[发明专利]一种智能辅助搜索输入的方法

说明书

本发明公开了一种智能辅助搜索输入的方法，该方法包括以下步骤：S1.数据前处理；S2.多路召回候选集：对待提示的搜索查询进行多路召回，然后将所述多路召回结果进行归并，并作滤重处理，得到最终的M条候选结果；S3.静态分析和动态分析：对于步骤S2中所得的M条候选结果集合，将第条结果记为，分别进行静态分析和动态分析；S4.融合排序：根据步骤S3中静态分析和动态分析结果，融合计算的总体质量分，然后将M条候选结果集合按照质量分大小从大到小排序，取排在最前面的Top K条结果返回作为智能辅助输入的最终结果。本发明可以有效地提升提示结果的覆盖面、相关性、时效性、个性化程度等，大大改善用户体验，提升用户搜索的效率和满意度。

技术领域

本发明涉及互联网、大数据领域，尤其是涉及一种智能辅助搜索输入的方法。

背景技术

随着大数据时代的到来和移动互联网的兴起，信息技术彻底改变了人们的日常生活方式，各种类型APP应用已经覆盖到了人们生活的方方面面。获取信息是人类认知世界、生存发展的刚需，但是人们每天都被海量信息包围着，如何更好更快的获取信息成为了需要迫切解决的问题，搜索引擎在这个过程中无疑起到无可替代的作用。当我们需求非常明确的时候，在搜索框中输入要找的内容，搜索引擎就可以快速准确的返回用户想要的结果。受限于手机屏幕大小和输入法的限制，打字速度降低，输入所需时间增加了一些，同时容易出现错别字等情况，极大的影响了人们获取信息的效率，也降低了用户体验，由此辅助用户输入成为了搜索引擎标配的功能。

业界现有的辅助用户输入，技术上主要是以开源工具所带的自动补全功能和前缀树匹配两种为主，但存在以下问题：

1.文本相关性计算方式单一，导致返回的提示结果文本相关性不够，当有错别字、拼音、火星文等情况时会更差；

2.所用的数据源过于单一，除了用户的历史搜索日志，还有内容的标签、标题、描述、正文等信息，都需要兼顾，都可以作为输入数据增加结果的覆盖面和相关性；

3.没有充分使用用户搜索行为数据，包括输入的查询语句以及给出提示结果后的点击选择等行为，这些行为直接反应了用户的真实信息诉求；

4.没有考虑时间的影响，随着时间的推移，没有都有大量新的内容不断产生，返回的提示结果也需要考虑结果的实效性；

5.返回结果的个性化不足，人们的信息诉求时有差异的，结果需要体现较多的个性化。

发明内容

为了解决上述现有技术中存在的不足，本发明提供一种智能辅助搜索输入的方法，该方法可以有效地提升提示结果的覆盖面、相关性、时效性、个性化程度等，大大改善用户体验，提升用户搜索的效率和满意度。

为了实现上述发明目的，本发明提供以下技术方案：

一种智能辅助搜索输入的方法，该方法包括以下步骤：

S1.数据前处理：取最近一段时间内包括搜索行为和提示点击行为的行为数据集，基于所述行为数据集中搜索行为数据，获取滤重之后的用户查询语句数据集，将所述用户查询语句数据集的长度记为，将所述行为数据集中搜索行为的数量记为,将所述提示点击行为的数量记为，将所述用户查询语句数据集全部存入树Trie中，记为，将所述用户查询语句数据集全部使用word2vec模型生成词向量后存入Faiss中，并记为，将全量待搜索的内容信息导入到Elasticsearch中，并记为，所述内容信息包括字段信息，所述字段信息包括标题、标签、描述和正文；将当前时间的时间戳记为，对于待提示的搜索查询，其字符串长度记为；

S2.多路召回候选集：对待提示的搜索查询进行多路召回，所述多路召回包括前序匹配召回、词嵌入召回和文本语义召回，然后将所述前序匹配召回、词嵌入召回和文本语义召回的结果进行归并，并作滤重处理，得到最终的M条候选结果；