專利名稱：個(gè)性化搜索方法及系統(tǒng)的制作方法
個(gè)性化搜索方法及系統(tǒng)
技術(shù)領(lǐng)域：
本發(fā)明涉及搜索技術(shù)，尤其涉及一種個(gè)性化搜索方法及系統(tǒng)。
背景技術(shù)：
個(gè)性化搜索是一種信息搜索方式，相對于普通搜索方式其考慮了用戶的區(qū)別，利用用戶信息對搜索結(jié)果進(jìn)行修改或過濾，以得到更符合用戶個(gè)性化需求的搜索結(jié)果。個(gè)性化搜索的基本方法是將用戶輸入的關(guān)鍵詞和用戶的個(gè)人偏好聯(lián)系起來進(jìn)行查詢，從而得到用戶最可能需要的信息顯示在最前面。個(gè)性化搜索需要解決兩個(gè)問題，一是如何構(gòu)建用戶模型，二是如何對搜索結(jié)果進(jìn) 行重新排序。構(gòu)建用戶模型需要先采集用戶信息，包括用戶注冊時(shí)提供的職業(yè)、畢業(yè)院校、興趣愛好等個(gè)人信息及用戶訪問日志等。傳統(tǒng)的個(gè)性化搜索方式中，是基于IP、Cookie等方式來采集用戶信息。根據(jù)采集到的用戶信息構(gòu)建用戶模型，傳統(tǒng)的個(gè)性化搜索方式中，通常采用基于內(nèi)容的方法來構(gòu)建用戶模型，利用用戶信息中的特征詞來表示用戶的興趣，構(gòu)建的是基于特征詞的向量空間模型。然而，這樣所構(gòu)建的用戶模型維度過高，一般都是幾萬維，而個(gè)性化搜索都需要在線實(shí)時(shí)計(jì)算，在用戶模型維度過高的情況下，實(shí)現(xiàn)起來非常困難。

發(fā)明內(nèi)容基于此，有必要提供一種實(shí)現(xiàn)簡單、能提高運(yùn)行性能的個(gè)性化搜索方法。一種個(gè)性化搜索方法，包括以下步驟獲取用戶發(fā)表的文檔，對文檔進(jìn)行分類，得到文檔的分類信息；根據(jù)文檔的分類信息構(gòu)建用戶模型和文檔模型；根據(jù)用戶輸入的檢索 詞進(jìn)行檢索，得到檢索結(jié)果；根據(jù)所述用戶模型和文檔模型計(jì)算所述檢索結(jié)果的排序權(quán)值；根據(jù)所述排序權(quán)值對所述檢索結(jié)果進(jìn)行排序。優(yōu)選的，所述根據(jù)文檔的分類信息構(gòu)建用戶模型和文檔模型的步驟為獲取用戶發(fā)表的文檔的分類概率及檢索詞的分類概率；構(gòu)建個(gè)人模型，所述個(gè)人模型為由用戶發(fā)表的文檔的分類概率組成的向量，構(gòu)建大眾模型，所述大眾模型為由檢索詞的分類概率組成的向量，將所述個(gè)人模型與大眾模型進(jìn)行線性疊加，得到用戶模型；構(gòu)建文檔模型，所述文檔模型為由文檔屬于各分類的概率組成的向量。優(yōu)選的，采用如下公式構(gòu)建所述用戶模型P(people_social) = aXP(query)+ (l~a)P(people) ,0 ^ a ^ I其中，P(people_social)為用戶模型,P(query)為大眾模型,P(people)為個(gè)人模型，a為用戶活躍度指數(shù)；所述用戶活躍度指數(shù)的計(jì)算公式為
權(quán)利要求
1.一種個(gè)性化搜索方法，包括以下步驟 獲取用戶發(fā)表的文檔，對文檔進(jìn)行分類，得到文檔的分類信息； 根據(jù)文檔的分類信息構(gòu)建用戶模型和文檔模型； 根據(jù)用戶輸入的檢索詞進(jìn)行檢索，得到檢索結(jié)果； 根據(jù)所述用戶模型和文檔模型計(jì)算所述檢索結(jié)果的排序權(quán)值； 根據(jù)所述排序權(quán)值對所述檢索結(jié)果進(jìn)行排序。
2.根據(jù)權(quán)利要求I所述的個(gè)性化搜索方法，其特征在于，所述根據(jù)文檔的分類信息構(gòu)建用戶模型和文檔模型的步驟為 獲取用戶發(fā)表的文檔的分類概率及檢索詞的分類概率； 構(gòu)建個(gè)人模型，所述個(gè)人模型為由用戶發(fā)表的文檔的分類概率組成的向量，構(gòu)建大眾模型，所述大眾模型為由檢索詞的分類概率組成的向量，將所述個(gè)人模型與大眾模型進(jìn)行線性疊加，得到用戶模型； 構(gòu)建文檔模型，所述文檔模型為由文檔屬于各分類的概率組成的向量。
3.根據(jù)權(quán)利要求2所述的個(gè)性化搜索方法，其特征在于，采用如下公式構(gòu)建所述用戶模型P(people_social) = aXP(query)+ (l~a)P(people) ,0 ^ a ^ I其中，P(people_social)為用戶模型，P(query)為大眾模型，P(people)為個(gè)人模型，a為用戶活躍度指數(shù)； 所述用戶活躍度指數(shù)的計(jì)算公式為 f N -,N<2xNl a = \ 2xM \N>2xN\ 其中，N為一個(gè)用戶發(fā)表的文檔總數(shù)，NI為所有用戶平均發(fā)表的文檔數(shù)。
4.根據(jù)權(quán)利要求I所述的個(gè)性化搜索方法，其特征在于，所述根據(jù)用戶模型和文檔模型計(jì)算所述檢索結(jié)果的排序權(quán)值的步驟為 獲取登錄用戶的用戶模型和所述檢索結(jié)果中每個(gè)文檔的文檔模型； 計(jì)算所述登錄用戶的用戶模型和所述文檔模型的第一相似度； 獲取檢索結(jié)果中每個(gè)文檔的作者的用戶模型，計(jì)算所述作者的用戶模型與所述登錄用戶的用戶模型的第二相似度； 將所述第一相似度與第二相似度進(jìn)行線性疊加，得到所述排序權(quán)值。
5.根據(jù)權(quán)利要求I所述的個(gè)性化搜索方法，其特征在于，所述方法還包括對用戶模型進(jìn)行更新的步驟，具體是 設(shè)置線性衰減函數(shù)、統(tǒng)計(jì)周期和統(tǒng)計(jì)時(shí)間段； 在所述統(tǒng)計(jì)時(shí)間段內(nèi)統(tǒng)計(jì)每個(gè)統(tǒng)計(jì)周期內(nèi)用戶發(fā)表的各類文檔數(shù)； 根據(jù)所述線性衰減函數(shù)，獲取折算后的統(tǒng)計(jì)時(shí)間段內(nèi)用戶發(fā)表的各類文檔數(shù)； 根據(jù)所述折算后的用戶發(fā)表的各類文檔數(shù)構(gòu)建用戶模型。
6.一種個(gè)性化搜索系統(tǒng)，其特征在于，包括 文檔分類模塊，用于獲取用戶發(fā)表的文檔，并對文檔進(jìn)行分類，得到文檔的分類信息；用戶模型構(gòu)建模塊，用于獲取所述文檔分類信息，根據(jù)所述文檔分類信息構(gòu)建用戶模型； 文檔模型構(gòu)建模塊，用于獲取所述文檔分類信息，根據(jù)所述文檔分類信息構(gòu)建文檔模型； 檢索模塊，用于根據(jù)用戶輸入的檢索詞進(jìn)行檢索，得到檢索結(jié)果； 排序權(quán)值計(jì)算模塊，用于根據(jù)所述用戶模型和文檔模型計(jì)算所述檢索結(jié)果的排序權(quán)值； 排序模塊，用于根據(jù)所述排序權(quán)值對所述檢索結(jié)果進(jìn)行排序。
7.根據(jù)權(quán)利要求6所述的個(gè)性化搜索系統(tǒng)，其特征在于，所述用戶模型構(gòu)建模塊用于獲取用戶發(fā)表的文檔的分類概率及檢索詞的分類概率，構(gòu)建個(gè)人模型，所述個(gè)人模型為由用戶發(fā)表的文檔的分類概率組成的向量，構(gòu)建大眾模型，所述大眾模型為由檢索詞的分類概率組成的向量，將所述個(gè)人模型與大眾模型進(jìn)行線性疊加，得到用戶模型； 所述文檔模型構(gòu)建模塊用于構(gòu)建所述文檔模型，所述文檔模型為由文檔屬于各分類的概率組成的向量。
8.根據(jù)權(quán)利要求7所述的個(gè)性化搜索系統(tǒng)，其特征在于，所述用戶模型構(gòu)建模塊按如下公式構(gòu)建所述用戶模型P(people_social) = aXP(query) + (l~a)P(people),0 ^ a ^ I其中，P(people_social)為用戶模型，P(query)為大眾模型，P(people)為個(gè)人模型，a為用戶活躍度指數(shù)； 所述系統(tǒng)還包括用戶活躍度指數(shù)計(jì)算模塊，所述用戶活躍度指數(shù)計(jì)算模塊計(jì)算所述用戶活躍度指數(shù)的計(jì)算公式為
9.根據(jù)權(quán)利要求6所述的個(gè)性化搜索系統(tǒng)，其特征在于，所述排序權(quán)值計(jì)算模塊包括 查詢單元，用于獲取登錄用戶的用戶模型； 相似度計(jì)算單元，用于獲取檢索結(jié)果中每個(gè)文檔的文檔模型及每個(gè)文檔的作者的用戶模型，計(jì)算所述登錄用戶的用戶模型和所述文檔模型的第一相似度，以及計(jì)算所述作者的用戶模型與所述登錄用戶的用戶模型的第二相似度； 線性疊加單元，用于將所述第一相似度和第二相似度進(jìn)行線性疊加，得到排序權(quán)值。
10.根據(jù)權(quán)利要求6所述的個(gè)性化搜索系統(tǒng)，其特征在于，所述用戶模型構(gòu)建模塊包括更新模塊，所述更新模塊具體包括 設(shè)置單元，用于設(shè)置線性衰減函數(shù)、統(tǒng)計(jì)周期和統(tǒng)計(jì)時(shí)間段； 統(tǒng)計(jì)單元，用于在所述統(tǒng)計(jì)時(shí)間段內(nèi)統(tǒng)計(jì)每個(gè)統(tǒng)計(jì)周期內(nèi)用戶發(fā)表的各類文檔數(shù)；折算單元，用于根據(jù)所述線性衰減函數(shù)，獲取折算后的統(tǒng)計(jì)時(shí)間段內(nèi)用戶發(fā)表的各類文檔數(shù)； 用戶模型構(gòu)建單元，用于根據(jù)所述折算后的用戶發(fā)表的各類文檔數(shù)構(gòu)建用戶模型。
全文摘要
一種個(gè)性化搜索方法，包括以下步驟獲取用戶發(fā)表的文檔，對文檔進(jìn)行分類，得到文檔的分類信息；根據(jù)文檔的分類信息構(gòu)建用戶模型和文檔模型；根據(jù)用戶輸入的檢索詞進(jìn)行檢索，得到檢索結(jié)果；根據(jù)所述用戶模型和文檔模型計(jì)算所述檢索結(jié)果排序權(quán)值；根據(jù)所述排序權(quán)值對所述檢索結(jié)果進(jìn)行排序。采用上述方法，構(gòu)建的用戶模型和文檔模型的維度較低，實(shí)現(xiàn)起來簡單，從而能夠提高運(yùn)行性能。此外，還提供了一種個(gè)性化搜索系統(tǒng)。
文檔編號G06F17/30GK102737027SQ201110082369
公開日2012年10月17日 申請日期2011年4月1日 優(yōu)先權(quán)日2011年4月1日
發(fā)明者付劍波, 劉曉云, 文勖, 焦峰, 王亮, 王銳, 石一峰, 許春林 申請人:騰訊科技(深圳)有限公司