • the client After obtaining the sorting result of each search engine and the search results of each search engine after the rearrangement, the client displays in the form of an online application of the tab page.
  • a presentation manner may be various.
  • a plurality of buttons having a sequential order respectively represent respective search engines, wherein the order of the plurality of buttons is consistent with the order of the respective search engines.
  • the search results of the rearranged search engines are displayed by switching between a plurality of buttons.
  • a search request of a user is received, and search results obtained by each search engine in response to the search request are respectively obtained, and search results of each search engine are subjected to weight processing to obtain user behavior weights of each search result.
  • the search engine correlation weights according to the user behavior weights of each search result and the search engine relevance weights, the search results of all the search engines are comprehensively sorted to obtain an ideal comprehensive sorting result, and the ideal comprehensive sorting result is utilized.
  • the search results of each search engine are separately rearranged, and each search engine is sorted, and the sorting result of each search engine and the search results of each rearranged search engine are displayed in the form of an online application of the tab page.
  • the method first performs weight processing on the search results, and then uses User behavior weights and search engine correlation weights reorder search results and sort search engines, using big data about user behavior across the network to more accurately sort search results and search engines Sorting, which is better than the lack of resources, big data missing and sorting of independent search engines, makes the optimization of each search engine in multiple search engines and the inter-engine sorting is also optimized.
  • FIG. 3 is a block diagram showing the structure of a sorting apparatus for multiple search engine search results according to an embodiment of the present invention.
  • the device includes: a user requirement acquisition module 300, a multi-search engine result acquisition module 310, a ranking module 320, and a multi-search engine result presentation module 330.
  • the user requirement obtaining module 300 is adapted to receive a search request of the user.
  • the multiple search engine result obtaining module 310 is adapted to respectively obtain search results obtained by each search engine in response to the search request.
  • the sorting module 320 is adapted to re-arrange the search results of the respective search engines according to the user behavior weights of the respective search results, and sort the search engines.
  • the sorting module 320 further includes: an integrated sorting sub-module 340, a multi-search engine result rearranging sub-module 350, and a multi-search engine sorting sub-module 360.
  • the comprehensive sorting sub-module 340 is adapted to comprehensively sort the search results of all the search engines according to the user behavior weights of the respective search results, to obtain an ideal comprehensive sorting result.
  • the integrated sorting sub-module 340 further includes a weight calculating unit 370 adapted to acquire user behavior weights of the respective search results and search engine relevance weights.
  • User behavior weights mainly reflect the number of clicks on a search result by users across the network.
  • the weight calculation unit 370 is further adapted to: count the click amount of the search result of the whole network user, and calculate the user behavior weight of the search result according to the click amount.
  • the weight calculation unit 370 is further adapted to: analyze the position where the search result appears in each search engine and the number of occurrences in the partner, and calculate the search engine relevance according to the position of the search result appearing in each search engine and the number of occurrences in the partner. Weight.
  • the comprehensive sorting unit 380 is adapted to comprehensively sort the search results of all the search engines according to the user behavior weights of the respective search results and the search engine relevance weights, to obtain an ideal comprehensive sorting result.
  • the comprehensive sorting unit 380 is further adapted to: respectively calculate the weighted weights of the user behavior weights and the search engine correlation weights of the respective search results as the weight values of the respective search results, according to the weight values of the respective search results in descending order Sort the search results of all search engines.
  • the multiple search engine result rearrangement sub-module 350 is adapted to re-arrange the search results of the respective search engines by using the ideal integrated sorting result;
  • the multiple search engine sorting sub-module 360 is adapted to sort the individual search engines by using the ideal integrated sorting result.
  • the ideal comprehensive sorting result is obtained by sorting the weight values of the respective search results from high to low;
  • the multiple search engine ranking sub-module 360 is further adapted to: calculate a sum of weight values for all search results for each search engine as a weight value for the search engine; sort the individual search engines according to the weight values of the respective search engines.
  • the multiple search engine result presentation module 330 is adapted to present the ranking results of the respective search engines and the search results of the respective search engines after the rearrangement in the form of an online application of the tabs.
  • the multiple search engine result presentation module 330 is further adapted to: in the online application, each of the search engines is represented by a plurality of buttons having a sequence, wherein the order of the plurality of buttons is consistent with the order of the respective search engines, and the multiple Switch between buttons to show the search results of each search engine after rearrangement.
  • the sorting device further includes: a weighting module 390, configured to perform a weighting process on the search results of the respective search engines.
  • the weighting module 390 is adapted to perform a weighting process on the search results obtained by the multiple search engine result obtaining module 310.
  • the search results obtained by each search engine in response to the search request are respectively obtained, and the search results of the search engines are respectively performed according to the user behavior weights of the respective search results.
  • Rearrange and sort each search engine to display the sorting results of each search engine and the search results of each search engine after rearranging in the form of an online application of the tab.
  • the device first performs weight processing on the search results, and then rearranges the search results according to the user behavior weights and the search engine relevance weights, and sorts the search engines, and utilizes the big data about the user behaviors in the entire network. More accurate sorting of search results and sorting of search engines is superior to independent search engine resource shortage, big data missing and sorting, which optimizes the ranking of each search engine in multiple search engines and optimizes engine-to-engine sorting.
  • modules in the devices of the embodiments can be adaptively changed and placed in one or more devices different from the embodiment.
  • the modules or units or components of the embodiments may be combined into one module or unit or component, and further they may be divided into a plurality of sub-modules or sub-units or sub-components.
  • any combination of the features disclosed in the specification, including the accompanying claims, the abstract and the drawings, and any methods so disclosed, or All processes or units of the device are combined.
  • Each feature disclosed in this specification (including the accompanying claims, the abstract and the drawings) may be replaced by alternative features that provide the same, equivalent or similar purpose.
  • the various component embodiments of the present invention may be implemented in hardware, or in a software module running on one or more processors, or in a combination thereof.
  • Those skilled in the art will appreciate that some or all of some or all of the components of the ranking device for multiple search engine search results in accordance with embodiments of the present invention may be implemented in practice using a microprocessor or digital signal processor (DSP).
  • DSP digital signal processor
  • the invention can also be implemented as a device or device program (e.g., a computer program and a computer program product) for performing some or all of the methods described herein.
  • Such a program implementing the invention may be stored on a computer readable medium or may be in the form of one or more signals. Such signals can be downloaded from the Internet website, or Provided on the body signal, or in any other form.
  • Figure 4 illustrates a computing device that can implement ranking of multiple search engine search results in accordance with the present invention.
  • the computing device conventionally includes a processor 410 and a computer program product or computer readable medium in the form of a memory 420.
  • the memory 420 may be an electronic memory such as a flash memory, an EEPROM (Electrically Erasable Programmable Read Only Memory), an EPROM, a hard disk, or a ROM.
  • Memory 420 has a memory space 430 for program code 431 for performing any of the method steps described above.
  • storage space 430 for program code may include various program code 431 for implementing various steps in the above methods, respectively.
  • the program code can be read from or written to one or more computer program products.
  • These computer program products include program code carriers such as hard disks, compact disks (CDs), memory cards or floppy disks. Such computer program products are typically portable or fixed storage units as described with reference to FIG.
  • the storage unit may have storage segments, storage spaces, and the like that are similarly arranged to memory 420 in the computing device of FIG.
  • the program code can be compressed, for example, in an appropriate form.
  • the storage unit includes computer readable code 431', ie, code readable by a processor, such as 410, that when executed by a computing device causes the computing device to perform each of the methods described above step.

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)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种多搜索引擎搜索结果的排序方法及装置。其中方法包括：接收用户的搜索请求，分别获取各个搜索引擎响应所述搜索请求得到的搜索结果；根据各个搜索结果的用户行为权值，对各个搜索引擎的搜索结果分别进行重排，并对各个搜索引擎进行排序；以标签页的在线应用的形式展现各个搜索引擎的排序结果以及重排后的各个搜索引擎的搜索结果。该方法利用用户行为权值对各个搜索引擎的搜索结果分别进行重排，并对各个搜索引擎进行排序优化。

Description

多搜索引擎搜索结果的排序方法及装置 技术领域
本发明涉及互联网领域，具体涉及一种多搜索引擎搜索结果的排序方法及装置。
背景技术
现有的搜索引擎排序***主要有两类，一类是独立的搜索引擎，如谷歌音乐等，另一类是多搜索引擎，如元搜索等。第一类搜索引擎，因为版权资源问题等而缺少某些资源，不能满足用户需求；由于基于自身用户行为的排序分析，缺少了其他引擎用户行为数据，非最优的在大数据排序。第二类搜索引擎，虽然满足了资源需求，但都按固定的排序方法展现多搜索引擎排序结果，其没有基于大数据来计算多搜索引擎结果权值，也缺少对引擎内的结果重排和引擎间的排序分析，同时没有优化多搜索引擎的搜索结果排序，各个搜索引擎的结果排序不好，不能满足用户的需求。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的多搜索引擎搜索结果的排序方法和相应的多搜索引擎搜索结果的排序装置。
根据本发明的一个方面，提供了一种多搜索引擎搜索结果的排序方法，包括：
接收用户的搜索请求，分别获取各个搜索引擎响应所述搜索请求得到的搜索结果；
根据各个搜索结果的用户行为权值，对各个搜索引擎的搜索结果分别进行重排，并对各个搜索引擎进行排序；
以标签页的在线应用的形式展现各个搜索引擎的排序结果以及重排后的各个搜索引擎的搜索结果。
根据本发明的另一方面，提供了一种多搜索引擎搜索结果的排序装置，包括：
用户需求获取模块，适于接收用户的搜索请求；
多搜索引擎结果获取模块，适于分别获取各个搜索引擎响应所述搜索请求得到的搜索结果；
排序模块，适于根据各个搜索结果的用户行为权值，对各个搜索引擎的搜索结果分别进行重排，并对各个搜索引擎进行排序；
多搜索引擎结果展现模块，适于以标签页的在线应用的形式展现各个搜索引擎的排序结果以及重排后的各个搜索引擎的搜索结果。
根据本发明的又一个方面，提供了一种计算机程序，其包括计算机可读代码，当所述计算机可读代码在计算设备上运行时，导致所述计算设备执行本发明所述的多搜索引擎搜索结果的排序方法。
根据本发明的再一个方面，提供了一种计算机可读介质，其中存储了本发明所述的计算机程序。
本发明的有益效果为：
根据本发明的方法，在接收用户的搜索请求之后，分别获取各个搜索引擎响应所述搜索请求得到的搜索结果，根据各个搜索结果的用户行为权值，对各个搜索引擎的搜索结果分别进行重排，并对各个搜索引擎进行排序，以标签页的在线应用的形式展现各个搜索引擎的排序结果以及重排后的各个搜索引擎的搜索结果。该方法利用用户行为权值对各个搜索引擎的搜索结果分别进行重排，并对各个搜索引擎进行排序，从而优于独立搜索引擎的资源缺失和排序，使得多搜索引擎内各个搜索引擎排序得到优化、引擎间排序也得到优化。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了根据本发明一个实施例的多搜索引擎搜索结果的排序方法的流程图；
图2示出了根据本发明另一个实施例的多搜索引擎搜索结果的排序方法的流程图；
图3示出了根据本发明一个实施例的多搜索引擎搜索结果的排序装置的结构示意图；
图4示意性地示出了用于执行根据本发明的多搜索引擎搜索结果的排序方法的计算设备的框图；以及
图5示意性地示出了用于保持或者携带实现根据本发明的文件上传云盘的方法的程序代码的存储单元。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施例的多搜索引擎搜索结果的排序方法的流程图。如图1所示，该方法包括如下步骤：
步骤S100，接收用户的搜索请求，分别获取各个搜索引擎响应搜索请求得到的搜索结果。
步骤S110，根据各个搜索结果的用户行为权值，对各个搜索引擎的搜索结果分别进行重排，并对各个搜索引擎进行排序。
用户行为权值主要体现了全网用户对某一搜索结果的点击量，或者一段时间内群体用户对某一搜索结果的点击统计数据量。
步骤S120，以标签页的在线应用的形式展现各个搜索引擎的排序结果以及重排后的各个搜索引擎的搜索结果。
根据本发明上述实施例提供的方法，在接收用户的搜索请求之后，分别获取各个搜索引擎响应搜索请求得到的搜索结果，根据各个搜索结果的用户行为权值，对各个搜索引擎的搜索结果分别进行重排，并对各个搜索引擎进行排序，以标签页的在线应用的形式展现各个搜索引擎的排序结果以及重排后的各个搜索引擎的搜索结果。该方法利用用户行为权值对各个搜索引擎的搜索结果分别进行重排，并对各个搜索引擎进行排序，从而优于独立搜索引擎的资源缺失和排序，使得多搜索引擎内各个搜索引擎排序得到优化、引擎 间排序也得到优化。
图2示出了根据本发明另一个实施例的多搜索引擎搜索结果的排序方法的流程图。如图2所示，该方法包括如下步骤：
步骤S200，接收用户的搜索请求，分别获取各个搜索引擎响应搜索请求得到的搜索结果。
举例来说，用户通过客户端输入某一歌手姓名XX，服务器接收用户的搜索请求后，将用户的搜索请求发送到各个搜索引擎例如A、B、C、D、E，分别获取各个搜索引擎响应搜索请求得到的搜索结果，其中，搜索引擎A得到的搜索结果为：a、c、d、e、b；搜索引擎B得到的搜索结果为：c、e、f、h、a；搜索引擎C得到的搜索结果为：f、k、m、d、b；搜索引擎D得到的搜索结果为：m、n、k、a、h；搜索引擎E得到的搜索结果为：a、e、o、d、n，分析每个搜索结果以及每个搜索结果在各个搜索引擎的排序位置。
步骤S210，对各个搜索引擎的搜索结果进行排重处理。
对步骤S200中获取的各个搜索引擎的搜索结果进行排重处理，得到排重后的结果为：a、b、c、d、e、f、h、k、m、n、o。
步骤S220，获取各个搜索结果的用户行为权值以及搜索引擎相关性权值。
用户行为权值主要体现了全网用户对某一搜索结果的点击量，而不是仅仅基于某一用户或几个用户对某一搜索结果的点击量。用户行为权值基于的是大数据，大数据也称Big data，或称巨量资料、海量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。大数据具有规模性、高速性、多样性、价值性等特点，其整合了不同来源的不同形式的数据，可以进行实时分析而非批量式分析，在海量、种类频繁的数据间发现内在关联。本发明利用大数据的优势，统计全网用户对搜索结果的点击量，根据点击量计算得到搜索结果的用户行为权值。具体地，通过统计全网用户对步骤S200中搜索结果的点击量，根据点击量计算得到步骤S210中排重后搜索结果的用户行为权值分别为：20、18、25、10、14、15、12、19、21、13、16。
分析搜索结果出现在各个搜索引擎的位置以及出现在合作方的次数，根据搜索结果出现在各个搜索引擎的位置以及出现在合作方的次数计算得到 搜索引擎相关性权值。举例来说，对搜索引擎A、B、C、D、E中各个搜索结果的位置进行分析，利用位置权值来表示各个搜索结果在搜索引擎中出现的先后顺序，则搜索结果在搜索引擎中的位置权值分别为：50、40、30、20、10，由于同一搜索结果可能出现在不同的搜索引擎中，因此取该搜索结果在不同引擎中位置权值的加权平均值作为该搜索结果的位置权值，例如搜索结果a在搜索引擎A、B、D、E中的位置权值分别为50、10、20、50，则搜索结果a的位置权值为(50+10+20+50)/4＝32.5，利用该方法计算其他搜索结果的位置权值，计算得到b、c、d、e、f、h、k、m、n、o的位置权值分别为：10、45、23.3、50、40、15、35、40、25、30。分析搜索结果出现在合作方的次数，统计排重后的各个搜索结果出现在合作方的次数分别为：4、2、2、3、3、2、2、2、2、2、1，根据搜索结果出现在合作方的次数而确定次数权值分别为40、20、20、30、30、20、20、20、20、20、10。搜索引擎的相关性权值为搜索结果的位置权值与次数权值的加权权值，得到各个搜索结果的多引擎相关性权值分别为：72.5、30、65、53.3、80、60、35、55、60、45、40。
步骤S230，根据各个搜索结果的用户行为权值以及搜索引擎相关性权值，将所有搜索引擎的搜索结果进行综合排序，得到理想的综合排序结果。
具体地，分别计算各个搜索结果的用户行为权值和搜索引擎相关性权值的加权权值作为各个搜索结果的权重值，根据各个搜索结果的权重值由高至低的顺序对所有搜索引擎的搜索结果进行排序，理想的综合排序结果是根据各个搜索结果的权重值由高至低的顺序进行排序得到的。计算得到各个搜索结果的权重值分别为：92.5、48、90、63.3、94、75、47、74、81、58、56，根据各个搜索结果的权重值由高至低的顺序对所有搜索引擎的搜索结果进行排序，得到理想的综合排序结果为：e、a、c、m、f、k、d、n、o、b、h。
步骤S240，利用理想的综合排序结果，对各个搜索引擎的搜索结果分别进行重排，并对各个搜索引擎进行排序。
具体地，根据步骤S220中得到的理想的综合排序结果对步骤S200中各个搜索引擎的搜索结果进行重排，较优地，各个搜索引擎重排的搜索结果的先后顺序应与理想的综合排序结果的先后顺序一致。重排后的搜索引擎A的搜索结果为：e、a、c、d、b；搜索引擎B的搜索结果为：e、a、c、f、h；搜索引擎C的搜索结果为：m、f、k、d、b；搜索引擎D的搜索结果为：a、 m、k、n、h；搜索引擎E的搜索结果为：e、a、d、n、o。
计算每个搜索引擎的所有搜索结果的权重值的总和作为该搜索引擎的权重值，根据各个搜索引擎的权重值对各个搜索引擎进行排序。例如，搜索引擎A的所有搜索结果的权重值之和为：94+92.5+90+63.3+48＝387.8，用同样的方法计算得到搜索引擎B、C、D、E的所有搜索结果的权重值分别为：398.5、341.3、352.5、363.8，根据计算得到的搜索引擎中搜索结果的用户行为之和对各个搜索引擎进行排序，得到各个搜索引擎的排序为：B、A、E、D、C。
本实施例是根据用户行为权值以及搜索引擎相关性权值得到理想的综合排序结果。然而，本发明不仅限于此，也可以仅根据用户行为权值或仅根据搜索引擎相关性权值得到理想的综合排序结果，具体方法与上述方法类似，此处不再赘述。另外，本实施例上文中所描述的用户行为权值、搜索引擎相关性权值以及各个搜索结果的权重值、搜索引擎的权重值的具体计算方法均为本发明的具体示例，根据实际情况，可以调整具体的计算方法。
步骤S250，以标签页的在线应用的形式展现各个搜索引擎的排序结果以及重排后的各个搜索引擎的搜索结果。
客户端在得到各个搜索引擎的排序结果以及重排后的各个搜索引擎的搜索结果之后，以标签页的在线应用的形式进行展现。这种展现方式可以是多种多样的，举例来说，在在线应用中，以具有先后顺序的多个按钮分别表示各个搜索引擎，其中，多个按钮的顺序与各个搜索引擎的先后顺序一致，通过在多个按钮之间切换来展现重排后的各个搜索引擎的搜索结果。通过这种在线应用，用户可以一目了然的获知哪些搜索引擎提供的搜索结果是较优的，所提供的哪些搜索结果是较优的，用户可以根据推荐优先选择。
根据本发明上述实施例提供的方法，接收用户的搜索请求，分别获取各个搜索引擎响应搜索请求得到的搜索结果，对各个搜索引擎的搜索结果进行排重处理，获取各个搜索结果的用户行为权值以及搜索引擎相关性权值，根据各个搜索结果的用户行为权值以及搜索引擎相关性权值，将所有搜索引擎的搜索结果进行综合排序，得到理想的综合排序结果，利用理想的综合排序结果，对各个搜索引擎的搜索结果分别进行重排，并对各个搜索引擎进行排序，以标签页的在线应用的形式展现各个搜索引擎的排序结果以及重排后的各个搜索引擎的搜索结果。该方法先对搜索结果进行排重处理，然后根据用 户行为权值以及搜索引擎相关性权值对搜索结果进行重排并对搜索引擎进行排序，利用了全网内有关用户行为的大数据，可以更准确地对搜索结果进行排序以及对搜索引擎进行排序，从而优于独立搜索引擎的资源缺失、大数据缺失和排序，使得多搜索引擎内各个搜索引擎排序得到优化、引擎间排序也得到优化。
图3示出了根据本发明一个实施例的多搜索引擎搜索结果的排序装置的结构示意图。如图3所示，该装置包括：用户需求获取模块300、多搜索引擎结果获取模块310、排序模块320、多搜索引擎结果展现模块330。
用户需求获取模块300，适于接收用户的搜索请求。
多搜索引擎结果获取模块310，适于分别获取各个搜索引擎响应搜索请求得到的搜索结果。
排序模块320，适于根据各个搜索结果的用户行为权值，对各个搜索引擎的搜索结果分别进行重排，并对各个搜索引擎进行排序。
排序模块320进一步包括：综合排序子模块340、多搜索引擎结果重排子模块350、多搜索引擎排序子模块360。
综合排序子模块340，适于根据各个搜索结果的用户行为权值，将所有搜索引擎的搜索结果进行综合排序，得到理想的综合排序结果。
综合排序子模块340进一步包括：权值计算单元370，适于获取各个搜索结果的用户行为权值以及搜索引擎相关性权值。
用户行为权值主要体现了全网用户对某一搜索结果的点击量。
权值计算单元370进一步适于：统计全网用户对搜索结果的点击量，根据点击量计算得到搜索结果的用户行为权值。
权值计算单元370进一步适于：分析搜索结果出现在各个搜索引擎的位置以及出现在合作方的次数，根据搜索结果出现在各个搜索引擎的位置以及出现在合作方的次数计算得到搜索引擎相关性权值。
综合排序单元380，适于根据各个搜索结果的用户行为权值以及搜索引擎相关性权值，将所有搜索引擎的搜索结果进行综合排序，得到理想的综合排序结果。
综合排序单元380进一步适于：分别计算各个搜索结果的用户行为权值和搜索引擎相关性权值的加权权值作为各个搜索结果的权重值，根据各个搜索结果的权重值由高至低的顺序对所有搜索引擎的搜索结果进行排序。
多搜索引擎结果重排子模块350，适于利用理想的综合排序结果，对各个搜索引擎的搜索结果分别进行重排；
多搜索引擎排序子模块360，适于利用理想的综合排序结果，对各个搜索引擎进行排序。
理想的综合排序结果是根据各个搜索结果的权重值由高至低的顺序进行排序得到的；
多搜索引擎排序子模块360进一步适于：计算每个搜索引擎的所有搜索结果的权重值的总和作为该搜索引擎的权重值；根据各个搜索引擎的权重值对各个搜索引擎进行排序。
多搜索引擎结果展现模块330，适于以标签页的在线应用的形式展现各个搜索引擎的排序结果以及重排后的各个搜索引擎的搜索结果。
多搜索引擎结果展现模块330进一步适于：在在线应用中，以具有先后顺序的多个按钮分别表示各个搜索引擎，其中，多个按钮的顺序与各个搜索引擎的先后顺序一致，通过在多个按钮之间切换来展现重排后的各个搜索引擎的搜索结果。
可选地，排序装置还包括：排重模块390，适于对各个搜索引擎的搜索结果进行排重处理。
排重模块390适于将多搜索引擎结果获取模块310获取的搜索结果进行排重处理。
根据本发明上述实施例提供的装置，在接收用户的搜索请求之后，分别获取各个搜索引擎响应搜索请求得到的搜索结果，根据各个搜索结果的用户行为权值，对各个搜索引擎的搜索结果分别进行重排，并对各个搜索引擎进行排序，以标签页的在线应用的形式展现各个搜索引擎的排序结果以及重排后的各个搜索引擎的搜索结果。该装置先对搜索结果进行排重处理，然后根据用户行为权值以及搜索引擎相关性权值对搜索结果进行重排并对搜索引擎进行排序，利用了全网内有关用户行为的大数据，可以更准确地对搜索结果进行排序以及对搜索引擎进行排序，从而优于独立搜索引擎的资源缺失、大数据缺失和排序，使得多搜索引擎内各个搜索引擎排序得到优化、引擎间排序也得到优化。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未 详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的多搜索引擎搜索结果的排序装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载 体信号上提供，或者以任何其他形式提供。
例如，图4示出了可以实现根据本发明的对多搜索引擎搜索结果进行排序的计算设备。该计算设备传统上包括处理器410和以存储器420形式的计算机程序产品或者计算机可读介质。存储器420可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器420具有用于执行上述方法中的任何方法步骤的程序代码431的存储空间430。例如，用于程序代码的存储空间430可以包括分别用于实现上面的方法中的各种步骤的各个程序代码431。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为如参考图5所述的便携式或者固定存储单元。该存储单元可以具有与图4的计算设备中的存储器420类似布置的存储段、存储空间等。程序代码可以例如以适当形式进行压缩。通常，存储单元包括计算机可读代码431’，即可以由例如诸如410之类的处理器读取的代码，这些代码当由计算设备运行时，导致该计算设备执行上面所描述的方法中的各个步骤。
本文中所称的“一个实施例”、“实施例”或者“一个或者多个实施例”意味着，结合实施例描述的特定特征、结构或者特性包括在本发明的至少一个实施例中。此外，请注意，这里“在一个实施例中”的词语例子不一定全指同一个实施例。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
此外，还应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在 不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。

Claims (20)

  1. 一种多搜索引擎搜索结果的排序方法，包括：
    接收用户的搜索请求，分别获取各个搜索引擎响应所述搜索请求得到的搜索结果；
    根据各个搜索结果的用户行为权值，对各个搜索引擎的搜索结果分别进行重排，并对各个搜索引擎进行排序；
    以标签页的在线应用的形式展现各个搜索引擎的排序结果以及重排后的各个搜索引擎的搜索结果。
  2. 根据权利要求1所述的排序方法，所述根据各个搜索结果的用户行为权值，对各个搜索引擎的搜索结果分别进行重排，并对各个搜索引擎进行排序进一步包括：
    根据各个搜索结果的用户行为权值，将所有搜索引擎的搜索结果进行综合排序，得到理想的综合排序结果；
    利用所述理想的综合排序结果，对各个搜索引擎的搜索结果分别进行重排，并对各个搜索引擎进行排序。
  3. 根据权利要求1或2所述的排序方法，所述以标签页的在线应用的形式展现各个搜索引擎的排序结果以及重排后的各个搜索引擎的搜索结果进一步包括：
    在所述在线应用中，以具有先后顺序的多个按钮分别表示各个搜索引擎，其中，所述多个按钮的顺序与所述各个搜索引擎的先后顺序一致，通过在所述多个按钮之间切换来展现重排后的各个搜索引擎的搜索结果。
  4. 根据权利要求1-3任一项所述的排序方法，所述根据各个搜索结果的用户行为权值，将所有搜索引擎的搜索结果进行综合排序，得到理想的综合排序结果进一步包括：
    获取各个搜索结果的用户行为权值以及搜索引擎相关性权值；
    根据各个搜索结果的用户行为权值以及搜索引擎相关性权值，将所有搜索引擎的搜索结果进行综合排序，得到理想的综合排序结果。
  5. 根据权利要求1-4任一项所述的排序方法，获取各个搜索结果的用户行为权值具体为：统计全网用户对搜索结果的点击量，根据点击量计算得到搜索结果的用户行为权值。
  6. 根据权利要求1-5任一项所述的排序方法，获取各个搜索结果的搜索引擎相关性权值具体为：
    分析所述搜索结果出现在各个搜索引擎的位置以及出现在合作方的次数，根据所述搜索结果出现在各个搜索引擎的位置以及出现在合作方的次数计算得到搜索引擎相关性权值。
  7. 根据权利要求1-6任一项所述的排序方法，所述根据各个搜索结果的用户行为权值以及搜索引擎相关性权值，将所有搜索引擎的搜索结果进行综合排序，得到理想的综合排序结果进一步包括：
    分别计算各个搜索结果的所述用户行为权值和所述搜索引擎相关性权值的加权权值作为各个搜索结果的权重值，根据各个搜索结果的所述权重值由高至低的顺序对所述所有搜索引擎的搜索结果进行排序。
  8. 根据权利要求1-7任一项所述的排序方法，所述理想的综合排序结果是根据各个搜索结果的权重值由高至低的顺序进行排序得到的；
    所述利用所述理想的综合排序结果，对各个搜索引擎进行排序进一步包括：
    计算每个搜索引擎的所有搜索结果的权重值的总和作为该搜索引擎的权重值；
    根据各个搜索引擎的权重值对各个搜索引擎进行排序。
  9. 根据权利要求1-8任一项所述的排序方法，在所述将所有搜索引擎的搜索结果进行综合排序，得到理想的综合排序结果之前还包括：
    对所述各个搜索引擎的搜索结果进行排重处理。
  10. 一种多搜索引擎搜索结果的排序装置，包括：
    用户需求获取模块，适于接收用户的搜索请求；
    多搜索引擎结果获取模块，适于分别获取各个搜索引擎响应所述搜索请求得到的搜索结果；
    排序模块，适于根据各个搜索结果的用户行为权值，对各个搜索引擎的搜索结果分别进行重排，并对各个搜索引擎进行排序；
    多搜索引擎结果展现模块，适于以标签页的在线应用的形式展现各个搜索引擎的排序结果以及重排后的各个搜索引擎的搜索结果。
  11. 根据权利要求10所述的装置，所述排序模块进一步包括：
    综合排序子模块，适于根据各个搜索结果的用户行为权值，将所有搜索 引擎的搜索结果进行综合排序，得到理想的综合排序结果；
    多搜索引擎结果重排子模块，适于利用所述理想的综合排序结果，对各个搜索引擎的搜索结果分别进行重排；
    多搜索引擎排序子模块，利用所述理想的综合排序结果，对各个搜索引擎进行排序。
  12. 根据权利要求10或11所述的装置，所述多搜索引擎结果展现模块进一步适于：
    在所述在线应用中，以具有先后顺序的多个按钮分别表示各个搜索引擎，其中，所述多个按钮的顺序与所述各个搜索引擎的先后顺序一致，通过在所述多个按钮之间切换来展现重排后的各个搜索引擎的搜索结果。
  13. 根据权利要求10-12任一项所述的装置，所述综合排序子模块进一步适于：
    权值计算单元，适于获取各个搜索结果的用户行为权值以及搜索引擎相关性权值；
    综合排序单元，适于根据各个搜索结果的用户行为权值以及搜索引擎相关性权值，将所有搜索引擎的搜索结果进行综合排序，得到理想的综合排序结果。
  14. 根据权利要求10-13任一项所述的装置，所述权值计算单元进一步适于：统计全网用户对搜索结果的点击量，根据点击量计算得到搜索结果的用户行为权值。
  15. 根据权利要求10-14任一项所述的装置，所述权值计算单元进一步适于：分析所述搜索结果出现在各个搜索引擎的位置以及出现在合作方的次数，根据所述搜索结果出现在各个搜索引擎的位置以及出现在合作方的次数计算得到搜索引擎相关性权值。
  16. 根据权利要求10-15任一项所述的装置，所述综合排序单元进一步适于：分别计算各个搜索结果的所述用户行为权值和所述搜索引擎相关性权值的加权权值作为各个搜索结果的权重值，根据各个搜索结果的所述权重值由高至低的顺序对所述所有搜索引擎的搜索结果进行排序。
  17. 根据权利要求10-16任一项所述的装置，所述理想的综合排序结果是根据各个搜索结果的权重值由高至低的顺序进行排序得到的；
    所述多搜索引擎排序子模块进一步适于：计算每个搜索引擎的所有搜索 结果的权重值的总和作为该搜索引擎的权重值；根据各个搜索引擎的权重值对各个搜索引擎进行排序。
  18. 根据权利要求10-17任一项所述的装置，所述装置还包括：排重模块，适于对所述各个搜索引擎的搜索结果进行排重处理。
  19. 一种计算机程序，包括计算机可读代码，当所述计算机可读代码在计算设备上运行时，导致所述计算设备执行根据权利要求1-9中的任一个所述的多搜索引擎搜索结果的排序方法。
  20. 一种计算机可读介质，其中存储了如权利要求19所述的计算机程序。
PCT/CN2015/076111 2014-04-08 2015-04-08 多搜索引擎搜索结果的排序方法及装置 WO2015154679A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201410139320.5 2014-04-08
CN201410139320.5A CN103870607A (zh) 2014-04-08 2014-04-08 多搜索引擎搜索结果的排序方法及装置

Publications (1)

Publication Number Publication Date
WO2015154679A1 true WO2015154679A1 (zh) 2015-10-15

Family

ID=50909137

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2015/076111 WO2015154679A1 (zh) 2014-04-08 2015-04-08 多搜索引擎搜索结果的排序方法及装置

Country Status (2)

Country Link
CN (1) CN103870607A (zh)
WO (1) WO2015154679A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022231901A1 (en) * 2021-04-27 2022-11-03 Elasticsearch B.V. Systems and methods for automatically curating query responses

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103870607A (zh) * 2014-04-08 2014-06-18 北京奇虎科技有限公司 多搜索引擎搜索结果的排序方法及装置
CN105589895B (zh) * 2014-11-13 2020-04-24 深圳市腾讯计算机***有限公司 资源排行数据生成方法和装置
EP3026584A1 (en) 2014-11-25 2016-06-01 Samsung Electronics Co., Ltd. Device and method for providing media resource
CN104462576B (zh) * 2014-12-29 2019-02-26 北京奇虎科技有限公司 基于标签页提供音乐综合搜索的方法和装置
CN107704467B (zh) * 2016-08-09 2021-08-24 百度在线网络技术（北京）有限公司 搜索质量评估方法及装置
CN106649554A (zh) * 2016-11-08 2017-05-10 北京奇虎科技有限公司 一种应用程序的搜索方法和装置、搜索服务器及***
CN110544475B (zh) * 2019-07-08 2022-03-11 三星电子（中国）研发中心 一种多语音助手的实现方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040215607A1 (en) * 2003-04-25 2004-10-28 Travis Robert L. Method and system fo blending search engine results from disparate sources into one search result
CN102004782A (zh) * 2010-11-25 2011-04-06 北京搜狗科技发展有限公司 一种搜索结果排序方法和搜索结果排序器
CN102081668A (zh) * 2011-01-24 2011-06-01 熊晶 基于领域本体的信息检索优化方法
CN103870607A (zh) * 2014-04-08 2014-06-18 北京奇虎科技有限公司 多搜索引擎搜索结果的排序方法及装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100504866C (zh) * 2006-06-30 2009-06-24 腾讯科技（深圳）有限公司 一种综合搜索结果的排序***及方法
CN100565516C (zh) * 2006-12-08 2009-12-02 腾讯科技（深圳）有限公司 一种移动终端进行网络搜索的方法及***
CN100507920C (zh) * 2007-05-25 2009-07-01 清华大学 一种基于用户行为信息的搜索引擎检索结果重排序方法
US9495460B2 (en) * 2009-05-27 2016-11-15 Microsoft Technology Licensing, Llc Merging search results
CN102651022B (zh) * 2012-03-31 2017-05-10 北京奇虎科技有限公司 一种搜索方法和装置
CN103257985A (zh) * 2012-05-30 2013-08-21 韩俊 同时查询***显示多个跨域名数据库的装置和方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040215607A1 (en) * 2003-04-25 2004-10-28 Travis Robert L. Method and system fo blending search engine results from disparate sources into one search result
CN102004782A (zh) * 2010-11-25 2011-04-06 北京搜狗科技发展有限公司 一种搜索结果排序方法和搜索结果排序器
CN102081668A (zh) * 2011-01-24 2011-06-01 熊晶 基于领域本体的信息检索优化方法
CN103870607A (zh) * 2014-04-08 2014-06-18 北京奇虎科技有限公司 多搜索引擎搜索结果的排序方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022231901A1 (en) * 2021-04-27 2022-11-03 Elasticsearch B.V. Systems and methods for automatically curating query responses
US11899677B2 (en) 2021-04-27 2024-02-13 Elasticsearch B.V. Systems and methods for automatically curating query responses

Also Published As

Publication number Publication date
CN103870607A (zh) 2014-06-18

Similar Documents

Publication Publication Date Title
WO2015154679A1 (zh) 多搜索引擎搜索结果的排序方法及装置
JP7343568B2 (ja) 機械学習のためのハイパーパラメータの識別および適用
US11580168B2 (en) Method and system for providing context based query suggestions
US10902052B2 (en) Search results through image attractiveness
JP2013504118A (ja) クエリのセマンティックパターンに基づく情報検索
JP2013536491A (ja) ビデオコンテンツを管理するための方法および装置
US20140365452A1 (en) Discovering Trending Content of a Domain
CN111061954A (zh) 搜索结果排序方法、装置及存储介质
CN107003829B (zh) 各个结果类别的视野内和视野外的与请求相关的结果区域
CN106777201B (zh) 搜索结果页上的推荐数据的排序方法及装置
CN109241360B (zh) 组合字符串的匹配方法及装置和电子设备
CN110363570A (zh) 应用中的类目展示方法、装置、电子设备和存储介质
US20090063464A1 (en) System and method for visualizing and relevance tuning search engine ranking functions
WO2018205391A1 (zh) 信息检索准确性评估方法、***、装置及计算机可读存储介质
WO2016033130A1 (en) Computing device classifier improvement through n-dimensional stratified input sampling
CN114780368B (zh) 表数据同步方法与装置
JP7213890B2 (ja) 高速化された大規模な類似度計算
CN108170664B (zh) 基于重点关键词的关键词拓展方法和装置
WO2015143911A1 (zh) 推送包含时效性信息的网页的方法和装置
JP5361090B2 (ja) 話題語獲得装置、方法、及びプログラム
WO2017219317A1 (zh) 一种基于搜索内容的信息推送方法及装置
WO2017107695A1 (zh) 对新闻进行排序的方法和装置
CN111078972B (zh) 提问行为数据的获取方法、装置和服务器
JP2020061147A (ja) Ｃｎｎ基盤イメージ検索方法および装置
CN110825939A (zh) 帖子的分数生成、排序方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15776009

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 15776009

Country of ref document: EP

Kind code of ref document: A1