[发明专利]搜索结果的基于原型的重排名

说明书

背景

用户利用网络(诸如因特网)搜索各种类型的信息已变得很常见。例如，利用计算设备，用户可以向基于web的搜索引擎提交对这样的信息的查询并且可随后接收响应于该查询的搜索结果。具体而言，假定用户在搜索一个或多个图像，基于web的搜索引擎可检索图像并基于与在其中发现这些图像的网页相关联的文本(例如，标题、实际内容、元数据等)进行排名。然而，返回给用户的图像可能不令用户满意和/或可能与对应的查询不相关和/或没有对该对应查询作出响应。这可能由于所返回的图像与对应于搜索引擎所标识的网页的文本之间的失配或缺乏相关性。因此，因为作为这样的失配的结果，搜索结果的精确性可能受限，用户可能经常接收到不相关的搜索结果，这会造成很差的用户体验。

发明内容

本文描述了用于至少部分地基于重排名模型来对搜索结果集合进行重排名的系统和过程。在各实施例中，可从用户接收一个或多个查询。作为响应，可生成搜索结果集合，其中搜索结果中的每一个可以与该搜索结果集合内的排名位置相关联。至少部分地基于这些搜索结果，可生成在视觉上表示该一个或多个查询和/或这些搜索结果的一个或多个原型。该一个或多个原型可被用来构造一个或多个元重排名器，该元重排名器可生成搜索结果中的每一个的重排名分数。重排名分数随后可被聚集以产生搜索结果集合中包括的每一搜索结果的最终相关性分数。重排名模型也可至少部分地基于搜索结果来学习。至少部分地基于每一搜索结果的相关性分数和/或习得的重排名模型，可以提供经重排名的搜索结果的集合。

提供本概述是为了以简化的形式介绍将在以下具体实施例中进一步描述的一些概念。本概述并不旨在标识所要求保护主题的关键特征或必要特征，也不旨在用于限制所要求保护主题的范围。

附图说明

参考附图来阐明详细描述，附图中，附图标记最左边的数字标识该附图标记首次出现的附图。在相同不同附图中使用同一附图标记指示相似或相同的项或特征。

图1是示出包括用户、计算设备、网络和内容服务器的示例系统的示图。在这一系统中，搜索结果集合可被重排名并输出给用户。

图2是示出用于响应于接收到查询来生成经重排名的图像的集合的示例系统的示图。

图3是示出用于至少部分地基于被确定为与查询相关的图像来构造一个或多个原型或元重排名器的系统的示图。

图4是示出用于通过迭代地将一个或多个图像与元重排名器相关联来构造一个或多个原型或元重排名器的系统的示图。

图5是示出至少部分地基于重排名模型对搜索结果集合进行重排名的示例过程的流程图。

具体实施方式

本文描述了用于至少部分地基于受监督和/或无监督学习来对多个图像进行重排名的系统和/或过程。在一些实施例中，本文描述的系统和过程可以学习可被用来对已响应于一个或多个查询而返回的多个图像进行重排名的重排名模型。更具体地，该重排名模型可以按受监督的方式来学习，通过该方式，初始基于文本的搜索结果的至少一部分被解释为是相关的。此外，针对有限数量的代表性查询而获得的基于文本的搜索结果，可相对于它们与这些代表性查询的相应相关性被手动地标记。

相对于响应于一个或多个查询所返回的搜索结果集合，现有重排名过程可按各种方式来重排该集合中的前N个图像。然而，这些过程往往假定该前N个图像相对于该一个或多个查询是均等地相关的。此外，因为被用来生成搜索结果集合的基于文本的搜索引擎可能没有生成完全相关于和/或响应于该一个或多个查询的搜索结果，所以该搜索引擎可能返回用户不感兴趣的图像。作为结果，来自搜索结果集合的前N个图像也可能不与该一个或多个查询相关。这些不相关图像的存在可能将噪声引入到重排名模型的学习中，这可导致在对图像进行重排名后返回非最优搜索结果。

在各实施例中，对于每一查询，被确定为与查询相关且被排名(在不同的排名位置)的图像可具有与该查询相关的不同概率。例如，被确定为相对于特定查询排名第一的图像可具有与被确定为同该排名第一的图像相比排名较低(例如，第七)的图像不同的与该查询相关的概率。因此，为了基于它们与对应查询的相应相关性来对图像进行重排名，基于原型的过程可被用来至少部分地基于对学习模型的受监督和/或无监督学习，和/或至少部分地基于每一图像可与它在初始搜索结果中的排名位置相关的相关性概率的概念来对图像进行重排名。