[發明專利]利用從結構化文檔中提取的特征來改善搜索關聯性

有效

• 申請號: 201280037502.0
• 申請日: 2012-07-23
• 公開（公告）號: CN103718178A
• 公開（公告）日: 2014-04-09
• 發明（設計）人: R.R.梅塔;S.H.納加拉盧;A.達斯;B.米特拉
• 申請（專利權）人: 微軟公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 李舒;汪揚

背景技術

Web搜索引擎是被配置成搜索在萬維網(World?Wide?Web)和FTP服務器上可得到的信息的計算機實施的系統。在操作中，搜索引擎接收由用戶所發出的查詢并且至少部分地基于該查詢在由搜索引擎所索引的文檔上來執行搜索。搜索引擎的目標是給用戶提供與用戶的信息檢索意圖最相關的文檔。能夠被搜索過并且提供給用戶的文檔的類型包括web頁面、圖像、來自新聞訂閱的數據等。

搜索引擎希望給用戶提供最相關的搜索結果，并且響應于查詢的接收利用相對復雜的算法來輸出文檔的排名列表。排名最高的文檔(被搜索引擎認為與用戶的信息檢索意圖最相關的文檔)被最顯著地呈現給用戶，典型地作為搜索結果的列表中的最頂部的搜索結果。當與最相關的搜索結果相比時被認為與用戶的信息檢索意圖不太相關的搜索結果被呈現在搜索結果的排名列表中的較下面。

準確地確定哪些搜索結果對于用戶而言是最重要的是非常重要的任務，因為一般地用戶將不分析大量搜索結果來找到與用戶的信息檢索意圖最相關的文檔。相反地，如果用戶未迅速地看見被認為與她的信息意圖相關的搜索結果，則用戶將很可能放棄搜索這種信息、重做查詢或者試圖使用另一搜索引擎來定位期望的信息。因為收入在搜索引擎中是基于廣告費用被生成的，至關重要的是搜索引擎準確地相對于用戶的信息檢索意圖來確定文檔的排名以便保持業務量并且吸引新的用戶。

發明內容

以下是被在本文中更詳細地描述的主題的簡要概括。至于權利要求的范圍，這個概括不旨在為限制性的。

本文中所描述的是關于對由搜索引擎響應于接收到來自用戶的查詢而檢索到的文檔進行排名的各種技術。萬維網在其上具有在性質上為半結構化的許多web頁面。也就是說，半結構化web頁面的內容不符合標準關系數據庫模式(schema)，但然而包括能夠被識別的內容的特定模式。例如，零售商的web站點可以包括多個web頁面，其中所述多個web頁面中的每個web頁面都被配置售賣或者描述產品。雖然web站點中的兩個web頁面針對不同的產品，但是兩個web頁面(連同屬于該web站點的其它web頁面)的結構和布局可以是基本上類似的。

例如，每個web頁面分別可以具有在特定位置處的產品的圖像、在特定位置處的產品的標題、在特定位置處的產品的評論等。在另一例子中，web站點可以包括被配置成將各種視頻呈現給其用戶的多個web頁面。因此，雖然這種web站點中的每個web頁面顯示不同的視頻，但是web頁面中的每一個都可以包括在特定位置處的相應視頻的標題、在特定位置處的視頻的瀏覽數(views)的數目、在特定位置處的關于視頻的點評等。而且，社交聯網web站點可以包括被配置成呈現針對社交聯網web站點的許多不同用戶的簡檔(profile)的多個web頁面。再者，雖然每個web頁面可以顯示關于不同用戶的信息，但是諸如用戶的標識、用戶的圖像、用戶的簡歷、用戶的聯系人的數目等之類的特定特征可以跨越這種web站點的web頁面處于類似的位置中。

一般地，搜索引擎在確定如何響應于查詢的接收來對web頁面進行排名時未能考慮與由用戶所發出的查詢的內容獨立的web頁面上的內容。在示范性實施例中，本文中所描述的搜索引擎可以輸出搜索結果的排名列表，其包括至少一個半結構化web頁面，其中半結構化web頁面在搜索結果的排名列表中的位置是至少部分地基于顯示給與查詢的內容獨立的web頁面的用戶的特征的值的。按照例子，半結構化web頁面可以是被配置成顯示關于特定產品的信息的web頁面。能夠在響應于查詢的接收確定這種web頁面的位置時被考慮的示范性特征能夠包括由產品的購買人在這種web頁面上所張貼的評論的數目、由產品的購買人在web頁面上所張貼的肯定評論的數目和/或由產品的購買人在web頁面上所張貼的否定評論的數目。因此，在例子中用戶可以將查詢“camera?(相機)”提供給搜索引擎，并且搜索引擎能夠檢索描述(并且可能地售賣)兩個不同的相應相機的兩個不同的半結構化web頁面。描述具有較大量肯定評論的相機的web頁面可以在搜索結果中被定位在描述具有較少肯定評論或較多否定評論的相機的web頁面以上。