本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)，尤其涉及一種搜索方法及裝置。

背景技術(shù)：

搜索引擎是指根據(jù)一定的策略、運(yùn)用特定的計(jì)算機(jī)程序從互聯(lián)網(wǎng)上搜集信息，在對(duì)信息進(jìn)行組織和處理后，為用戶(hù)提供搜索服務(wù)，將用戶(hù)搜索相關(guān)的信息展示給用戶(hù)的系統(tǒng)。據(jù)國(guó)家統(tǒng)計(jì)局的報(bào)道，中國(guó)網(wǎng)民人數(shù)已經(jīng)超過(guò)了4億，這個(gè)數(shù)據(jù)意味著中國(guó)已經(jīng)超過(guò)美國(guó)成為世界上第一大網(wǎng)民國(guó)，且中國(guó)的網(wǎng)站總數(shù)量已經(jīng)超過(guò)了200萬(wàn)。因此，如何利用搜索服務(wù)最大限度滿(mǎn)足用戶(hù)需求，對(duì)于互聯(lián)網(wǎng)企業(yè)而言，始終是一個(gè)重要的課題。用戶(hù)可以將搜索關(guān)鍵詞提供給相關(guān)應(yīng)用，由應(yīng)用將搜索關(guān)鍵詞，發(fā)送給搜索引擎。搜索引擎則根據(jù)搜索關(guān)鍵詞，在數(shù)據(jù)庫(kù)中進(jìn)行搜索，以獲得與搜索關(guān)鍵詞匹配的搜索結(jié)果，并返回給應(yīng)用進(jìn)行輸出。

然而，由于用戶(hù)所提供的搜索關(guān)鍵詞可能不是很恰當(dāng)，例如，語(yǔ)法不嚴(yán)格、關(guān)鍵詞不完整等情況，完全依賴(lài)搜索關(guān)鍵詞執(zhí)行搜索操作，可能會(huì)使得搜索結(jié)果無(wú)法滿(mǎn)足用戶(hù)的真正意圖，使得用戶(hù)需要通過(guò)應(yīng)用反復(fù)進(jìn)行搜索，這樣，會(huì)增加應(yīng)用與搜索引擎之間的數(shù)據(jù)交互，從而導(dǎo)致了搜索引擎的處理負(fù)擔(dān)的增加。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的多個(gè)方面提供一種搜索方法及裝置，用以降低搜索引擎的處理負(fù)擔(dān)。

本發(fā)明的一方面，提供一種搜索方法，包括：

獲取用戶(hù)提供的搜索關(guān)鍵詞；

根據(jù)所述搜索關(guān)鍵詞，獲得對(duì)應(yīng)的至少一個(gè)聚類(lèi)關(guān)鍵詞，以作為引導(dǎo)關(guān)鍵詞；

將所述引導(dǎo)關(guān)鍵詞，提供給所述用戶(hù)。

如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述根據(jù)所述搜索關(guān)鍵詞，獲得對(duì)應(yīng)的至少一個(gè)聚類(lèi)關(guān)鍵詞，以作為引導(dǎo)關(guān)鍵詞，包括：

根據(jù)所述搜索關(guān)鍵詞，獲得與所述搜索關(guān)鍵詞匹配的聚類(lèi)關(guān)鍵詞；

根據(jù)所述匹配的聚類(lèi)關(guān)鍵詞與其他聚類(lèi)關(guān)鍵詞之間的點(diǎn)擊情況數(shù)據(jù)，選擇所述至少一個(gè)聚類(lèi)關(guān)鍵詞。

如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述根據(jù)所述搜索關(guān)鍵詞，獲得與所述搜索關(guān)鍵詞匹配的聚類(lèi)關(guān)鍵詞之前，還包括：

根據(jù)用戶(hù)歷史行為數(shù)據(jù)，獲得共現(xiàn)搜索關(guān)鍵詞序列；

對(duì)所述共現(xiàn)搜索關(guān)鍵詞序列，進(jìn)行聚合處理，以獲得至少一個(gè)搜索關(guān)鍵詞類(lèi)；

根據(jù)所述至少一個(gè)搜索關(guān)鍵詞類(lèi)，獲得所述至少一個(gè)搜索關(guān)鍵詞類(lèi)中每個(gè)搜索關(guān)鍵詞類(lèi)的聚類(lèi)關(guān)鍵詞。

如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述根據(jù)所述匹配的聚類(lèi)關(guān)鍵詞與其他聚類(lèi)關(guān)鍵詞之間的點(diǎn)擊情況數(shù)據(jù)，選擇所述至少一個(gè)聚類(lèi)關(guān)鍵詞之前，還包括：

獲取所述每個(gè)搜索關(guān)鍵詞類(lèi)的聚類(lèi)關(guān)鍵詞的語(yǔ)義特征；

根據(jù)所述聚類(lèi)關(guān)鍵詞的語(yǔ)義特征，獲得兩兩聚類(lèi)關(guān)鍵詞之間的點(diǎn)擊情況數(shù)據(jù)。

如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述點(diǎn)擊情況數(shù)據(jù)包括CTR和期望收益值中的至少一項(xiàng)。

本發(fā)明的另一方面，提供一種搜索裝置，包括：

獲取單元，用于獲取用戶(hù)提供的搜索關(guān)鍵詞；

匹配單元，用于根據(jù)所述搜索關(guān)鍵詞，獲得對(duì)應(yīng)的至少一個(gè)聚類(lèi)關(guān)鍵詞，以作為引導(dǎo)關(guān)鍵詞；

引導(dǎo)單元，用于將所述引導(dǎo)關(guān)鍵詞，提供給所述用戶(hù)。

如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述匹配單元，具體用于

根據(jù)所述搜索關(guān)鍵詞，獲得與所述搜索關(guān)鍵詞匹配的聚類(lèi)關(guān)鍵詞；以及

根據(jù)所述匹配的聚類(lèi)關(guān)鍵詞與其他聚類(lèi)關(guān)鍵詞之間的點(diǎn)擊情況數(shù)據(jù)，選擇所述至少一個(gè)聚類(lèi)關(guān)鍵詞。

如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述匹配單元，還用于

根據(jù)用戶(hù)歷史行為數(shù)據(jù)，獲得共現(xiàn)搜索關(guān)鍵詞序列；

對(duì)所述共現(xiàn)搜索關(guān)鍵詞序列，進(jìn)行聚合處理，以獲得至少一個(gè)搜索關(guān)鍵詞類(lèi)；以及

根據(jù)所述至少一個(gè)搜索關(guān)鍵詞類(lèi)，獲得所述至少一個(gè)搜索關(guān)鍵詞類(lèi)中每個(gè)搜索關(guān)鍵詞類(lèi)的聚類(lèi)關(guān)鍵詞。

如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述匹配單元，還用于

獲取所述每個(gè)搜索關(guān)鍵詞類(lèi)的聚類(lèi)關(guān)鍵詞的語(yǔ)義特征；以及

根據(jù)所述聚類(lèi)關(guān)鍵詞的語(yǔ)義特征，獲得兩兩聚類(lèi)關(guān)鍵詞之間的點(diǎn)擊情況數(shù)據(jù)。

如上所述的方面和任一可能的實(shí)現(xiàn)方式，進(jìn)一步提供一種實(shí)現(xiàn)方式，所述點(diǎn)擊情況數(shù)據(jù)包括CTR和期望收益值中的至少一項(xiàng)。

由上述技術(shù)方案可知，本發(fā)明實(shí)施例通過(guò)獲取用戶(hù)提供的搜索關(guān)鍵詞，進(jìn)而根據(jù)所述搜索關(guān)鍵詞，獲得對(duì)應(yīng)的至少一個(gè)聚類(lèi)關(guān)鍵詞，以作為引導(dǎo)關(guān)鍵詞，使得能夠?qū)⑺鲆龑?dǎo)關(guān)鍵詞，提供給所述用戶(hù)，由于不再完全依賴(lài)搜索關(guān)鍵詞執(zhí)行搜索操作，而是結(jié)合根據(jù)搜索關(guān)鍵詞所獲得的至少一個(gè)聚類(lèi)關(guān)鍵詞執(zhí)行搜索操作，使得搜索結(jié)果基本滿(mǎn)足用戶(hù)的真正意圖，因此，能夠避免現(xiàn)有技術(shù)中由于用戶(hù)通過(guò)應(yīng)用反復(fù)進(jìn)行搜索而導(dǎo)致的增加應(yīng)用與搜索引擎之間的數(shù)據(jù)交互的問(wèn)題，從而降低了搜索引擎的處理負(fù)擔(dān)。

另外，采用本發(fā)明所提供的技術(shù)方案，由于不再完全依賴(lài)搜索關(guān)鍵詞執(zhí)行搜索操作，而是結(jié)合根據(jù)搜索關(guān)鍵詞所獲得的至少一個(gè)聚類(lèi)關(guān)鍵詞執(zhí)行搜索操作，使得搜索結(jié)果基本滿(mǎn)足用戶(hù)的真正意圖，從而提高了搜索結(jié)果的有效性。

另外，采用本發(fā)明所提供的技術(shù)方案，由于不再完全依賴(lài)搜索關(guān)鍵詞執(zhí)行搜索操作，而是結(jié)合根據(jù)搜索關(guān)鍵詞所獲得的至少一個(gè)聚類(lèi)關(guān)鍵詞執(zhí)行搜索操作，使得搜索結(jié)果基本滿(mǎn)足用戶(hù)的真正意圖，從而提高了搜索的效率。

另外，采用本發(fā)明所提供的技術(shù)方案，能夠有效地提高用戶(hù)的體驗(yàn)。

【附圖說(shuō)明】

為了更清楚地說(shuō)明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明一實(shí)施例提供的搜索方法的流程示意圖；

圖2為本發(fā)明另一實(shí)施例提供的搜索裝置的結(jié)構(gòu)示意圖。

【具體實(shí)施方式】

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的全部其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

需要說(shuō)明的是，本發(fā)明實(shí)施例中所涉及的終端可以包括但不限于手機(jī)、個(gè)人數(shù)字助理(Personal Digital Assistant，PDA)、無(wú)線手持設(shè)備、平板電腦(Tablet Computer)、個(gè)人電腦(Personal Computer，PC)、MP3播放器、MP4播放器、可穿戴設(shè)備(例如，智能眼鏡、智能手表、智能手環(huán)等)等。

另外，本文中術(shù)語(yǔ)“和/或”，僅僅是一種描述關(guān)聯(lián)對(duì)象的關(guān)聯(lián)關(guān)系，表示可以存在三種關(guān)系，例如，A和/或B，可以表示：?jiǎn)为?dú)存在A，同時(shí)存在A和B，單獨(dú)存在B這三種情況。另外，本文中字符“/”，一般表示前后關(guān)聯(lián)對(duì)象是一種“或”的關(guān)系。

圖1為本發(fā)明一實(shí)施例提供的搜索方法的流程示意圖，如圖1所示。

101、獲取用戶(hù)提供的搜索關(guān)鍵詞。

102、根據(jù)所述搜索關(guān)鍵詞，獲得對(duì)應(yīng)的至少一個(gè)聚類(lèi)關(guān)鍵詞，以作為引導(dǎo)關(guān)鍵詞。

103、將所述引導(dǎo)關(guān)鍵詞，提供給所述用戶(hù)。

需要說(shuō)明的是，101～103的執(zhí)行主體的部分或全部可以為位于本地終端的應(yīng)用，或者還可以為設(shè)置在位于本地終端的應(yīng)用中的插件或軟件開(kāi)發(fā)工具包(Software Development Kit，SDK)等功能單元，或者還可以為位于網(wǎng)絡(luò)側(cè)服務(wù)器中的搜索引擎，或者還可以為位于網(wǎng)絡(luò)側(cè)的分布式系統(tǒng)，本實(shí)施例對(duì)此不進(jìn)行特別限定。

可以理解的是，所述應(yīng)用可以是安裝在終端上的本地程序(nativeApp)，或者還可以是終端上的瀏覽器的一個(gè)網(wǎng)頁(yè)程序(webApp)，本實(shí)施例對(duì)此不進(jìn)行特別限定。

這樣，通過(guò)獲取用戶(hù)提供的搜索關(guān)鍵詞，進(jìn)而根據(jù)所述搜索關(guān)鍵詞，獲得對(duì)應(yīng)的至少一個(gè)聚類(lèi)關(guān)鍵詞，以作為引導(dǎo)關(guān)鍵詞，使得能夠?qū)⑺鲆龑?dǎo)關(guān)鍵詞，提供給所述用戶(hù)，由于不再完全依賴(lài)搜索關(guān)鍵詞執(zhí)行搜索操作，而是結(jié)合根據(jù)搜索關(guān)鍵詞所獲得的至少一個(gè)聚類(lèi)關(guān)鍵詞執(zhí)行搜索操作，使得搜索結(jié)果基本滿(mǎn)足用戶(hù)的真正意圖，因此，能夠避免現(xiàn)有技術(shù)中由于用戶(hù)通過(guò)應(yīng)用反復(fù)進(jìn)行搜索而導(dǎo)致的增加應(yīng)用與搜索引擎之間的數(shù)據(jù)交互的問(wèn)題，從而降低了搜索引擎的處理負(fù)擔(dān)。

可選地，在本實(shí)施例的一個(gè)可能的實(shí)現(xiàn)方式中，在101中，具體可以采集用戶(hù)所提供的所述搜索關(guān)鍵詞。具體來(lái)說(shuō)，具體可以通過(guò)用戶(hù)所觸發(fā)的搜索命令實(shí)現(xiàn)。具體可以采用但不限于下述幾種方式觸發(fā)搜索命令：

方式一：

用戶(hù)可以在當(dāng)前應(yīng)用所展現(xiàn)的頁(yè)面上所輸入所述搜索關(guān)鍵詞，然后，通過(guò)點(diǎn)擊該頁(yè)面上的搜索按鈕例如，百度一下，以觸發(fā)搜索命令，該搜索命令中包含所述搜索關(guān)鍵詞。其中，用戶(hù)輸入所述搜索關(guān)鍵詞的順序可以為任意順序。這樣，在接收到該搜索命令之后，則可以解析出其中所包含的所述搜索關(guān)鍵詞。

方式二：

采用異步加載技術(shù)例如，Ajax異步加載或Jsonp異步加載等，實(shí)時(shí)獲取用戶(hù)在當(dāng)前應(yīng)用所展現(xiàn)的頁(yè)面上所輸入的輸入內(nèi)容，為了與搜索關(guān)鍵詞進(jìn)行區(qū)分，此時(shí)的輸入內(nèi)容可以稱(chēng)為是輸入關(guān)鍵詞。其中，用戶(hù)輸入所述搜索關(guān)鍵詞的順序可以為任意順序。具體地，具體可以提供Ajax接口或Jsonp接口等接口，這些接口可以使用Java、超級(jí)文本預(yù)處理(Hypertext Preprocessor，PHP)語(yǔ)言等語(yǔ)言進(jìn)行編寫(xiě)，其具體的調(diào)用可以使用Jquery，或者原生的JavaScript等語(yǔ)言進(jìn)行編寫(xiě)。

方式三：用戶(hù)可以通過(guò)長(zhǎng)按當(dāng)前應(yīng)用所展現(xiàn)的頁(yè)面上的語(yǔ)音搜索按鈕，說(shuō)出想要輸入的語(yǔ)音內(nèi)容，然后，松開(kāi)語(yǔ)音搜索按鈕，以觸發(fā)搜索命令，該搜索命令中包含根據(jù)所說(shuō)出的語(yǔ)音內(nèi)容轉(zhuǎn)換的文本形式的搜索關(guān)鍵詞。這樣，在接收到該搜索命令之后，則可以解析出其中所包含的所述搜索關(guān)鍵詞。

方式四：用戶(hù)可以通過(guò)點(diǎn)擊當(dāng)前應(yīng)用所展現(xiàn)的頁(yè)面上的語(yǔ)音搜索按鈕，說(shuō)出想要輸入的語(yǔ)音內(nèi)容，待結(jié)束說(shuō)出語(yǔ)音內(nèi)容一段時(shí)間例如，2秒鐘之后，則觸發(fā)搜索命令，該搜索命令中包含根據(jù)所說(shuō)出的語(yǔ)音內(nèi)容轉(zhuǎn)換的文本形式的搜索關(guān)鍵詞。這樣，在接收到該搜索命令之后，則可以解析出其中所包含的所述搜索關(guān)鍵詞。

在獲取到所述輸入關(guān)鍵詞之后，則可以執(zhí)行后續(xù)操作即102～103。

可選地，在本實(shí)施例的一個(gè)可能的實(shí)現(xiàn)方式中，在102中，具體可以根據(jù)所述搜索關(guān)鍵詞，獲得與所述搜索關(guān)鍵詞匹配的聚類(lèi)關(guān)鍵詞。進(jìn)而，則可以根據(jù)所述匹配的聚類(lèi)關(guān)鍵詞與其他聚類(lèi)關(guān)鍵詞之間的點(diǎn)擊情況數(shù)據(jù)，選擇所述至少一個(gè)聚類(lèi)關(guān)鍵詞。

其中，所述點(diǎn)擊情況數(shù)據(jù)可以包括但不限于點(diǎn)擊到達(dá)率(Click-Through-Rate，CTR)即點(diǎn)擊率和點(diǎn)擊期望收益值即Q值中的至少一項(xiàng)，本實(shí)施例對(duì)此不進(jìn)行特別限定。

在一個(gè)具體的實(shí)現(xiàn)過(guò)程中，還可以進(jìn)一步根據(jù)用戶(hù)歷史行為數(shù)據(jù)，獲得共現(xiàn)搜索關(guān)鍵詞序列。進(jìn)而，則可以對(duì)所述共現(xiàn)搜索關(guān)鍵詞序列，進(jìn)行聚合處理，以獲得至少一個(gè)搜索關(guān)鍵詞類(lèi)。然后，可以根據(jù)所述至少一個(gè)搜索關(guān)鍵詞類(lèi)，獲得所述至少一個(gè)搜索關(guān)鍵詞類(lèi)中每個(gè)搜索關(guān)鍵詞類(lèi)的聚類(lèi)關(guān)鍵詞。

這里，用戶(hù)歷史行為數(shù)據(jù)的采集，可以依賴(lài)于用戶(hù)的用戶(hù)意圖(Session)段數(shù)據(jù)。其中，Session段是一個(gè)邏輯意義，即用戶(hù)在一定時(shí)間段之內(nèi)的檢索行為，它代表一個(gè)用戶(hù)在某段時(shí)間內(nèi)的一個(gè)行為意圖，從用戶(hù)的瀏覽行為來(lái)看，Session段具體可以規(guī)約成在語(yǔ)義上具有相同關(guān)聯(lián)的連續(xù)檢索行為。

首先，需要從Session段數(shù)據(jù)中，找出共現(xiàn)的搜索關(guān)鍵詞，組成包括若干個(gè)共現(xiàn)關(guān)鍵詞的共現(xiàn)搜索關(guān)鍵詞序列?；谶@些共現(xiàn)搜索關(guān)鍵詞序列，可以構(gòu)建一個(gè)有方向的初始圖結(jié)構(gòu)，其圖的節(jié)點(diǎn)為這些共現(xiàn)搜索關(guān)鍵詞，邊的初始權(quán)重即點(diǎn)擊情況數(shù)據(jù)則是所有Session段數(shù)據(jù)中兩個(gè)共現(xiàn)搜索關(guān)鍵詞出現(xiàn)的總次數(shù)。

構(gòu)建出初始圖結(jié)構(gòu)之后，可以開(kāi)始進(jìn)行聚合處理。具體聚合處理的方法可以采用如下方法：

1)、將初始圖結(jié)構(gòu)中的每個(gè)節(jié)點(diǎn)，初始化為一個(gè)搜索關(guān)鍵詞類(lèi)；

2)、對(duì)于每個(gè)搜索關(guān)鍵詞類(lèi)，找出它相鄰的搜索關(guān)鍵詞類(lèi)，計(jì)算兩個(gè)搜索關(guān)鍵詞類(lèi)之間的相似度；

具體來(lái)說(shuō)，兩個(gè)搜索關(guān)鍵詞類(lèi)之間的相似度的計(jì)算可以包括兩個(gè)部分：第一個(gè)部分是兩個(gè)搜索關(guān)鍵詞類(lèi)之間的語(yǔ)義相似度；第二個(gè)部分是兩個(gè)搜索關(guān)鍵詞類(lèi)的出度節(jié)點(diǎn)之間的結(jié)構(gòu)相似度，以及兩個(gè)搜索關(guān)鍵詞類(lèi)的入度節(jié)點(diǎn)之間的結(jié)構(gòu)相似度。對(duì)這兩個(gè)部分的相似度進(jìn)行運(yùn)算處理，例如，加權(quán)運(yùn)算等，獲得一個(gè)運(yùn)算數(shù)值，作為兩個(gè)搜索關(guān)鍵詞類(lèi)之間的相似度。

其中，第一個(gè)部分的語(yǔ)義相似度的計(jì)算方法為：

計(jì)算一個(gè)搜索關(guān)鍵詞類(lèi)中每個(gè)搜索關(guān)鍵詞與另一個(gè)搜索關(guān)鍵詞類(lèi)中每個(gè)搜索關(guān)鍵詞之間的語(yǔ)義相似度，然后，取平均值例如加權(quán)平均值或算術(shù)平均值，作為兩個(gè)搜索關(guān)鍵詞類(lèi)之間的語(yǔ)義相似度。

第二個(gè)部分中入度節(jié)點(diǎn)之間的結(jié)構(gòu)相似度的計(jì)算方法為：

找出每個(gè)搜索關(guān)鍵詞類(lèi)的入度節(jié)點(diǎn)，根據(jù)這些入度節(jié)點(diǎn)的特征數(shù)據(jù)，計(jì)算兩個(gè)搜索關(guān)鍵詞類(lèi)的入度節(jié)點(diǎn)之間的結(jié)構(gòu)相似度。入度節(jié)點(diǎn)，是指有向圖中作為圖中邊的終點(diǎn)的節(jié)點(diǎn)。

第二個(gè)部分中出度節(jié)點(diǎn)之間的結(jié)構(gòu)相似度的計(jì)算方法為：

找出每個(gè)搜索關(guān)鍵詞類(lèi)的出度節(jié)點(diǎn)，根據(jù)這些出度節(jié)點(diǎn)的特征數(shù)據(jù)，計(jì)算兩個(gè)搜索關(guān)鍵詞類(lèi)的出度節(jié)點(diǎn)之間的結(jié)構(gòu)相似度。出度節(jié)點(diǎn)，是指有向圖中作為圖中邊的起點(diǎn)的節(jié)點(diǎn)。

3)、若兩個(gè)搜索關(guān)鍵詞類(lèi)之間的相似度小于或等于預(yù)先設(shè)置的相似度閾值，則將這兩個(gè)搜索關(guān)鍵詞類(lèi)進(jìn)行合并，獲得一個(gè)新的搜索關(guān)鍵詞類(lèi)。

4)、以上過(guò)程持續(xù)執(zhí)行多輪，最后，結(jié)果趨向穩(wěn)定則停止，即該輪所產(chǎn)生的搜索關(guān)鍵詞類(lèi)的數(shù)目與前一輪所產(chǎn)生的搜索關(guān)鍵詞類(lèi)的數(shù)目之間的差值，小于數(shù)目閾值，或達(dá)到指定輪數(shù)，則停止。

至此，則構(gòu)建出來(lái)一個(gè)由若干個(gè)搜索關(guān)鍵詞類(lèi)組成的圖結(jié)構(gòu)。

本實(shí)施例所采用的這種聚合處理類(lèi)似于自底向上的層次聚類(lèi)(Hierarchical Clustering)，區(qū)別之處在于，Hierarchical Clustering每次尋找的是所有搜索關(guān)鍵詞類(lèi)中最接近的兩個(gè)搜索關(guān)鍵詞類(lèi)進(jìn)行合并，而上述聚合處理則是對(duì)所有搜索關(guān)鍵詞類(lèi)，找出它相鄰的搜索關(guān)鍵詞類(lèi)中能夠合并的搜索關(guān)鍵詞類(lèi)進(jìn)行合并，處理效率較高。

在構(gòu)建好上述基于搜索關(guān)鍵詞類(lèi)的圖結(jié)構(gòu)之后，還需要進(jìn)一步對(duì)節(jié)點(diǎn)與節(jié)點(diǎn)之間的邊進(jìn)行一個(gè)預(yù)估處理，以獲得一個(gè)權(quán)重即預(yù)估得分例如，CTR得分，來(lái)表示聚類(lèi)關(guān)鍵詞與聚類(lèi)關(guān)鍵詞之間的點(diǎn)擊情況數(shù)據(jù)。這樣，可以將預(yù)估得分較低的邊去除，能夠有效避免匹配的聚類(lèi)關(guān)鍵詞太多，同時(shí)，也可以作為一個(gè)預(yù)排序的結(jié)果。用戶(hù)可以根據(jù)排序的結(jié)果，從與所述搜索關(guān)鍵詞所匹配的聚類(lèi)關(guān)鍵詞所對(duì)應(yīng)的其他聚類(lèi)關(guān)鍵詞中，選擇部分聚類(lèi)關(guān)鍵詞，以作為引導(dǎo)關(guān)鍵詞。

傳統(tǒng)的做法是通過(guò)梯度提升決策樹(shù)(Gradient Boosting Decision Tree，GBDT)模型來(lái)計(jì)算，通過(guò)計(jì)算兩個(gè)搜索關(guān)鍵詞類(lèi)的統(tǒng)計(jì)特征，然后通過(guò)點(diǎn)擊的訓(xùn)練樣本來(lái)進(jìn)行模型訓(xùn)練，最后將訓(xùn)練好的模型進(jìn)行候選數(shù)據(jù)預(yù)測(cè)，得到最終的預(yù)估得分結(jié)果。這種方法，其泛化能力較弱且只能考慮統(tǒng)計(jì)信息，而很多沒(méi)有出現(xiàn)過(guò)的新的搜索關(guān)鍵詞即聚類(lèi)關(guān)鍵詞，可能缺乏統(tǒng)計(jì)信息而得不到較好的一個(gè)預(yù)估得分，導(dǎo)致沒(méi)有展現(xiàn)機(jī)會(huì)。

在另一個(gè)具體的實(shí)現(xiàn)過(guò)程中，還可以進(jìn)一步獲取所述每個(gè)搜索關(guān)鍵詞類(lèi)的聚類(lèi)關(guān)鍵詞的語(yǔ)義特征，進(jìn)而，則可以根據(jù)所述聚類(lèi)關(guān)鍵詞的語(yǔ)義特征，獲得兩兩聚類(lèi)關(guān)鍵詞之間的點(diǎn)擊情況數(shù)據(jù)。

具體來(lái)說(shuō)，可以根據(jù)聚類(lèi)關(guān)鍵詞的語(yǔ)義特征，利用語(yǔ)義向量(Embedding)深層神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks，DNN)或GBDT模型，獲得預(yù)估得分。這樣，可以充分考慮語(yǔ)義信息，同時(shí)具有較好的泛化能力，對(duì)于沒(méi)有出現(xiàn)過(guò)的新的搜索關(guān)鍵詞即聚類(lèi)關(guān)鍵詞，也不會(huì)因?yàn)檎也坏浇y(tǒng)計(jì)特征，導(dǎo)致預(yù)估得分異常。例如，兩個(gè)聚類(lèi)關(guān)鍵詞經(jīng)過(guò)一個(gè)向量(Embedding)層，以使得聚類(lèi)關(guān)鍵詞映射到一個(gè)多維空間中，變成一個(gè)詞向量。然后，將向量(Embedding)層所輸出的詞向量輸入詞袋(Bag of words)模型，之后再進(jìn)行隱層變換處理，將得到的結(jié)果進(jìn)行數(shù)量(DOT)乘積。DOT乘積獲得的結(jié)果，可以通過(guò)損失函數(shù)(logloss函數(shù))作為目標(biāo)函數(shù)，來(lái)進(jìn)行該語(yǔ)義Embedding DNN的學(xué)習(xí)，得到最終的預(yù)估得分。

可選地，DOT乘積獲得的結(jié)果，可以作為GBDT模型的特征，也可以經(jīng)過(guò)一些變換之后，得到最終的預(yù)估得分。

至此，將節(jié)點(diǎn)與節(jié)點(diǎn)之間的邊的權(quán)重即預(yù)估得分計(jì)算完成之后，完整的圖結(jié)構(gòu)就構(gòu)建完成了。這樣，則可以根據(jù)所述搜索關(guān)鍵詞，利用所構(gòu)建的圖結(jié)構(gòu)，獲得與所述搜索關(guān)鍵詞匹配的聚類(lèi)關(guān)鍵詞，并進(jìn)一步根據(jù)節(jié)點(diǎn)與節(jié)點(diǎn)之間的邊的權(quán)重所指示的所述匹配的聚類(lèi)關(guān)鍵詞與其他聚類(lèi)關(guān)鍵詞之間的點(diǎn)擊情況數(shù)據(jù)，可以選擇點(diǎn)擊情況數(shù)據(jù)所指示的點(diǎn)擊情況最好的指定數(shù)量的聚類(lèi)關(guān)鍵詞，作為所述至少一個(gè)聚類(lèi)關(guān)鍵詞，或者還可以選擇選擇點(diǎn)擊情況數(shù)據(jù)大于或等于預(yù)設(shè)閾值的聚類(lèi)關(guān)鍵詞，作為所述至少一個(gè)聚類(lèi)關(guān)鍵詞，本實(shí)施例對(duì)此不進(jìn)行特別限定。

具體來(lái)說(shuō)，具體可以將所構(gòu)建的圖結(jié)構(gòu)，存儲(chǔ)到終端的存儲(chǔ)設(shè)備中。

例如，所述終端的存儲(chǔ)設(shè)備可以為慢速存儲(chǔ)設(shè)備，具體可以為計(jì)算機(jī)系統(tǒng)的硬盤(pán)，或者還可以為手機(jī)的非運(yùn)行內(nèi)存即物理內(nèi)存，例如，只讀存儲(chǔ)器(Read-Only Memory，ROM)和內(nèi)存卡等，本實(shí)施例對(duì)此不進(jìn)行特別限定。

或者，再例如，所述終端的存儲(chǔ)設(shè)備還可以為快速存儲(chǔ)設(shè)備，具體可以為計(jì)算機(jī)系統(tǒng)的內(nèi)存，或者還可以為手機(jī)的運(yùn)行內(nèi)存即系統(tǒng)內(nèi)存，例如，隨機(jī)存儲(chǔ)器(Random Access Memory，RAM)等，本實(shí)施例對(duì)此不進(jìn)行特別限定。

由于所采用的CTR預(yù)估方式所獲得的點(diǎn)擊情況數(shù)據(jù)，只考慮了與搜索關(guān)鍵詞對(duì)應(yīng)的一次點(diǎn)擊即單輪的聚類(lèi)關(guān)鍵詞的點(diǎn)擊情況，而要達(dá)到收益的全局最大化，還需要進(jìn)一步考慮多次點(diǎn)擊即多輪的聚類(lèi)關(guān)鍵詞的點(diǎn)擊情況，例如，當(dāng)前聚類(lèi)關(guān)鍵詞A的CTR雖然比聚類(lèi)關(guān)鍵詞B的CTR高，但點(diǎn)擊過(guò)去之后，聚類(lèi)關(guān)鍵詞B所對(duì)應(yīng)的聚類(lèi)關(guān)鍵詞的CTR卻比聚類(lèi)關(guān)鍵詞A所對(duì)應(yīng)的聚類(lèi)關(guān)鍵詞的CTR高很多，因此聚類(lèi)關(guān)鍵詞B的總體收益也更大。這樣，如果按照CTR，選擇聚類(lèi)關(guān)鍵詞A的話，那么，總體收益則不是最大。因此，本發(fā)明可以引入增強(qiáng)學(xué)習(xí)算法(Reinforcement Learning)，來(lái)動(dòng)態(tài)調(diào)整和學(xué)習(xí)每次所獲得的聚類(lèi)關(guān)鍵詞的排序，從而盡可能達(dá)到全局最優(yōu)。

具體來(lái)說(shuō)，具體可以采用Q Learning算法，其中，術(shù)語(yǔ)狀態(tài)(State)定義為當(dāng)前聚類(lèi)關(guān)鍵詞，術(shù)語(yǔ)行為(Action)為相鄰的聚類(lèi)關(guān)鍵詞。這種情況下，對(duì)于每個(gè)State下的每個(gè)Action，可以學(xué)習(xí)一個(gè)Q值即Q(state,action)，該值是對(duì)該State下，采取該Action所能獲取的期望收益的一個(gè)近似估計(jì)。然后，通過(guò)不斷調(diào)整這個(gè)Q值，使得這個(gè)估計(jì)越來(lái)越接近真實(shí)的期望收益。

本發(fā)明中，在用戶(hù)獲得引導(dǎo)關(guān)鍵詞之后，可以利用該引導(dǎo)關(guān)鍵詞，來(lái)執(zhí)行搜索操作。例如，利用引導(dǎo)關(guān)鍵詞，作為本次搜索的關(guān)鍵詞，執(zhí)行搜索操作；或者，再例如，利用搜索關(guān)鍵詞和引導(dǎo)關(guān)鍵詞，共同作為本次搜索的關(guān)鍵詞，執(zhí)行搜索操作，本實(shí)施例對(duì)此不進(jìn)行特別限定。

相比于現(xiàn)有的技術(shù)方案，本發(fā)明所提供的技術(shù)方案有以下技術(shù)優(yōu)點(diǎn)：

1)、從意圖(intent)的角度來(lái)構(gòu)建一個(gè)圖結(jié)構(gòu)，每個(gè)意圖即節(jié)點(diǎn)不再是單獨(dú)的一個(gè)搜索關(guān)鍵詞，而是一個(gè)由相似搜索關(guān)鍵詞所組成的搜索關(guān)鍵詞類(lèi)(query cluster)，每個(gè)搜索關(guān)鍵詞類(lèi)代表用戶(hù)一個(gè)較為明確的意圖，引導(dǎo)的過(guò)程是一個(gè)意圖跳轉(zhuǎn)的過(guò)程。這種做法適用的場(chǎng)景更廣泛，尤其是對(duì)話場(chǎng)景下的通用引導(dǎo)推薦。

2)、采用語(yǔ)義向量(Embedding)深層神經(jīng)網(wǎng)絡(luò)(Deep Neural Networks，DNN)來(lái)估計(jì)意圖之間的跳轉(zhuǎn)概率，考慮了意圖之間的語(yǔ)義信息，大大提高了模型的泛化能力。這種語(yǔ)義模型，能夠緩解統(tǒng)計(jì)特征缺失，或者新的搜索關(guān)鍵詞的統(tǒng)計(jì)特征非常稀疏所帶來(lái)的預(yù)估不準(zhǔn)的問(wèn)題。

3)、考慮多輪收益而不是單輪收益，由于引導(dǎo)是一個(gè)多輪的過(guò)程，給用戶(hù)提供的每次引導(dǎo)，以及用戶(hù)的每次點(diǎn)擊，都將影響到后續(xù)整體的收益。因此，考慮多輪的長(zhǎng)期收益，而非單輪的短期收益，是一個(gè)更好合理的方式。

本實(shí)施例中，通過(guò)獲取用戶(hù)提供的搜索關(guān)鍵詞，進(jìn)而根據(jù)所述搜索關(guān)鍵詞，獲得對(duì)應(yīng)的至少一個(gè)聚類(lèi)關(guān)鍵詞，以作為引導(dǎo)關(guān)鍵詞，使得能夠?qū)⑺鲆龑?dǎo)關(guān)鍵詞，提供給所述用戶(hù)，由于不再完全依賴(lài)搜索關(guān)鍵詞執(zhí)行搜索操作，而是結(jié)合根據(jù)搜索關(guān)鍵詞所獲得的至少一個(gè)聚類(lèi)關(guān)鍵詞執(zhí)行搜索操作，使得搜索結(jié)果基本滿(mǎn)足用戶(hù)的真正意圖，因此，能夠避免現(xiàn)有技術(shù)中由于用戶(hù)通過(guò)應(yīng)用反復(fù)進(jìn)行搜索而導(dǎo)致的增加應(yīng)用與搜索引擎之間的數(shù)據(jù)交互的問(wèn)題，從而降低了搜索引擎的處理負(fù)擔(dān)。

另外，采用本發(fā)明所提供的技術(shù)方案，由于不再完全依賴(lài)搜索關(guān)鍵詞執(zhí)行搜索操作，而是結(jié)合根據(jù)搜索關(guān)鍵詞所獲得的至少一個(gè)聚類(lèi)關(guān)鍵詞執(zhí)行搜索操作，使得搜索結(jié)果基本滿(mǎn)足用戶(hù)的真正意圖，從而提高了搜索結(jié)果的有效性。

另外，采用本發(fā)明所提供的技術(shù)方案，由于不再完全依賴(lài)搜索關(guān)鍵詞執(zhí)行搜索操作，而是結(jié)合根據(jù)搜索關(guān)鍵詞所獲得的至少一個(gè)聚類(lèi)關(guān)鍵詞執(zhí)行搜索操作，使得搜索結(jié)果基本滿(mǎn)足用戶(hù)的真正意圖，從而提高了搜索的效率。

另外，采用本發(fā)明所提供的技術(shù)方案，能夠有效地提高用戶(hù)的體驗(yàn)。

需要說(shuō)明的是，對(duì)于前述的各方法實(shí)施例，為了簡(jiǎn)單描述，故將其都表述為一系列的動(dòng)作組合，但是本領(lǐng)域技術(shù)人員應(yīng)該知悉，本發(fā)明并不受所描述的動(dòng)作順序的限制，因?yàn)橐罁?jù)本發(fā)明，某些步驟可以采用其他順序或者同時(shí)進(jìn)行。其次，本領(lǐng)域技術(shù)人員也應(yīng)該知悉，說(shuō)明書(shū)中所描述的實(shí)施例均屬于優(yōu)選實(shí)施例，所涉及的動(dòng)作和模塊并不一定是本發(fā)明所必須的。

在上述實(shí)施例中，對(duì)各個(gè)實(shí)施例的描述都各有側(cè)重，某個(gè)實(shí)施例中沒(méi)有詳述的部分，可以參見(jiàn)其他實(shí)施例的相關(guān)描述。

圖2為本發(fā)明另一實(shí)施例提供的搜索裝置的結(jié)構(gòu)示意圖，如圖2所示。本實(shí)施例的搜索裝置可以包括獲取單元21、匹配單元22和引導(dǎo)單元23。其中，獲取單元21，用于獲取用戶(hù)提供的搜索關(guān)鍵詞；匹配單元22，用于根據(jù)所述搜索關(guān)鍵詞，獲得對(duì)應(yīng)的至少一個(gè)聚類(lèi)關(guān)鍵詞，以作為引導(dǎo)關(guān)鍵詞；引導(dǎo)單元23，用于將所述引導(dǎo)關(guān)鍵詞，提供給所述用戶(hù)。

需要說(shuō)明的是，本實(shí)施例所提供的搜索裝置的部分或全部可以為位于本地終端的應(yīng)用，或者還可以為設(shè)置在位于本地終端的應(yīng)用中的插件或軟件開(kāi)發(fā)工具包(Software Development Kit，SDK)等功能單元，或者還可以為位于網(wǎng)絡(luò)側(cè)服務(wù)器中的搜索引擎，或者還可以為位于網(wǎng)絡(luò)側(cè)的分布式系統(tǒng)，本實(shí)施例對(duì)此不進(jìn)行特別限定。

可以理解的是，所述應(yīng)用可以是安裝在終端上的本地程序(nativeApp)，或者還可以是終端上的瀏覽器的一個(gè)網(wǎng)頁(yè)程序(webApp)，本實(shí)施例對(duì)此不進(jìn)行特別限定。

可選地，在本實(shí)施例的一個(gè)可能的實(shí)現(xiàn)方式中，所述匹配單元22，具體可以用于根據(jù)所述搜索關(guān)鍵詞，獲得與所述搜索關(guān)鍵詞匹配的聚類(lèi)關(guān)鍵詞；以及根據(jù)所述匹配的聚類(lèi)關(guān)鍵詞與其他聚類(lèi)關(guān)鍵詞之間的點(diǎn)擊情況數(shù)據(jù)，選擇所述至少一個(gè)聚類(lèi)關(guān)鍵詞。

其中，所述點(diǎn)擊情況數(shù)據(jù)可以包括但不限于點(diǎn)擊到達(dá)率(Click-Through-Rate，CTR)即點(diǎn)擊率和點(diǎn)擊期望收益值即Q值中的至少一項(xiàng)，本實(shí)施例對(duì)此不進(jìn)行特別限定。

在一個(gè)具體的實(shí)現(xiàn)過(guò)程中，所述匹配單元22，還可以進(jìn)一步用于根據(jù)用戶(hù)歷史行為數(shù)據(jù)，獲得共現(xiàn)搜索關(guān)鍵詞序列；對(duì)所述共現(xiàn)搜索關(guān)鍵詞序列，進(jìn)行聚合處理，以獲得至少一個(gè)搜索關(guān)鍵詞類(lèi)；以及根據(jù)所述至少一個(gè)搜索關(guān)鍵詞類(lèi)，獲得所述至少一個(gè)搜索關(guān)鍵詞類(lèi)中每個(gè)搜索關(guān)鍵詞類(lèi)的聚類(lèi)關(guān)鍵詞。

在另一個(gè)具體的實(shí)現(xiàn)過(guò)程中，所述匹配單元22，還可以進(jìn)一步用于獲取所述每個(gè)搜索關(guān)鍵詞類(lèi)的聚類(lèi)關(guān)鍵詞的語(yǔ)義特征；以及根據(jù)所述聚類(lèi)關(guān)鍵詞的語(yǔ)義特征，獲得兩兩聚類(lèi)關(guān)鍵詞之間的點(diǎn)擊情況數(shù)據(jù)。

需要說(shuō)明的是，圖1對(duì)應(yīng)的實(shí)施例中方法，可以由本實(shí)施例提供的搜索裝置實(shí)現(xiàn)。詳細(xì)描述可以參見(jiàn)圖1對(duì)應(yīng)的實(shí)施例中的相關(guān)內(nèi)容，此處不再贅述。

本實(shí)施例中，通過(guò)獲取單元獲取用戶(hù)提供的搜索關(guān)鍵詞，進(jìn)而由匹配單元根據(jù)所述搜索關(guān)鍵詞，獲得對(duì)應(yīng)的至少一個(gè)聚類(lèi)關(guān)鍵詞，以作為引導(dǎo)關(guān)鍵詞，使得所述引導(dǎo)單元能夠?qū)⑺鲆龑?dǎo)關(guān)鍵詞，提供給所述用戶(hù)，由于不再完全依賴(lài)搜索關(guān)鍵詞執(zhí)行搜索操作，而是結(jié)合根據(jù)搜索關(guān)鍵詞所獲得的至少一個(gè)聚類(lèi)關(guān)鍵詞執(zhí)行搜索操作，使得搜索結(jié)果基本滿(mǎn)足用戶(hù)的真正意圖，因此，能夠避免現(xiàn)有技術(shù)中由于用戶(hù)通過(guò)應(yīng)用反復(fù)進(jìn)行搜索而導(dǎo)致的增加應(yīng)用與搜索引擎之間的數(shù)據(jù)交互的問(wèn)題，從而降低了搜索引擎的處理負(fù)擔(dān)。

另外，采用本發(fā)明所提供的技術(shù)方案，由于不再完全依賴(lài)搜索關(guān)鍵詞執(zhí)行搜索操作，而是結(jié)合根據(jù)搜索關(guān)鍵詞所獲得的至少一個(gè)聚類(lèi)關(guān)鍵詞執(zhí)行搜索操作，使得搜索結(jié)果基本滿(mǎn)足用戶(hù)的真正意圖，從而提高了搜索結(jié)果的有效性。

另外，采用本發(fā)明所提供的技術(shù)方案，由于不再完全依賴(lài)搜索關(guān)鍵詞執(zhí)行搜索操作，而是結(jié)合根據(jù)搜索關(guān)鍵詞所獲得的至少一個(gè)聚類(lèi)關(guān)鍵詞執(zhí)行搜索操作，使得搜索結(jié)果基本滿(mǎn)足用戶(hù)的真正意圖，從而提高了搜索的效率。

另外，采用本發(fā)明所提供的技術(shù)方案，能夠有效地提高用戶(hù)的體驗(yàn)。

所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡(jiǎn)潔，上述描述的系統(tǒng)，裝置和單元的具體工作過(guò)程，可以參考前述方法實(shí)施例中的對(duì)應(yīng)過(guò)程，在此不再贅述。

在本發(fā)明所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的系統(tǒng)，裝置和方法，可以通過(guò)其它的方式實(shí)現(xiàn)。例如，以上所描述的裝置實(shí)施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如，多個(gè)單元或組件可以結(jié)合或者可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過(guò)一些接口，裝置或單元的間接耦合或通信連接，可以是電性，機(jī)械或其它的形式。

所述作為分離部件說(shuō)明的單元可以是或者也可以不是物理上分開(kāi)的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部單元來(lái)實(shí)現(xiàn)本實(shí)施例方案的目的。

另外，在本發(fā)明各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以?xún)蓚€(gè)或兩個(gè)以上單元集成在一個(gè)單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用硬件加軟件功能單元的形式實(shí)現(xiàn)。

上述以軟件功能單元的形式實(shí)現(xiàn)的集成的單元，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中。上述軟件功能單元存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)裝置(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)裝置等)或處理器(processor)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的部分步驟。而前述的存儲(chǔ)介質(zhì)包括：U盤(pán)、移動(dòng)硬盤(pán)、只讀存儲(chǔ)器(Read-Only Memory，ROM)、隨機(jī)存取存儲(chǔ)器(Random Access Memory，RAM)、磁碟或者光盤(pán)等各種可以存儲(chǔ)程序代碼的介質(zhì)。

最后應(yīng)說(shuō)明的是：以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的精神和范圍。