用户选项优化方法及装置制造方法
【专利摘要】本发明公开了一种用户选项优化方法及装置。该方法包括：步骤1，根据用户输入的关键词，基于预先设置的固定展示选项参数，根据各个候选用户选项的平均收益，从候选用户选项中将符合固定展示选项参数的用户选项作为固定展示选项；步骤2，基于预先设置的尝试展示选项参数，根据各个候选用户选项的平均收益，从剩余的候选用户选项中将符合尝试展示选项参数的用户选项作为尝试展示选项；步骤3，向用户展示固定展示选项和尝试展示选项，并根据用户的反馈统计固定展示选项和尝试展示选项的平均收益，将统计的平均收益作为下次计算固定展示选项和尝试展示选项的基础。
【专利说明】用户选项优化方法及装置
【技术领域】
[0001]本发明涉及计算机【技术领域】，特别是涉及一种用户选项优化方法及装置。
【背景技术】
[0002]在现有技术中，对于搜索系统，有很多应用的模式是相同的:用户查询_>系统展示一些与查询相关的选项(链接)-> 用户对展示的选项进行操作。作为对选项的反馈(点击“链接”获得相关的信息)通过分析用户对主菜单系统的使用频率和时间长短，定时更新菜单列表。通过“用户行为”来改善主系统的菜单，进而提升用户体验。现有技术的核心思想是分析用户行为，计算出当前好的选项的，然后确保他们的展示机会，进而从整体上保证高的收益。上述技术方案中的基于用户行为分析的智能主菜单系统虽然能实现“通过对展示选项的选择，获得高的反馈”，但是存在以下问题:1、在不严重影响用户对展示的选项的期望的前提下，不能够探测各个选项展示的能后带来的反馈。2、对于每一个候选项，不能够根据用户的需求随时间变化。
[0003]此外，在现有技术中，还可以通过分析用户对关键词搜索结果列表中网页的点击，评估搜索词语网页的关联程度，进而影响排序系统，提高查准率。用“用户行为”来改善网页排序，进而提升用户体验。上述基于蚁群算法的搜索引擎排序方法，主要是用了蚁群算法的正反馈思想:收集点击，预测查询词与网页相关性。同样能够实现通过对展示选项的选择，获得高的反馈，但是不能实现以下效果:1、在不严重影响用户对展示的选项的期望的前提下，不能够探测各个选项展示的能后带来的反馈。2、对于每一个候选项，不能够根据用户的需求随时间变化。
【发明内容】
[0004]鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的用户选项优化方法及装置。
[0005]本发明提供一种用户选项优化方法，包括:步骤1，根据用户输入的关键词，基于预先设置的固定展示选项参数，根据各个候选用户选项的平均收益，从候选用户选项中将符合固定展示选项参数的用户选项作为固定展示选项；步骤2，基于预先设置的尝试展示选项参数，根据各个候选用户选项的平均收益，从剩余的候选用户选项中将符合尝试展示选项参数的用户选项作为尝试展示选项；步骤3，向用户展示固定展示选项和尝试展示选项，并根据用户的反馈统计固定展示选项和尝试展示选项的平均收益，将统计的平均收益作为下次计算固定展示选项和尝试展示选项的基础。
[0006]优选地,平均收益=反馈收益/展示次数,其中，反馈收益包括:用户点击量。
[0007]优选地，固定展示选项参数包括:固定展示选线的个数、固定展示选项的最小平均收益、固定展示选项的最小展示次数、固定展示选项的过滤比例、固定展示选项的平均收益、以及指定的固定展示选项集合及其初始的平均收益；尝试展示选项参数包括:尝试展示选项的个数、尝试展示选项的最大平均收益、尝试展示选项的最小平均收益、尝试展示选项的平均收益、以及指定的尝试展示选项集合及其初始的平均收益。
[0008]优选地，步骤I具体包括:
[0009]步骤11，根据用户输入的关键词，确定并初始化候选用户选项的集合SetXCandidates=SetM ；
[0010]步骤12,初始化固定展示选项的集合SetX=H ;
[0011]步骤13,基于预先设置的固定展示选项参数,删除SetXCandidates中展示次数小于阈值Fix_MinShow的候选用户选项；
[0012]步骤14,对SetXCandidates中的候选用户选项按照平均收益排序得到数组SortedCandidateArr ；
[0013]步骤15，确定最佳平均收益MaxGain为数组SortedCandidateArr首个元素的平均收益；
[0014]步骤16,遍历数组SortedCandidateArr,如果当前候选用户选项同时满足条件1、条件2、以及条件3，则将当前候选用户选项加入SetX:
[0015]条件1:当前候选用户选项的平均收益大于MaxGain*Fix_FilterPercent,其中，MaxGain*Fix_FiIterPercent为固定展示选项参数中设置的固定选项过滤阈值；
[0016]条件2，当前候选用户选项的平均收益大于或等于固定展示选项参数中设置的固定展示选项的最小平均收益；
[0017]条件3，当前SetX中的元素个数小于固定展示选项参数中设置的固定展示选项最大个数X ;
[0018]步骤17，确定SetX中的元素为所有的固定展示选项，在下一轮展示的时候固定地展示给用户。
[0019]优选地,步骤2具体包括:
[0020]步骤21,初始化候选的尝试展示选项的集合SetYCandidates=SetM-SetX,并初始化尝试选项集合SetY= {}；
[0021]步骤22,基于预先设置的尝试展示选项参数，遍历集合SetYCandidates,删除平均收益〈MinTryGain的尝试展示选项，其中，MinTryGain为尝试展示选项参数中设置的尝试选项最小平均收益阈值，并删除平均收益〉MaxTryGain的尝试展示选项，其中，MaxTryGain为尝试展示选项参数中设置的尝试选项最大平均收益阈值；
[0022]步骤23，如果SetYCandidates中没有元素则结束操作，否则，执行步骤24 ；
[0023]步骤24,计算SetYCandidates中所有尝试展示选项的收益总和SumGain ；
[0024]步骤25,初始化区间偏移为offset=0,遍历SetYCandidates中的选项offset=offset+当前尝试展示选项的平均收益,并且区间[offset,offset+当前选项的平
均收益)--对应当前尝试展示选项，生成取值范围是[0, SumGain)的随机数,得到随机数
所在区间--对应的尝试展示选项,从SetYCandidates中去掉概率命中的选项；
[0025]步骤26，如·果当前SetY个数达到指定的尝试选项最大个数Y则执行步骤27，否则重新执行步骤23、步骤24、步骤25、以及步骤26 ；
[0026]步骤27，确定SetY中的元素为所有的尝试展示选项，在下一轮展示的时候尝试展示给系统用户。
[0027]本发明还提供了一种用户选项优化装置，包括:固定展示选项模块，用于根据用户输入的关键词，基于预先设置的固定展示选项参数，根据各个候选用户选项的平均收益，从候选用户选项中将符合固定展示选项参数的用户选项作为固定展示选项；尝试展示选项模块，用于基于预先设置的尝试展示选项参数，根据各个候选用户选项的平均收益，从剩余的候选用户选项中将符合尝试展示选项参数的用户选项作为尝试展示选项；展示模块，用于向用户展示固定展示选项和尝试展示选项；统计模块，用于根据用户的反馈统计固定展示选项和尝试展示选项的平均收益，将统计的平均收益作为下次计算固定展示选项和尝试展示选项的基础。
[0028]优选地,平均收益=反馈收益/展示次数,其中，反馈收益包括:用户点击量。
[0029]优选地，固定展示选项参数包括:固定展示选线的个数、固定展示选项的最小平均收益、固定展示选项的最小展示次数、固定展示选项的过滤比例、固定展示选项的平均收益、以及指定的固定展示选项集合及其初始的平均收益；尝试展示选项参数包括:尝试展示选项的个数、尝试展示选项的最大平均收益、尝试展示选项的最小平均收益、尝试展示选项的平均收益、以及指定的尝试展示选项集合及其初始的平均收益。
[0030]优选地，固定展示选项模块具体用于:根据用户输入的关键词，确定并初始化候选用户选项的集合SetXCandidates=SetM ;初始化固定展示选项的集合SetX=H ;基于预先设置的固定展示选项参数，删除SetXCandidates中展示次数小于阈值Fix_MinShow的候选用户选项JfSetXCandidates中的候选用户选项按照平均收益排序得到数组SortedCandidateArr ;确定最佳平均收益MaxGain为数组SortedCandidateArr首个兀素的平均收益；遍历数组SortedCandidateArr,如果当前候选用户选项同时满足条件1、条件2、以及条件3，则将当前候选用户选项加入SetX:条件1:当前候选用户选项的平均收益大于MaxGain*Fix_Fi I terPercent，其中，MaxGain*Fix_Fi I terPercent 为固定展不选项参数中设置的固定选项过滤阈值；条件2，当前候选用户选项的平均收益大于或等于固定展示选项参数中设置的固定展示选项的最小平均收益；条件3，当前SetX中的元素个数小于固定展示选项参数中设置的固定展示选项最大个数X ;确定SetX中的元素为所有的固定展示选项，在下一轮展示的时候固定地.展示给用户。
[0031]优选地，尝试展示选项模块具体用于:初始化候选的尝试展示选项的集合SetYCandidates=SetM-SetX,并初始化尝试选项集合SetY=H ;基于预先设置的尝试展示选项参数，遍历集合SetYCandidates,删除平均收益〈MinTryGain的尝试展示选项，其中，MinTryGain为尝试展示选项参数中设置的尝试选项最小平均收益阈值，并删除平均收益>MaxTryGain的尝试展示选项，其中，MaxTryGain为尝试展示选项参数中设置的尝试选项最大平均收益阈值；如果SetYCandidates中没有元素则结束操作，否则，计算SetYCandidates中所有尝试展示选项的收益总和SumGain ;初始化区间偏移为offset=0,遍历SetYCandidates中的选项offset=offset+当前尝试展示选项的平均收益，并且区间
[offset,offset+当前选项的平均收益)--对应当前尝试展示选项，生成取值范围是[0,
SumGain)的随机数,得到随机数所在区间--对应的尝试展示选项，从SetYCandidates中
去掉概率命中的选项；如果当前SetY个数达到指定的尝试选项最大个数Y则确定SetY中的元素为所有的尝试展示选项，在下一轮展示的时候尝试展示给系统用户，否则重新执行判断SetYCandidates是否具有元素步骤之后的操作。
[0032]本发明有益效果如下:[0033]借助于本发明实施例的技术方案，能够通过对展示选项的选择，获得高的反馈；在不严重影响用户对展示的选项的期望的前提下，能够探测各个选项展示的能后带来的反馈；适应变化:候选项本身可以固定也可以是随着时间变化的；对于每一个候选项，根据根据用户的需求随着时间变化。
[0034]上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的【具体实施方式】。
【专利附图】
【附图说明】
[0035]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中:
[0036]图1是本发明实施例的蚁群原理的示意图；
[0037]图2是本发明实施例的用户选项优化方法的流程图；
[0038]图3是本发明实施例的用户选项优化模型的示意图；
[0039]图4是本发明实施例的生成推荐选项的整体算法的示意图；
[0040]图5是本发明实施例的固定展示选项计算的流程图；
[0041]图6是本发明实施例的尝试展示选项计算的流程图；
[0042]图7是本发明实施例的实例I的示意图；
[0043]图8是本发明实施例的实例3的示意图；
[0044]图9是本发明实施例的实例4的示意图；
[0045]图10是本发明实施例的实例5的示意图；
[0046]图11是本发明实施例的实例6的示意图；
[0047]图12是本发明实施例的用户选项优化装置的结构示意图。
【具体实施方式】
[0048]下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0049]对于某一个用户查询，当可展示的候选选项为M，而能够展示的选项个数最多为N个时，如何从M个候选选项中挑选出N个推荐选项来展示从而实现:1、通过对展示选项的选择，获得高的反馈；2、在不严重影响用户对展示的选项的期望的前提下，探测各个选项展示的能后带来的反馈；3、适应变化:候选项M本身可以固定也可以是随着时间变化的；对于每一个候选项，用户的需求是随着时间变化的，为了解决上述问题，本发明提供了一种用户选项优化方法及装置，本发明实施例的技术方案基于蚁群算法的3个重要原理，设计了一套用户选项优化的模型。该模型将用户选项分为候选选项和推荐选项，解决的是M选N问题:对于某一个用户查询，当可展示的候选选项为M，而能够展示的选项个数最多为N个时，如何从M个候选选项中挑选出N个推荐选项来展示从而实现:1、通过对展示选项的选择,获得高的反馈；2、在不严重影响用户对展示的选项的期望的前提下，探测各个选项展示的能后带来的反馈；3、适应变化:候选项M本身可以固定也可以是随着时间变化的；对于每一个候选项，用户的需求是随着时间变化的。
[0050]在实现方面，本发明实施例的技术方案将用户行为分析与选项的展示机会控制结合，同时具备了 3个蚁群原理:1、保持高的食物收益(反馈);2、用低的成本探索食物(选项)；
3、适应食物收益(反馈)的变化。本发明实施例的技术方案由于引入了 “展示机会控制”，所以没有套用已有的蚁群算法，但是仍然保留了对选项展示系统非常有价值的3个蚁群原理。
[0051]以下对蚁群原理进行详细说明:图1是本发明实施例的蚁群原理的示意图，如图1所示，1、保持高的食物收益(反馈):蚁群会在蚂蚁窝与周围的食物间形成几条固定的蚂蚁运动路线。大多数蚂蚁都是在这些路线上运动(好的用户选项)。2、用低的成本探索食物(选项):在有已知食物源的情况下，少数蚂蚁不跟随大多说蚂蚁的路径而是自行探索新的食物源；3、适应食物收益(反馈)变化:当少数蚂蚁在某个地方发现比较大的食物源后，会有更多的蚂蚁,沿着这些少数蚂蚁的运动路径,加入到食物的搬运队伍。而当食物逐渐变少的时候，蚂蚁们也会逐渐离开这些路径去寻找新的食物源。
[0052]本发明实施例的技术方案基于蚁群原理，在候选选项已知的情况下，可以直接用本模型提纯推荐选项，进而用这些选项获得很高的用户反馈。在候选选项未知的情况下，可以首先用其他算法获得质量一般的候选选项，然后用本模型提纯推荐选项，进而用这些选项获得很高的用户反馈。
[0053]以下结合附图以及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不限定本发明。
[0054]方法实施例
[0055]根据本发明的实施例，提供了一种用户选项优化方法，图2是本发明实施例的用户选项优化方法的流程图，如图2所示，根据本发明实施例的用户选项优化方法包括如下处理:
[0056]步骤201，根据用户输入的关键词，基于预先设置的固定展示选项参数，根据各个候选用户选项的平均收益，从候选用户选项中将符合所述固定展示选项参数的用户选项作为固定展示选项；
[0057]其中，所述平均收益=反馈收益/展示次数，其中，所述反馈收益包括:用户点击量。所述固定展示选项参数包括:固定展示选线的个数、固定展示选项的最小平均收益、固定展示选项的最小展示次数、固定展示选项的过滤比例、固定展示选项的平均收益、以及指定的固定展示选项集合及其初始的平均收益；
[0058]具体地，步骤201包括如下处理:
[0059]步骤2011，根据用户输入的关键词，确定并初始化候选用户选项的集合SetXCandidates=SetM ；
[0060]步骤2012，初始化固定展示选项的集合SetX=H ;
[0061]步骤2013,基于预先设置的固定展示选项参数,删除SetXCandidates中展示次数小于阈值Fix_MinShow的候选用户选项；
[0062]步骤2014,对SetXCandidates中的候选用户选项按照平均收益排序得到数组SortedCandidateArr ；
[0063]步骤2015，确定最佳平均收益MaxGain为数组SortedCandidateArr首个元素的平均收益；
[0064]步骤2016,遍历数组SortedCandidateArr,如果当前候选用户选项同时满足条件
1、条件2、以及条件3，则将当前候选用户选项加入SetX:
[0065]条件1:当前候选用户选项的平均收益大于MaxGain*Fix_FilterPercent,其中，MaxGain*Fix_F i I terPercent为所述固定展示选项参数中设置的固定选项过滤阈值；
[0066]条件2，当前候选用户选项的平均收益大于或等于所述固定展示选项参数中设置的固定展示选项的最小平均收益；
[0067]条件3，当前SetX中的元素个数小于所述固定展示选项参数中设置的固定展示选项最大个数X ;
[0068]步骤2017，确定SetX中的元素为所有的固定展示选项，在下一轮展示的时候固定地展示给用户。
[0069]步·骤202，基于预先设置的尝试展示选项参数，根据各个候选用户选项的平均收益，从剩余的候选用户选项中将符合所述尝试展示选项参数的用户选项作为尝试展示选项；
[0070]其中，所述尝试展示选项参数包括:尝试展示选项的个数、尝试展示选项的最大平均收益、尝试展示选项的最小平均收益、尝试展示选项的平均收益、以及指定的尝试展示选项集合及其初始的平均收益。
[0071]具体地，步骤202包括如下处理:
[0072]步骤2021,初始化候选的尝试展示选项的集合SetYCandidates=SetM-SetX,并初始化尝试选项集合SetY= {}；
[0073]步骤2022,基于预先设置的尝试展示选项参数,遍历集合SetYCandidates,删除平均收益〈MinTryGain的尝试展示选项,其中，MinTryGain为所述尝试展示选项参数中设置的尝试选项最小平均收益阈值，并删除平均收益〉MaxTryGain的尝试展示选项，其中，MaxTryGain为所述尝试展示选项参数中设置的尝试选项最大平均收益阈值；
[0074]步骤2023，如果SetYCandidates中没有元素则结束操作，否则，执行步骤2024 ；
[0075]步骤2024,计算SetYCandidates中所有尝试展示选项的收益总和SumGain ；
[0076]步骤2025,初始化区间偏移为offset=0,遍历SetYCandidates中的选项offset=offset+当前尝试展示选项的平均收益,并且区间[offset,offset+当前选项的平
均收益)--对应当前尝试展示选项，生成取值范围是[0, SumGain)的随机数,得到随机数
所在区间--对应的尝试展示选项,从SetYCandidates中去掉概率命中的选项；
[0077]步骤2026，如果当前SetY个数达到指定的尝试选项最大个数Y则执行步骤27，否则重新执行步骤2023、步骤2024、步骤2025、以及步骤2026 ；
[0078]步骤2027，确定SetY中的元素为所有的尝试展示选项，在下一轮展示的时候尝试展示给系统用户。
[0079]步骤203，向所述用户展示所述固定展示选项和所述尝试展示选项，并根据用户的反馈统计所述固定展示选项和所述尝试展示选项的平均收益，将统计的所述平均收益作为下次计算固定展示选项和尝试展示选项的基础。[0080]以下结合附图，对本发明实施例的上述技术方案进行详细说明。
[0081]图3是本发明实施例的用户选项优化模型的示意图，对于搜索系统(或类似系统)的相关应用，可以抽象出如图3所示的“显式用户选项优化模型”，对于“显式用户选项优化模型”，生成{推荐选项}的整体算法如图4所示:对于每一个查询(对搜索系统就是“查询词”)，做各个推荐选项的反馈统计:平均收益=反馈收益/展示次数。对搜索系统，可以是“查询词”的所有用户对各个选项的点击次数作为查询词在该选项的反馈，在本发明实施例中，反馈用平均收益来计算。将推荐选项分为两组:“固定展示选项”和“尝试展示选项”，“固定展示选项”用于展示那些平均收益最高并且高于指定阈值的N个选项或者是通过系统参数强制指定的选项。如果下一次有用户查询当前词，这些固定展示选项会全部展示出来。“尝试展示选项”则用于展示其他的候选展示选项。候选展示选项的展示受概率控制。如果下一次有用户查询当前词，这些尝试展示选项会从出固定展示选项之外的所有候选选项中挑选出指定个数来，展示出来。
[0082]本发明实施例的技术方案，通过对展示选项的选择，获得高的反馈:“固定展示选项”用于提供有高反馈的选项给用户，确保整体的反馈是高的。X越接近N，整体的反馈收益越闻。
[0083]在不严重影响用户对展示的选项的期望的前提下，探测各个选项展示的能后带来的反馈:“尝试展示选项”用于提供Y个展示机会给非固定展示的选项，确保每一个选项都有一定的机会被展示，展示之后获得用户反馈，就可以更新非固定展示的选项的平均收益，用于下一轮的“固定展示选项”和“尝试展示选项”的计算。
[0084]适应变化:候选项M本身可以固定也可以是随着时间变化的；对于每一个候选项，用户的需求是随着时间变化的:“尝试展示选项”的存在使得候选项M不断变化的情况下仍然可以收集到每个选项的平均收益。随着用户需求的变化，当某个"尝试展示选项"的平均收益变高时，可以有机会成为“固定展示选项”。而“固定展示选项”平均收益变差时，会最终变成"尝试展示选项"，但是仍然有展示的机会。
[0085]以下对图4中所述的系统参数进行解释说明:
[0086]U#反馈的统计频率:每次统计反馈之后系统的{推荐选项}就会重新计算，所以控制反馈的统计频率就是控制{推荐选项}的实时性，具体可以视具体的业务对推荐选项的实时性需求而定，比如可以设定为每天统计一次。
[0087]2、#反馈的有效周期:太久前的反馈数据所反应的用户需求，可能已经于当前的用户需求有很大差异。通过限制反馈的有效周期，模型可以取最近一段时间的反馈数据(具体可以视具体的业务情况而定)，比如一个月；
[0088]3、#反馈的统计个数上限:根据大数定律，越多的采样，统计的结果越接近平均。所以可以尽可能用尽可能多的反馈(指定的反馈有效周期内)。但是如果系统处于计算性能考虑或者系统的灵敏性考虑，可以设定统计个数上线。只统计有效周期内的离当前时间最近的指定个反馈数据。
[0089]4、#反馈的统计个数下限:根据大数定律，越多的采样，统计的结果越接近平均。所以可以设定一个统计个数的下限，作为采样可信的最低个数标准。如果有效周期内的反馈个数低于该数值，则表示本次统计当前查询词在该选项的反馈收益未知。
[0090]5、#固定展示选项的个数X:固定展示选项的个数X可以通过系统参数指定，取值范围为[0，N-Y]。
[0091]6、#限定固定展示选项的最小平均收益Fix_MinGain:人工指定，用于防止平均收益过小的选项被固定展示。具体数据根据需要业务确定。
[0092]7、#限定固定展示选项的最小展示次数Fix_MinShow[置信阈值]:人工指定,用于防止平均收益偶然变化的选项被固定展示。
[0093]8、#指定固定展示选项的过滤比例Fix_FilterPercent:选项的收益与平均收益的最大值的比值小于指定的值时，不会作为固定选项。目的是自适应地过滤相对太差的收益。固定展示选项的过滤比例用于找到收益相对于最大收益过低的固定展示的候选选项，从候选列表里排除。假设当前有若干个候选的尝试展示选项，其中有最大的收益的选项，其收益为MaxTryGain (比如10)，则可以认为其他选项的收益与最大收益的比值，如果小于指定的值(比如0.1)，则可以视为收益相对过低，可以不(收益小于10*0.1的选项，可以视作收益过低)。设定比例的好处是不受具体收益取值范围的影响，总是可以找到收益相对过低的选项。
[0094]9、#指定的候选的固定展示选项集合及各个选项的平均收益:1、在系统初始话的时候，指定候选的固定展示选项的集合及各个选项的平均收益。2、在系统运行中可以增加或者删除候选的固定展示选项。
[0095]这些候选的固定展示选项可以用数据库或者文件等形式提供给本系统。
[0096]10、#尝试展示的选项个数Y:固定展示选项的个数Y可以通过系统参数指定，取值范围为[0，N-X]。
[0097]11、#尝试选项最大平均收益MaxTryGain:人工指定,防止尝试选项的展示概率过大。
[0098]12、#尝试选项最小平均收益MinTryGain:人工指定，防止尝试选项的展示概率过小。
[0099]13、#指定的候选的尝试展示选项集合及各个选项的平均收益:1、在系统初始话的时候，指定候选的尝试展示选项的集合及各个选项的平均收益。2、在系统运行中可以增加或者删除候选的尝试展示选项。
[0100]以下结合附图，对“固定展示选项计算”和“尝试展示选项计算”的具体算法进行详细说明。
[0101]图5是本发明实施例的固定展示选项计算的流程图,如图5所示,包括如下处理:
[0102]步骤I,初始化候选的固定展示选项的集合SetXCandidates=SetM (系统的所有候选选项的集合);
[0103]步骤2，固定展示选项的集合SetX初始化为SetX=H ;
[0104]步骤3,去掉SetXCandidates中展不次数小于阈值Fix_MinShow的选项；
[0105]步骤4,对SetXCandidates的选项按照平均收益降序排序得到数组SortedCandidateArr (目的是优先把平均收益高的选项加入SetX)；
[0106]步骤5,最佳平均收益MaxGain为数组SortedCandidateArr首个元素的平均收.、
M ;
[0107]步骤6，顺序遍历数组SortedCandidateArr，如果当前选项同时满足，则加入SetX:[0108]a)平均收益大于 MaxGain*Fix_FilterPercent (MaxGain*Fix_FilterPercent 为设定的固定选项过滤阈值)
[0109]b)平均收益>Fix_MinGain(固定展示选项的最小平均收益)
[0110]c)当前SetX元素个数小于限定的固定展示选项最大个数X.[0111]步骤7,最后SetX中就是所有的固定展示选项,在下一轮展示的时候固定地展示给系统用户。
[0112]图6是本发明实施例的尝试展示选项计算的流程图，如图6所示，包括如下处理:
[0113]步骤I,初始化候选的尝试展示选项的集合SetYCandidates集合=SetM (所有候选选项的合)-SetX (上一步获得的固定展示选项集合)，尝试选项集合SetY=H ;
[0114]步骤2,遍历集合SetYCandidates,更新每个选项的收益:
[0115]a)如果选项的平均收益〈MinTryGain (尝试选项最小平均收益MinTryGain阈值，防止值过小，导致展示的概率过小)；
[0116]b)如果选项的平均收益〉MaxTryGain (尝试选项最大平均收益MaxTryGain阈值，防止值过大，导致展示的概率过大);
[0117]步骤3,如果SetYCandidates中没有选项则停止；
[0118]步骤4,计算SetYCandidates中所有选项的收益的总和SumGain ；
[0119]步骤5,生成一个随.机数,取值范围是[0，SumGain)，每一个选项对应该取值范围的一段:
[0120]a)初始化区间偏移为Offset=O ；
[0121]b)遍历SetYCandidates的选项offset=offset+当前选项的平均收益.并且区间[offset, offset+当前选项的平均收益)--对应当前选项；
[0122]c)生成[0，SumGain)的随机数,得到随机数所在区间--对应的选项；
[0123]d)从SetYCandidates中去掉概率命中的选项；
[0124]步骤6，如果当前SetY个数达到指定的尝试选项最大个数Y则停止.否则重新执行步骤3-6 ；
[0125]步骤7，最后SetY中就是所有的尝试展示选项，在下一轮展示的时候尝试展示给系统用户。
[0126]以下对本发明实施例的技术方案在具体实际中的应用进行举例说明。
[0127]实例1，分类导航，如图7所示:
[0128]1、搜索一个词之后，系统可以按信息统计到各个分类的结果数，挑选最相关的分类展示给用户。
[0129]2、用户当前在浏览一个分类，无搜索词:挑选相关的分类展示给用户。
[0130]本实例基于“显式用户选项优化模型”的“分类导航”模型:
[0131]{推荐选项}:导航中展示的分类；
[0132]用户查询:用户的原始查询；
[0133]用户对{推荐选项}的反馈:用户对导航中展示的分类的点击数量。
[0134]实例2，搜索跳转分类:
[0135]对于分类信息网站，用户搜索一个词后，如果能明确判断用户的搜索分类，就直接跳转到对应的分类页面，在分类范围内用户的搜索词搜索相关信息。否则就在所有的分类范围内用户的搜索词搜索相关信息(可以把全部也作为一个分类，套用到模型里)。
[0136]本实例基于“显式用户选项优化模型”的“搜索跳转分类”模型:
[0137]{推荐选项}:搜索跳转的分类；
[0138]用户查询:用户的原始查询；
[0139]用户对{推荐选项}的反馈:用户对跳转的分类对应的信息的点击数量。
[0140]实例3，拼写纠错，如图8所示:
[0141]搜索一个词之后，系统识别到用户的搜索词可能包含错别字，给用户一个可正确的搜索词。
[0142]本实例基于“显式用户选项优化模型”的“拼写纠错”模型:
[0143]{推荐选项}:纠错的词；
[0144]用户查询:用户的原始查询；
[0145]用户对{推荐选项}的反馈:用户对纠错的词的点击数量。
[0146]实例4，搜索词改写，如图9所示:
[0147]搜索一个词之后，系统识别到用户的搜索词不佳，于是给用户提示出若干个改写的搜索词(比如:用最核心的词，或者近义词)
[0148]搜索词不佳的原因:多余的搜索词(“笔记本在哪里有的卖的呢”改成:“笔记本”、“出售笔记本”、“笔记本转让”);是表达方式欠佳(“手提式电脑”改成:“笔记本”、“PAD”、“超极本”、“平板电脑”)、以及其他原因。
[0149]本实例基于“显式用户选项优化模型”的“搜索词改写”模型:
[0150]{推荐选项}:改写的搜索词；
[0151]用户查询:用户的原始查询；
[0152]用户对{推荐选项}的反馈:用户对改写的搜索词的点击数量。
[0153]实例5,搜索提示,如图10所示:
[0154]用户搜索一个词之后，系统预测用户可能想输入的搜索词。
[0155]本实例基于“显式用户选项优化模型”的“搜索提示”模型:
[0156]{推荐选项}:提示的词；
[0157]用户查询:用户的原始查询；
[0158]用户对{推荐选项}的反馈:用户对提示的词的点击数量。
[0159]实例6，相关搜索，如图11所示:
[0160]用户搜索了 一个词之后，在界面上展示其他相关的搜索词。
[0161]本实例基于“显式用户选项优化模型”的“拼写纠错”模型:
[0162]{推荐选项}:相关的搜索词；
[0163]用户查询:用户的原始查询；
[0164]用户对{推荐选项}的反馈:用户对相关的搜索词的点击数量。
[0165]综上所述，借助于本发明实施例的技术方案，能够通过对展示选项的选择，获得高的反馈；在不严重影响用户对展示的选项的期望的前提下，能够探测各个选项展示的能后带来的反馈；适应变化:候选项本身可以固定也可以是随着时间变化的；对于每一个候选项，根据根据用户的需求随着时间变化。
[0166]装置实施例[0167]根据本发明的实施例，提供了一种用户选项优化装置，图12是本发明实施例的用户选项优化装置的结构示意图，如图12所示，根据本发明实施例的用户选项优化装置包括:固定展示选项模块120、尝试展示选项模块122、展示模块124、以及统计模块126，以下对本发明实施例的各个模块进行详细的说明。
[0168]固定展示选项模块120，用于根据用户输入的关键词，基于预先设置的固定展示选项参数，根据各个候选用户选项的平均收益，从候选用户选项中将符合固定展示选项参数的用户选项作为固定展示选项；
[0169]平均收益=反馈收益/展示次数,其中，反馈收益包括:用户点击量。固定展示选项参数包括:固定展示选线的个数、固定展示选项的最小平均收益、固定展示选项的最小展示次数、固定展示选项的过滤比例、固定展示选项的平均收益、以及指定的固定展示选项集合及其初始的平均收益；
[0170]固定展示选项模块120具体用于:
[0171]根据用户输入的关键词，确定并初始化候选用户选项的集合SetXCandidates=SetM ；
[0172]初始化固定展示选项的集合SetX=H ;
[0173]基于预先设置的固定展示选项参数，删除SetXCandidates中展示次数小于阈值Fix_MinShow的候选用户选项；
[0174]对SetXCandidates中的候选用户选项按照平均收益排序得到数组SortedCandidateArr ；
[0175]确定最佳平均收益MaxGain为数组SortedCandidateArr首个元素的平均收益；
[0176]遍历数组SortedCandidateArr,如果当前候选用户选项同时满足条件1、条件2、以及条件3，则将当前候选用户选项加入SetX:
[0177]条件1:当前候选用户选项的平均收益大于MaxGain*Fix_FilterPercent,其中，MaxGain*Fix_F i I terPercent为固定展示选项参数中设置的固定选项过滤阈值；
[0178]条件2，当前候选用户选项的平均收益大于或等于固定展示选项参数中设置的固定展示选项的最小平均收益；
[0179]条件3，当前SetX中的元素个数小于固定展示选项参数中设置的固定展示选项最大个数X ;
[0180]确定SetX中的元素为所有的固定展示选项，在下一轮展示的时候固定地展示给用户。
[0181]尝试展示选项模块122，用于基于预先设置的尝试展示选项参数，根据各个候选用户选项的平均收益，从剩余的候选用户选项中将符合尝试展示选项参数的用户选项作为尝试展示选项；尝试展示选项参数包括:尝试展示选项的个数、尝试展示选项的最大平均收益、尝试展示选项的最小平均收益、尝试展示选项的平均收益、以及指定的尝试展示选项集合及其初始的平均收益。
[0182]尝试展示选项模块122具体用于:
[0183]初始化候选的尝试展示选项的集合SetYCandidates=SetM-SetX,并初始化尝试选项集合SetY=H ;
[0184]基于预先设置的尝试展示选项参数,遍历集合SetYCandidates,删除平均收益〈MinTryGain的尝试展示选项,其中，MinTryGain为尝试展示选项参数中设置的尝试选项最小平均收益阈值，并删除平均收益>MaxTryGain的尝试展示选项,其中,MaxTryGain为尝试展示选项参数中设置的尝试选项最大平均收益阈值；
[0185]如果SetYCandidates中没有元素则结束操作,否则,计算SetYCandidates中所有尝试展示选项的收益总和SumGain ；
[0186]初始化区间偏移为offset=0,遍历SetYCandidates中的选项offset=offset+当
前尝试展示选项的平均收益，并且区间[offset, offset+当前选项的平均收益)--对应
当前尝试展示选项，生成取值范围是[0，SumGain)的随机数，得到随机数所在区间一一对应的尝试展示选项，从SetYCandidates中去掉概率命中的选项；
[0187]如果当前SetY个数达到指定的尝试选项最大个数Y则确定SetY中的元素为所有的尝试展示选项，在下一轮展示的时候尝试展示给系统用户，否则重新执行判断SetYCandidates是否具有元素步骤之后的操作。
[0188]展示模块124，用于向用户展示固定展示选项和尝试展示选项；
[0189]统计模块126，用于根据用户的反馈统计固定展示选项和尝试展示选项的平均收益，将统计的平均收益作为下次计算固定展示选项和尝试展示选项的基础。
[0190]综上所述，借助于本发明实施例的技术方案，能够通过对展示选项的选择，获得高的反馈；在不严重影响用户对展示的选项的期望的前提下，能够探测各个选项展示的能后带来的反馈；适应变化:候选项本身可以固定也可以是随着时间变化的；对于每一个候选项，根据根据用户的需求随着时间变化。
[0191]显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
【权利要求】
1.一种用户选项优化方法，其特征在于，包括: 步骤1，根据用户输入的关键词，基于预先设置的固定展示选项参数，根据各个候选用户选项的平均收益，从候选用户选项中将符合所述固定展示选项参数的用户选项作为固定展示选项； 步骤2，基于预先设置的尝试展示选项参数，根据各个候选用户选项的平均收益，从剩余的候选用户选项中将符合所述尝试展示选项参数的用户选项作为尝试展示选项； 步骤3，向所述用户展示所述固定展示选项和所述尝试展示选项，并根据用户的反馈统计所述固定展示选项和所述尝试展示选项的平均收益，将统计的所述平均收益作为下次计算固定展示选项和尝试展示选项的基础。
2.如权利要求1所述的方法，其特征在于，所述平均收益=反馈收益/展示次数，其中，所述反馈收益包括:用户点击量。
3.如权利要求1所述的方法，其特征在于， 所述固定展示选项参 数包括:固定展示选线的个数、固定展示选项的最小平均收益、固定展示选项的最小展示次数、固定展示选项的过滤比例、固定展示选项的平均收益、以及指定的固定展示选项集合及其初始的平均收益； 所述尝试展示选项参数包括:尝试展示选项的个数、尝试展示选项的最大平均收益、尝试展示选项的最小平均收益、尝试展示选项的平均收益、以及指定的尝试展示选项集合及其初始的平均收益。
4.如权利要求3所述的方法，其特征在于，所述步骤I具体包括: 步骤U，根据用户输入的关键词，确定并初始化候选用户选项的集合SetXCandidates=SetM ； 步骤12,初始化固定展示选项的集合SetX=H ; 步骤13，基于预先设置的固定展示选项参数，删除SetXCandidates中展示次数小于阈值Fix_MinShow的候选用户选项； 步骤14,对SetXCandidates中的候选用户选项按照平均收益排序得到数组SortedCandidateArr ； 步骤15，确定最佳平均收益MaxGain为数组SortedCandidateArr首个元素的平均收.、M ; 步骤16,遍历数组SortedCandidateArr,如果当前候选用户选项同时满足条件1、条件2、以及条件3，则将当前候选用户选项加入SetX: 条件1:当前候选用户选项的平均收益大于MaxGain*Fix_FilterPercent,其中，MaxGain*Fix_FiIterPercent为所述固定展示选项参数中设置的固定选项过滤阈值； 条件2，当前候选用户选项的平均收益大于或等于所述固定展示选项参数中设置的固定展示选项的最小平均收益； 条件3，当前SetX中的元素个数小于所述固定展示选项参数中设置的固定展示选项最大个数X ; 步骤17,确定SetX中的元素为所有的固定展示选项,在下一轮展示的时候固定地展示给用户。
5.如权利要求4所述的方法，其特征在于，所述步骤2具体包括:步骤21，初始化候选的尝试展示选项的集合SetYCandidates=SetM-SetX,并初始化尝试选项集合SetY= {}； 步骤22，基于预先设置的尝试展示选项参数，遍历集合SetYCandidates，删除平均收益〈MinTryGain的尝试展示选项，其中，MinTryGain为所述尝试展示选项参数中设置的尝试选项最小平均收益阈值，并删除平均收益〉MaxTryGain的尝试展示选项，其中，MaxTryGain为所述尝试展示选项参数中设置的尝试选项最大平均收益阈值； 步骤23，如果SetYCandidates中没有元素则结束操作，否则，执行步骤24 ； 步骤24,计算SetYCandidates中所有尝试展示选项的收益总和SumGain ； 步骤25,初始化区间偏移为offset=0,遍历SetYCandidates中的选项offset=offset+当前尝试展示选项的平均收益，并且区间[offset, offset+当前选项的平均收益)--对应当前尝试展示选项，生成取值范围是[0，SumGain)的随机数，得到随机数所在区间一一对应的尝试展示选项，从SetYCandidates中去掉概率命中的选项； 步骤26，如果当前SetY个数达到指定的尝试选项最大个数Y则执行步骤27，否则重新执行步骤23、步骤24、步骤25、以及步骤26 ； 步骤27，确定SetY中的元素为所有的尝试展示选项，在下一轮展示的时候尝试展示给系统用户。
6.一种用户选项优化装置，其特征在于，包括: 固定展示选项模块，用于根据用户输入的关键词，基于预先设置的固定展示选项参数，根据各个候选用户选 项的平均收益，从候选用户选项中将符合所述固定展示选项参数的用户选项作为固定展示选项； 尝试展示选项模块，用于基于预先设置的尝试展示选项参数，根据各个候选用户选项的平均收益，从剩余的候选用户选项中将符合所述尝试展示选项参数的用户选项作为尝试展示选项； 展示模块，用于向所述用户展示所述固定展示选项和所述尝试展示选项； 统计模块，用于根据用户的反馈统计所述固定展示选项和所述尝试展示选项的平均收益，将统计的所述平均收益作为下次计算固定展示选项和尝试展示选项的基础。
7.如权利要求6所述的装置，其特征在于，所述平均收益=反馈收益/展示次数，其中，所述反馈收益包括:用户点击量。
8.如权利要求6所述的装置，其特征在于， 所述固定展示选项参数包括:固定展示选线的个数、固定展示选项的最小平均收益、固定展示选项的最小展示次数、固定展示选项的过滤比例、固定展示选项的平均收益、以及指定的固定展示选项集合及其初始的平均收益； 所述尝试展示选项参数包括:尝试展示选项的个数、尝试展示选项的最大平均收益、尝试展示选项的最小平均收益、尝试展示选项的平均收益、以及指定的尝试展示选项集合及其初始的平均收益。
9.如权利要求8所述的装置，其特征在于，所述固定展示选项模块具体用于: 根据用户输入的关键词，确定并初始化候选用户选项的集合SetXCandidates=SetM ； 初始化固定展示选项的集合SetX=H ; 基于预先设置的固定展示选项参数，删除SetXCandidates中展示次数小于阈值Fix_MinShow的候选用户选项； 对SetXCandidates中的候选用户选项按照平均收益排序得到数组SortedCandidateArr ； 确定最佳平均收益MaxGain为数组SortedCandidateArr首个元素的平均收益； 遍历数组SortedCandidateArr,如果当前候选用户选项同时满足条件1、条件2、以及条件3，则将当前候选用户选项加入SetX: 条件1:当前候选用户选项的平均收益大于MaxGain*Fix_Fi I terPercent,其中，MaxGain*Fix_F i I terPercent为所述固定展示选项参数中设置的固定选项过滤阈值； 条件2，当前候选用户选项的平均收益大于或等于所述固定展示选项参数中设置的固定展示选项的最小平均收益； 条件3，当前SetX中的元素个数小于所述固定展示选项参数中设置的固定展示选项最大个数X ; 确定SetX中的元素为所有的固定展示选项，在下一轮展示的时候固定地展示给用户。
10.如权利要求9所述的装置，其特征在于，所述尝试展示选项模块具体用于: 初始化候选的尝试展示选项的集合SetYCandidates=SetM-SetX,并初始化尝试选项集合 SetY=H ; 基于预先设置的尝试展示选项参数，遍历集合SetYCandidates,删除平均收益〈MinTryGain的尝试展示选项,其中，MinTryGain为所述尝试展示选项参数中设置的尝试选项最小平均收益阈值，并删除`平均收益>MaxTryGain的尝试展示选项,其中，MaxTryGain为所述尝试展示选项参数中设置的尝试选项最大平均收益阈值； 如果SetYCandidates中没有元素则结束操作,否则,计算SetYCandidates中所有尝试展示选项的收益总和SumGain ； 初始化区间偏移为offset=0,遍历SetYCandidates中的选项offset=offset+当前尝试展示选项的平均收益，并且区间[offset, offset+当前选项的平均收益)--对应当前尝试展示选项，生成取值范围是[0，SumGain)的随机数，得到随机数所在区间一一对应的尝试展示选项，从SetYCandidates中去掉概率命中的选项； 如果当前SetY个数达到指定的尝试选项最大个数Y则确定SetY中的元素为所有的尝试展示选项，在下一轮展示的时候尝试展示给系统用户，否则重新执行判断SetYCandidates是否具有元素步骤之后的操作。
【文档编号】G06F3/0481GK103440084SQ201310395643
【公开日】2013年12月11日 申请日期:2013年9月4日 优先权日:2013年9月4日
【发明者】王志强 申请人:五八同城信息技术有限公司