[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN106294688A - 一种基于用户特征分析的查询扩展方法、装置和系统 - Google Patents

一种基于用户特征分析的查询扩展方法、装置和系统 Download PDF

Info

Publication number
CN106294688A
CN106294688A CN201610639901.4A CN201610639901A CN106294688A CN 106294688 A CN106294688 A CN 106294688A CN 201610639901 A CN201610639901 A CN 201610639901A CN 106294688 A CN106294688 A CN 106294688A
Authority
CN
China
Prior art keywords
user
module
word
query
set1
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610639901.4A
Other languages
English (en)
Inventor
朱波
胡光阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Inspur Software Group Co Ltd
Original Assignee
Inspur Software Group Co Ltd
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 Inspur Software Group Co Ltd filed Critical Inspur Software Group Co Ltd
Priority to CN201610639901.4A priority Critical patent/CN106294688A/zh
Publication of CN106294688A publication Critical patent/CN106294688A/zh
Pending legal-status Critical Current

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
    • G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
    • 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

本发明提供一种基于用户特征分析的查询扩展方法、装置和系统，该方法包括步骤：构建用户特征模型；根据用户输入的查询条件获取第一集合set1；依据用户特征模型对第一集合set1进行扩展得到第二集合set2；获取用户的查询日志，依据查询日志对第二集合set2进行过滤，得到用户查询关键词的第三集合set3。该装置包括构建模块、获取模块、扩展查询词模块和过滤扩展词模块。该系统包括服务器端和客户端；客户端设置有用户接口模块，服务器端，包括构建模块、分析查询条件模块、扩展查询词模块、过滤扩展词模块和检索模块。本发明提供的方法、装置和系统，能够根据用户的差异性特征来对其检索条件扩展提高了查询结果的准确度。

Description

一种基于用户特征分析的查询扩展方法、装置和系统
技术领域
本发明涉及互联网数据检索技术领域，特别涉及一种基于用户特征分析的查询扩展方法、装置和系统。
背景技术
互联网是全球性的网络，是目前最受欢迎、最流行的传媒之一。它的出现为人们提供了很多信息，使得各领域的研究有了许多可以参考和利用的资料。可是，目前互联网上的数据资源内容繁多冗余，类别杂乱无章，人们在检索时，常常需要花费大量的时间和精力查找所需要的内容，非常消耗时间和精力。搜索引擎的出现，在一定程度上方便了用户检索，可是，目前的一些搜素引擎，用户需要对引擎的检索结果做二次筛选，以找到最符合自己需求的资源，效率较低。这主要有两方面的原因：第一，由于词语难以匹配现象的存在，用户所输检索词有一定的歧义，以往的依托于空间向量方法来进行查询的手段无法满足查询者的需求；第二，传统的搜索引擎一般情况下都不会区别各个查询者的差异性特征，它对各个查询者展现几乎一样的形式，导致查询请求无法准确表达用户需求。所以，导致了检索结果准确率低、包含大量无用信息、用户进行二次筛选的时间较长等问题。
综上，现有技术中的部分搜索引擎存在由于无法准确表达用户查询请求而导致检索结果准确率低的技术问题。
发明内容
本发明提供一种基于用户特征分析的查询扩展方法、装置和系统，以解决上述技术问题。本发明提供的一种基于用户特征分析的查询扩展方法，包括步骤：
步骤A，构建用户特征模型；
步骤B，根据用户输入的查询条件获取用户查询关键词的第一集合set1；
步骤C，依据所述用户特征模型对所述第一集合set1进行扩展得到用户查询关键词的第二集合set2；
步骤D，获取用户的查询日志，依据所述查询日志对所述第二集合set2进行过滤，得到用户查询关键词的第三集合set3。
其中，所述步骤B包括步骤：
判断用户输入的查询条件是关键词还是语句，是关键词，则将用户输入的关键词直接作为第一集合set1；是语句，则将所述语句先分词，并且去掉停用词之后形成第一集合set1。
其中，所述步骤C包括步骤：
按照语义关联度的计算公式，在所述用户特征模型内找到与所述第一集合中的关键词关联程度最高的m个词，再根据词项相似度计算规则，从m个词内找到词项相似度满足预设阈值的n个词，n≤m，得到的n个关键词作为第二集合set2。
本发明还提供一种基于用户特征分析的查询扩展装置，包括构建模块、获取模块、扩展查询词模块和过滤扩展词模块；
构建模块，用于构建用户特征模型；
分析查询条件模块，用于根据用户输入的查询条件获取用户查询关键词的第一集合set1；
扩展查询词模块，用于依据所述用户特征模型对所述第一集合set1进行扩展得到用户查询关键词的第二集合set2；
过滤扩展词模块，用于获取用户的查询日志，依据所述查询日志对所述第二集合set2进行过滤，得到用户查询关键词的第三集合set3。
本发明还提供一种基于用户特征分析的查询扩展系统，包括服务器端和客户端。
客户端设置有用户接口模块，用于获取用户输入的查询条件并发送至服务器端、接收服务器端发送的查询结果并显示给用户；
服务器端，包括构建模块、分析查询条件模块、扩展查询词模块、过滤扩展词模块和检索模块；
构建模块，用于构建用户特征模型；所述分析查询条件模块，用于根据用户输入的查询条件获取用户查询关键词的第一集合set1；所述扩展查询词模块，用于依据所述用户特征模型对所述第一集合set1进行扩展得到用户查询关键词的第二集合set2；所述过滤扩展词模块，用于获取用户的查询日志，依据所述查询日志对所述第二集合set2进行过滤，得到用户查询关键词的第三集合set3；所述检索模块，用于根据所述第三集合中的关键词进行检索，呈现查询结果并发送至客户端的用户接口模块。
本发明实施例提供了一种基于用户特征分析的查询扩展方法、装置和系统，该方法和装置预先依据用户的查询特征构建用户特征模型，将用户输入的查询条件作为第一集合set1，依据预先构建的用户特征模型对第一集合set1进行扩展得到第二集合set2，这样得到的第二集合除了包含有第一集合中关键字的直接属性还体现了用户自身查询特征属性，再依据用户的查询日志对第二集合set2进行过滤，剔除冗余无效和无关的关键词，得到用户查询关键词的第三集合set3，则此时得到的第三集合相比于用户输入的原始关键字功能表达用户的需求且针对性更强；该系统则是基于该方法和装置的一个完整的检索推荐系统，通过客户端的用户接口模块获取用户输入的查询条件，之后则通过与该装置对接完成用户特征分析和扩展，根据第三集合关键字进行检索，将检索结果通过用户接口模块进行显示，实现了基于用户特征分析的检索结果的准确推送，可以有效的防止出现“查询漂移”现象，提高了查询结果的准确度，并且能够根据查询者的差异性特征来对其检索条件扩展，查询结果可以较好地满足搜索者的查询意图。
附图说明
图1为本发明基于用户特征分析的查询扩展方法一个实施例的流程示意图；
图2为以高校学生为例构建的本体(用户特征模型)；
图3为本发明实施例二的基于用户特征分析的查询扩展装置的结构示意图；
图4为本发明实施例二提供的装置的基于结构的流程示意图；
图5为以Lucene为基础的数据库查询系统的层次结构示意图。
具体实施方式
本发明实施例提供了一种基于用户特征分析的查询扩展方法、装置和系统，以用户特征模型为基础，通过构造用户特征模型，并且根据用户模型来扩展用户输入的检索词，借此使用户的搜索过程更加便利。另外，根据查询者的日志文件，考虑到不同人的差异性特征，区别各用户的的检索意图，可以防止发生检索结果大大偏离用户原本意愿的情况。
实施例一
本发明实施例一提供的基于用户特征分析的查询扩展方法的流程图参见图1所示，具体地，包括步骤：
步骤S110，构建用户特征模型。
本发明提供的创建用户特征模型的方法，具体采用创建本体的方法。
本体指的是某些领域概念的基本术语和关系，而且依据这些术语、关系
所构成的制订相应概念外延方式的定义。通过对术语、概念及它们之间关系的有规则的描述，本体能够展现某领域所具有的知识系统，有很好的概念层次结构，因此本发明实施例采用本体形式来表示相应的用户模型。例如以高校学生这一群体作为待研究的对象，构建高校内的学生本体。高校学生本体指的是一个高校学生本体结构和学生相关信息的本体知识描述。在研究高校学生基本信息的基础上，设计了附图2所示的高校学生本体。
每个学生可能会有多项兴趣爱好，将其设为“一类爱好”；在每个“一
类爱好”下可能会有较细级别的兴趣，将其设为“二类爱好”；在每个“二类爱好”下面可能还有更细级别的兴趣，将其设为“三类爱好”。结合实际生活中的情况，以及为了描述方便，暂时设定学生的爱好为三级层次。
根据设定的本体，通过网络本体语言可以叙述此举例本体，即可构建用户特征模型。节取若干语句如下面所示：
<？xmlversion＝"1.0"？>
<owl:Classrdf:about＝"#&#20027；&#39064；&#29228；&#34411；">
<rdfs:subClassOfrdf:resource＝"#&#22522；&#20110；&#26412；&#20307；&#30340；&#29228；&#34411；"/>
</owl:Class>
<owl:Classrdf:about＝"#&#20154；&#24037；&#20813；&#30123；&#31639；&#27861；">
<rdfs:subClassOfrdf:resource＝"#&#26234；&#33021；&#31639；&#27861；"/>
</owl:Class>
<owl:Classrdf:about＝"#&#21151；&#33021；&#27979；&#35797；">
<rdfs:subClassOfrdf:resource＝"#&#40657；&#30418；&#27979；&#35797；"/>
</owl:Class>
<owl:Classrdf:about＝"#&#22522；&#20110；&#20803；&#25628；&#32034；&#30340；&#29228；&#34411；">
<rdfs:subClassOfrdf:resource＝"#&#29228；&#34411；"/>
</owl:Class>
<owl:Classrdf:about＝"#&#22522；&#20110；&#26412；&#20307；&#30340；&#29228；&#34411；">
<rdfs:subClassOfrdf:resource＝"#&#29228；&#34411；"/>
</owl:Class>
故从某种程度上说，本体也就是用户特征模型。
步骤S111，根据用户输入的查询条件获取用户查询关键词的第一集合set1。
步骤S112，依据用户特征模型对第一集合set1进行扩展得到用户查询关键词的第二集合set2。
步骤S113，获取用户的查询日志。
步骤S114，依据查询日志对第二集合set2进行过滤，得到用户查询关键词的第三集合set3。
首先，根据用户输入查询条件的种类(关键词或语句)，判断是否对其进行分词处理；接着，在用户特征模型里对查询条件进行扩展，先按照语义关联度的计算公式，在用户特征模型内找到与查询词关联程度最高的m个词，再根据词项相似度计算规则，从m个词内找到最符合的n个词(n≤m)，最后得到的这n个词即为初次查询扩展出来的关键词集合。
查询扩展的具体步骤：
(1)判断查询者提供的检索请求是关键词，还是语句；若是关键词，直接转到步骤(3)；
(2)若查询请求是语句，先分词，并且去掉停用词，形成集合set1；
(3)对用户模型里进行扩展：
for(i＝0；i<set1.length；i++)
{
按照语义关联度的计算公式，在用户模型内找到与set1[i]相关联程度最高的m个word；
若count>4，则令m＝(ceiling)30％*count，count是与term相关联的词的个数；
根据词项相似度计算规则，在上一步的m个word中找到最符合set1[i]的n个term，并组成一个集合wordset(i)；
}
(4)把所有的wordset集组合成一个初次扩展查询词集set2；若set2是空集合，需要令set2＝set1；
(5)返回初次扩展之后所得到的检索词集合set2；
用户的查询日志包括用户的查询浏览日志、cookie文件等，根据查询日志能够过滤掉初次扩展的查询结果集合中用户不会喜欢的词，得到新的词集。然后，根据词集去执行搜索任务，把相应的搜索结果展现给查询者，以此来防止“查询漂移”现象的出现，极大的提高了用户的查询效率及查询的准确性。
本发明实施例一通过构造用户特征模型，并且根据用户模型来扩展用户输入的检索词，借此使用户的搜索过程更加便利，另外，根据查询者的日志文件，考虑到不同人的差异性特征，区别各用户的的检索意图，以防止发生检索结果大大偏离用户原本意愿的情况，具体地根据用户特征模型对用户的查询关键词集Set1进行扩展，得到关键词集Set2，然后依据用户查询日志对Set2进行过滤，去掉用户“不关心”“不感兴趣”的词，得到关键词集Set3。该方法可以显着提高了检索的效率和召回率，能够较好地满足用户的检索需求。
实施例二
本发明实施例二提供了一种基于用户特征分析的查询扩展装置，参见图3和图4所示，包括构建模块、获取模块、扩展查询词模块和过滤扩展词模块。
构建模块，用于构建用户特征模型；分析查询条件模块，用于根据用户输入的查询条件获取用户查询关键词的第一集合set1；扩展查询词模块，用于依据所述用户特征模型对所述第一集合set1进行扩展得到用户查询关键词的第二集合set2；过滤扩展词模块，用于获取用户的查询日志，依据查询日志对所述第二集合set2进行过滤，得到用户查询关键词的第三集合set3。
实施例三
本发明实施例三提供了一种基于用户特征分析的查询扩展系统，是将本发明提出的基于用户特征模型的扩展技术应用到了基于Lucene索引的全文查询系统中，能够根据查询者的差异性特征来对其检索条件扩展，查询结果可以较好地满足用户的查询意图。具体地，参见图5所示，包括服务器端(server)和客户端(client)。
客户端设置有用户接口模块，用于获取用户输入的查询条件并发送至服务器端、接收服务器端发送的查询结果并显示给用户；
服务器端，包括构建模块、分析查询条件模块、扩展查询词模块、过滤扩展词模块和检索模块；
构建模块(图4中未示出，仅示出用户特征模型)，用于构建用户特征模型；分析查询条件模块，用于根据用户输入的查询条件获取用户查询关键词的第一集合set1；扩展查询词模块，用于依据用户特征模型对第一集合set1进行扩展得到用户查询关键词的第二集合set2；过滤扩展词模块，用于获取用户的查询日志，依据查询日志对第二集合set2进行过滤，得到用户查询关键词的第三集合set3；检索模块，用于根据第三集合中的关键词进行检索，呈现查询结果并发送至客户端的用户接口模块。
本发明实施例三提供的系统是将本发明提出的查询扩展方法同Lucene为基础的数据库查询系统进行结合使用。
以Lucene为基础的数据库查询系统(DRSB)整体范围内可以看作两大块：索引创建部分、索引搜寻部分。创建索引部分会固定地自数据库内采集资源，并为这些资源去做一些适当的分析与处理，接着对那些资源创建索引并将它们加进索引的资源库内。DRSB能够利用查询者所提供的检索条件去取得查询语句，接着把这些语句分析处理，之后自索引资源库内查询，将最终的检索结果返回给查询者。
本发明实施例提出了一种基于税务用户特征的查询扩展方法、装置和系统，能够根据查询者的差异性特征来对其检索条件扩展，主要特征为根据本体这个工具对用户模型进行刻画，依照构造的模型去拓展查询者提供的检索条件，以此来提高查询者的搜索满意度，根据查询者的日志文件，考虑到不同查询者的差异特征，区别各查询者的检索意图，以防止出现“查询漂移”现象。其技术方案主要通过根据用户特征模型对用户的查询关键词集Set1进行扩展，得到关键词集Set2，然后依据用户查询日志对Set2进行过滤，去掉用户“不关心”“不感兴趣”的词，得到关键词集Set3。关键词集Set3可以有效的展现查询的扩展性，本发明技术方案可以应用于税务查询技术领域，依据税务查询自身的特征而设置用户特征模型，从而得到更有针对性的查询结果。
需要说明的是，本发明实施例中的装置或者系统实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言，本发明实施例的硬件结构框架结构中，除了CPU、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的设备通常还可以包括其他硬件，如负责处理报文的转发芯片等等。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在设备的CPU将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。
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 (5)

1.一种基于用户特征分析的查询扩展方法，其特征在于，包括步骤：
步骤A，构建用户特征模型；
步骤B，根据用户输入的查询条件获取用户查询关键词的第一集合set1；
步骤C，依据所述用户特征模型对所述第一集合set1进行扩展得到用户查询关键词的第二集合set2；
步骤D，获取用户的查询日志，依据所述查询日志对所述第二集合set2进行过滤，得到用户查询关键词的第三集合set3。
2.根据权利要求1所述的基于用户特征分析的查询扩展方法，其特征在于，所述步骤B包括步骤：
判断用户输入的查询条件是关键词还是语句，是关键词，则将用户输入的关键词直接作为第一集合set1；是语句，则将所述语句先分词，并且去掉停用词之后形成第一集合set1。
3.根据权利要求1或2所述的基于用户特征分析的查询扩展方法，其特征在于，所述步骤C包括步骤：
按照语义关联度的计算公式，在所述用户特征模型内找到与所述第一集合中的关键词关联程度最高的m个词，再根据词项相似度计算规则，从m个词内找到词项相似度满足预设阈值的n个词，n≤m，得到的n个关键词作为第二集合set2。
4.一种基于用户特征分析的查询扩展装置，其特征在于，包括构建模块、获取模块、扩展查询词模块和过滤扩展词模块；
所述构建模块，用于构建用户特征模型；
所述分析查询条件模块，用于根据用户输入的查询条件获取用户查询关键词的第一集合set1；
所述扩展查询词模块，用于依据所述用户特征模型对所述第一集合set1进行扩展得到用户查询关键词的第二集合set2；
所述过滤扩展词模块，用于获取用户的查询日志，依据所述查询日志对所述第二集合set2进行过滤，得到用户查询关键词的第三集合set3。
5.一种基于用户特征分析的查询扩展系统，其特征在于，包括服务器端和客户端；
所述客户端设置有用户接口模块，用于获取用户输入的查询条件并发送至服务器端、接收服务器端发送的查询结果并显示给用户；
服务器端，包括构建模块、分析查询条件模块、扩展查询词模块、过滤扩展词模块和检索模块；
所述构建模块，用于构建用户特征模型；所述分析查询条件模块，用于根据用户输入的查询条件获取用户查询关键词的第一集合set1；所述扩展查询词模块，用于依据所述用户特征模型对所述第一集合set1进行扩展得到用户查询关键词的第二集合set2；所述过滤扩展词模块，用于获取用户的查询日志，依据所述查询日志对所述第二集合set2进行过滤，得到用户查询关键词的第三集合set3；所述检索模块，用于根据所述第三集合中的关键词进行检索，呈现查询结果并发送至客户端的用户接口模块。
CN201610639901.4A 2016-08-05 2016-08-05 一种基于用户特征分析的查询扩展方法、装置和系统 Pending CN106294688A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610639901.4A CN106294688A (zh) 2016-08-05 2016-08-05 一种基于用户特征分析的查询扩展方法、装置和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610639901.4A CN106294688A (zh) 2016-08-05 2016-08-05 一种基于用户特征分析的查询扩展方法、装置和系统

Publications (1)

Publication Number Publication Date
CN106294688A true CN106294688A (zh) 2017-01-04

Family

ID=57665831

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610639901.4A Pending CN106294688A (zh) 2016-08-05 2016-08-05 一种基于用户特征分析的查询扩展方法、装置和系统

Country Status (1)

Country Link
CN (1) CN106294688A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106960021A (zh) * 2017-03-10 2017-07-18 北京工业大学 一种基于多源正负外部反馈信息的查询扩展方法
CN108932326A (zh) * 2018-06-29 2018-12-04 北京百度网讯科技有限公司 一种实例扩展方法、装置、设备和介质
CN109359126A (zh) * 2018-04-13 2019-02-19 国家计算机网络与信息安全管理中心 基于业务用户习惯的智能学习查询模型的构建方法及系统
CN111078993A (zh) * 2019-09-24 2020-04-28 上海依图网络科技有限公司 一种通过扩展查询提升检索召回率的方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102254039A (zh) * 2011-08-11 2011-11-23 武汉安问科技发展有限责任公司 一种基于搜索引擎的网络搜索方法
CN103365904A (zh) * 2012-04-05 2013-10-23 阿里巴巴集团控股有限公司 一种广告信息搜索方法和系统
CN104699786A (zh) * 2015-03-17 2015-06-10 浪潮通信信息系统有限公司 一种语义智能搜索的通信网络投诉系统
CN104915405A (zh) * 2015-06-02 2015-09-16 华东师范大学 一种基于多层次的微博查询扩展方法
CN104933183A (zh) * 2015-07-03 2015-09-23 重庆邮电大学 一种融合词向量模型和朴素贝叶斯的查询词改写方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102254039A (zh) * 2011-08-11 2011-11-23 武汉安问科技发展有限责任公司 一种基于搜索引擎的网络搜索方法
CN103365904A (zh) * 2012-04-05 2013-10-23 阿里巴巴集团控股有限公司 一种广告信息搜索方法和系统
CN104699786A (zh) * 2015-03-17 2015-06-10 浪潮通信信息系统有限公司 一种语义智能搜索的通信网络投诉系统
CN104915405A (zh) * 2015-06-02 2015-09-16 华东师范大学 一种基于多层次的微博查询扩展方法
CN104933183A (zh) * 2015-07-03 2015-09-23 重庆邮电大学 一种融合词向量模型和朴素贝叶斯的查询词改写方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106960021A (zh) * 2017-03-10 2017-07-18 北京工业大学 一种基于多源正负外部反馈信息的查询扩展方法
CN106960021B (zh) * 2017-03-10 2019-06-21 北京工业大学 一种基于多源正负外部反馈信息的查询扩展方法
CN109359126A (zh) * 2018-04-13 2019-02-19 国家计算机网络与信息安全管理中心 基于业务用户习惯的智能学习查询模型的构建方法及系统
CN109359126B (zh) * 2018-04-13 2021-06-04 国家计算机网络与信息安全管理中心 基于业务用户习惯的智能学习查询模型的构建方法及系统
CN108932326A (zh) * 2018-06-29 2018-12-04 北京百度网讯科技有限公司 一种实例扩展方法、装置、设备和介质
CN111078993A (zh) * 2019-09-24 2020-04-28 上海依图网络科技有限公司 一种通过扩展查询提升检索召回率的方法及系统

Similar Documents

Publication Publication Date Title
Özköse et al. Yesterday, today and tomorrow of big data
Davis Jr et al. Inferring the location of twitter messages based on user relationships
EP2764495B1 (en) Social network recommended content and recommending members for personalized search results
CN106294688A (zh) 一种基于用户特征分析的查询扩展方法、装置和系统
Elshater et al. godiscovery: Web service discovery made efficient
Cao et al. Mashup service recommendation based on usage history and service network
CN103678350A (zh) 社交网络搜索结果展示方法及装置
Li [Retracted] Internet Tourism Resource Retrieval Using PageRank Search Ranking Algorithm
Marés et al. On the protection of social networks user’s information
Huang et al. On the understanding of interdependency of mobile app usage
Ballatore et al. Grounding linked open data in WordNet: The case of the OSM semantic network
Chen et al. A framework for annotating OpenStreetMap objects using geo-tagged tweets
Elyasir et al. Focused web crawler
Srinath Page ranking algorithms–a comparison
Palacios et al. Wip-skod: A framework for situational knowledge on demand
Vicente-López et al. Personalization of Parliamentary Document Retrieval Using Different User Profiles.
Dorn et al. Structuring meta-search research by design patterns
Serdyukov et al. Modeling expert finding as an absorbing random walk
Pandey et al. A process oriented perception of personalization techniques in web mining
Xiao et al. A large-scale study on map search logs
Bhattacharyya et al. Your best might not be good enough: Ranking in collaborative social search engines
CN105912584B (zh) 一种基于网页信息数据的数据索引系统
Aggarwal et al. Improving the efficiency of weighted page content rank algorithm using clustering method
Maheswari et al. Algorithm for Tracing Visitors' On-Line Behaviors for Effective Web Usage Mining
Kaur et al. A Survey-Link Algorithm for Web Mining

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170104

RJ01 Rejection of invention patent application after publication