[发明专利]内容和搜索词的相关性确定方法及系统、展示方法及系统

说明书

本发明公开了一种内容和搜索词的相关性确定方法及系统、展示方法及系统，预先对搜索词进行了分类，并确定了各个搜索词类型和检验参数的对应关系，检验参数用于保证预设位置的内容被展示的概率，在确定目标搜索词所属的搜索词类型后，从各个搜索词类型和检验参数的对应关系中，确定目标搜索词对应的目标检验参数，从而基于目标检验参数确定目标内容与目标搜索词的相关性参数。由于本发明对搜索词进行了分类，因此在对搜索词进行分类可以充分考虑各个情况，从而使得基于每个搜索词类型对应的检验参数相近或相同，从而可以有效避免在不同搜索词下，因搜索场景不同，用户搜索意图不同，导致检验参数差异较大的情况的出现，提高相关性参数的准确性。

技术领域

本发明涉及互联网技术领域，更具体的说，涉及一种内容和搜索词的相关性确定方法及系统、展示方法及系统。

背景技术

点击率是指网站页面上某一内容被点击的次数与被显示次数之比。点击率是一个百分比，反映了网页上某一内容的受关注程度。在统计点击率时，内容(比如视频、音频、图文内容的导航链接)只要出现在展示页面，就作为一次显示。通常展示页面上包含几条甚至十几条内容，相对于排名靠前的内容，用户看到排名靠后的内容的概率较低。因此，这种点击率统计方法，使得排名靠后的内容的显示次数相对于用户真实看到的次数偏高，导致排名靠后的内容的点击率偏低。可以理解，在排序模型中，点击率较高的内容通常更容易获得更高的排序位置。这样，将会直接引起排序中的马太效应，也即，初始排序靠前的内容的点击率更高，相对应的排序位置更高，反之，初始排序靠后的内容的点击率偏低，相对应的排序位置也偏低，从而影响整个排序系统的生态循环。

解决上述问题最直接的办法是预估展示页面中每一条内容被用户点击的概率，基于该概率修正内容被显示次数的偏差。传统方案中，提出了多种点击模型对用户的点击行为进行建模，比如基于位置的模型(POSITION-BASED MODEL)、级联模型(CASCADE MODEL)、动态贝叶斯网络模型(DYNAMIC BAYESIAN NETWORK MODEL)等。然而，上述模型都没有考虑如何实时处理用户的点击行为，预测内容和搜索词之间的相关性。

基于此，本领域技术人员提出了一种用户浏览模型(USER BROWSING MODEL)，用户浏览模型主要包括两个参数，检验参数以及内容和搜索词之间的相关性参数，检验参数决定了不同位置的内容被浏览到的概率，从而影响用户在搜索结果页点击某一内容的概率，进而影响内容和搜索词的相关项参数的确定。由于在不同的搜索词下，因搜索场景不同，用户搜索意图不同，导致检验参数的差异较大，从而使得基于该检验参数确定的内容和搜索词的相关性参数的准确性不高。

发明内容

有鉴于此，本发明公开一种内容和搜索词的相关性确定方法及系统、展示方法及系统，以实现有效避免在不同搜索词下，因搜索场景不同，用户搜索意图不同，导致检验参数差异较大的情况的出现，从而提高基于检验参数确定的内容和搜索词的相关性参数的准确性。

一种内容和搜索词的相关性确定方法，包括：

确定目标搜索词所属的搜索词类型；

基于确定的所述搜索词类型，从预先存储的搜索词类型和检验参数的对应关系中，查找到所述目标搜索词对应的目标检验参数，所述检验参数用于表征预设位置的内容被展示的概率，所述搜索词类型按照预设分类标准确定；

基于所述目标检验参数确定目标内容与所述目标搜索词的相关性参数。

可选的，所述对应关系的获取过程如下：

按照所述预设分类标准对搜索词进行分类；

采用预设用户浏览模型确定每种类型的搜索词对应的检验参数，得到搜索词类型和检验参数的所述对应关系。

可选的，所述预设分类标准为：搜索词点击率、搜索词类型、搜索词点击熵和搜索词平均点击位置中的任意一种或几种分类特征组合。