The embodiment of the invention discloses a search processing method, apparatus and computer storage medium, wherein, the method comprises: according to the search word search N resource identifier in the default repository; for each resource N resource in current time preference preference attribute of each attribute value; resource N resource in the current value of the model conversion rate of input resources, the corresponding N predicted resource conversion rate; training the preference attributes based on the repository of M resources in the history of time the value of the model conversion of resources; according to the N prediction of resource conversion rate sort of N resources marking; N resource identifier sorted output as a search result. The technical scheme provided by the embodiment of the invention can make the sorting of the search results more in line with the hope of the users, thereby improving the viewing efficiency of the search results.
【技术实现步骤摘要】
搜索处理方法、装置、设备和计算机存储介质
本专利技术涉及信息领域,尤其涉及一种搜索处理方法、设备和计算机存储介质。
技术介绍
随着互联网的发展和移动终端的普及,从网上获取信息已经成为人们日常生活和工作中一个重要的获取信息的途径。由于互联网存储的资源的信息量巨大,如何有效快捷的从这些海量资源中获取所需要的目标资源就成为一件困难的事情,搜索引擎是一种向用户提供信息搜索功能的查询工具,搜索引擎的出现成为了解决目标资源获取困难这一问题的一种有效方法。搜索引擎因其在当今信息社会所具有巨大的实用价值和商业价值,搜索引擎被在当今社会已经得到普遍使用。目前,搜索引擎可以预设的匹配方式和匹配度条件确定搜索词对应的搜索结果,例如,匹配方式可以为根据搜索词在某一资源库中各个资源对应的描述信息中出现的次数确定搜索词与资源的匹配度,搜索引擎将满足匹配度条件的资源的标识按照对应的匹配度排序作为搜索结果向用户反馈。由于搜索词与资源的匹配度是固定不变的,搜索结果中各个资源标识的排序也是不变的,这导致用户可能最希望搜索到的目标资源对应的资源标识在搜索结果中的排位靠后,当满足匹配度条件的资源的数量众多时,用户查看搜索结果并获取目标资源的效率就会降低,造成用户对搜索引擎的满意度降低。
技术实现思路
有鉴于此,本专利技术实施例期望提供一种搜索处理方法、设备和计算机存储介质,能够提高用户查看搜索结果的效率。为达到上述目的,本专利技术实施例的技术方案是这样实现的:第一方面,本专利技术实施例提供一种搜索处理方法,包括:根据搜索词在预设的资源库中进行搜索得到N个资源的资源标识,N为大于或者等于2的整数;获取 ...
【技术保护点】
一种搜索处理方法,其特征在于,所述方法包括:根据搜索词在预设的资源库中进行搜索得到N个资源的资源标识,N为大于或者等于2的整数;获取所述N个资源中的每个资源在当前时刻的偏好属性值;将所述N个资源中的每个资源在当前时刻的偏好属性值输入资源转化率模型,对应得到N个预测资源转化率;所述资源转化率模型为基于所述资源库中的M个资源在早于所述当前时刻的历史时刻的偏好属性值进行训练得到的;M为大于或者等于2的整数;根据所述N个预测资源转化率对所述N个资源标识进行排序;将排序后的所述N个资源标识作为搜索结果输出。
【技术特征摘要】
1.一种搜索处理方法,其特征在于,所述方法包括:根据搜索词在预设的资源库中进行搜索得到N个资源的资源标识,N为大于或者等于2的整数;获取所述N个资源中的每个资源在当前时刻的偏好属性值;将所述N个资源中的每个资源在当前时刻的偏好属性值输入资源转化率模型,对应得到N个预测资源转化率;所述资源转化率模型为基于所述资源库中的M个资源在早于所述当前时刻的历史时刻的偏好属性值进行训练得到的;M为大于或者等于2的整数;根据所述N个预测资源转化率对所述N个资源标识进行排序;将排序后的所述N个资源标识作为搜索结果输出。2.根据权利要求1所述的方法,其特征在于,在将所述N个资源中的每个资源在当前时刻的偏好属性值输入资源转化率模型,对应得到N个预测资源转化率之前,包括:获取所述M个资源在历史时刻的偏好属性值和资源转化率作为训练数据;根据所述M个训练数据和所述资源转化率模型对应的目标代价函数进行参数拟合,得到能够使得所述目标代价函数的代价值小于预设的代价值范围的属性系数组;其中,所述目标代价函数的代价值为根据所述M个资源在历史时刻的预测资源转化率和所述M个资源在历史时刻的资源转化率进行差异比较得到的,所述M个资源在历史时刻的预测资源转化率为分别将所述M个资源在历史时刻的偏好属性值输入采用不同的属性系数组的资源转化率模型计算得到的。3.根据权利要求1所述的方法,其特征在于,在所述根据搜索词在预设的资源库中进行搜索得到N个资源的资源标识之前,包括:从第一客户端接收携带所述搜索词的搜索请求;所述将所述N个资源中的每个资源在当前时刻的偏好属性值输入资源转化率模型,对应得到N个预测资源转化率,包括:将所述N个资源中的每个资源在当前时刻的偏好属性值输入所述第一客户端对应的资源转化率模型,对应得到N个预测资源转化率;所述第一客户端对应的资源转化率模型为基于所述资源库中在所述第一客户端的搜索结果中出现过的M个资源在历史时刻的偏好属性值进行训练得到的。4.根据权利要求1所述的方法,其特征在于,所述资源为应用,所述资源的偏好属性值包括以下至少一种:应用下载次数、是否官方应用属性的逻辑值和应用质量估计值;其中,所述应用质量估计值为根据应用质量评价因子与预设的应用质量评价函数得到的,所述应用质量评价因子为应用卸载次数和/或应用使用次数和/或应用使用时间;所述资源转化率为所述应用在预设的检测时长内的应用下载次数与应用曝光次数的比值,所述应用曝光次数为所述应用对应的应用标识出现在所述检测时长内的任一搜索结果中的次数。5.根据权利要求1所述的方法,其特征在于,所述资源为帖子,所述资源的偏好属性值包括以下至...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。