CN105447005A - 一种对象推送方法及装置 - Google Patents

Abstract

本发明实施例提供了一种对象推送方法，包括：获得客户端对应的关键词；获得所述关键词所指代的M个实体，M为大于或者等于2的整数；依据使用所述客户端的用户的历史记录，对所述M个实体中第i个实体的第一概率进行调整，以获得所述第i个实体的第二概率；依据所述M个实体的第二概率，对与所述M个实体相匹配的目标对象进行排序，以获得排序结果；向所述客户端推送所述排序结果。本发明实施例还提供一种对象推送装置。根据本发明实施例提供的技术方案，可以实现提高对象推送的可靠性。

Description

一种对象推送方法及装置

【技术领域】

本发明涉及互联网应用技术，尤其涉及一种对象推送方法及装置。

【背景技术】

在目前的检索技术和推荐技术中，经常出现一个关键词同时可以指代多个实体的情况。例如，“苹果”既可以指代一种食物，也可以指代一种手机，这种情况下，依据用户输入的检索词，向用户推送检索的目标对象时，或者，主动向用户推荐目标对象时，需要先确定推送与哪个实体相匹配的目标对象，或者需要确定优先推送与哪个实体相匹配的目标对象。

现有技术中，利用关键词的上下文信息中的词语，在实体库中进行匹配，以获得词语与每个实体的相似度，然后在显示与所述关键词相匹配的目标对象时，优先显示这些目标对象中相似度最大的实体相匹配的目标对象。然而，这种方法依赖于关键词的上下文信息，对于缺乏上下文信息的关键词将无法有效地区分关键词所指代的各个实体，因此，现有技术中基于上下文信息确定关键词所指代的实体的对象推送方法的可靠性比较低。

【发明内容】

有鉴于此，本发明实施例提供了一种对象推送方法及装置，可以实现提高对象推送的可靠性。

本发明实施例提供了一种对象推送方法，包括：

获得客户端对应的关键词；

获得所述关键词所指代的M个实体，M为大于或者等于2的整数；

依据使用所述客户端的用户的历史记录，对所述M个实体中第i个实体的第一概率进行调整，以获得所述第i个实体的第二概率；

依据所述M个实体的第二概率，对与所述M个实体相匹配的目标对象进行排序，以获得排序结果；

向所述客户端推送所述排序结果。

上述方法中，所述方法包括：

获得所述客户端发送的检索词，将所述检索词作为所述客户端对应的关键词；或者，

依据使用所述客户端的用户的历史记录，获得所述客户端对应的关键词。

上述方法中，所述依据使用所述客户端的用户的历史记录，对所述M个实体中第i个实体的第一概率进行调整，以获得所述第i个实体的第二概率，包括：

获得所述M个实体中第i个实体的第一概率；其中，所述第i个实体的第一概率为所述关键词指代第i个实体的先验概率，i的取值为1至M中的整数；

若使用所述客户端的用户存在对应的历史记录，依据所述第i个实体的第一概率，获得所述关键词指代的所述第i个实体在所述历史记录中的权重值；

依据所述第i个实体在所述历史记录中的权重值，获得所述M个实体在所述历史记录中的权重值的累加和；

依据所述关键词指代的所述第i个实体在所述历史记录中的权重值与所述M个实体在所述历史记录中的权重值的累加和的比值，获得所述第i个实体的第二概率。

上述方法中，所述获得所述M个实体中第i个实体的第一概率，包括：

获得所述M个实体中第i个实体的中间概率，所述中间概率等于所述第i个实体上一次的第一概率或者等于预设的初始概率；

依据所述第i个实体的中间概率，获得所述关键词指代的所述第i个实体在预设的上下文信息中的权重值；

依据所述第i个实体在所述上下文信息中的权重值，获得所述M个实体在所述上下文信息中的权重值的累加和；

依据所述关键词指代的所述第i个实体在预设的上下文信息中的权重值与所述M个实体在所述上下文信息中的权重值的累加和的比值，获得所述第i个实体的第一概率。

上述方法中，所述依据所述第i个实体的第一概率，获得所述关键词指代的所述第i个实体在所述历史记录中的权重值，包括：

利用如下公式获得所述关键词指代的所述第i个实体在所述历史记录中的权重值：

$S\left(e_i^{\′}\right|k)=\underset{t=1}{\overset{P}{\mathrm{\Σ}}}{s}_t\left(e_i^{\′}\right|k)$

其中，S(e′_i|k)表示所述关键词k指代的所述第i个实体e′_i在P个历史记录中的权重值，P为大于或者等于1的整数；s_t(e′_i|k)表示所述关键词k指代的所述第i个实体e′_i在所述P个历史记录中第t个历史记录中的权重值，t的取值为1至P中的整数；

其中，利用如下公式获得所述关键词k指代的所述第i个实体e′_i在所述P个历史记录中第t个历史记录中的权重值：

$s_t\left(e_i^{\′}\right|k)=\underset{j=1}{\overset{R}{\mathrm{\Σ}}}[W\left(n_{e_j}\right)\×p\left(e_j\right|n_{e_j})\×q^d(e_j,e_i^{\′})]$

其中，R表示所述关键词k相关的实体的名称的总数目，R为大于或者等于2的整数；表示所述关键词k相关的实体e_j的名称的权重值；q表示衰减因子，且0＜q＜1；表示实体e_j的第一概率；d(e_j，e′_i)表示知识图谱中，关键词k相关的实体的名称指代实体e_j与所述第i个实体e′_i之间的距离。

上述方法中，所述依据使用所述客户端的用户的历史记录，对所述M个实体中第i个实体的第一概率进行调整，以获得所述第i个实体的第二概率，包括：

获得所述M个实体中第i个实体的第一概率；

若使用所述客户端的用户没有对应的历史记录，将所述M个实体中第i个实体的第一概率作为所述第i个实体的第二概率。

上述方法中，所述依据所述M个实体的第二概率，对与所述M个实体相匹配的目标对象进行排序，以获得排序结果，包括：

依据与所述第i个实体相匹配的目标对象的热度信息和与所述第i个实体相匹配的目标对象的相关度中至少一个以及所述M个实体中第i个实体的第二概率，对所述M个实体相匹配的目标对象进行排序，以获得排序结果。

本发明实施例还提供了一种对象推送装置，包括：

第一获取单元，用于获得客户端对应的关键词；

第二获取单元，用于获得所述关键词所指代的M个实体，M为大于或者等于2的整数；

概率生成单元，用于依据使用所述客户端的用户的历史记录，对所述M个实体中第i个实体的第一概率进行调整，以获得所述第i个实体的第二概率；

对象排序单元，用于依据所述M个实体的第二概率，对与所述M个实体相匹配的目标对象进行排序，以获得排序结果；

对象推送单元，用于向所述客户端推送所述排序结果。

上述装置中，所述第一获取单元具体用于：

获得所述客户端发送的检索词，将所述检索词作为所述客户端对应的关键词；或者，

依据使用所述客户端的用户的历史记录，获得所述客户端对应的关键词。

上述装置中，所述概率生成单元具体用于：

获得所述M个实体中第i个实体的第一概率；其中，所述第i个实体的第一概率为所述关键词指代第i个实体的先验概率，i的取值为1至M中的整数；

若使用所述客户端的用户存在对应的历史记录，依据所述第i个实体的第一概率，获得所述关键词指代的所述第i个实体在所述历史记录中的权重值；

依据所述第i个实体在所述历史记录中的权重值，获得所述M个实体在所述历史记录中的权重值的累加和；

依据所述关键词指代的所述第i个实体在所述历史记录中的权重值与所述M个实体在所述历史记录中的权重值的累加和的比值，获得所述第i个实体的第二概率。

上述装置中，所述获得所述M个实体中第i个实体的第一概率具体为：

获得所述M个实体中第i个实体的中间概率，所述中间概率等于所述第i个实体上一次的第一概率或者等于预设的初始概率；

依据所述第i个实体的中间概率，获得所述关键词指代的所述第i个实体在预设的上下文信息中的权重值；

依据所述第i个实体在所述上下文信息中的权重值，获得所述M个实体在所述上下文信息中的权重值的累加和；

依据所述关键词指代的所述第i个实体在预设的上下文信息中的权重值与所述M个实体在所述上下文信息中的权重值的累加和的比值，获得所述第i个实体的第一概率。

上述装置中，所述依据所述第i个实体的第一概率，获得所述关键词指代的所述第i个实体在所述历史记录中的权重值具体为：

利用如下公式获得所述关键词指代的所述第i个实体在所述历史记录中的权重值：

$S\left(e_i^{\′}\right|k)=\underset{t=1}{\overset{P}{\mathrm{\Σ}}}{s}_t\left(e_i^{\′}\right|k)$

其中，S(e′_i|k)表示所述关键词k指代的所述第i个实体e′_i在P个历史记录中的权重值，P为大于或者等于1的整数；s_t(e′_i|k)表示所述关键词k指代的所述第i个实体e′_i在所述P个历史记录中第t个历史记录中的权重值，t的取值为1至P中的整数；

其中，利用如下公式获得所述关键词k指代的所述第i个实体e′_i在所述P个历史记录中第t个历史记录中的权重值：

$s_t\left(e_i^{\′}\right|k)=\underset{j=1}{\overset{R}{\mathrm{\Σ}}}[W\left(n_{e_j}\right)\×p\left(e_j\right|n_{e_j})\×q^d(e_j,e_i^{\′})]$

其中，R表示所述关键词k相关的实体的名称的总数目，R为大于或者等于2的整数；表示所述关键词k相关的实体e_j的名称的权重值；q表示衰减因子，且0＜q＜1；表示实体e_j的第一概率；d(e_j，e′_i)表示知识图谱中，关键词k相关的实体的名称指代实体e_j与所述第i个实体e′_i之间的距离。

上述装置中，所述概率生成单元具体用于：

获得所述M个实体中第i个实体的第一概率；

若使用所述客户端的用户没有对应的历史记录，将所述M个实体中第i个实体的第一概率作为所述第i个实体的第二概率。

上述装置中，所述对象排序单元具体用于：

依据与所述第i个实体相匹配的目标对象的热度信息和与所述第i个实体相匹配的目标对象的相关度中至少一个以及所述M个实体中第i个实体的第二概率，对所述M个实体相匹配的目标对象进行排序，以获得排序结果。

由以上技术方案可以看出，本发明实施例具有以下有益效果：

本发明实施例提供的技术方案中，利用使用客户端的用户的历史记录和关键词指代实体的先验概率，确定关键词所指代的实体，从而实现将关键词所指代的实体的目标对象作为优先显示的目标对象，并推送给客户端，与现有技术中基于上下文信息确定关键词所指代的实体的对象推送方法相比，在缺乏上下文信息的情况下，仍然可以简单有效的确定当前场景中关键词所指代的实体，并完成关键词所指代的实体的目标对象的推送，因此可以实现提高对象推送的可靠性。

【附图说明】

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例所提供的技术方案使用的系统；

图2是本发明实施例所提供的对象推送方法的流程示意图；

图3是本发明实施例所提供的知识图谱的第一示例图；

图4是本发明实施例所提供的知识图谱的第二示例图；

图5是本发明实施例所提供的对象推送装置的功能方块图。

【具体实施方式】

为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。

应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

应当理解，尽管在本发明实施例中可能采用术语第一、第二来描述概率，但这些概率不应限于这些术语。这些术语仅用来将概率彼此区分开。例如，在不脱离本发明实施例范围的情况下，第一概率也可以被称为第二概率，类似地，第二概率也可以被称为第一概率。

取决于语境，如在此所使用的词语“如果”可以被解释成为“在......时”或“当......时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

本发明实施例所提供的技术方案使用的系统如图1所示，主要由客户端和服务器组成，本发明实施例所提供的方法和装置在服务器侧实现，主要向客户端推送目标对象。本发明实施例对客户端的功能没有进行变更。

可以理解的是，所述客户端可以包括所有终端上的客户端，所述终端可以包括个人计算机(PersonalComputer，PC)、笔记本电脑、手机或平板电脑。

本发明实施例给出一种对象推送方法，请参考图2，其为本发明实施例所提供的对象推送方法的流程示意图，如图所示，该方法包括以下步骤：

S201，获得客户端对应的关键词。

具体的，本发明实施例中，服务器获得客户端对应的关键词的方法可以包括以下两种：

第一种：服务器可以获得所述客户端发送的检索词，将该检索词作为所述客户端对应的关键词。其中，所述客户端发送的检索词为用户在所述客户端上输入的，用以触发服务器依据该关键词进行检索，以获得与该检索词所指代的实体相匹配的目标对象。

第二种：服务器可以获得最近一段时间内使用所述客户端的用户的历史记录，然后依据该历史记录，获得使用所述客户端的用户在最近一段时间内输入的检索词、用户点击的统一资源定位符(UniformResourceLocator，URL)中的标题信息中的关键词等，将这些检索词和/或关键词作为所述客户端对应的关键词，用以实现服务器在用户没有在客户端上输入检索词时，能够实现主动向客户端推荐目标对象。

S202，获得所述关键词所指代的M个实体，M为大于或者等于2的整数。

具体的，对于所述关键词，服务器利用预设的知识图谱获得该关键词所指代的M个实体，M为大于或者等于2的整数。

例如，请参考图3，其为本发明实施例所提供的知识图谱的第一示例图，如图所示，关键词为蛋炒饭，利用关键词“蛋炒饭”在知识图谱中进行匹配，获得“蛋炒饭”所指代的2个实体，包括实体“食物/蛋炒饭”和实体“音乐/蛋炒饭”。

再例如，请参考图4，其为本发明实施例所提供的知识图谱的第二示例图，如图所示，关键词为光辉岁月，利用关键词“光辉岁月”在知识图谱中进行匹配，获得“光辉岁月”所指代的2个实体，包括实体“音乐/光辉岁月”和实体“电影/光辉岁月”。

S203，依据使用所述客户端的用户的历史记录，对所述M个实体中第i个实体的第一概率进行调整，以获得所述第i个实体的第二概率。

具体的，服务器依据使用所述客户端的用户的历史记录，对所述M个实体中第i个实体的第一概率进行调整，以获得所述第i个实体的第二概率的方法可以包括以下两种：

第一种：服务器需要预先获得所述M个实体中第i个实体的第一概率；其中，所述第i个实体的第一概率为所述关键词指代第i个实体的先验概率，i的取值为1至M中的整数。然后，服务器判断使用所述客户端的用户是否存在对应的历史记录，若使用所述客户端的用户没有对应的历史记录，服务器将所述M个实体中第i个实体的第一概率直接作为所述第i个实体的第二概率。相当于，在缺乏用户的历史记录的情况下，服务器对获得的第i个实体的第一概率进行零调整。

第二种：首先，服务器需要预先获得所述M个实体中第i个实体的第一概率；其中，所述第i个实体的第一概率为所述关键词指代第i个实体的先验概率，i的取值为1至M中的整数。然后，服务器判断使用所述客户端的用户是否存在对应的历史记录，若使用所述客户端的用户存在对应的历史记录，服务器依据所述第i个实体的第一概率，获得所述关键词指代的所述第i个实体在所述历史记录中的权重值；再依据所述第i个实体在所述历史记录中的权重值，获得所述M个实体在所述历史记录中的权重值的累加和。最后，服务器依据所述关键词指代的所述第i个实体在所述历史记录中的权重值与所述M个实体在所述历史记录中的权重值的累加和的比值，获得所述第i个实体的第二概率。

其中，使用所述客户端的用户的历史记录可以包括该用户在所述客户端中输入的检索词和用户点击的URL等信息。这里，使用用户的历史记录作为上下文信息，可以避免由于单个标题信息导致上下文信息不足的情况，带来的无法有效地区分关键词所指代的各个实体的问题，可以提高区分关键词所指代的实体的准确性。

其中，服务器获得所述M个实体中第i个实体的第一概率的方法与服务器获得第i个实体的第二概率的方法相似，区别在于第i个实体的第一概率是依据第i个实体在预设的上下文信息中的权重值获得，对于每个使用客户端的用户而言，第i个实体的第一概率是相同的，而第i个实体的第二概率是依据第i个实体在使用当前客户端的用户的历史记录中的权重值获得的，对于每个使用客户端的用户而言，第i个实体的第二概率是不同的，因为使用客户端的用户的历史记录不同。

举例说明，服务器获得所述M个实体中第i个实体的第一概率的方法可以包括：首先，服务器获得所述M个实体中第i个实体的中间概率，其中，该中间概率可以等于所述第i个实体上一次的第一概率或者等于预设的初始概率。然后，服务器依据所述第i个实体的中间概率，获得所述关键词指代的所述第i个实体在预设的上下文信息中的权重值；再依据所述第i个实体在所述上下文信息中的权重值，获得所述M个实体在所述上下文信息中的权重值的累加和。最后，服务器依据所述关键词指代的所述第i个实体在预设的上下文信息中的权重值与所述M个实体在所述上下文信息中的权重值的累加和的比值，获得所述第i个实体的第一概率。

例如，下面以关键词k，该关键词k可以指代M个实体为例，说明依据使用所述客户端的用户的历史记录，对所述M个实体中第i个实体的第一概率进行调整，以获得所述第i个实体的第二概率的方法：

可以利用如下公式获得第i个实体的第二概率：

$p\left(e_i^{\′}\right|k)=S\left(e_i^{\′}\right|k)/\underset{x=1}{\overset{M}{\mathrm{\Σ}}}S\left(e_x\right|k)$

其中，p(e′_i|k)表示M个实体中第i个实体e′_i的第二概率，S(e′_i|k)表示关键词k指代的所述第i个实体e′_i在所述历史记录中的权重值。

其中，表示所述M个实体在所述历史记录中的权重值的累加和。

可以利用如下公式获得所述关键词指代的所述第i个实体在所述历史记录中的权重值：

$S\left(e_i^{\′}\right|k)=\underset{t=1}{\overset{P}{\mathrm{\Σ}}}{s}_t\left(e_i^{\′}\right|k)$

其中，S(e′_i|k)表示所述关键词k指代的所述第i个实体e′_i在P个历史记录中的权重值，P为大于或者等于1的整数；s_t(e′_i|k)表示所述关键词k指代的所述第i个实体e′_i在所述P个历史记录中第t个历史记录中的权重值，t的取值为1至P中的整数。

可以理解的，S(e′_i|k)相当于是关键词k指代的所述第i个实体e′_i在每个历史记录中的权重值的累加和。

利用如下公式获得所述关键词k指代的所述第i个实体e′_i在所述P个历史记录中第t个历史记录中的权重值：

$s_t\left(e_i^{\′}\right|k)=\underset{j=1}{\overset{R}{\mathrm{\Σ}}}[W\left(n_{e_j}\right)\×p\left(e_j\right|n_{e_j})\×q^d(e_j,e_i^{\′})]$

其中，R表示所述关键词k相关的实体的名称的总数目，R为大于或者等于2的整数；表示所述关键词k相关的实体e_j的名称的权重值，的取值可以预先进行设置，如果没有预先设置，则默认为q表示衰减因子，且0＜q＜1；表示实体e_j的第一概率；d(e_j，e′_i)表示知识图谱中，关键词k相关的实体的名称指代实体e_j与所述第i个实体e′_i之间的距离，在获得该距离时，可以将知识图谱看作无方向图谱，然后获得实体e_j对应的节点与实体e′_i对应的节点之间的可达步数，将该可达步数作为距离，特别的，如果实体e_j与实体e′_i为同一实体，则d(e_j，e′_i)＝0；如果两个节点不可达，则d(e_j，e′_i)＝∞，此时，q^d(e_j，e′_i)＝0。

其中，所述关键词k相关的实体可以包括关键词k可以指代的实体，还可以包括历史记录中包含的除该关键词k以外的其他关键词可以指代的实体，例如，标题信息中与关键词k共现的其他关键词可以指代的实体。例如，历史记录包括“蛋炒饭”和“光辉岁月”，“蛋炒饭”相关的实体可以包括“食物/蛋炒饭”、“音乐/蛋炒饭”、“音乐/光辉岁月”和“电影/光辉岁月”，其中，“食物/蛋炒饭”和“音乐/蛋炒饭”是关键词“蛋炒饭”可以指代的实体，“音乐/光辉岁月”和“电影/光辉岁月”是历史记录中除关键词“蛋炒饭”以外关键词“光辉岁月”可以指代的实体。

再例如，下面以关键词k，该关键词k可以指代M个实体为例，说明获得M个实体中第i个实体的第一概率的方法：

可以利用如下公式获得第i个实体的第一概率：

$p\left(e_i^{\′}\right|k)=S\left(e_i^{\′}\right|k)/\underset{x=1}{\overset{M}{\mathrm{\Σ}}}S\left(e_x\right|k)$

其中，p(e′_i|k)表示M个实体中第i个实体e′_i的第一概率，S(e′_i|k)表示关键词k指代的所述第i个实体e′_i在预设的上下文信息中的权重值。

其中，表示所述M个实体在预设的上下文信息中的权重值的累加和。

其中，所述上下文信息可以包括关键词k所在网页的标题信息、关键词k附近的检索词和与关键词k相关的推送信息等。

可以利用如下公式获得所述关键词k指代的所述第i个实体在上下文信息中的权重值：

$S\left(e_i^{\′}\right|k)=\underset{t=1}{\overset{P}{\mathrm{\Σ}}}{s}_t\left(e_i^{\′}\right|k)$

其中，S(e′_i|k)表示所述关键词k指代的所述第i个实体e′_i在P个上下文信息中的权重值；s_t(e′_i|k)表示所述关键词k指代的所述第i个实体e′_i在所述P个上下文信息中第t个上下文信息中的权重值，t的取值为1至P中的整数。

可以理解的，S(e′_i|k)相当于是关键词k指代的所述第i个实体e′_i在每个上下文信息中的权重值的累加和。

利用如下公式获得所述关键词k指代的所述第i个实体e′_j在所述P个上下文信息中第t个上下文信息中的权重值：

$s_t\left(e_i^{\′}\right|k)=\underset{j=1}{\overset{R}{\mathrm{\Σ}}}[W\left(n_{e_j}\right)\×p\left(e_j\right|n_{e_j})\×q^d(e_j,e_i^{\′})]$

其中，R表示所述关键词k相关的实体的名称的总数目；表示所述关键词k相关的实体e_j的名称的权重值，的取值可以预先进行设置，如果没有预先设置，则默认为q表示衰减因子，且0＜q＜1；表示实体e_j的第一概率；d(e_j，e′_i)表示知识图谱中，关键词k相关的实体的名称指代实体e_j与所述第i个实体e′_i之间的距离，在获得该距离时，可以将知识图谱看作无方向图谱，然后获得实体e_j对应的节点与实体e′_i对应的节点之间的可达步数，将该可达步数作为距离，特别的，如果实体e_j与实体e′_i为同一实体，则d(e_j，e′_i)＝0；如果两个节点不可达，则d(e_j，e′_i)＝∞，此时，q^d(e_j，e′_i)＝0。

其中，关键词k相关的实体的名称指代实体e_j的先验概率可以等于该实体上一次计算出的第一概率，或者，在第一次计算该实体的第一概率时，关键词k相关的实体的名称指代实体e_j的先验概率等于预设的初始概率。

例如，关键词k指代实体e′_i的先验概率可以为p(e′_i|k)＝1/M。

可以理解的，可以利用迭代计算方式，可以将上一次计算的实体e_j的第一概率，作为本次计算实体e_j的第一概率时需要利用的关键词k相关的实体的名称指代实体e_j的先验概率，直到若干次计算出的第一概率的均方误差的数值小于预设的误差阈值或者迭代次数达到预设的迭代阈值时，停止迭代计算。

其中，所述关键词k相关的实体可以包括关键词k可以指代的实体和上下文信息中包含的除该关键词k以外的其他关键词可以指代实体。例如，上下文信息包括“蛋炒饭”和“光辉岁月”，“蛋炒饭”相关的实体可以包括“食物/蛋炒饭”、“音乐/蛋炒饭”、“音乐/光辉岁月”和“电影/光辉岁月”，其中，“食物/蛋炒饭”和“音乐/蛋炒饭”是关键词“蛋炒饭”可以指代的实体，“音乐/光辉岁月”和“电影/光辉岁月”是历史记录中除关键词“蛋炒饭”以外的关键词“光辉岁月”可以指代的实体。

可以理解的，预先获得实体的第一概率，即关键词指代该实体的先验概率，可以在检索场景或者推荐场景下，当没有或者缺少上下文信息时，可以将预先获得的实体的第一概率直接作为排序时需要利用的第二概率，以实现当没有或者缺少上下文信息时仍然能够有效地区分关键词所指代的各个实体，提高对象推送方法的可靠性。

S204，依据所述M个实体的第二概率，对与所述M个实体相匹配的目标对象进行排序，以获得排序结果。

具体的，服务器在获得M个实体中第i个实体的第二概率后，由于i的取值为1至M中的整数，所以服务器可以M个实体中每个实体的第二概率。

首先，服务器在获得M个实体中每个实体的第二概率后，可以依据M个实体中的每个实体，获得与每个实体相匹配的目标对象。

然后，服务器依据与每个实体相匹配的目标对象的热度信息和与每个实体相匹配的目标对象的相关度中至少一个以及该实体的第二概率，获得所有目标对象中每个目标对象的权重值。

例如，可以依据目标对象的热度信息与该目标对象匹配的实体的第二概率的乘积，获得该目标对象的权重值。

再例如，可以依据目标对象的相关度与该目标对象匹配的实体的第二概率的乘积，获得该目标对象的权重值。

最后，服务器依据每个目标对象的权重值，按照权重值由大到小的顺序，对所述M个实体相匹配的所有目标对象进行排序，以获得排序结果。

S205，向所述客户端推送所述排序结果。

具体的，服务器在获得与所述M个实体相匹配的目标对象的排序结果后，将该排序结果发送给客户端，以使得客户端可以显示该排序结果，从而实现向用户推送目标对象。

实施例一

以关键词“蛋炒饭”为例，该关键词可能指代食物，也有可能指代庾澄庆的MV作品《蛋炒饭》。

其中，可以存在网页的标题信息“美食天下-如何做蛋炒饭”，也可以存在检索词“庾澄庆蛋炒饭”。可以利用相关的网页的标题信息作为上下文信息。

对于上述关键词，如果仅依据标题信息，有时难以确定优先向用户提供与指代的哪个实体相匹配的目标对象，如果参考其他上下文信息，就可以确定所指代的实体，如对于标题信息是“蛋炒饭”的图片所相关的目标对象，基于该图片的上下文信息，可以很容易地获得标题信息是“蛋炒饭”的图片指代的是食物，而不是音乐。如用户先后输入的了检索词“庾澄庆”和“蛋炒饭”，依据该用户的历史记录可以获得检索词“蛋炒饭”指代的是音乐，而不是食物。

如图3所示，图中圆圈内的文字表示实体，矩形框内的文字表示关键词，图3所示的知识图谱能够提供实体与实体之间、实体与关键词之间的连接拓扑。

如图3中左边的知识图谱所示，在包含关键词“哈林”、“蛋炒饭”和“只有为你”的上下文中信息中，在知识图谱上定位这些关键词。由于“哈林”和“只有为你”可以为“歌曲/庾澄庆/蛋炒饭”这个实体提供权重值的支持，而“食物/蛋炒饭”这个实体缺乏权重值的支持，因此，可以确定关键词“蛋炒饭”指代实体“歌曲/庾澄庆/蛋炒饭”。

如图3中右边的知识图谱所示，在包含关键词“美食”和“蛋炒饭”的上下文信息中，在知识图谱上定位这些关键词，由于“美食”会为实体“食物/蛋炒饭”提供权重值的支持，因此依据该上下文信息，可以确定关键词“蛋炒饭”指代实体“食物/蛋炒饭”。

如图3所示，如果关键词“蛋炒饭”指代的两个实体由于缺乏上下文信息，导致都缺乏权重值的支持，可以依据预先获得的每个实体的第一概率，即关键词“蛋炒饭”指代每个实体的先验概率，确定关键词“蛋炒饭”所指代的实体是两个实体中的哪个实体。例如，若存在先验概率p(食物/蛋炒饭|蛋炒饭)＞先验概率p(歌曲/庾澄庆/蛋炒饭|蛋炒饭)，确定“蛋炒饭”指代的实体是“食物/蛋炒饭”。

实施例二

如图4所示，下面以关键词为“蛋炒饭”，上下文信息为标题信息“蛋炒饭光辉岁月”为例，对获得关键词“蛋炒饭”指代的实体在该上下文信息的权重值的方法进行说明。

如图4所示，通过在知识图谱中匹配，可以获得关键词“蛋炒饭”可以指代的两个实体，即“食物/蛋炒饭”和“音乐/蛋炒饭”。同理，通过在知识图谱中匹配，可以获得关键词“蛋炒饭”的相关实体，即上下文信息中与关键词“蛋炒饭”共现的其他关键词“光辉岁月”可以指代的两个实体，即“音乐/光辉岁月”和“电影/光辉岁月”。

目标是获得如下权重值：

s_t(食物/蛋炒饭|蛋炒饭)

s_t(音乐/蛋炒饭|蛋炒饭)

s_t(音乐/光辉岁月|光辉岁月)

s_t(电影/光辉岁月|光辉岁月)

可以预先设置：

W(蛋炒饭)＝1

W(光辉岁月)＝1

可以获得预先计算好的实体的第一概率，即关键词指代该实体的先验概率，即：

p(食物/蛋炒饭|蛋炒饭)＝0.5

p(音乐/蛋炒饭|蛋炒饭)＝0.5

p(音乐/光辉岁月|光辉岁月)＝0.5

p(电影/光辉岁月|光辉岁月)＝0.5

预先设置衰减因子q＝0.6。

依据图4所示的知识图谱，可以获得如下距离：

d(食物/蛋炒饭，音乐/光辉岁月)＝∞

d(食物/蛋炒饭，电影/光辉岁月)＝∞

d(音乐/蛋炒饭，音乐/光辉岁月)＝2

d(音乐/蛋炒饭，电影/光辉岁月)＝∞

d(食物/蛋炒饭，食物/蛋炒饭)＝0

d(食物/蛋炒饭，音乐/蛋炒饭)＝∞

d(音乐/蛋炒饭，音乐/蛋炒饭)＝0

d(音乐/光辉岁月，音乐/光辉岁月)＝0

d(音乐/光辉岁月，电影/光辉岁月)＝∞

d(电影/光辉岁月，电影/光辉岁月)＝0

基于上述信息，获得关键词“蛋炒饭”指代的实体“食物/蛋炒饭”在上述标题信息“蛋炒饭光辉岁月”中的权重值：

s_t(食物/蛋炒饭|蛋炒饭)＝W(蛋炒饭)×p(食物/蛋炒饭|蛋炒饭)

×q^d(食物/蛋炒饭，食物/蛋炒饭)

+W(蛋炒饭)×p(音乐/蛋炒饭|蛋炒饭)×q^d(音乐/蛋炒饭，食物/蛋炒饭)

+W(光辉岁月)×p(音乐/光辉岁月|光辉岁月)

×q^d(音乐/光辉岁月，食物/蛋炒饭)

+W(光辉岁月)×p(电影/光辉岁月|光辉岁月)

×q^d(电影/光辉岁月，食物/蛋炒饭)＝1×0.5×1+0+0+0

＝0.5

获得关键词“蛋炒饭”指代的实体“音乐/蛋炒饭”在上述标题信息“蛋炒饭光辉岁月”中的权重值：

s_t(音乐/蛋炒饭|蛋炒饭)＝W(蛋炒饭)×p(食物/蛋炒饭|蛋炒饭)

×q^d(食物/蛋炒饭，音乐/蛋炒饭)

+W(蛋炒饭)×p(音乐/蛋炒饭|蛋炒饭)×q^d(音乐/蛋炒饭，音乐/蛋炒饭)

+W(光辉岁月)×p(音乐/光辉岁月|光辉岁月)

×q^d(音乐/光辉岁月，音乐/蛋炒饭)

+W(光辉岁月)×p(电影/光辉岁月|光辉岁月)

×q^d(电影/光辉岁月，音乐/蛋炒饭)

＝0+1×0.5×1+1×0.5×0.6^2+0＝0.68

获得关键词“蛋炒饭”相关的实体“音乐/光辉岁月”在上述标题信息“蛋炒饭光辉岁月”中的权重值：

s_t(音乐/光辉岁月|光辉岁月)＝W(蛋炒饭)×p(食物/蛋炒饭|蛋炒饭)

×q^d(食物/蛋炒饭，音乐/光辉岁月)

+W(蛋炒饭)×p(音乐/蛋炒饭|蛋炒饭)×q^d(音乐/蛋炒饭，音乐/光辉岁月)

+W(光辉岁月)×p(音乐/光辉岁月|光辉岁月)

×q^d(音乐/光辉岁月，音乐/光辉岁月)

+W(光辉岁月)×p(电影/光辉岁月|光辉岁月)

×q^d(电影/光辉岁月，音乐/光辉岁月)

＝0+1×0.5×0.6^2+1×0.5×1+0＝0.68

获得关键词“蛋炒饭”相关的实体“电影/光辉岁月”在上述标题信息“蛋炒饭光辉岁月”中的权重值：

s_t(电影/光辉岁月|光辉岁月)＝W(蛋炒饭)×p(食物/蛋炒饭|蛋炒饭)

×q^d(食物/蛋炒饭，电影/光辉岁月)

+W(蛋炒饭)×p(音乐/蛋炒饭|蛋炒饭)×q^d(音乐/蛋炒饭，电影/光辉岁月)

+W(光辉岁月)×p(音乐/光辉岁月|光辉岁月)

×q^d(音乐/光辉岁月，电影/光辉岁月)

+W(光辉岁月)×p(电影/光辉岁月|光辉岁月)

×q^d(电影/光辉岁月，电影/光辉岁月)＝0+0+0+1×0.5×1

＝0.5

本发明实施例进一步给出实现上述方法实施例中各步骤及方法的装置实施例。

请参考图5，其为本发明实施例所提供的对象推送装置的功能方块图。如图所示，该装置包括：

第一获取单元501，用于获得客户端对应的关键词；

第二获取单元502，用于获得所述关键词所指代的M个实体，M为大于或者等于2的整数；

概率生成单元503，用于依据使用所述客户端的用户的历史记录，对所述M个实体中第i个实体的第一概率进行调整，以获得所述第i个实体的第二概率；对象排序单元504，用于依据所述M个实体的第二概率，对与所述M个实体相匹配的目标对象进行排序，以获得排序结果；

对象推送单元505，用于向所述客户端推送所述排序结果。

优选的，所述第一获取单元501具体用于：

获得所述客户端发送的检索词，将所述检索词作为所述客户端对应的关键词；或者，

依据使用所述客户端的用户的历史记录，获得所述客户端对应的关键词。

优选的，所述概率生成单元503具体用于：

获得所述M个实体中第i个实体的第一概率；其中，所述第i个实体的第一概率为所述关键词指代第i个实体的先验概率，i的取值为1至M中的整数；

若使用所述客户端的用户存在对应的历史记录，依据所述第i个实体的第一概率，获得所述关键词指代的所述第i个实体在所述历史记录中的权重值；

依据所述第i个实体在所述历史记录中的权重值，获得所述M个实体在所述历史记录中的权重值的累加和；

依据所述关键词指代的所述第i个实体在所述历史记录中的权重值与所述M个实体在所述历史记录中的权重值的累加和的比值，获得所述第i个实体的第二概率。

优选的，所述获得所述M个实体中第i个实体的第一概率具体为：

获得所述M个实体中第i个实体的中间概率，所述中间概率等于所述第i个实体上一次的第一概率或者等于预设的初始概率；

依据所述第i个实体的中间概率，获得所述关键词指代的所述第i个实体在预设的上下文信息中的权重值；

依据所述第i个实体在所述上下文信息中的权重值，获得所述M个实体在所述上下文信息中的权重值的累加和；

依据所述关键词指代的所述第i个实体在预设的上下文信息中的权重值与所述M个实体在所述上下文信息中的权重值的累加和的比值，获得所述第i个实体的第一概率。

优选的，所述依据所述第i个实体的第一概率，获得所述关键词指代的所述第i个实体在所述历史记录中的权重值具体为：

利用如下公式获得所述关键词指代的所述第i个实体在所述历史记录中的权重值：

$S\left(e_i^{\′}\right|k)=\underset{t=1}{\overset{P}{\mathrm{\Σ}}}{s}_t\left(e_i^{\′}\right|k)$

其中，S(e′_i|k)表示所述关键词k指代的所述第i个实体e′_i在P个历史记录中的权重值，P为大于或者等于1的整数；s_t(e′_i|k)表示所述关键词k指代的所述第i个实体e′_i在所述P个历史记录中第t个历史记录中的权重值，t的取值为1至P中的整数；

其中，利用如下公式获得所述关键词k指代的所述第i个实体e′_i在所述P个历史记录中第t个历史记录中的权重值：

$s_t\left(e_i^{\′}\right|k)=\underset{j=1}{\overset{R}{\mathrm{\Σ}}}[W\left(n_{e_j}\right)\×p\left(e_j\right|n_{e_j})\×q^d(e_j,e_i^{\′})]$

其中，R表示所述关键词k相关的实体的名称的总数目，R为大于或者等于2的整数；表示所述关键词k相关的实体e_j的名称的权重值；q表示衰减因子，且0＜q＜1；表示实体e_j的第一概率；d(e_j，e′_i)表示知识图谱中，关键词k相关的实体的名称指代实体e_j与所述第i个实体e′_i之间的距离。

优选的，所述概率生成503单元具体用于：

获得所述M个实体中第i个实体的第一概率；

若使用所述客户端的用户没有对应的历史记录，将所述M个实体中第i个实体的第一概率作为所述第i个实体的第二概率。

优选的，所述对象排序单元504具体用于：

依据与所述第i个实体相匹配的目标对象的热度信息和与所述第i个实体相匹配的目标对象的相关度中至少一个以及所述M个实体中第i个实体的第二概率，对所述M个实体相匹配的目标对象进行排序，以获得排序结果。

由于本实施例中的各单元能够执行图2所示的方法，本实施例未详细描述的部分，可参考对图2的相关说明。

本发明实施例的技术方案具有以下有益效果：

1、本发明实施例提供的技术方案中，利用使用客户端的用户的历史记录和关键词指代实体的先验概率，确定关键词所指代的实体，从而实现将关键词所指代的实体的目标对象作为优先显示的目标对象，并推送给客户端，与现有技术中基于上下文信息确定关键词所指代的实体的对象推送方法相比，在缺乏上下文信息的情况下，仍然可以简单有效的确定当前场景中关键词所指代的实体，并完成关键词所指代的实体的目标对象的推送，因此可以实现提高对象推送的可靠性。

2、本发明实施例提供的技术方案能够依据用户的历史记录，对用户的检索需求进行分析，从而确定推送的目标对象匹配的实体，这样就可以优先推送该实体匹配的目标对象，使得用户能够及时获得所需要的对象，因此本发明实施例提供的技术方案能够提高推送的目标对象的准确度，减少检索和推荐的操作成本，提高检索效率和推荐效率。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (14)

1.一种对象推送方法，其特征在于，所述方法包括：

获得客户端对应的关键词；

获得所述关键词所指代的M个实体，M为大于或者等于2的整数；

依据使用所述客户端的用户的历史记录，对所述M个实体中第i个实体的第一概率进行调整，以获得所述第i个实体的第二概率；

依据所述M个实体的第二概率，对与所述M个实体相匹配的目标对象进行排序，以获得排序结果；

向所述客户端推送所述排序结果。

2.根据权利要求1所述的方法，其特征在于，所述方法包括：

获得所述客户端发送的检索词，将所述检索词作为所述客户端对应的关键词；或者，

依据使用所述客户端的用户的历史记录，获得所述客户端对应的关键词。

3.根据权利要求1所述的方法，其特征在于，所述依据使用所述客户端的用户的历史记录，对所述M个实体中第i个实体的第一概率进行调整，以获得所述第i个实体的第二概率，包括：

获得所述M个实体中第i个实体的第一概率；其中，所述第i个实体的第一概率为所述关键词指代第i个实体的先验概率，i的取值为1至M中的整数；

若使用所述客户端的用户存在对应的历史记录，依据所述第i个实体的第一概率，获得所述关键词指代的所述第i个实体在所述历史记录中的权重值；

依据所述第i个实体在所述历史记录中的权重值，获得所述M个实体在所述历史记录中的权重值的累加和；

依据所述关键词指代的所述第i个实体在所述历史记录中的权重值与所述M个实体在所述历史记录中的权重值的累加和的比值，获得所述第i个实体的第二概率。

4.根据权利要求3所述的方法，其特征在于，所述获得所述M个实体中第i个实体的第一概率，包括：

获得所述M个实体中第i个实体的中间概率，所述中间概率等于所述第i个实体上一次的第一概率或者等于预设的初始概率；

依据所述第i个实体的中间概率，获得所述关键词指代的所述第i个实体在预设的上下文信息中的权重值；

依据所述第i个实体在所述上下文信息中的权重值，获得所述M个实体在所述上下文信息中的权重值的累加和；

依据所述关键词指代的所述第i个实体在预设的上下文信息中的权重值与所述M个实体在所述上下文信息中的权重值的累加和的比值，获得所述第i个实体的第一概率。

5.根据权利要求3所述的方法，其特征在于，所述依据所述第i个实体的第一概率，获得所述关键词指代的所述第i个实体在所述历史记录中的权重值，包括：

利用如下公式获得所述关键词指代的所述第i个实体在所述历史记录中的权重值：

$S\left(e_i^{\′}\right|k)=\underset{t=1}{\overset{P}{\mathrm{\Σ}}}{s}_t\left(e_i^{\′}\right|k)$

其中，S(e′_i|k)表示所述关键词k指代的所述第i个实体e′_i在P个历史记录中的权重值，P为大于或者等于1的整数；s_t(e′_i|k)表示所述关键词k指代的所述第i个实体e′_i在所述P个历史记录中第t个历史记录中的权重值，t的取值为1至P中的整数；

其中，利用如下公式获得所述关键词k指代的所述第i个实体e′_i在所述P个历史记录中第t个历史记录中的权重值：

$s_t\left(e_i^{\′}\right|k)=\underset{j=1}{\overset{R}{\mathrm{\Σ}}}[W\left(n_{e_j}\right)\×p\left(e_j\right|n_{e_j})\×q^d(e_j,e_i^{\′})]$

其中，R表示所述关键词k相关的实体的名称的总数目，R为大于或者等于2的整数；表示所述关键词k相关的实体e_j的名称的权重值；q表示衰减因子，且0＜q＜1；表示实体e_j的第一概率；d(e_j，e′_i)表示知识图谱中，关键词k相关的实体的名称指代实体e_j与所述第i个实体e′_i之间的距离。

6.根据权利要求1所述的方法，其特征在于，所述依据使用所述客户端的用户的历史记录，对所述M个实体中第i个实体的第一概率进行调整，以获得所述第i个实体的第二概率，包括：

获得所述M个实体中第i个实体的第一概率；

若使用所述客户端的用户没有对应的历史记录，将所述M个实体中第i个实体的第一概率作为所述第i个实体的第二概率。

7.根据权利要求1所述的方法，其特征在于，所述依据所述M个实体的第二概率，对与所述M个实体相匹配的目标对象进行排序，以获得排序结果，包括：

依据与所述第i个实体相匹配的目标对象的热度信息和与所述第i个实体相匹配的目标对象的相关度中至少一个以及所述M个实体中第i个实体的第二概率，对所述M个实体相匹配的目标对象进行排序，以获得排序结果。

8.一种对象推送装置，其特征在于，所述装置包括：

第一获取单元，用于获得客户端对应的关键词；

第二获取单元，用于获得所述关键词所指代的M个实体，M为大于或者等于2的整数；

概率生成单元，用于依据使用所述客户端的用户的历史记录，对所述M个实体中第i个实体的第一概率进行调整，以获得所述第i个实体的第二概率；

对象排序单元，用于依据所述M个实体的第二概率，对与所述M个实体相匹配的目标对象进行排序，以获得排序结果；

对象推送单元，用于向所述客户端推送所述排序结果。

9.根据权利要求8所述的装置，其特征在于，所述第一获取单元具体用于：

获得所述客户端发送的检索词，将所述检索词作为所述客户端对应的关键词；或者，

依据使用所述客户端的用户的历史记录，获得所述客户端对应的关键词。

10.根据权利要求8所述的装置，其特征在于，所述概率生成单元具体用于：

获得所述M个实体中第i个实体的第一概率；其中，所述第i个实体的第一概率为所述关键词指代第i个实体的先验概率，i的取值为1至M中的整数；

若使用所述客户端的用户存在对应的历史记录，依据所述第i个实体的第一概率，获得所述关键词指代的所述第i个实体在所述历史记录中的权重值；

依据所述第i个实体在所述历史记录中的权重值，获得所述M个实体在所述历史记录中的权重值的累加和；

依据所述关键词指代的所述第i个实体在所述历史记录中的权重值与所述M个实体在所述历史记录中的权重值的累加和的比值，获得所述第i个实体的第二概率。

11.根据权利要求10所述的装置，其特征在于，所述获得所述M个实体中第i个实体的第一概率具体为：

获得所述M个实体中第i个实体的中间概率，所述中间概率等于所述第i个实体上一次的第一概率或者等于预设的初始概率；

依据所述第i个实体的中间概率，获得所述关键词指代的所述第i个实体在预设的上下文信息中的权重值；

依据所述第i个实体在所述上下文信息中的权重值，获得所述M个实体在所述上下文信息中的权重值的累加和；

依据所述关键词指代的所述第i个实体在预设的上下文信息中的权重值与所述M个实体在所述上下文信息中的权重值的累加和的比值，获得所述第i个实体的第一概率。

12.根据权利要求10所述的装置，其特征在于，所述依据所述第i个实体的第一概率，获得所述关键词指代的所述第i个实体在所述历史记录中的权重值具体为：

利用如下公式获得所述关键词指代的所述第i个实体在所述历史记录中的权重值：

$S\left(e_i^{\′}\right|k)=\underset{t=1}{\overset{P}{\mathrm{\Σ}}}{s}_t\left(e_i^{\′}\right|k)$

其中，S(e′_i|k)表示所述关键词k指代的所述第i个实体e′_i在P个历史记录中的权重值，P为大于或者等于1的整数；s_t(e′_i|k)表示所述关键词k指代的所述第i个实体e′_i在所述P个历史记录中第t个历史记录中的权重值，t的取值为1至P中的整数；

其中，利用如下公式获得所述关键词k指代的所述第i个实体e′_i在所述P个历史记录中第t个历史记录中的权重值：

$s_t\left(e_i^{\′}\right|k)=\underset{j=1}{\overset{R}{\mathrm{\Σ}}}[W\left(n_{e_j}\right)\×p\left(e_j\right|n_{e_j})\×q^d(e_j,e_i^{\′})]$

其中，R表示所述关键词k相关的实体的名称的总数目，R为大于或者等于2的整数；表示所述关键词k相关的实体e_j的名称的权重值；q表示衰减因子，且0＜q＜1；表示实体e_j的第一概率；d(e_j，e′_i)表示知识图谱中，关键词k相关的实体的名称指代实体e_j与所述第i个实体e′_i之间的距离。

13.根据权利要求8所述的装置，其特征在于，所述概率生成单元具体用于：

获得所述M个实体中第i个实体的第一概率；

若使用所述客户端的用户没有对应的历史记录，将所述M个实体中第i个实体的第一概率作为所述第i个实体的第二概率。

14.根据权利要求8所述的装置，其特征在于，所述对象排序单元具体用于：

依据与所述第i个实体相匹配的目标对象的热度信息和与所述第i个实体相匹配的目标对象的相关度中至少一个以及所述M个实体中第i个实体的第二概率，对所述M个实体相匹配的目标对象进行排序，以获得排序结果。