[發明專利]使用多嵌套排序來改善排序結果

有效

• 申請號: 200680045523.1
• 申請日: 2006-11-17
• 公開（公告）號: CN101322125A
• 公開（公告）日: 2008-12-10
• 發明（設計）人: C·J·博格斯;I·瑪特維娃;L·W·翁;A·S·拉魯夏斯;T·伯卡德
• 申請（專利權）人: 微軟公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q90/00
• 代理公司: 上海專利商標事務所有限公司
• 代理人: 陳斌

1.一種向針對給定查詢返回的項目提供改善排序的排序系統，包括：

多嵌套排序組件（120），其通過使用多個排序級對期望進行定序的項目 的初始集進行排序，其中，第一級提供項目的初始集的第一次排序，而第一級 后的后續各級為來自前一排序級的項目集合的排序最高的子集進行排序，其 中，子集的項目數量逐級減少，其中每個排序級使用多個排序算法中的一個， 而每個后續排序級所述使用多個排序算法中更為復雜的排序算法，因此比前一 排序級使用的排序算法要求更多的處理時間。

2.如權利要求1所述的系統，其特征在于，所述多嵌套排序組件包括經 由機器學習或統計方法訓練的多個排序算法。

3.如權利要求2所述的系統，其特征在于，所述多個排序算法包括：

訓練成對項目的初始集排序的至少一種初始排序算法（NET₀）；以及

一個或多個后續排序算法，其在來自之前排序算法的之前重新排序的項目 子集的經排序子集上加以后續訓練。

4.如權利要求3所述的系統，其特征在于，第一項目子集包括在排序中 位于最高次序位置的項目。

5.如權利要求2所述的系統，其特征在于，還包括訓練集修改組件，它 部分通過從每一訓練集中排除一個或多個最低次序的項目來連續修剪每一個 之前的訓練集以形成新的訓練集，每一新訓練集包括來自之前訓練集的項目的 子集。

6.如權利要求5所述的系統，其特征在于，所述多個排序算法使用相應 的訓練集以連續方式訓練。

7.如權利要求1所述的系統，其特征在于，所述多嵌套排序組件在一個 或多個分開的級中對所述項目的初始集的子集重新定序，以將最相關高分值項 目置于排序列表的頂部。

8.如權利要求1所述的系統，其特征在于，還包括顯示組件，它向用戶 呈現搜索結果列表，所述搜索結果列表至少包括基于由多個嵌套排序組件確定 的排序而重新定序的項目的子集。

9.一種向針對給定查詢返回的項目提供改善排序的方法，包括：

檢索初始的經排序有序項目集，其中每個項目被賦予一個相關值；以及

迭代地對項目集的一個或多個子集重新排序，其中每個子集包括從前一次 迭代獲得的，不低于閾值相關值的多個經排序項目，在每次迭代階段中，項目 的數量逐次減少，其中閾值相關值是基于項目集的項目數量由人工智能自動選 擇的，其中每次迭代使用比前一次迭代中使用的排序算法更為復雜且更慢的排 序算法來進行項目排序。

10.如權利要求9所述的方法，其特征在于，重新排序的迭代數量是基于 推斷方案自動選擇的。

11.如權利要求9所述的方法，其特征在于，所述重新排序包括使用一個 或多個經訓練而得的經修改排序算法，所述訓練包括：

接收訓練數據的初始集合；

使用該訓練數據來訓練初始排序算法；

使用該初始排序算法來將訓練數據排序成為經排序訓練數據；

迭代地訓練獲得一個或多個經修改排序算法，每一次迭代訓練包括：

選擇經排序訓練數據的具有最高排序的子集，其中該子集包括 的項目數量比整個經排序訓練數據少；

通過使用所述子集來訓練前次使用的排序算法，以得到經修改 排序算法；

使用所述經修改排序算法將訓練數據的所述子集進一步排序。

12.如權利要求11所述的方法，其特征在于，基于用戶偏好或人工智能 來確定經修改排序算法的數量。

13.如權利要求9所述的方法，其特征在于，所述重新排序是經由至少一 個經訓練的排序算法進行的。

14.如權利要求9所述的方法，其特征在于，還包括向用戶呈現列表，所 述列表包括已經重新排序的項目的子集。

15.如權利要求9所述的方法，其特征在于，所述重新排序采用多個排序 算法，其中每個連續迭代使用更復雜的學習算法以獲得改進的排序。