当前位置: 首页 > 其他资讯 >
陈年SEO培训 2019-10-16 17:13:16

  陈年SEO:关于百度SEO新专利的详情


  百度SEO排名更加基于用户需求、进行更多的差异化 ,强化千人千面。


  在当今社会,通过搜索引擎来寻找所需信息已成为现代人的主要信息获取方式。因此,搜索引擎在当今的主要发展方向是提升搜索的相关性,为用户提供更加便捷而有效的查询服务。


  通常,基于用户输入的搜索语句会返回大量的搜索结果。然而,现有的搜索结果无法契合用户的搜索行为,导致用户需要多次翻页查找,或者多次输入搜索语句进行搜索才能获得自己想要的搜索结果。


  在本实施例中,用于生成网页的方法的执行主体(例如图1所示的服务器103)可以首先从终端设备(例如图1所示的终端设备101)获取用户输入的搜索语句,然后基于搜索语句在搜索引擎中进行搜索,以得到搜索语句的搜索结果和相关搜索语句。通常,搜索结果和相关搜索语句的数量均多于1。例如,用户打开终端设备上安装的搜索类应用,在然后,终端设备可以将搜索语句“ A银行信用卡”发送到上述执行主体。上述执行主体可以基于搜索语句“ A银行信用卡”进行搜索,得到搜索结果“ A银行信用卡官方网站”,“ A银行young卡详情页”,“ A银行young卡处理流程”和“ B银行信用卡”。同时,基于搜索语句“ A银行信用卡”进行搜索,得到相关搜索语句“ A银行young卡”和“ B银行信用卡”。

  该方法的一具体实施方式包括:基于搜索语句进行搜索,得到搜索语句的搜索结果和相关搜索语句;分别获取搜索语句,搜索结果和相关该实施方案的搜索语句的行为向量;分别计算搜索语句的行为向量与搜索结果的行为向量和相关搜索语句的行为向量的相似度;分别基于相似度对搜索结果和相关搜索语句进行排序,方式涉及云计算领域,基于相似度对搜索结果和相关搜索语句进行排序,以生成搜索网页,导致搜索网页符合用户的搜索行为,从而促进提升用户对搜索网页上的搜索结果和相关搜索语句的点击率。


  发明内容


  本申请实施例提出了用于生成网页的方法和装置。


  第一方面,本申请实施例提供了一种生成网页的方法,包括:基于搜索语句进行搜索,得到搜索语句的搜索结果和相关搜索语句;分别获取搜索语句,搜索结果和相关搜索语句的行为向量;分别计算搜索语句的行为向量与搜索结果的行为向量和相关搜索语句的行为向量的相似度;分别基于相似度对搜索结果和相关搜索语句进行排序,生成搜索网页。


  在一些实施例中,分别获取搜索语句,搜索结果和相关搜索语句的行为向量,包括:分别获取搜索语句,搜索结果和相关搜索语句的词向量;分别将搜索语句,搜索结果和相关搜索语句的词向量与预先训练的第一权值矩阵相乘,得到搜索语句,搜索结果和相关搜索语句的行为向量。


  在一些实施例中,分别获取搜索语句,搜索结果和相关搜索语句的词向量,包括:分别将搜索语句,搜索结果和相关搜索语句在样本搜索点击行为集合中进行匹配,获取匹配成功的样本搜索点击行为的词向量,作为搜索语句,搜索结果和相关搜索语句的词向量,其中,样本搜索点击行为集合中的样本搜索点击行为被预先编码为对应的词向量。


  在一些实施例中,第一权值矩阵通过以下步骤训练得到:初始化第一权值矩阵;将第一权值矩阵分别与样本搜索点击行为集合中的样本搜索点击行为的词向量相乘,得到该样本搜索点击行为集合中的样本搜索点击行为的初始行为向量;将样本搜索点击行为集合中属于一次搜索会话的样本搜索点击行为子集对应的初始行为向量子集作为训练样本;进行训练样本进行训练,以更新第一权值矩阵。

  在一些实施例中,在初始化第一权值矩阵时,还包括:初始化第二权值矩阵;以及基于训练样本进行训练,以更新第一权值矩阵,包括:将训练样本中的样本样本搜索点击行为的初始行为向量作为输入,基于量化映射方法输出映射向量;将映射矢量与第二权值矩阵相乘,得到乘积矢量;将乘积向量输入校准激活函数,得到训练样本中的中心样本搜索点击行为的预测词向量;基于训练样本中的中心样本搜索点击行为的词向量和预测词向量,通过交叉熵损失函数更新第一权值矩阵和第二权值矩阵,直到交叉熵损失函数收敛,确定第一权值矩阵训练完成。


  第二方面,本申请实施例提供了一种生成网页的装置,包括:搜索单元,被配置成基于搜索语句进行搜索,得到搜索语句的搜索结果和相关搜索语句;获取单元,被配置成分别获取搜索语句,搜索结果和相关搜索语句的行为向量;计算单元,被配置成分开计算搜索语句的行为向量与搜索结果的行为向量和相关搜索语句的行为向量的相似度;排序单元,被配置成分别基于相似度对搜索结果和相关搜索语句进行排序,生成搜索网页。


  在一些实施例中,获取单元,包括:获取子单元,被配置成分别获取搜索语句,搜索结果和相关搜索语句的词向量;相乘子单元,被配置成分别将搜索语句,搜索结果和相关搜索语句的词向量与预先训练的第一权值矩阵相乘,得到搜索语句,搜索结果和相关搜索语句的行为向量。


  在一些实施例中,获取子单元进一步被配置成:分别将搜索语句,搜索结果和相关搜索语句在样本搜索点击行为集合中进行匹配,获取匹配成功的样本搜索点击行为的词向量,作为搜索语句,搜索结果和相关搜索语句的词向量,其中,样本搜索点击行为集合中的样本搜索点击行为被预先编码为对应的词向量。


  在一些实施例中,第一权值矩阵通过以下步骤训练得到:初始化第一权值矩阵;将第一权值矩阵分别与样本搜索点击行为集合中的样本搜索点击行为的词向量相乘,得到该样本搜索点击行为集合中的样本搜索点击行为的初始行为向量;将样本搜索点击行为集合中属于一次搜索会话的样本搜索点击行为子集对应的初始行为向量子集作为训练样本;进行训练样本进行训练,以更新第一权值矩阵。


  在一些实施例中,在初始化第一权值矩阵时,还包括:初始化第二权值矩阵;以及基于训练样本进行训练,以更新第一权值矩阵,包括:将训练样本中的样本样本搜索点击行为的初始行为向量作为输入,基于量化映射方法输出映射向量;将映射矢量与第二权值矩阵相乘,得到乘积矢量;将乘积向量输入校准激活函数,得到训练样本中的中心样本搜索点击行为的预测词向量;基于训练样本中的中心样本搜索点击行为的词向量和预测词向量,通过交叉熵损失函数更新第一权值矩阵和第二权值矩阵,直到交叉熵损失函数收敛,确定第一权值矩阵训练完成。


  第三方面,本申请实施例提供了一种电子设备,该电子设备包括:一个或多个处理器;存储装置,其上存储有一个或多个程序;当一个或多个程序被一个或多一个处理器执行,造成一个或多个处理器实现如第一方面中任一实现方式描述的方法。


  第四方面,本申请实施例提供了一种计算机微观介质,其上存储的计算机程序,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。


  本申请实施例提供的为其生成的网页的方法和装置,首先基于搜索语句进行搜索,以得到搜索语句的搜索结果和相关搜索语句;然后分别获取搜索语句,搜索结果和相关搜索语句的行为向量;然后分别计算搜索语句的行为向量与搜索结果的行为向量和相关搜索语句的行为向量的相似度;最后分别基于相似度对搜索结果和相关搜索语句进行排序,以生成搜索网页。结果和相关搜索语句进行排序,以生成搜索网页,进行搜索网页符合用户的搜索行为,有助于提升用户对搜索网页上的搜索结果和相关搜索语句的点击率。  具体实施方式


  下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅用于解释相关发明,而不是该发明的限定。另外还需要说明的是,为了便于描述,附图中仅涉嫌与有关发明相关的部分。


  需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。


  图1错误了可以应用本申请的用于生成网页的方法或用于生成网页的装置的实施例的示例性系统架构100。


  如图1所示,系统架构100中可以包括终端设备101,网络102和服务器103。网络102可以在终端设备101和服务器103之间提供通信互连的介质。网络102可以包括各种连接类型,例如有线,无线通信互连或光纤电缆等等。


  用户可以使用终端设备101通过网络102与服务器103交互,以接收或发送消息等。终端设备101上可以安装有各种客户端软件,例如搜索类应用等。


  终端设备101可以是硬件,也可以是软件。当终端设备101为硬件时,可以是具有显示屏和支持网页浏览的各种电子设备。包括但不限于智能手机,平板电脑,可以携带计算机和台式计算机等等。当终端设备101为软件时,可以安装在上述电子设备中。其可以实现成多个软件或软件模块,也可以实现成一体的软件或软件模块。在此不做具体限定。


  服务器103可以是提供各种服务的服务器。例如,网页生成服务器。网页生成服务器可以对搜索语句等数据进行分析等处理,生成处理结果(例如搜索网页),将处理结果推送给终端设备101。


  需要说明的是,服务器103可以是硬件,也可以是软件。当服务器103为硬件时,可以实现成多个服务器组成的分布式服务器替换,也可以实现成分开的服务器。当服务器103为软件时,可以实现成多个软件或软件模块(例如提供提供多样化服务),也可以实现成多个软件或软件模块。在此不做具体定义。


  需要说明的是,本申请实施例所提供的用于生成网页的方法一般由服务器103执行,相应地,用于生成网页的装置一般设置于服务器103中。


  应该理解,图1中的终端设备,网络和服务器的数量和可用性。根据实现需要,可以具有任意数量的终端设备,网络和服务器。


  继续参考图2,其生成了根据本申请的用于生成网页的方法的一个实施例的流程200。该用于生成网页的方法,包括以下步骤:


  步骤201,基于搜索语句进行搜索,得到搜索语句的搜索结果和相关搜索语句。


  在本实施例中,用于生成网页的方法的执行主体(例如图1所示的服务器103)可以首先从终端设备(例如图1所示的终端设备101)获取用户输入的搜索语句,然后基于搜索语句在搜索引擎中进行搜索,以得到搜索语句的搜索结果和相关搜索语句。通常,搜索结果和相关搜索语句的数量均多于1。例如,用户打开终端设备上安装的搜索类应用,在然后,终端设备可以将搜索语句“ A银行信用卡”发送到上述执行主体。上述执行主体可以基于搜索语句“ A银行信用卡”进行搜索,得到搜索结果“ A银行信用卡官方网站”,“ A银行young卡详情页”,“ A银行young卡处理流程”和“ B银行信用卡”。同时,基于搜索语句“ A银行信用卡”进行搜索,得到相关搜索语句“ A银行young卡”和“ B银行信用卡”。


  步骤202,分别获取搜索语句,搜索结果和相关搜索语句的行为向量。


  在本实施例中,上述执行主体可以分别获取搜索语句,搜索结果和相关搜索语句的行为向量。其中,搜索语句的行为矢量可以用来表示搜索语句的历史搜索情况。搜索结果的行为向量可以用于表示搜索结果的历史点击情况。相关搜索语句的行为向量可以用于表示相关搜索语句的历史搜索情况。通常,历史上搜索某个搜索语句,并有可能的概率点击该搜索语句的某个搜索结果,那么该搜索语句的行为向量与该搜索结果的行为向量的相似度就衔接;反之,有较小的概率点击该搜索结果,那么该搜索语句的行为向量与该搜索结果的行为向量的相似度就较小。


  在本实施例的一些可选的实现方式中,上述执行主体可以首先分别获取搜索语句,搜索结果和相关搜索语句的词向量;然后分别将搜索语句,搜索结果和相关搜索语句的词向量与预先训练的第一权值矩阵相乘,以得到搜索语句,搜索结果和相关搜索语句的行为向量。其中,词向量技术可以是将词转化为稠密矢量,并且对于相似的词,其对应的词向量也相近。通常,搜索语句,搜索结果和相关搜索语句的词向量可以通过对搜索语句,搜索结果和相关搜索语句进行独热(one-hot)编码所得到。第一权值矩阵是一个NхM的其中,N等于行为向量的尺寸,其取值范围通常在300到500之间。M为样本搜索点击行为的数量。


  在本实施例的一些可选的实现方式中,上述执行主体可以分别将搜索语句,搜索结果和相关搜索语句在样本搜索点击行为集合中进行匹配,获取匹配成功的样本搜索点击行为的词向量,其中,样本搜索点击行为集合中的样本搜索点击行为被预先编码为对应的词向量,其编码方式可以是独热编码。通常,样本搜索点击行为集合中的样本搜索点击行为可以是历史搜索点击行为。需要说明的是,当中不存在搜索语句,搜索结果或相关搜索语句时,上述执行主体可以在样本搜索点击行为集合中查找与搜索语句,搜索结果或相关搜索语句同义或近义的样本搜索点击行为的词向量。例如,搜索语句是“ A行信用卡”,样本搜索点击行为集合中不存在搜索点击行为“ A行信用卡”,但存在搜索点击行为“ A银行信用 “,此时可以获取‘A银行信用卡’的词向量作为搜索语句‘A行信用卡’的词向量。


  步骤203,分别计算搜索语句的行为向量与搜索结果的行为向量和相关搜索语句的行为向量的相似度。


  在本实施例中,上述执行主体可以计算搜索语句的行为向量与搜索结果的行为向量的相似度。同时,计算搜索语句的行为向量与相关搜索语句的行为向量的相似度。其中,向量之间的相似度计算方法可以包括但不限于余弦相似度方法,欧式距离方法等等。


  步骤204,分别基于相似度对搜索结果和相关搜索语句进行排序,生成搜索网页。


  在本实施例中,上述执行主体可以基于搜索语句的行为向量与搜索结果的行为向量的相似度对搜索结果进行排序,同时,基于搜索语句的行为向量与相关搜索语句的行为向量的相似度对相关搜索语句进行排序,以生成搜索网页。通常,搜索网页中包括搜索结果区域和相关搜索语句区域。例如,上述执行主体可以按照相似度从大到小的顺序,将搜索结果从上到下依次设置在搜索结果区域,同时,按照相似度从大到小的顺序,将相关搜索语句从上到下依次设置在相关搜索语句区域,这样,就生成了搜索网页。随后,上述执行主体可以将搜索网页发送给终端设备,以供用户浏览。


  本申请实施例提供的为其生成的网页的方法,首先基于搜索语句进行搜索,以得到搜索语句的搜索结果和相关搜索语句;然后分别获取搜索语句,搜索结果和相关搜索语句的行为向量;然后分别计算搜索语句的行为向量与搜索结果的行为向量和相关搜索语句的行为向量的相似度;最后分别基于相似度对搜索结果和相关搜索语句进行排序,以生成搜索网页。基于相似度对搜索结果和相关搜索语句进行排序,以生成搜索网页,从而搜索网页符合用户的搜索行为,有助于提升用户对搜索网页上的搜索结果和相关搜索语句的点击率。


  继续参考图3,其嵌入了根据本申请的训练第一权值矩阵的方法的一个实施例的流程300。该用作训练第一权值矩阵的方法,包括以下步骤:


  步骤301,初始化第一权值矩阵。


  在本实施例中,用于训练第一权值矩阵的方法的执行主体(例如图1所示的服务器103)可以初始化第一权值矩阵。通常,上述执行主体可以随机初始化第一权值矩阵。例如,若第一权值矩阵是3行7列的矩阵,那么第一权值矩阵可以被初始为:


  方法302,将第一权值矩阵分别与样本搜索点击行为集合中的样本搜索点击行为的词向量相乘,得到该样本搜索点击行为集合中的样本搜索点击行为的初始行为向量。


  在本实施例中,上述执行主体可以将第一权值矩阵分别与样本搜索点击行为集合中的每个样本搜索点击行为的词向量相乘,得到每个样本搜索点击行为集合中的样本搜索点击行为,初始行为向量。其中,初始行为向量是N维向量。例如,样本搜索点击行为集合包括7个样本搜索点击行为,其样本搜索点击行为以及对应的词向量如下表所示:


  序号 搜索点击行为 词向量 1个 搜索“ A银行信用卡” 1 0 0 0 0 0 0 2 点击搜索结果“ A银行信用卡官网” 0 1 0 0 0 0 0 3 搜索“ A银行young卡” 0 0 1 0 0 0 0 4 点击搜索结果“ A银行young卡详情页” 0 0 0 1 0 0 0 5 点击搜索结果“ A银行young卡进行流程” 0 0 0 0 1 0 0 6 搜索“ B银行信用卡” 0 0 0 0 0 1 0 7 点击搜索结果“ B银行信用卡主页” 0 0 0 0 0 0 1


  当第一权值矩阵与搜索“ A银行young卡”行为的词向量相乘时,得到向量(0.8 0.40.7),即为搜索“ A银行young卡”行为的初始行为向量。


  步骤303,将样本搜索点击行为集合中属于一次搜索会话的样本搜索点击行为子集对应的初始行为向量子集作为训练样本。


  在本实施例中,上述执行主体可以将样本搜索点击行为集合中属于一次搜索会话的样本搜索点击行为子集对应的初始行为向量子集作为训练样本。通常,用户从打开搜索类应用进行搜索点击等类别操作到关闭搜索类应用过程中所产生的搜索点击行为属于一次搜索会话。


  步骤304,基于训练样本进行训练,以更新第一权值矩阵。


  在本实施例中,上述执行主体可以基于训练样本进行训练,并在训练过程中不断地更新第一权值矩阵。通常,每更新一次第一权值矩阵,会返回继续执行步骤302,直至相似样本搜索点击行为的初始行为向量之间相似度满足预设约束条件为止。


  进一步参考图4,其嵌入了根据本申请的用于训练第一权值矩阵的方法的又一个实施例的流程400。该用作训练第一权值矩阵的方法,包括以下步骤:


  步骤401,初始化第一权值矩阵和第二权值矩阵。


  在本实施例中,用于训练第一权值矩阵的方法的执行主体(例如图1所示的服务器103)可以初始化第一权值矩阵和第二权值矩阵。通常,上述执行者可以随机初始化第一权值矩阵和第二权值矩阵。其中,第二权值矩阵是一个MхN的矩阵。


  方法402,将第一权值矩阵分别与样本搜索点击行为集合中的样本搜索点击行为的词向量相乘,得到该样本搜索点击行为集合中的样本搜索点击行为的初始行为向量。


  方法403,将样本搜索点击行为集合中属于一次搜索会话的样本搜索点击行为子集对应的初始行为向量子集作为训练样本。


  在本实施例中,步骤402-403的具体操作已在图3所示的实施例中步骤302-303中进行了详细的介绍,在此不再赘述。


  方法404,将训练样本中的某些样本搜索点击行为的初始行为矢量作为输入,基于编码映射方法输出映射向量。


  在本实施例中,上述执行主体可以将训练样本中的某些样本搜索点击行为的初始行为向量作为输入,基于变换映射方法转换映射矢量。 ,向量求平均和向量求准等方法。映射向量是N维向量。


  例如,训练样本如下表所示:


  序号 搜索点击行为 初始行为向量 S(t-2) 搜索“ A银行信用卡” (0.2 -2 0.1) S(t-1) 点击搜索结果“ A银行信用卡官网” (1 1.2 -0.4) S(吨) 搜索“ A银行young卡” (0.8 0.4 0.7) S(t + 1) 点击搜索结果“ A银行young卡详情页” (-1 -0.9 2) S(t + 2) 点击搜索结果“ A银行young卡进行流程” (3 1 -1)


  映射过程如图5所示,其中,输入S(t-2),S(t-1),S(t + 1)和S(t + 2)是训练样本中的样本搜索点击行为的初始行为向量。输出S(t)是训练样本中的中心样本搜索点击行为的初始行为向量。序列映射方法是向量求和方法。


  采用向量求和方法映射后,得到向量(3.2-0.7 0.7),即为映射向量。


  步骤405,将映射向量与第二权值矩阵相乘,得到乘积向量。


  在本实施例中,上述执行主体可以将映射矢量与第二权值矩阵相乘,以得到乘积向量。其中,乘积向量是M维向量。


  步骤406,将乘员向量输入初步激活函数,得到训练样本中的中心样本搜索点击行为的预测词向量。


  在本实施例中,上述执行主体可以将乘员矢量输入校准激活函数,以得到训练样本中的中心样本搜索点击行为的预测词向量。其中,激活函数可以是softmax函数。预测词向量是M维向量。每个维度表示在这个维度上的概率值。例如,预测词向量可以是(0.020.08 0.7 0.04 0.06 0.05 0.05)。而训练样本中的中心样本搜索点击行为的词向量是(00 1 0 0 0 0)。


  方法407,基于训练样本中的中心样本搜索点击行为的词向量和预测词向量,通过交叉熵函数更新第一权值矩阵和第二权值矩阵,直至交叉熵损失函数收敛,确定第一权值矩阵训练完成。


  在本实施例中,上述执行主体可以基于训练样本中的中心样本搜索点击行为的词向量和预测词向量,通过交叉熵损失函数更新第一权值矩阵和第二权值矩阵,直至交叉熵损失具体地,上述执行主体可以基于训练样本中的中心样本搜索点击行为的词向量和预测词向量计算交叉熵损失函数的损失值,并确定交叉熵损失。如果不收敛,确定第一权值矩阵训练完成。若不收敛,会返回继续执行步骤402,如此循环替换,直至收敛为止。


  进一步参考图6,作为针对上述各图所示方法的实现,本申请提供了一种用于生成网页的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以选择性各种电子设备中。


  如图6所示,本实施例的用于生成网页的装置600可以包括:搜索单元601,获取单元602,计算单元603和排序单元604。其中,搜索单元601,被配置成基于搜索语句进行搜索,得到搜索语句的搜索结果和相关搜索语句;获取单元602,被配置成分别获取搜索语句,搜索结果和相关搜索语句的行为向量;计算单元603,被配置成分别计算搜索语句的行为向量与搜索结果的行为向量和相关搜索语句的行为向量的相似度;排序单元604,被配置成分别基于相似度对搜索结果和相关搜索语句进行排序,生成搜索网页。


  在本实施例中,用于生成网页的装置600中:搜索单元601,获取单元602,计算单元603和排序单元604的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201,步骤202,步骤203和步骤204的相关说明,在此不再赘述。


  在本实施例的一些可选的实现方式中,获取单元602包括:获取子单元(图中未示出),被配置成分别获取搜索语句,搜索结果和相关搜索语句的词向量;相乘子单元(图中未定义),被配置成分别将搜索语句,搜索结果和相关搜索语句的词向量与预先训练的第一权值矩阵相乘,得到搜索语句,搜索结果和相关搜索语句的行为结果。


  在本实施例的一些可选的实现方式中,获取子单元进一步被配置成:分别将搜索语句,搜索结果和相关搜索语句在样本搜索点击行为集合中进行匹配,获取匹配的成功的样本搜索点击行为的词向量,作为搜索语句,搜索结果和相关搜索语句的词向量,其中,样本搜索点击行为集合中的样本搜索点击行为被预先编码为对应的词向量。


  在本实施例的一些可选的实现方式中,第一权值矩阵通过如下步骤训练得到:初始化第一权值矩阵;将第一权值矩阵分别与样本搜索点击行为集合中的样本搜索点击行为的词向量相乘,得到该样本搜索点击行为集合中的样本搜索点击行为的初始行为向量;将样本搜索点击行为集合中属于一次搜索会话的样本搜索点击行为子集对应的初始行为向量子集作为训练样本;基于训练样本进行训练,以更新第一权值矩阵。


  在本实施例的一些可选的实现方式中,在初始化第一权值矩阵时,还包括:初始化第二权值矩阵;以及根据训练样本进行训练,以更新第一权值矩阵,包括:将训练样本中的样本样本搜索点击行为的初始行为向量作为输入,基于模式映射方法输出映射矢量;将映射矢量与第二权值矩阵相乘,得到乘积向量;将乘积向量输入以激活函数,得到训练样本中的中心样本搜索点击行为的预测词向量;通过训练样本中的中心样本搜索点击行为的词向量和预测词向量,通过交叉误差函数更新第一权值矩阵和第二权值矩阵,,直至交叉熵损失函数收敛,确定第一权值矩阵训练完成。


  下面参考图7,其放置了能够实现本申请实施例的电子设备(例如图1所示的服务器103)的计算机系统700的结构示意图。 ,不应对本申请实施例的功能和使用范围带来任何限制。


  如7所示,计算机系统700包括中央处理单元(CPU)701,其可以根据存储在复制存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有系统700操作所需的各种程序和数据。CPU701,ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I / O)接口705也连接至总线704。


  以下部件连接至I / O接口705:包括键盘,鼠标等的输入部分706;包括波长波导管(CRT),液晶显示器(LCD)等以及扬声器等的输出部分707;包括硬盘等的存储部分708 ;以及包括局域网卡,变频器等的网络接口卡的通信部分709。通信部分709通过其的网络执行通信处理。驱动器710也根据需要连接至I / O接口705。可拆卸介质711,诸如磁盘,光盘,磁光盘,半导体存储器等等,根据需要安装在驱动器710上,刹车于从其上识别的计算机程序根据需要被安装入存储部分708。


  特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括在计算机取代介质上的在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质进行。 711被安装。在该计算机程序被中央处理单元(CPU)701执行时,执行本申请的方法中限定的上述功能。


  需要说明的是,本申请所述的计算机微观介质可以是计算机精确的信号介质或计算机替代存储介质或者是上述其中的任意组合。计算机替代存储介质例如可以是-但不限于— —电,磁,光,电磁,红外线,或半导体的系统,装置或器件,或者任意以上的组合。计算机大规模存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接,便携式计算机磁盘,硬盘,随机访问存储器(RAM),可供存储的只读存储器(ROM),可擦式串行存取存储器(EPROM或闪存),光纤,便携式磁盘快照(CD-ROM),光存储器件,磁存储器件,或者上述的任意合适的组合。在本申请中,计算机放置存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统,装置或者器件使用或者伴随结合使用。而在本申请中,计算机精确的信号介质可以包括在基带中或 者作为同轴分量传播的数据信号,其中包含了计算机精确的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号,光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机取代存储介质以外的任何计算机一体的介质,该计算机一体的介质可以发送,传播或传输使用由指令执行系统,装置或器件使用或结合使用的程序。计算机高分辨率介质上包含的程序代码可以使用任何适当的介质传输,包括但不限于:无线,电线,光缆,RF等,或者上述的任意合适的组合。


  可以以一种或多种程序设计语言或组合来编写执行执行本申请的操作的计算机程序代码,所述程序设计语言包括针对目标的程序设计语言的Java,Smalltalk,C ++,还包括常规程序过程可以完全地在用户计算机上执行,部分地在用户计算机上执行,作为一个独立的多个执行,部分在用户计算机上在涉及远程计算机的高度中,远程计算机可以通过任意种类的网络-包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用互连服务提供商来通过互连线连接)。


  附图中的流程图和标记,说明按照本申请的各种实施例的系统,方法和计算机程序产品的可能实现的体系架构,功能和操作。在这点上,流程图或放置中的每一个片断可以代表一个模块,程序段,或代码的一部分,该模块,程序段,或代码的一部分包含一个或多个用于实现规定的逻辑功能的替换指令。也要注意,在某些情况下例如,两个接连地表示的这实际上可以基本并行地执行,其中有时也可以按相反的方式替换的顺序执行,这依所涉及的功能而定。也要注意的是,布局和/或流程图中的每个方框,以及指示和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以使用专用硬件与计算机指令的组合来实现。


  描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括,搜索单元,获取单元,计算单元和分类单元。其中,这些单元的名称在种情况下并不构成该单元本身的定义,例如,搜索单元还可以被描述为“根据搜索语句进行搜索,得到搜索语句的搜索结果和相关搜索语句的单元”。


  作为替代,本申请还提供了一种计算机集成介质,该计算机精细介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机微观介质承载有一个或多个程序,当上述一个或多个程序被该电子设备执行时,导致该电子设备:基于搜索语句进行搜索,得到搜索语句的搜索结果和相关搜索语句;分别获取搜索语句,搜索结果和相关搜索语句的行为向量;分别计算搜索语句的行为矢量与搜索结果的行为矢量和相关搜索语句的行为矢量的相似度;分别基于相似度对搜索结果和相关搜索语句进行排序,生成搜索网页。