本申請涉及計算機處理技術(shù)領(lǐng)域，特別是涉及一種信息搜索方法和一種信息搜索裝置。

背景技術(shù)：

隨著網(wǎng)絡(luò)的迅速發(fā)展，網(wǎng)絡(luò)信息急劇增加。用戶為了在海量的網(wǎng)絡(luò)信息中尋找所需的網(wǎng)絡(luò)信息，通常使用搜索引擎進(jìn)行搜索。

搜索引擎指自動從因特網(wǎng)搜集信息，經(jīng)過一定整理以后，提供給用戶進(jìn)行查詢的系統(tǒng)，讓用戶盡可能快速地找到期望的結(jié)果，一般包括兩個環(huán)節(jié)：

1、基于用戶提交的搜索詞，按文本匹配原則，召回相關(guān)的信息。

2、根據(jù)歷史用戶行為數(shù)據(jù)，預(yù)估這些信息在該搜索詞下的點擊率，按點擊率高低排序，呈現(xiàn)給用戶。

在預(yù)估信息的點擊率時，根據(jù)歷史用戶的點擊行為偏好，在信息的維度進(jìn)行匯集，從而將用戶偏好點擊的信息優(yōu)先展示。

假設(shè)信息的歷史統(tǒng)計的真實點擊率為hctr(historyclick-throughratio)，那么預(yù)估點擊率pctr(predictionclitck-throughratio)通常是對真實統(tǒng)計hctr的逼近，可表示為：

pctr＝f(hctr)

其中，f()表示預(yù)估的模型。

即歷史統(tǒng)計點擊率hctr越高，那么預(yù)估點擊率pctr也會相應(yīng)地越高。

采用模型預(yù)估的主要原因是通過特征泛化的形式，對那些歷史統(tǒng)計數(shù)據(jù)稀疏的信息給出合理的預(yù)估值。

然而，目前這種機制不僅逐漸被作弊團體所利用，而且其排序效果也不高，嚴(yán)重影響了搜索引擎排序的準(zhǔn)確性。

例如，少量非法廠商為了使自己的信息排序靠前，采用了雇人刷點擊的方式，短期內(nèi)將自己的信息點擊率刷高，搜索引擎一般不能夠有效地識別出這些刷點擊行為，將這些信息排序在前，而用戶所需的信息可能排序在后， 影響用戶的搜索體驗。

技術(shù)實現(xiàn)要素：

鑒于上述問題，提出了本申請實施例以便提供一種克服上述問題或者至少部分地解決上述問題的一種信息搜索方法和相應(yīng)的一種信息搜索裝置。

為了解決上述問題，本申請實施例公開了一種信息搜索方法，包括：

當(dāng)接收到信息的搜索請求時，根據(jù)所述搜索請求查找一個或多個候選信息；

查找在先針對所述候選信息進(jìn)行操作的用戶標(biāo)識對應(yīng)的行為置信度；

根據(jù)所述行為置信度從所述一個或多個候選信息中選取一個或多個目標(biāo)候選信息；以及

返回所述一個或多個目標(biāo)候選信息。

可選地，所述行為置信度表征用戶行為的可信程度，和/或，表征某用戶行為對度量信息質(zhì)量的價值；

所述方法還包括：

采集基于用戶標(biāo)識在針對展示的信息進(jìn)行操作時產(chǎn)生的行為數(shù)據(jù)；

從所述行為數(shù)據(jù)中提取點擊行為特征數(shù)據(jù)；以及

根據(jù)所述點擊行為特征數(shù)據(jù)計算所述用戶標(biāo)識的行為置信度。

可選地，所述點擊行為特征數(shù)據(jù)為信息、公司、行業(yè)中的至少一個維度的數(shù)據(jù)，包括如下的至少一者：

平均信息點擊數(shù)、平均公司點擊數(shù)、點擊行業(yè)數(shù)、點擊總數(shù)、平均行業(yè)點擊數(shù)、平均點擊時間間隔、平均點擊序列長度。

可選地，所述根據(jù)所述點擊行為特征數(shù)據(jù)計算所述用戶標(biāo)識的行為置信度的步驟包括：

將所述點擊行為特征數(shù)據(jù)輸入至預(yù)設(shè)的非線性模型中，以計算所述用戶標(biāo)識的行為置信度。

可選地，所述根據(jù)所述搜索請求查找一個或多個候選信息的步驟包括：

從所述搜索請求中提取搜索關(guān)鍵詞；以及

在預(yù)設(shè)的索引文件中查找與所述搜索關(guān)鍵詞匹配的候選信息。

可選地，所述根據(jù)所述行為置信度從所述一個或多個候選信息中選取一個或多個目標(biāo)候選信息的步驟包括：

采用所述行為置信度計算所述一個或多個候選信息對應(yīng)的一個或多個預(yù)估點擊率；

至少按照所述一個或多個預(yù)估點擊率對所述一個或多個候選信息進(jìn)行排序；以及

按照排序從所述一個或多個候選信息中確定一個或多個目標(biāo)候選信息。

可選地，所述采用所述行為置信度計算所述一個或多個候選信息對應(yīng)的一個或多個預(yù)估點擊率的步驟包括：

針對每個候選信息，查找每個用戶標(biāo)識對應(yīng)的點擊數(shù)和展示數(shù)；

采用所述行為置信度修正用戶點擊率，獲得信息度量值；

將所述信息度量值與預(yù)設(shè)的模型預(yù)估誤差之和設(shè)置為所述候選信息的預(yù)估點擊率其中，所述用戶點擊率為所述點擊數(shù)與所述展示數(shù)之間的比值。

本申請實施例還公開了一種信息搜索裝置，包括：

候選信息查找模塊，用于在接收到信息的搜索請求時，根據(jù)所述搜索請求查找一個或多個候選信息；

行為置信度查找模塊，用于查找在先針對所述候選信息進(jìn)行操作的用戶標(biāo)識對應(yīng)的行為置信度；

目標(biāo)候選信息選取模塊，用于根據(jù)所述行為置信度從所述一個或多個候選信息中選取一個或多個目標(biāo)候選信息；以及

目標(biāo)候選信息返回模塊，用于返回所述一個或多個目標(biāo)候選信息。

可選地，所述行為置信度表征用戶行為的可信程度，和/或，表征某用戶行為對度量信息質(zhì)量的價值；

所述裝置還包括：

行為數(shù)據(jù)采集模塊，用于采集基于用戶標(biāo)識在針對展示的信息進(jìn)行操作時產(chǎn)生的行為數(shù)據(jù)；

點擊行為特征數(shù)據(jù)提取模塊，用于從所述行為數(shù)據(jù)中提取點擊行為特征數(shù)據(jù)；以及

行為置信度計算模塊，用于根據(jù)所述點擊行為特征數(shù)據(jù)計算所述用戶標(biāo)識的行為置信度。

可選地，所述點擊行為特征數(shù)據(jù)為信息、公司、行業(yè)中的至少一個維度的數(shù)據(jù)，包括如下的至少一者：

平均信息點擊數(shù)、平均公司點擊數(shù)、點擊行業(yè)數(shù)、點擊總數(shù)、平均行業(yè)點擊數(shù)、平均點擊時間間隔、平均點擊序列長度。

可選地，所述行為置信度計算模塊包括：

非線性模型計算子模塊，用于將所述點擊行為特征數(shù)據(jù)輸入至預(yù)設(shè)的非線性模型中，以計算所述用戶標(biāo)識的行為置信度。

可選地，所述候選信息查找模塊包括：

搜索關(guān)鍵詞提取子模塊，用于從所述搜索請求中提取搜索關(guān)鍵詞；以及

索引文件查找子模塊，用于在預(yù)設(shè)的索引文件中查找與所述搜索關(guān)鍵詞匹配的候選信息。

可選地，所述目標(biāo)候選信息選取模塊包括：

預(yù)估點擊率計算子模塊，用于采用所述行為置信度計算所述一個或多個候選信息對應(yīng)的一個或多個預(yù)估點擊率；

排序子模塊，用于至少按照所述一個或多個預(yù)估點擊率對所述一個或多個候選信息進(jìn)行排序；以及

確定子模塊，用于按照排序從所述一個或多個候選信息中確定一個或多個目標(biāo)候選信息。

可選地，所述預(yù)估點擊率計算子模塊包括：

歷史數(shù)據(jù)查找單元，用于針對每個候選信息，查找每個用戶標(biāo)識對應(yīng)的點擊數(shù)和展示數(shù)；

信息度量值計算單元，用于采用所述行為置信度修正用戶點擊率，獲得信息度量值；

預(yù)估點擊率設(shè)置單元，用于將所述信息度量值與預(yù)設(shè)的模型預(yù)估誤差之 和設(shè)置為所述候選信息的預(yù)估點擊率；

其中，所述用戶點擊率為所述點擊數(shù)與所述展示數(shù)之間的比值。

本申請實施例包括以下優(yōu)點：

本申請實施例通過行為置信度對檢索進(jìn)行修正，返回修正后的目標(biāo)候選信息：

1、以用戶為維度進(jìn)行異常檢測，識別出作弊行為，避免了隨著用戶的行為模式發(fā)生變化而相應(yīng)地修正升級的情況下，保證了作弊行為檢測的召回率和準(zhǔn)確率，大大降低了檢測修正升級成本；

2、以用戶為維度進(jìn)行異常檢測，提高了泛化能力，解決了當(dāng)前信息的局限性，提高了作弊行為識別的召回率；

3、通過行為置信度評價用戶的點擊行為對度量信息優(yōu)劣質(zhì)量的貢獻(xiàn)度，使得建模時區(qū)別不同用戶的點擊行為數(shù)據(jù)，提升了建模準(zhǔn)確性，進(jìn)而提升了排序效果。

附圖說明

圖1是本申請的一種信息搜索方法實施例的步驟流程圖；

圖2是本申請的一種信息搜索裝置實施例的結(jié)構(gòu)框圖。

具體實施方式

為使本申請的上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結(jié)合附圖和具體實施方式對本申請作進(jìn)一步詳細(xì)的說明。

目前的一些搜索引擎根據(jù)信息的點擊、曝光數(shù)據(jù)，采用邏輯回歸(lr，logisticregression)模型預(yù)估信息的點擊率，并按預(yù)估點擊率從高到低排序。

令y表示歷史用戶瀏覽信息后是否點擊，f表示信息特征，w表示特征權(quán)重，lr模型采用最大似然求解特征權(quán)重w，最優(yōu)化目標(biāo)關(guān)系式(如表達(dá)式)如下：

其中，yk表示信息k的標(biāo)準(zhǔn)目標(biāo)，如果樣本k在一次曝光中被點擊，那么yk＝1，否則yk＝0；w為待求解的模型參數(shù)向量；fk表示信息k抽取得到的特征向量，特征維度可以包括信息id、信息標(biāo)題、信息所屬行業(yè)、信息所屬公司等等。

待w求解得到后，對于任意給定信息，抽取出其特征fx，則其預(yù)估點擊率為:

pctr＝func(w,fx)

其中，func()為預(yù)設(shè)的模型，以lr模型為例，func()可表示為：

歷史統(tǒng)計點擊率hctr是根據(jù)日志數(shù)據(jù)的統(tǒng)計值，由于很多信息曝光點擊數(shù)據(jù)稀疏，如最新發(fā)布的產(chǎn)品，那么，歷史統(tǒng)計點擊率hctr就不置信。

例如，如果某個新發(fā)布的產(chǎn)品曝光1次、并且發(fā)生了1次點擊，hctr就等于1，排序就絕對靠前，有可能是誤點噪聲，因此，這個hctr是不置信的。

又例如，如果某個新發(fā)布的產(chǎn)品曝光1次，但是沒有發(fā)生點擊，hctr就等于0，排序就絕對靠后，同樣，這個hctr也是不置信的。

因此，在這種情況下，hctr就不能有效度量這些信息的優(yōu)劣。

因此，可以以曝光點擊產(chǎn)品的歷史統(tǒng)計點擊率hctr為目標(biāo)，以曝光點擊產(chǎn)品的信息(例如，標(biāo)題、價格、圖片)構(gòu)建特征fx，從而訓(xùn)練出模型權(quán)重w。

這樣，對于新發(fā)布的產(chǎn)品等沒有曝光點擊數(shù)據(jù)，我們也能夠根據(jù)其產(chǎn)品信息設(shè)計出特征，并根據(jù)模型權(quán)重w計算預(yù)估點擊率pctr。

對于曝光點擊數(shù)據(jù)豐富的信息，pctr就約等于hctr，對于曝光點擊數(shù)據(jù)稀疏的信息，pctr就近似等于其假設(shè)足夠曝光情況下的hctr。

以下表所示數(shù)據(jù)為例：

其中，id1、id2、id3的信息在搜索關(guān)鍵詞“mp3”下被召回，其歷史統(tǒng)計點擊率hctr可分別表示為：

hctr1＝3/100＝0.03

hctr2＝5/100＝0.05

hctr3＝50/100＝0.5

在模型預(yù)估準(zhǔn)確的情況下，預(yù)估點擊率pctr是統(tǒng)計點擊率hctr的近似，因此，信息id1、信息id2、信息id3等信息的預(yù)估點擊率pctr是可表示為：

pctri＝hctri+εi

其中，εi為模型預(yù)估誤差(即歷史統(tǒng)計點擊率hctr和預(yù)估點擊率pctr之間的差異)，εi越小，表示模型預(yù)估越準(zhǔn)確。

εi通常和模型的選擇、特征的設(shè)計比較相關(guān)，通常0＜εi<<1，結(jié)合上表的數(shù)據(jù)，id1的信息的點擊數(shù)為3，曝光數(shù)為100，那么其歷史統(tǒng)計點擊率hctr為0.03，假設(shè)信息id1的信息的標(biāo)題單詞長度為10、價格為5，以這兩個數(shù)據(jù)為信息特征，及標(biāo)題長度特征f1＝10,價格特征f2＝5，假設(shè)模型訓(xùn)練出的w1＝-0.3,w2＝-0.1，代入pctr＝func(w,fx)中，計算出pctr＝0.0293，此時誤差為0.0007。

需要說明的是，采用模型預(yù)估而非歷史統(tǒng)計點擊率排序，可以避免數(shù)據(jù)稀疏的影響，因為有歷史點擊的信息數(shù)量不多。

當(dāng)用戶搜索mp3時，信息id1、信息id2、信息id3的排序為：

ranker1-id3(pctr＝0.50+ε3)

ranker2-id2(pctr＝0.05+ε2)

ranker3-id1(pctr＝0.03+ε1)

通常而言，搜索引擎中的信息的點擊率小于0.10，而上表中所舉示例中id3的信息的點擊率異常高，屬于刷點擊的作弊行為嫌疑比較高。

為了確保搜索引擎的公正性，維護(hù)用戶的搜索體驗，很多搜索引擎都配置反作弊機制，采用異常檢測算法，清除id3的信息中的異常點擊，并基于清除后的數(shù)據(jù)訓(xùn)練lr模型計算預(yù)估點擊率。

假設(shè)反作弊機制檢測出id3的信息有46個點擊是作弊，那么id3的歷史統(tǒng)計點擊率可表示為：

hctr3＝(50-46)/100＝0.04

如此，基于清理后的數(shù)據(jù)建模，當(dāng)用戶搜索mp3時，三個產(chǎn)品的排序為：

ranker1–id2(pctr＝0.05+ε2)

ranker2–id3(pctr＝0.04+ε3)

ranker3-id1(pctr＝0.03+ε1)

很多搜索引擎剔除作弊行為的方法，其主要對象是信息的維度，即對信息的每一個點擊進(jìn)行異常檢測，并根據(jù)檢測結(jié)果判定該點擊是否保留于訓(xùn)練數(shù)據(jù)。

這種異常檢測方式的缺點至少包括如下幾點：

1、作弊用戶的行為模式通常是變化的，對信息維度的點擊進(jìn)行異常檢測規(guī)則也需要相應(yīng)地修正升級，以維持作弊行為檢測的召回率和準(zhǔn)確率，檢測修正升級成本較高。

例如，初始刷點擊的作弊行為，是為了盡快拿到效果，會在短時間對同一個信息內(nèi)連續(xù)點擊，那么異常檢測規(guī)則可設(shè)置為點擊時間間隔是否超過閾值，如果沒有超過閾值，那么就認(rèn)為是作弊的點擊。

隨后，作弊用戶發(fā)現(xiàn)這一異常檢測規(guī)則之后，可能會升級作弊模式，將作弊的點擊分散到各個時間段，那么這個異常檢測規(guī)則就無法生效，從而嚴(yán)重影響作弊行為的清理效果，最終影響排序效果。

2、作弊用戶的標(biāo)簽有效性是持續(xù)的，如果一個用戶是作弊的，那么這個用戶所有行為都應(yīng)該不是百分百置信的，而對信息維度的點擊進(jìn)行異常檢測只限定于當(dāng)前信息，作弊行為識別的召回率較低。

例如，用戶a對信息1短時間內(nèi)連續(xù)點擊了46次，同時對信息2在相對比較長的一段時間內(nèi)連續(xù)點擊了100次，進(jìn)行異常檢測，能夠?qū)π畔?的46次點 擊識別為作弊，并在模型訓(xùn)練前清理掉，而很難檢測出信息2的100次作弊點擊。

3、即使用戶是非作弊的，由于不同用戶的點擊傾向不同，那么，用戶的點擊行為對度量信息優(yōu)劣質(zhì)量的貢獻(xiàn)度不同，在建模時不同用戶的點擊行為數(shù)據(jù)應(yīng)該區(qū)分對待，以提升建模準(zhǔn)確性，然而這一點被很多搜索引擎所忽略，沒有對用戶點擊傾向進(jìn)行太多的分析和應(yīng)用，將所有用戶的點擊行為數(shù)據(jù)同等對待，導(dǎo)致排序效果較差。

例如，用戶a點擊傾向比較低，平均每次搜索，會點擊10個信息，用戶b點擊傾向比較高，平均每次搜索，只會點擊2個較為相關(guān)的信息。

假設(shè)用戶a點擊了id1的信息一次，用戶b點擊了id2的信息一次，那么在搜索排序時，id2的信息更應(yīng)該排序在id1的信息之前，而很多搜索引擎通常沒有區(qū)分。

這種基于信息的維度進(jìn)行作弊檢測的排序方式可能會導(dǎo)致用戶需求的信息的排序很低，使得其展示的位置靠后，甚至無法展示。

一方面，這些不匹配用戶需求的信息不僅占用了網(wǎng)絡(luò)平臺的資源，而且還占用了客戶端的資源，造成不必要的資源占用與浪費。

另一方面，用戶需要獲取自己感興趣的信息，可能需要進(jìn)行多次翻頁操作，甚至再次去其他平臺進(jìn)行搜索，再次進(jìn)行海量信息的搜索、對比、篩選等獲取相關(guān)的信息，操作更加繁瑣，耗費用戶的時間，而且，將大大增加其他平臺和客戶端的資源消耗。

基于上述問題，本申請實施例從用戶的維度分析行為數(shù)據(jù)，將作弊用戶和不同點擊傾向的用戶統(tǒng)一于用戶行為置信度指標(biāo)，并用該行為置信度修正該用戶所有點擊過的信息的訓(xùn)練數(shù)據(jù)，提升建模準(zhǔn)確性，從而提升排序的準(zhǔn)確性，優(yōu)化用戶搜索體驗。

本申請實施例，可以將置信用戶行為抽象為以下幾個合理的規(guī)則：

(1)、假設(shè)用戶的點擊集中在一個產(chǎn)品，那么該用戶有可能是作弊用戶，其行為不置信。

(2)、假設(shè)用戶的點擊集中在一個公司，那么該用戶有可能是作弊用戶，其行為不置信。

(3)、如果用戶的點擊非常多，那么該用戶點擊傾向比較低，用戶行為不置信。

上述規(guī)則之所以合理的前提是，用戶作弊的對象是有針對性的，即其刷點擊行為是為了提高某一個產(chǎn)品或者公司的搜索排名。

然而，上述規(guī)則可能過于嚴(yán)格，造成泛化能力不足，其中，泛化能力指的是某種處理方式能夠覆蓋的范圍。

以作弊用戶舉例而言，如果用戶a接受了id1的信息的刷點擊的任務(wù)，那么用戶a也有可能接受產(chǎn)品id2的信息的刷點擊的任務(wù)。

因此，用戶a的點擊主要集中在id1和id2的信息上，但是id1和id2兩者的刷點擊的作弊模式可能不同，使得一種反作弊檢測機制只能檢測出一種模式的作弊點擊。

為了提升規(guī)則的泛化性，并且方便建模，本申請實施例可以將抽象規(guī)則修正為：

(1)、如果用戶的點擊行為數(shù)非常多，那么其行為不置信。

(2)、如果用戶對信息的平均點擊數(shù)很大，那么其作弊的嫌疑比較高、行為不置信。

(3)、如果用戶對公司的平均點擊數(shù)很大，那么其作弊的嫌疑比較高、行為不置信。

參照圖1，示出了本申請的一種信息搜索方法實施例的步驟流程圖，該方法100具體可以包括如下步驟：

步驟101，當(dāng)接收到信息的搜索請求時，根據(jù)所述搜索請求查找一個或多個候選信息；

需要說明的是，在本申請實施例可以應(yīng)用在網(wǎng)絡(luò)平臺的搜索引擎中，其可以為服務(wù)器或服務(wù)器集群，如分布式系統(tǒng)，存儲了海量的信息。

在不同的領(lǐng)域中，可以具有不同的信息，該信息為體現(xiàn)該領(lǐng)域特性的數(shù) 據(jù)。

例如，在新聞媒體領(lǐng)域中，該信息可以為新聞數(shù)據(jù)，在網(wǎng)絡(luò)領(lǐng)域中，該信息可以為網(wǎng)頁數(shù)據(jù)，在電子商務(wù)領(lǐng)域中，該信息可以為廣告數(shù)據(jù)，等等。

在不同的領(lǐng)域中，雖然該信息承載領(lǐng)域特性而有所不同，但其本質(zhì)都是數(shù)據(jù)，例如，文本數(shù)據(jù)、圖像數(shù)據(jù)、音頻數(shù)據(jù)、視頻數(shù)據(jù)等等，相對地，對該信息的處理，本質(zhì)都是對數(shù)據(jù)的處理。

候選信息、目標(biāo)信息等是邏輯意義上的本同，其本質(zhì)也是信息。

信息的搜索請求可以是指客戶端(如瀏覽器)發(fā)出的搜索信息的指示，對于網(wǎng)絡(luò)平臺而言，該搜索請求相當(dāng)于流量(traffic，網(wǎng)站的訪問量)。

通常情況下，網(wǎng)絡(luò)平臺的流量可以是網(wǎng)絡(luò)平臺本身的流量，也可以是外部(服務(wù)器)引入的流量，因此，用戶可以在網(wǎng)絡(luò)平臺本身或者其他網(wǎng)站進(jìn)行操作，觸發(fā)信息的搜索請求。

例如，用戶可以在網(wǎng)絡(luò)平臺的頁面輸入某個搜索關(guān)鍵詞觸發(fā)信息的搜索請求，也可以在搜索引擎中搜索某個關(guān)鍵詞觸發(fā)信息的搜索請求，還可以在其他網(wǎng)站瀏覽相關(guān)的網(wǎng)頁、點擊logo觸發(fā)業(yè)務(wù)對象的信息的搜索請求，等等。

以輸入某個搜索關(guān)鍵詞觸發(fā)信息的搜索請求為例，則在本示例中，步驟101可以包括如下子步驟：

子步驟s11，從所述搜索請求中提取搜索關(guān)鍵詞；

子步驟s12，在預(yù)設(shè)的索引文件中查找與所述搜索關(guān)鍵詞匹配的候選信息。

應(yīng)用本申請實施例，可以預(yù)先對信息建立索引文件，如正排索引、倒排索引(invertedindex)等。

而索引文件一般由索引表和主文件兩部分構(gòu)成，索引表是一張指示邏輯記錄和物理記錄之間對應(yīng)關(guān)系的表，索引表中的每項稱作索引項，索引項是按鍵(或邏輯記錄號)順序排列。

以倒排索引為例，倒排索引的索引對象是信息或者信息集合(如網(wǎng)頁數(shù)據(jù)、廣告數(shù)據(jù)等)中的單詞(如標(biāo)題)等，用來存儲這些單詞在一個文檔或 者一組文檔中的存儲位置。

例如，某個索引文件的格式為term：docid，標(biāo)題…..，在檢索中召回過程主要基于term匹配完成的。

假設(shè)有兩個doc(信息)，它們的信息為：

doc1：標(biāo)題為redmp3player

doc2：標(biāo)題為bestmp3

這兩個doc在索引文件的格式為：

red：doc1

mp3：doc1、doc2

player：doc1

best：doc2

當(dāng)用戶提交的搜索關(guān)鍵詞為“mp3player”時，在索引文件會分別用“mp3”召回doc1和doc2，用player召回doc1，并取兩者的交集doc1作為最終召回的候選信息。

步驟102，查找在先針對所述候選信息進(jìn)行操作的用戶標(biāo)識對應(yīng)的行為置信度；

在本申請實施例中，用戶標(biāo)識為能夠代表一個唯一確定的用戶的信息，例如，用戶賬號、cookie、imei(internationalmobileequipmentidentity，移動設(shè)備國際身份碼)、mac(mediaaccesscontrol或者mediumaccesscontrol，物理地址或者硬件地址)地址等等。

若召回了搜索請求所需的候選信息，則可以查找在先針對候選信息進(jìn)行操作(如搜索展示、點擊、評論、購買等等)的用戶標(biāo)識，在數(shù)據(jù)庫、hash(哈希)表等存儲空間中查找該用戶標(biāo)識的行為置信度。

一方面，行為置信度可以表征某個用戶(以用戶標(biāo)識表征)的用戶行為的可信程度，可信程度與行為置信度成正比，即可信程度越高，行為置信度越高。

例如，刷點擊率等作弊行為的行為置信度較低，反之，正常(非作弊)點擊行為的行為置信度較高。

另一方面，行為置信度可以表征某個用戶(以用戶標(biāo)識表征)的用戶行為對度量信息質(zhì)量的價值，價值與行為置信度成正比，即價值越高，行為置信度越高。

在本申請的一種實施例中，可以通過以下方式計算行為置信度：

子步驟s21，采集基于用戶標(biāo)識在針對展示的信息進(jìn)行操作時產(chǎn)生的行為數(shù)據(jù)；

在具體實現(xiàn)中，可以通過網(wǎng)站日志等方式采集源數(shù)據(jù)，如對源數(shù)據(jù)進(jìn)行解析，去掉無意義的信息，如字段“-”，獲得結(jié)構(gòu)化的行為數(shù)據(jù)，如用戶id，用戶訪問的信息id，訪問時間，用戶行為(如搜索展示、點擊、評論、購買等等)，等等。

例如，網(wǎng)站日志為：

118.112.27.164---[24/oct/2012:11:00:00+0800]"get/b.jpg？cd17mn0mdt17l2noaw5hlmfsawjhymeuy29tl30mbt17r0vufszzpxsymdb9jni9e2h0dha6ly9mdy50bwfsbc5jb20vp3nwbt0zlje2otqwni4xotg0mdeufszhpxtzawq9mtdjmdm2mjetztk2mc00ndg0lwiwntytzdjkmdcwm2nkyme4fhn0aw1lptezntewndc3mdu3otz8c2rhdgu9mjr8ywxpx2fwywnozv9pzd0xmtgumteylji3lje2nc43mju3mzi0nzu5odmzms43fgnuyt0tfszipxstfszjpxtjx3npz25lzd0wfq＝＝&pageid＝7f0000017f00000113511803054674156071647816&sys＝ie6.0|windowsxp|1366*768|zh-cn&ver＝43&t＝1351047705828http/1.0"200-"mozilla/4.0(compatible；msie6.0；windowsnt5.1；sv1；.netclr2.0.50727)"118.112.27.164.135104760038.61^sid％3d17c03621-e960-4484-b056-d2d0703cdba8％7cstime％3d1351047705796％7csdate％3d24|cna＝-^-^aid＝118.112.27.164.72573247598331.7

過濾后獲得的結(jié)構(gòu)化的行為數(shù)據(jù)為：

1,b2b-1633112210,1215596848,1,07/aug/2013:08:27:22

子步驟s22，從所述行為數(shù)據(jù)中提取點擊行為特征數(shù)據(jù)；

點擊行為特征數(shù)據(jù)，可以指表征用戶在點擊時的特征的信息。

在本申請實施例中，可以從行為數(shù)據(jù)中直接過濾出點擊行為特征數(shù)據(jù)，或者，對點擊行為特征數(shù)據(jù)進(jìn)行統(tǒng)計，獲得目標(biāo)特征數(shù)據(jù)，以訓(xùn)練用戶行為置信度。

在本申請實施例中，點擊行為特征數(shù)據(jù)落為特征數(shù)據(jù)為信息、公司、行業(yè)中的至少一個維度的數(shù)據(jù)，具體包括如下的至少一者：

平均信息點擊數(shù)、平均公司點擊數(shù)、點擊行業(yè)數(shù)、點擊總數(shù)、平均行業(yè)點擊數(shù)、平均點擊時間間隔、平均點擊序列長度。

其中，平均信息點擊數(shù)，可以指某個用戶(以用戶標(biāo)識表征)對在一定時間內(nèi)平均對每個信息的點擊數(shù)量，為點擊的總數(shù)量與信息的總數(shù)量之間的比值；

平均公司點擊數(shù)，可以指某個用戶(以用戶標(biāo)識表征)對在一定時間內(nèi)平均對每個公司的信息的點擊數(shù)量，為點擊的總數(shù)量與公司的總數(shù)量之間的比值；

點擊行業(yè)數(shù)，可以指某個用戶(以用戶標(biāo)識表征)對在一定時間內(nèi)點擊的信息所屬的行業(yè)的數(shù)量；

點擊總數(shù)，可以指某個用戶(以用戶標(biāo)識表征)對在一定時間內(nèi)的點擊數(shù)量，不區(qū)分公司、行業(yè)；

平均行業(yè)點擊數(shù)，可以指某個用戶(以用戶標(biāo)識表征)對在一定時間內(nèi)平均對每個行業(yè)的信息的點擊數(shù)量，為點擊的總數(shù)量與行業(yè)的總數(shù)量之間的比值；

平均點擊時間間隔，可以指某個用戶(以用戶標(biāo)識表征)在一定時間內(nèi)的每次搜索時，每兩次點擊行為之間的平均時間間隔；

平均點擊序列長度，可以指某個用戶(以用戶標(biāo)識表征)在一定時間內(nèi)每次搜索時的平均點擊次數(shù)，為點擊的總數(shù)量與搜索次數(shù)的比值。

當(dāng)然，上述點擊行為特征數(shù)據(jù)只是作為示例，在實施本申請實施例時，可以根據(jù)實際情況設(shè)置其他點擊行為特征數(shù)據(jù)，本申請實施例對此不加以限制。另外，除了上述判斷點擊行為特征數(shù)據(jù)外，本領(lǐng)域技術(shù)人員還可以根據(jù)實際需要采用其它點擊行為特征數(shù)據(jù)，本申請實施例對此也不加以限制。

子步驟s23，根據(jù)所述點擊行為特征數(shù)據(jù)計算所述用戶標(biāo)識的行為置信度。

在具體實現(xiàn)中，特征通常分為離散型和連續(xù)型，離散型通常用“1”和“0”表示這個特征“有”和“沒有”，而本申請中的點擊行為特征數(shù)據(jù)，如平均信息點擊數(shù)、平均公司點擊數(shù)、點擊行業(yè)數(shù)、點擊總數(shù)、平均行業(yè)點擊數(shù)、平均點擊時間間隔、平均點擊序列長度等，大多是一個大于0的實數(shù)，為連續(xù)型的連續(xù)值。

如果采用線性模型計算行為置信度，對于給定的特征權(quán)重w和連續(xù)型特征f，其預(yù)估分值為w·f，如果w>0，那么f越大，預(yù)估分值就越高，如果w<0，那么f越大，預(yù)估分值就越小，而很多實際情況并不是這么簡單的線性關(guān)系。

因此，可以采用非線性模型(如決策樹，decisiontree)計算行為置信度，以決策樹為例，決策樹可以在已知各種情況發(fā)生概率的基礎(chǔ)上，通過構(gòu)成決策樹來求取凈現(xiàn)值的期望值大于等于零的概率，評價項目風(fēng)險，判斷其可行性，能夠避免連續(xù)型特征值描述非線性問題的不足。

具體而言，將點擊行為特征數(shù)據(jù)輸入至預(yù)設(shè)的非線性模型中，以計算所述用戶標(biāo)識的行為置信度，即預(yù)測該用戶(以用戶標(biāo)識表征)為作弊用戶或正常用戶的概率，和/或，其行為對度量信息優(yōu)劣質(zhì)量的價值。

該非線性模型可以包括gbdt模型(gradientboostingdecisiontress)、id3和c4.5等等。

以gbdt模型為例，gbdt是一種迭代的決策樹算法，由多棵決策樹組成，在是先構(gòu)造一棵決策樹，然后不斷在已有決策樹和實際樣本輸出的殘差上再構(gòu)造一棵決策樹，依次迭代，所有決策樹的結(jié)果累加起來做最終結(jié)果。

gbdt模型可以以如下公式表示：

funcm(fx)＝func0+a1func1(fx)+a2func2(fx)+…+amfuncm(fx)

其中，fx表示樣本特征(如點擊行為特征數(shù)據(jù))，funci表示第i(i≤m，i、m為整數(shù))棵決策樹，func0表示模型常數(shù)，ai表示第i棵決策樹的加權(quán)系數(shù)。

步驟103，根據(jù)所述行為置信度從所述一個或多個候選信息中選取一個或多個目標(biāo)候選信息；

在本申請實施例中，可以采用行為置信度對候選信息的選取進(jìn)行修正。

在本申請的一個實施例中，步驟103可以包括如下子步驟：

子步驟s31，采用所述行為置信度計算所述一個或多個候選信息對應(yīng)的一個或多個預(yù)估點擊率；

預(yù)估點擊率，可以指對某個信息將要在某個情形下展現(xiàn)前，預(yù)估其可能的點擊概率。

在本申請實施例的一個示例中，子步驟s31進(jìn)一步可以包括如下子步驟：

子步驟s311，針對每個候選信息，查找每個用戶標(biāo)識對應(yīng)的點擊數(shù)和展示數(shù)(又稱曝光數(shù))；

子步驟s312，采用行為置信度修正用戶點擊率，獲得信息度量值；

其中，用戶點擊率為點擊數(shù)與展示數(shù)之間的比值。

若候選信息對應(yīng)的用戶標(biāo)識為一個，則可以以該用戶標(biāo)識的用戶點擊率與行為置信度的乘積作為信息度量值。

若候選信息對應(yīng)的用戶標(biāo)識為多個，則可以計算每個用戶標(biāo)識的用戶點擊率與行為置信度的乘積，采用乘積計算信息度量值，如所有乘積的平均值、所有乘積的加權(quán)平均值等等。

修正之后的用戶點擊率，可以作為信息度量值，度量某個候選信息的質(zhì)量。

子步驟s313，將信息度量值與預(yù)設(shè)的模型預(yù)估誤差之和設(shè)置為候選信息的預(yù)估點擊率。

在本示例中，預(yù)估點擊率可以表示如下：

pctr＝(點擊數(shù)*行為置信度)/展示數(shù)+ε

以下表所示數(shù)據(jù)為例：

其中，id1、id2、id3的信息在搜索關(guān)鍵詞“mp3”下被召回。

假設(shè)id1的信息由用戶a點擊了3次，id2的信息由用戶b點擊了5次，id3的信息由用戶c點擊了50次，用戶a的行為置信度為0.8，用戶b的行為置信度為0.5，用戶c的行為置信度為0.01，那么，修正后的預(yù)估點擊率可分別表示為：

pctr1＝(3*0.8)/100+ε1＝0.024+ε1

pctr2＝(5*0.5)/100+ε2＝0.025+ε2

pctr3＝(50*0.01)/100+ε1＝0.005+ε3

需要說明的是，信息度量值的計算(步驟102，步驟103中的子步驟s311、s312，)和/或預(yù)估點擊率的計算(步驟102，步驟103中的子步驟s31)可以在離線時執(zhí)行，也可以在線搜索時進(jìn)行執(zhí)行，本申請實施例對此不加以限制。

若離線計算了信息度量值，則在線搜索時提取候選信息對應(yīng)的信息度量值，計算預(yù)估點擊率；

若離線計算了預(yù)估點擊率，則在線搜索時直接提取候選信息對應(yīng)的預(yù)估點擊率。

子步驟s32，至少按照所述一個或多個預(yù)估點擊率對所述一個或多個候選信息進(jìn)行排序；

以上表所示數(shù)據(jù)為例，基于修正后的數(shù)據(jù)訓(xùn)練點擊率預(yù)估模型，最終的搜索排序序列為：

ranker1–id2(pctr＝0.025+ε2)

ranker2–id1(pctr＝0.024+ε1)

ranker3–id3(pctr＝0.005+ε3)

當(dāng)然，除了預(yù)估點擊率之外，還可以采用其他參數(shù)進(jìn)行排序，例如，廣告數(shù)據(jù)的競價bidprice、信息的質(zhì)量等等，本申請實施例對此不加以限制。

子步驟s33，按照排序從所述一個或多個候選信息中確定一個或多個目 標(biāo)候選信息。

由于客戶端展示的位置一般有限，因此，可以優(yōu)先選取排序最高的前n個候選信息作為目標(biāo)候選信息。

步驟104，返回所述一個或多個目標(biāo)候選信息。

在具體實現(xiàn)中，網(wǎng)絡(luò)平臺可以對客戶端的加載請求進(jìn)行響應(yīng)，將查找到的目標(biāo)業(yè)務(wù)對象推送至客戶端，由客戶端在承載頁面進(jìn)行加載，展示給用戶。

若在分布式系統(tǒng)等計算機集群中，應(yīng)用服務(wù)器接收到加載請求后，確定目標(biāo)業(yè)務(wù)對象，根據(jù)該目標(biāo)對象的id從資源服務(wù)器請求該目標(biāo)對象的數(shù)據(jù)，然后連同承載頁面返回客戶端進(jìn)行展示。

本申請實施例通過行為置信度對檢索進(jìn)行修正，返回修正后的目標(biāo)候選信息：

1、以用戶為維度進(jìn)行異常檢測，識別出作弊行為，避免了隨著用戶的行為模式發(fā)生變化而相應(yīng)地修正升級的情況下，保證了作弊行為檢測的召回率和準(zhǔn)確率，大大降低了檢測修正升級成本；

2、以用戶為維度進(jìn)行異常檢測，提高了泛化能力，解決了當(dāng)前信息的局限性，提高了作弊行為識別的召回率；

3、通過行為置信度評價用戶的點擊行為對度量信息優(yōu)劣質(zhì)量的貢獻(xiàn)度，使得建模時區(qū)別不同用戶的點擊行為數(shù)據(jù)，提升了建模準(zhǔn)確性，進(jìn)而提升了排序效果。

此外，本申請實施例由于排序效果提升了，因此提高了用戶需求的信息的展示幾率，降低了當(dāng)前平臺、客戶端的資源占用與浪費，避免用戶多次翻頁操作或者去其他平臺進(jìn)行搜索，提高了操作的簡便性，減少用戶時間的耗費，也減少了其他平臺和客戶端的資源消耗。

需要說明的是，對于方法實施例，為了簡單描述，故將其都表述為一系列的動作組合，但是本領(lǐng)域技術(shù)人員應(yīng)該知悉，本申請實施例并不受所描述的動作順序的限制，因為依據(jù)本申請實施例，某些步驟可以采用其他順序或者同時進(jìn)行。其次，本領(lǐng)域技術(shù)人員也應(yīng)該知悉，說明書中所描述的實施例 均屬于優(yōu)選實施例，所涉及的動作并不一定是本申請實施例所必須的。

參照圖2，示出了本申請的一種信息搜索裝置實施例的結(jié)構(gòu)框圖，該裝置200具體可以包括如下模塊：

候選信息查找模塊201，用于在接收到信息的搜索請求時，根據(jù)所述搜索請求查找一個或多個候選信息；

行為置信度查找模塊202，用于查找在先針對所述候選信息進(jìn)行操作的用戶標(biāo)識對應(yīng)的行為置信度；

目標(biāo)候選信息選取模塊203，用于根據(jù)所述行為置信度從所述一個或多個候選信息中選取一個或多個目標(biāo)候選信息；以及

目標(biāo)候選信息返回模塊204，用于返回所述一個或多個目標(biāo)候選信息。

在本申請的一個實施例中，所述行為置信度可以表征用戶行為的可信程度，和/或，可以表征某用戶行為對度量信息質(zhì)量的價值；

所述裝置還可以包括如下模塊：

行為數(shù)據(jù)采集模塊，用于采集基于用戶標(biāo)識在針對展示的信息進(jìn)行操作時產(chǎn)生的行為數(shù)據(jù)；

點擊行為特征數(shù)據(jù)提取模塊，用于從所述行為數(shù)據(jù)中提取點擊行為特征數(shù)據(jù)；以及

行為置信度計算模塊，用于根據(jù)所述點擊行為特征數(shù)據(jù)計算所述用戶標(biāo)識的行為置信度。

在具體實現(xiàn)中，所述點擊行為特征數(shù)據(jù)可以為信息、公司、行業(yè)中的至少一個維度的數(shù)據(jù)，可以包括如下的至少一者：

平均信息點擊數(shù)、平均公司點擊數(shù)、點擊行業(yè)數(shù)、點擊總數(shù)、平均行業(yè)點擊數(shù)、平均點擊時間間隔、平均點擊序列長度。

在本申請的一個實施例中，所述行為置信度計算模塊可以包括如下子模塊：

非線性模型計算子模塊，用于將所述點擊行為特征數(shù)據(jù)輸入至預(yù)設(shè)的非線性模型中，以計算所述用戶標(biāo)識的行為置信度。

在本申請的一個實施例中，所述候選信息查找模塊201可以包括如下子模塊：

搜索關(guān)鍵詞提取子模塊，用于從所述搜索請求中提取搜索關(guān)鍵詞；以及

索引文件查找子模塊，用于在預(yù)設(shè)的索引文件中查找與所述搜索關(guān)鍵詞匹配的候選信息。

在本申請的一個實施例中，所述目標(biāo)候選信息選取模塊203可以包括如下子模塊：

預(yù)估點擊率計算子模塊，用于采用所述行為置信度計算所述一個或多個候選信息對應(yīng)的一個或多個預(yù)估點擊率；

排序子模塊，用于至少按照所述一個或多個預(yù)估點擊率對所述一個或多個候選信息進(jìn)行排序；以及

確定子模塊，用于按照排序從所述一個或多個候選信息中確定一個或多個目標(biāo)候選信息。

在本申請實施例的一個示例中，所述預(yù)估點擊率計算子模塊可以包括如下單元：

歷史數(shù)據(jù)查找單元，用于針對每個候選信息，查找每個用戶標(biāo)識對應(yīng)的點擊數(shù)和展示數(shù)；

信息度量值計算單元，用于采用所述行為置信度修正用戶點擊率，獲得信息度量值；

預(yù)估點擊率設(shè)置單元，用于將所述信息度量值與預(yù)設(shè)的模型預(yù)估誤差之和設(shè)置為所述候選信息的預(yù)估點擊率；

其中，所述用戶點擊率為所述點擊數(shù)與所述展示數(shù)之間的比值。

對于裝置實施例而言，由于其與方法實施例基本相似，所以描述的比較簡單，相關(guān)之處參見方法實施例的部分說明即可。

本說明書中的各個實施例均采用遞進(jìn)的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似的部分互相參見 即可。

本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本申請實施例的實施例可提供為方法、裝置、或計算機程序產(chǎn)品。因此，本申請實施例可采用完全硬件實施例、完全軟件實施例、或結(jié)合軟件和硬件方面的實施例的形式。而且，本申請實施例可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(zhì)(包括但不限于磁盤存儲器、cd-rom、光學(xué)存儲器等)上實施的計算機程序產(chǎn)品的形式。

在一個典型的配置中，所述計算機設(shè)備包括一個或多個處理器(cpu)、輸入/輸出接口、網(wǎng)絡(luò)接口和內(nèi)存。內(nèi)存可能包括計算機可讀介質(zhì)中的非永久性存儲器，隨機存取存儲器(ram)和/或非易失性內(nèi)存等形式，如只讀存儲器(rom)或閃存(flashram)。內(nèi)存是計算機可讀介質(zhì)的示例。計算機可讀介質(zhì)包括永久性和非永久性、可移動和非可移動媒體可以由任何方法或技術(shù)來實現(xiàn)信息存儲。信息可以是計算機可讀指令、數(shù)據(jù)結(jié)構(gòu)、程序的模塊或其他數(shù)據(jù)。計算機的存儲介質(zhì)的例子包括，但不限于相變內(nèi)存(pram)、靜態(tài)隨機存取存儲器(sram)、動態(tài)隨機存取存儲器(dram)、其他類型的隨機存取存儲器(ram)、只讀存儲器(rom)、電可擦除可編程只讀存儲器(eeprom)、快閃記憶體或其他內(nèi)存技術(shù)、只讀光盤只讀存儲器(cd-rom)、數(shù)字多功能光盤(dvd)或其他光學(xué)存儲、磁盒式磁帶，磁帶磁磁盤存儲或其他磁性存儲設(shè)備或任何其他非傳輸介質(zhì)，可用于存儲可以被計算設(shè)備訪問的信息。按照本文中的界定，計算機可讀介質(zhì)不包括非持續(xù)性的電腦可讀媒體(transitorymedia)，如調(diào)制的數(shù)據(jù)信號和載波。

本申請實施例是參照根據(jù)本申請實施例的方法、終端設(shè)備(系統(tǒng))、和計算機程序產(chǎn)品的流程圖和/或方框圖來描述的。應(yīng)理解可由計算機程序指令實現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合。可提供這些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數(shù)據(jù)處理終端設(shè)備的處理器以產(chǎn)生一個機器，使得通過計算機或其他可編程數(shù)據(jù)處理終端設(shè)備的處理器執(zhí)行的 指令產(chǎn)生用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。

這些計算機程序指令也可存儲在能引導(dǎo)計算機或其他可編程數(shù)據(jù)處理終端設(shè)備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。

這些計算機程序指令也可裝載到計算機或其他可編程數(shù)據(jù)處理終端設(shè)備上，使得在計算機或其他可編程終端設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計算機實現(xiàn)的處理，從而在計算機或其他可編程終端設(shè)備上執(zhí)行的指令提供用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。

盡管已描述了本申請實施例的優(yōu)選實施例，但本領(lǐng)域內(nèi)的技術(shù)人員一旦得知了基本創(chuàng)造性概念，則可對這些實施例做出另外的變更和修改。所以，所附權(quán)利要求意欲解釋為包括優(yōu)選實施例以及落入本申請實施例范圍的所有變更和修改。

最后，還需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者終端設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者終端設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者終端設(shè)備中還存在另外的相同要素。

以上對本申請所提供的一種信息搜索方法和一種信息搜索裝置，進(jìn)行了詳細(xì)介紹，本文中應(yīng)用了具體個例對本申請的原理及實施方式進(jìn)行了闡述，以上實施例的說明只是用于幫助理解本申請的方法及其核心思想；同時，對 于本領(lǐng)域的一般技術(shù)人員，依據(jù)本申請的思想，在具體實施方式及應(yīng)用范圍上均會有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對本申請的限制。