CN104143005A - 一种相关搜索系统及方法 - Google Patents
一种相关搜索系统及方法 Download PDFInfo
- Publication number
- CN104143005A CN104143005A CN201410380639.7A CN201410380639A CN104143005A CN 104143005 A CN104143005 A CN 104143005A CN 201410380639 A CN201410380639 A CN 201410380639A CN 104143005 A CN104143005 A CN 104143005A
- Authority
- CN
- China
- Prior art keywords
- search word
- keyword
- module
- candidate
- mark
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (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
本发明提供了一种相关搜索系统及方法。方法包括如下步骤:a)接收搜索词,提取关键词及参数;b)基于关键词及参数,筛选候选搜索词;c)利用神经网络语言模型计算搜索词与候选搜索词之间的相关性,并获取其他特征相关性;d)进行对多种特征相关性的加权计算,得到相关搜索词结果。系统包括:接收搜索词的接收模块;提取关键词及关键词参数的关键词提取模块;存储候选搜索词的搜索词数据库;以关键词参数为筛选条件搜索候选搜索词的筛选模块;计算多种特征相关性的相关性计算模块;对多种特征相关性分数的加权计算,得到相关搜索词的融合模块。根据本发明能够以简单的结构实现高效精准的相关搜索。
Description
技术领域
本发明涉及搜索引擎技术领域,特别是一种相关搜索系统及方法。
背景技术
随着互联网的发展,通过互联网网络侧可以为客户端提供各种服务。其中一种就是搜索服务,也就是在网络侧设置搜索引擎,当网络侧的搜索引擎接收客户端发送的搜索请求后,检索互联网网络侧候选数据库中所存储的匹配该搜索请求携带的关键词的所有字面索引,提供给客户端。为了提高使用客户端的用户搜索体验度,提出了相关搜索技术,也就是网络侧的搜索引擎在接收搜索请求后,不仅仅检索互联网网络侧候选数据库中匹配该搜索请求携带的关键词的所有字面索引,还检索互联网网络侧候选数据库所存储的匹配该搜索请求携带的关键词的相关或相近字面索引,提供给客户端,用于用户的进一步搜索。
然而,现有的相关搜索技术使用词频-逆文档频率法对关键词进行提取,然而由于该方法提取的关键词的准确性不高,影响了相关搜索的结果的准确率。
因此,需要一种相关搜索系统及方法,以简单的结构实现高效精准的相关搜索。
发明内容
本发明的目的是提供一种相关搜索系统及方法。
根据本发明的一个方面,提供了一种相关搜索的方法,其特征在于,包括如下步骤:a)接收搜索词,提取关键词及关键词参数;b)基于所述关键词及所述关键词参数,筛选出至少一个候选搜索词;c)利用神经网络语言模型计算所述搜索词与所述候选搜索词之间的相关性,并获取其他特征相关性;d)进行对多种特征相关性的加权计算,得到相关搜索词结果。
优选地,所述步骤a中还包括获取用户设备情景信息。
优选地,所述步骤a还包括获取用户身份信息。
优选地,所述步骤b中通过垂直搜索引擎进行对所述候选搜索词的筛选。
优选地,所述步骤c利用神经网络语言模型计算当前搜索词与候选搜索词之间的相关性的方法如下:c1)提取所述搜索词或所述候选搜索词中的所述关键词在所述神经网络语言模型中的向量;c2)计算所述搜索词或所述候选搜索词的模型向量;c3)计算所述搜索词或所述候选搜索词的模型向量之间的距离。
优选地,所述其他特征相关性包括以下分数中的至少一种:关键词相关分数、字面距离分数、搜索次数分数、共同出现搜索分数、物理距离分数。
优选地,步骤d包括如下步骤:
d1)提取各种特征相关性分数的权重;
d2)进行加权计算,求出所述候选搜索词与所述搜索词的相关性分数;
d3)将计算分数排序;
d4)选取分数最高的1个或多个所述候选搜索词作为所述相关搜索词以向用户返回结果。
优选地,基于所述用户设备情景信息对各种特征相关性分数配置不同的权重,步骤c基于所述用户设备情景信息,进行对多种特征相关性分数的加权计算。
根据本发明的另一方面,提供了一种相关搜索的系统,其特征在于,所述系统包括接收模块、关键词提取模块、搜索词数据库、筛选模块、相关性计算模块,以及融合模块,其中,所述接收模块用于接收来自客户端的搜索词,并将所述搜索词向所述关键词提取模块输出;所述关键词提取模块用于提取关键词及关键词参数,并将所述关键词及关键词参数输出至所述筛选模块;所述搜索词数据库用于存储候选搜索词;所述筛选模块用于在所述搜索词数据库中,以所述关键词参数为筛选条件,搜索出候选搜索词;所述相关性计算模块用于利用神经网络语言模型计算所述搜索词与所述候选搜索词之间的相关性,并获取其他特征相关性分数;所述融合模块用于对多种特征相关性分数的加权计算,得到相关搜索词结果。
优选地,所述接收模块还读取客户端的用户设备情景信息,并将所述用户设备情景信息向所述融合模块输出。
优选地,所述融合模块首先基于所述用户设备情景信息对各种特征相关性分数配置不同的权重,然后根据该权重,进行对多种特征相关性分数的加权计算,得到所述相关搜索词结果。
根据本发明的一种相关搜索系统及方法,能够实现以简单的结构实现高效精准的相关搜索。
附图说明
参考随附的附图,本发明更多的目的、功能和优点将通过本发明实施方式的如下描述得以阐明,其中:
图1示意性示出了本发明的一种相关搜索方法的流程图。
图2示意性示出了本发明的一种相关搜索系统的框图。
具体实施方式
通过参考示范性实施例,本发明的目的和功能以及用于实现这些目的和功能的方法将得以阐明。然而,本发明并不受限于以下所公开的示范性实施例;可以通过不同形式来对其加以实现。说明书的实质仅仅是帮助相关领域技术人员综合理解本发明的具体细节。
在下文中,将参考附图描述本发明的实施例。在附图中,相同的附图标记代表相同或类似的部件,或者相同或类似的步骤。
图1示意性示出了本发明的一种相关搜索方法的流程图。如图1所示:
步骤110,接收搜索词,提取关键词及关键词参数。其中,提取关键词的方式包括以下三种:通过分词操作提取关键词;通过利用知识库提取关键词;通过分词以及知识库提取关键词。此外,知识库(KnowledgeBase)是知识工程中结构化、易操作、易利用、全面有组织的知识集群,是针对某一或某些领域问题求解的需要,采用某种或若干知识表示方式在计算机存储器中存储、组织、管理和使用的互相联系的知识片集合。例如,将搜索词样本放在一个垂直搜索系统中,利用过去高频历史搜索词以及知识库数据进行关键词及关键词参数的提取。
关键词参数是指每个关键词对应的属性,所述属性包括但不限于类别特征、名称特征、行为特征、地理位置特征等,可以用来对关键词的多个属性进行划分和标识的参数。
例如,接收到的搜索词为:“嘉铭桐城租房”。利用知识库提取到的关键词为“嘉铭桐城”和“租房”。关键词“嘉铭桐城”的参数为关键词分类(房产小区)、位置(地理坐标(经纬度))等,关键词“租房”的参数例如关键词分类(房产行为)。
根据本发明的另一实施例,还可以获取用户设备情景信息,用户设备情景信息为用户发送搜索词所利用的智能终端的设备信息,所述智能终端可以例如智能手机、平板电脑、便携式电脑、掌上数字助理、智能腕表、台式电脑、数字眼镜、电视游戏机以及全景头盔式游戏机等中的任意一种。获取的用户设备信息包括但不限于国际移动设备身份码(IMEI,International Mobile Equipment Identity)和用户代理(UserAgent)等信息。
根据本发明的又一实施例,对于已注册用户,还可以获取用户身份信息(ID),以在后续步骤中进行个性化相关搜索词的分析。例如:从用户ID取得用户偏好文档,取得用户购买力水平、历史偏好等,从而进一步优化搜索。例如,在搜索词为租房的场景中,用户的偏好为只关注户型3居的房源,则可以据此进一步进行个性化相关搜索词的分析。
步骤120,基于提取的关键词及关键词参数筛选出至少一个候选搜索词。具体地,利用上述关键词参数的组合来作为筛选条件,搜索出至少一个候选搜索词。根据本发明的一个实施例,可以通过垂直搜索引擎进行上述筛选。筛选条件例如:“local=北京&tag=房产小区&tag=房产行为_租房&lon=116.429741&lat=40.009287&distance=5km”,具体地,“local:北京”表示关键字的关键词参数为地理位置:北京;“tag=房产小区”表示参数为标签:房产小区;“tag=房产行为_租房”表示参数为标签:房产行为_租房;“lon=116.429741”与“lat=40.009287”分别表示参数经度116.429741以及参数纬度:40.009287;“distance=5km”表示参数距离范围:5km。利用上述所有筛选条件,能够筛选出地理位置为北京,且含有标签“房产小区”、“房产行为_租房”,且含有在(116.429741,40.009287)5km范围内的经纬度参数的搜索词。
步骤130,利用神经网络语言模型计算当前搜索词与每个候选搜索词之间的相关性,并获取其他特征相关性。
利用神经网络语言模型计算当前搜索词与候选搜索词之间的相关性的方法如下:
a)提取当前搜索词的关键词或候选搜索词中的关键词在神经网络语言模型中的向量(以下简称为关键词的模型向量)。其中,可以分词和/或利用知识库来得到当前搜索词或候选搜索词中的关键词。此外,可以利用word2vec、SENNA、HLBL、RNNLM等工具中的任意一个来训练神经网络语言模型;
b)计算当前搜索词或候选搜索词的模型向量。具体地,对于某个搜索词而言,将其中的各关键词的模型向量进行加权求和,得到当前搜索词或候选搜索词的模型向量。
c)计算当前搜索词或候选搜索词的模型向量之间的距离。其中,上述距离即代表相关性,且上述距离可以为余弦距离或欧氏距离等。
此外,其他特征相关性为除当前搜索词与候选搜索词的相关性之外的其他的特征相关性,包括以下分数中的至少一种:关键词相关分数、字面距离分数、搜索次数分数、共同出现搜索分数、物理距离分数。
关于上述其他特征相关性的计算方法具体如下。在关键词相关分数的计算方法中,先分词,并通过word2vec取得词向量,然后将向量相加,与(1个)候选搜索词计算余弦距离;字面距离分数:使用编辑距离算法,公式:1-(编辑距离/总字数);物理距离分数:使用经纬度距离算法,公式:1–(经纬度距离(米)/预置距离(米))i.e.预置距离(米)=5km=5000m;共同出现搜索分数(2个搜索词在同一会话内搜索过的次数),在统计日志得出,公式:共同出现搜索次数/候选搜索词中最大共同出现搜索次数。
步骤140,进行对多种特征相关性分数的加权计算,得到相关搜索词结果。具体包括如下步骤:
a)提取各种特征相关性分数的权重;
b)进行加权计算,求出候选搜索词与当前搜索词的相关性分数S,例如,S=关键词相关性分数*0.15+搜索词相关性分数*0.1+字面距离分数*0.1+搜索次数分数*0.15+共同出现搜索分数*0.2+物理距离分数*0.3;
c)将计算分数排序;
d)选取分数最高的1个或多个候选搜索词作为相关搜索词以向用户返回结果。
根据本发明的一个实施例,基于用户设备情景信息对各种特征相关性分数配置不同的权重,以在步骤140中能够基于用户设备情景信息,进行对多种特征相关性分数的加权计算。例如,若用户设备情景信息为某移动智能终端(例如平板电脑),则为实时性较强的特征分数赋予较大的权重,而相对减小与实时性关联较小的特征分数的权重。例如,在房产分类中,情景为移动设备时,物理距离分数会比较重要,其次其他特征比较重要有:可达性(除距离外,房产是否容易到达),实时性(现在是否能联系到中介/业主),方便性(房屋周围配套是否完善)等等。
图2示意性示出了本发明的一种相关搜索系统的框图。如图2所示:本发明的相关搜索系统200包括接收模块210、关键词提取模块220、搜索词数据库230、筛选模块240、相关性计算模块250,以及融合模块260。下面对各模块进行详细说明:
接收模块210,用于接收来自客户端的搜索词信息,并将结果向关键词提取模块220输出。根据本发明的一个实施例,接收模块210还读取客户端的用户设备情景信息,并将结果向融合模块260输出。
关键词提取模块220,用于提取关键词及关键词参数,并将结果输出至筛选模块240。其中,提取关键词的方式包括以下三种:通过分词操作提取关键词;通过利用知识库提取关键词;通过分词以及知识库提取关键词。
搜索词数据库230,用于存储候选搜索词。当后述筛选模块240进行对搜索词的筛选时会访问搜索词数据库230。
筛选模块240,用于在搜索词数据库230中,以关键词提取模块220输入的关键词参数为筛选条件,搜索出至少一个候选搜索词。根据本发明的一个实施例,可以通过垂直搜索引擎进行上述筛选。
相关性计算模块250,用于利用神经网络语言模型计算当前搜索词与候选搜索词之间的相关性,并获取其他特征相关性分数。其中,其他特征相关性为除当前搜索词与候选搜索词的相关性之外的其他特征相关性,包括:关键词相关分数、字面距离分数、搜索次数分数、共同出现搜索次数、物理距离分数。
融合模块260,用于对多种特征相关性分数的加权计算,得到相关搜索词结果。
根据本发明的一个实施例,融合模块260首先基于用户设备情景信息对各种特征相关性分数配置不同的权重,然后根据该权重,进行对多种特征相关性分数的加权计算,得到相关搜索词结果。
根据本发明的一种相关搜索系统及方法,能够实现以简单的结构实现高效精准的相关搜索。
结合这里披露的本发明的说明和实践,本发明的其他实施例对于本领域技术人员都是易于想到和理解的。说明和实施例仅被认为是示例性的,本发明的真正范围和主旨均由权利要求所限定。
Claims (11)
1.一种相关搜索的方法,其特征在于,包括如下步骤:
a)接收搜索词,提取关键词及关键词参数;
b)基于所述关键词及所述关键词参数,筛选出至少一个候选搜索词;
c)利用神经网络语言模型计算所述搜索词与所述候选搜索词之间的相关性,并获取其他特征相关性;
d)进行对多种特征相关性的加权计算,得到相关搜索词结果。
2.根据权利要求1所述的方法,其特征在于,所述步骤a中还包括获取用户设备情景信息。
3.根据权利要求1所述的方法,其特征在于,所述步骤a还包括获取用户身份信息。
4.根据权利要求1所述的方法,其特征在于,所述步骤b中通过垂直搜索引擎进行对所述候选搜索词的筛选。
5.根据权利要求1所述的方法,其特征在于,所述步骤c利用神经网络语言模型计算当前搜索词与候选搜索词之间的相关性的方法如下:
c1)提取所述搜索词或所述候选搜索词中的所述关键词在所述神经网络语言模型中的向量;
c2)计算所述搜索词或所述候选搜索词的模型向量;
c3)计算所述搜索词或所述候选搜索词的模型向量之间的距离。
6.根据权利要求1所述的方法,其特征在于,所述其他特征相关性包括以下分数中的至少一种:关键词相关分数、字面距离分数、搜索次数分数、共同出现搜索分数、物理距离分数。
7.根据权利要求1所述的方法,其特征在于,步骤d包括如下步骤:
d1)提取各种特征相关性分数的权重;
d2)进行加权计算,求出所述候选搜索词与所述搜索词的相关性分数;
d3)将计算分数排序;
d4)选取分数最高的1个或多个所述候选搜索词作为所述相关搜索词以向用户返回结果。
8.根据权利要求1所述的方法,其特征在于,基于所述用户设备情景信息对各种特征相关性分数配置不同的权重,步骤c基于所述用户设备情景信息,进行对多种特征相关性分数的加权计算。
9.一种相关搜索的系统,其特征在于,所述系统包括接收模块、关键词提取模块、搜索词数据库、筛选模块、相关性计算模块,以及融合模块,其中,
所述接收模块用于接收来自客户端的搜索词,并将所述搜索词向所述关键词提取模块输出;
所述关键词提取模块用于提取关键词及关键词参数,并将所述关键词及关键词参数输出至所述筛选模块;
所述搜索词数据库用于存储候选搜索词;
所述筛选模块用于在所述搜索词数据库中,以所述关键词参数为筛选条件,搜索出候选搜索词;
所述相关性计算模块用于利用神经网络语言模型计算所述搜索词与所述候选搜索词之间的相关性,并获取其他特征相关性分数;以及
所述融合模块用于对多种特征相关性分数的加权计算,得到相关搜索词结果。
10.根据权利要求9所述的系统,其特征在于,所述接收模块还读取客户端的用户设备情景信息,并将所述用户设备情景信息向所述融合模块输出。
11.根据权利要求10所述的系统,其特征在于,所述融合模块首先基于所述用户设备情景信息对各种特征相关性分数配置不同的权重,然后根据该权重,进行对多种特征相关性分数的加权计算,得到所述相关搜索词结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410380639.7A CN104143005B (zh) | 2014-08-04 | 2014-08-04 | 一种相关搜索系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410380639.7A CN104143005B (zh) | 2014-08-04 | 2014-08-04 | 一种相关搜索系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104143005A true CN104143005A (zh) | 2014-11-12 |
CN104143005B CN104143005B (zh) | 2017-09-12 |
Family
ID=51852179
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410380639.7A Active CN104143005B (zh) | 2014-08-04 | 2014-08-04 | 一种相关搜索系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104143005B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104572836A (zh) * | 2014-12-10 | 2015-04-29 | 百度在线网络技术(北京)有限公司 | 一种确定候选查询序列的综合相关度的方法与装置 |
CN106326311A (zh) * | 2015-07-03 | 2017-01-11 | 北京国双科技有限公司 | 数据信息处理的方法和装置 |
CN106776763A (zh) * | 2016-11-22 | 2017-05-31 | 北京云知声信息技术有限公司 | 目的地搜索方法及装置 |
CN106777282A (zh) * | 2016-12-29 | 2017-05-31 | 百度在线网络技术(北京)有限公司 | 相关搜索的排序方法和装置 |
CN106919702A (zh) * | 2017-02-14 | 2017-07-04 | 北京时间股份有限公司 | 基于文档的关键词推送方法及装置 |
CN106933962A (zh) * | 2017-02-06 | 2017-07-07 | 涂正富 | 一种微区域网络接入及垂直搜索精准定位获取目标的方法 |
CN107220384A (zh) * | 2017-06-29 | 2017-09-29 | 北京拉勾科技有限公司 | 一种基于相关性的搜索词处理方法、装置及计算设备 |
CN107292690A (zh) * | 2016-03-31 | 2017-10-24 | 杨舜凯 | 一种基于神经网络的跨界易物平台实现方法及平台 |
CN107562761A (zh) * | 2016-06-30 | 2018-01-09 | 阿里巴巴集团控股有限公司 | 一种信息推送方法及装置 |
CN107980130A (zh) * | 2017-11-02 | 2018-05-01 | 深圳前海达闼云端智能科技有限公司 | 自动回答方法、装置、存储介质及电子设备 |
CN108604248A (zh) * | 2015-12-28 | 2018-09-28 | 飞索科技有限公司 | 利用基于人工智能的相关性计算的笔记提供方法及装置 |
CN108804443A (zh) * | 2017-04-27 | 2018-11-13 | 安徽富驰信息技术有限公司 | 一种基于多特征融合的司法类案搜索方法 |
WO2022105171A1 (zh) * | 2020-11-19 | 2022-05-27 | 平安科技(深圳)有限公司 | 停用词表生成方法、装置、电子设备及存储介质 |
CN114756645A (zh) * | 2022-03-30 | 2022-07-15 | 阿里巴巴(中国)有限公司 | 搜索方法和搜索系统 |
CN116455861A (zh) * | 2023-04-17 | 2023-07-18 | 江苏鑫翊翔智能化工程有限公司 | 一种基于大数据的计算机网络安全监测系统及方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI811708B (zh) * | 2021-06-21 | 2023-08-11 | 信義房屋股份有限公司 | 基於搜尋行為的家族成員歸納裝置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7849078B2 (en) * | 2006-06-07 | 2010-12-07 | Sap Ag | Generating searchable keywords |
CN102722498A (zh) * | 2011-03-31 | 2012-10-10 | 北京百度网讯科技有限公司 | 搜索引擎及其实现方法 |
CN103377232A (zh) * | 2012-04-25 | 2013-10-30 | 阿里巴巴集团控股有限公司 | 标题关键词推荐方法及系统 |
CN103678668A (zh) * | 2013-12-24 | 2014-03-26 | 乐视网信息技术(北京)股份有限公司 | 相关搜索结果的提示方法、服务器及系统 |
CN103744940A (zh) * | 2013-12-31 | 2014-04-23 | 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 |
-
2014
- 2014-08-04 CN CN201410380639.7A patent/CN104143005B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7849078B2 (en) * | 2006-06-07 | 2010-12-07 | Sap Ag | Generating searchable keywords |
CN102722498A (zh) * | 2011-03-31 | 2012-10-10 | 北京百度网讯科技有限公司 | 搜索引擎及其实现方法 |
CN103377232A (zh) * | 2012-04-25 | 2013-10-30 | 阿里巴巴集团控股有限公司 | 标题关键词推荐方法及系统 |
CN103678668A (zh) * | 2013-12-24 | 2014-03-26 | 乐视网信息技术(北京)股份有限公司 | 相关搜索结果的提示方法、服务器及系统 |
CN103744940A (zh) * | 2013-12-31 | 2014-04-23 | 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 |
Non-Patent Citations (2)
Title |
---|
SUN WU ET AL.: ""Approximate Keyword Search in Web Search Engines"", 《2006 1ST INTERNATIONAL CONFERENCE ON DIGITAL INFORMATION MANAGEMENT》 * |
李佳 等: ""百度相关搜索功能的分析语应用"", 《情报搜索》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104572836A (zh) * | 2014-12-10 | 2015-04-29 | 百度在线网络技术(北京)有限公司 | 一种确定候选查询序列的综合相关度的方法与装置 |
CN106326311A (zh) * | 2015-07-03 | 2017-01-11 | 北京国双科技有限公司 | 数据信息处理的方法和装置 |
CN106326311B (zh) * | 2015-07-03 | 2019-09-20 | 北京国双科技有限公司 | 数据信息处理的方法和装置 |
CN108604248B (zh) * | 2015-12-28 | 2022-05-27 | 飞索科技有限公司 | 利用基于人工智能的相关性计算的笔记提供方法及装置 |
CN108604248A (zh) * | 2015-12-28 | 2018-09-28 | 飞索科技有限公司 | 利用基于人工智能的相关性计算的笔记提供方法及装置 |
CN107292690A (zh) * | 2016-03-31 | 2017-10-24 | 杨舜凯 | 一种基于神经网络的跨界易物平台实现方法及平台 |
CN107562761A (zh) * | 2016-06-30 | 2018-01-09 | 阿里巴巴集团控股有限公司 | 一种信息推送方法及装置 |
CN106776763A (zh) * | 2016-11-22 | 2017-05-31 | 北京云知声信息技术有限公司 | 目的地搜索方法及装置 |
CN106776763B (zh) * | 2016-11-22 | 2019-12-06 | 北京云知声信息技术有限公司 | 目的地搜索方法及装置 |
US10331685B2 (en) | 2016-12-29 | 2019-06-25 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for sorting related searches |
CN106777282A (zh) * | 2016-12-29 | 2017-05-31 | 百度在线网络技术(北京)有限公司 | 相关搜索的排序方法和装置 |
CN106777282B (zh) * | 2016-12-29 | 2018-07-13 | 百度在线网络技术(北京)有限公司 | 相关搜索的排序方法和装置 |
CN106933962A (zh) * | 2017-02-06 | 2017-07-07 | 涂正富 | 一种微区域网络接入及垂直搜索精准定位获取目标的方法 |
CN106919702B (zh) * | 2017-02-14 | 2020-02-11 | 北京时间股份有限公司 | 基于文档的关键词推送方法及装置 |
CN106919702A (zh) * | 2017-02-14 | 2017-07-04 | 北京时间股份有限公司 | 基于文档的关键词推送方法及装置 |
CN108804443A (zh) * | 2017-04-27 | 2018-11-13 | 安徽富驰信息技术有限公司 | 一种基于多特征融合的司法类案搜索方法 |
CN107220384B (zh) * | 2017-06-29 | 2019-11-15 | 北京拉勾科技有限公司 | 一种基于相关性的搜索词处理方法、装置及计算设备 |
CN107220384A (zh) * | 2017-06-29 | 2017-09-29 | 北京拉勾科技有限公司 | 一种基于相关性的搜索词处理方法、装置及计算设备 |
CN107980130A (zh) * | 2017-11-02 | 2018-05-01 | 深圳前海达闼云端智能科技有限公司 | 自动回答方法、装置、存储介质及电子设备 |
WO2022105171A1 (zh) * | 2020-11-19 | 2022-05-27 | 平安科技(深圳)有限公司 | 停用词表生成方法、装置、电子设备及存储介质 |
CN114756645A (zh) * | 2022-03-30 | 2022-07-15 | 阿里巴巴(中国)有限公司 | 搜索方法和搜索系统 |
CN116455861A (zh) * | 2023-04-17 | 2023-07-18 | 江苏鑫翊翔智能化工程有限公司 | 一种基于大数据的计算机网络安全监测系统及方法 |
CN116455861B (zh) * | 2023-04-17 | 2023-11-24 | 福建数智闽政科技有限公司 | 一种基于大数据的计算机网络安全监测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104143005B (zh) | 2017-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104143005A (zh) | 一种相关搜索系统及方法 | |
US11698261B2 (en) | Method, apparatus, computer device and storage medium for determining POI alias | |
CN107589855B (zh) | 一种根据地理位置推荐候选词的方法和装置 | |
US9794766B2 (en) | Identifying an entity associated with wireless network access point | |
CN105808590B (zh) | 搜索引擎实现方法、搜索方法以及装置 | |
TWI703862B (zh) | 內容推薦方法及裝置 | |
CN105045799A (zh) | 可搜索索引 | |
CN109564571A (zh) | 利用搜索上下文的查询推荐方法及系统 | |
CN105302810A (zh) | 一种信息搜索方法和装置 | |
CN113127506B (zh) | 目标查询语句的构建方法、装置、存储介质和电子装置 | |
CN103942221B (zh) | 检索方法及设备 | |
CN102591867A (zh) | 一种基于移动设备位置的搜索服务方法 | |
CN111191133B (zh) | 业务搜索处理方法、装置及设备 | |
CN103761254A (zh) | 多领域服务主题匹配推荐方法 | |
CN110674423A (zh) | 一种地址定位的方法、装置、可读存储介质和电子设备 | |
CN107666649A (zh) | 个人财产状态评估方法及装置 | |
WO2016171860A1 (en) | Computerized system and method for performing a location-based search | |
CN108712712A (zh) | 无线保真WiFi网络关联信息显示方法及装置 | |
CN103309869A (zh) | 数据对象的展示关键词推荐方法及系统 | |
CN104516980B (zh) | 搜索结果的输出方法以及服务器系统 | |
KR102601545B1 (ko) | 지리 위치점 정렬 방법, 정렬 모델 트레이닝 방법 및 대응하는 장치 | |
CN104077288B (zh) | 网页内容推荐方法和网页内容推荐设备 | |
KR20130064447A (ko) | 사용자의 성향 유사도를 이용한 검색 결과 제공 서버 및 방법, 그리고 단말 | |
KR101867421B1 (ko) | 소셜 데이터를 이용한 서비스 제공업체 추천 방법 및 장치 | |
CN108153860A (zh) | 一种基于多语言新闻的地理位置分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |