[发明专利]一种确定文档特征和用户特征的方法和系统

说明书

技术领域

本发明涉及个性化搜索领域，具体来说涉及一种确定文档特征和用户特征的方法和系统。

背景技术

目前搜索引擎能够访问的网页数量已经达到千亿量级的规模，当用户输入关键字进行网页搜索时，搜索引擎返回的网页数量少则几十数百，多则数百万，这给用户选择目标网页带来了很大的困难。有统计表明，用户平均查看的搜索结果不超过两页，因此搜索引擎的一个重要任务就是对获得的搜索网页进行有效排序，将用户最想获得的结果放到搜索结果的最前面。

搜索引擎工作原理包括从互联网上抓取网页、建立索引数据库、获得用户的搜索关键字以及在索引数据库中对搜索内容进行排序等步骤。其中搜索排序方法的好坏直接影响到用户是否能够获得需要的搜索网页。在现有技术中PageRank方法是一个最具代表性的网页搜索排序算法。该算法的思路是一个网页的重要性决定着也同时也依赖着其他网页的重要性，一个网页本身的PageRank值越高则它对其链出网页的推荐能力越大，一个网页的链出网页越少则它对其中一个链出网页的推荐能力就越高。PageRank算法等现有技术的一个缺点是没有考虑用户的个性化差异，不同用户使用相同关键词得到的搜索结果是相同的。因此现有搜索技术需要根据每个用户各自偏好对搜索网页进行排序优化，进而提高排序的准确性。为克服现有技术的不足，有人已开始研究基于用户个性化信息的搜索引擎来主动学习用户偏好，并根据用户偏好对搜索结果进行重新排序。但是，开发个性化搜索引擎还存在以下几个问题：第一是用户需求难以表达，特别是非专业用户缺乏需求表达的训练，不能有效理解和表达自己的信息需求；第二是难以获取用户的个性化信息，虽然用户年龄、教育程度、地理位置、专业领域和个人偏好等信息能给个性化搜索带来便利，但是相当多的用户对提供个人信息心存疑虑；第三是个性化技术往往会带来较大的系统开销，影响系统的性能；第四是不能实时跟踪和适应用户浏览兴趣的变化，动态地更新用户的偏好模型。

发明内容

鉴于上述现有技术的缺点和开发个性化搜索引擎遇到的问题，本发明的目的在于提供一种确定文档特征和用户特征的方法和系统来解决上述问题。

根据以上所述的目的，本发明提出了一种确定文档特征和用户特征的方法，其特征在于，在服务器中实现如下步骤：

接收用户对文档的访问请求；

获取所述用户的用户特征向量；

获取所述文档的文档特征向量；

更新所述用户特征向量和所述文档特征向量；

更新后的所述用户特征向量是更新前的所述文档特征向量和所述用户特征向量的函数；更新后的所述文档特征向量是更新前的所述文档特征向量和所述用户特征向量的函数。

上述方法包括在个性化网页搜索排序领域的一个应用实例，即通过多次应用上述方法，获取多个文档中每个文档的文档特征向量和多个用户中每个用户的用户特征向量，并据此实现一种个性化搜索排序方法，包括如下步骤：

接收用户的搜索查询；

在所述多个文档中识别与所述搜索查询匹配的一组文档；

获取所述用户的用户特征向量；

计算所述一组文档中每个文档的文档特征向量与所述用户的用户特征向量之间的数学距离，以及根据所述数学距离对所述一组文档进行排序；

按照所述排序结果将所述一组文档的至少一部分发送给所述用户。

与现有技术相比，本发明能够解决在开发个性化搜索过程中遇到的用户特征难以表达、个人信息难以获取、个性化搜索过程系统开销大以及不能实时获取用户浏览偏好等问题，通过对现有搜索引擎技术的改进，来提高网页搜索排序的准确率。

附图说明

图1为一种确定文档特征和用户特征的方法流程图；

图2为文档特征向量的表述方法；

图3为用户特征向量的表示方法；

图4为目录特征向量的表示方法；

图5为术语特征向量的表示方法；

图6为广告特征向量的表示方法；

图7为接收用户对文档的访问请求的系统结构图；

图8为一个搜索查询系统的结构图。

具体实施方式

结合附图对本发明方法作进一步详细说明。

图1为一种确定文档特征和用户特征的方法流程图。包括如下步骤：