搜索结果个性化

最新推荐文章于 2025-12-11 12:40:09 发布
最新推荐文章于 2025-12-11 12:40:09 发布 · 122 阅读 · 0
文章标签：

#搜索引擎

在搜索引擎上，任何人搜索同一个词的结果都是一样。这样明显不能满足访问者。科学家搜索“星球”，可能是希望了解星球的知识，但普通人可能是想找“星球大战”电影，但搜索引擎所给的都是一样的结果。如何满足这些不同类型的访问者，需要对搜索结果进行个性化处理。搜索结果排序从单一化到个性化

推荐引擎的魔力：个性化推荐背后的技术
曾经“等你生日那天”都遥远得像未来，如今却可欢愉的挥手说“下个十年见”
11-04 10万+
推荐引擎的工作过程是一个复杂的流程，需要深入了解用户兴趣、文章内容和各种推荐算法，以生成个性化的推荐列表。这个过程结合了用户行为数据的分析、用户画像、文章画像以及不同的推荐策略，以提供用户满意的推荐体验。不同的推荐系统可以根据需求和数据采用不同的组合和算法。在建立用户画像和文章画像之后，推荐引擎可以根据需求采用不同的推荐算法来为用户提供文章推荐。主要的推荐算法分为两大类：基于统计的静态召回算法和个性化召回算法。
Google的个性化搜索
纯月部落
05-11 1705
Google这个互联网巨人，总是搞很多噱头。Adsense, Map Server, Gmail, Gtalk，toolbar,desktop search engine,个人web桌面, 他还想搞操作系统。但是好像到目前为止，它每一项都不那么令人满意，都是半瓶水。以前相信了它的广告了，试用了web accelerator，结果好像除了能上一些国内封锁的网站之外，基本上网站没有什么加速。现
Google Now 从主动搜索到实时推送
梦想有道，一个从梦中醒来的人。
07-02 2007
腾讯科技讯（朱旭冬）7月1日消息，谷歌(微博)在一年一度的开发者大会Google I/O 上发布了最新的 Android 4.1 操作系统，其中非常核心的一项功能是Google Now，一款能主动为用户推送有价值信息的服务。 在Google I/O 大会上，谷歌演示了Google Now 的部分功能，比如当用户搜索了一个航班之后，一旦该航班有延误，信息会马上推送给用户。 而另一个演
搜索下一站：个性化搜索基本方法和简单实验
热门推荐
腾讯soso团队博客
12-02 1万+
<br /> <br />腾讯soso文/王亮<br /> <br />      所谓的个性化搜索，就是将用户输入的关键字和该用户的个人偏好联系起来进行查询，据此猜测该用户可能想要得到的信息，从而将该用户最可能需要的信息显示在最前面。<br />      个性化搜索研究早在上世纪九十年末就已有之，相关的方法和研究已经非常多，但商业化的大规模应用尚未出现。其根本原因在于很少有用户愿意直接或间接提供个人信息，像目前很多实验系统都是采集IP的点击记录、cookie等信息构建用户模型，这样的模型显然也很难精确。
搜索实时个性化模型——基于FTRL和个性化推荐的搜索排序优化
weixin_33721344的博客
09-06 563
本文来自网易云社区   作者：穆学锋   简介：传统的搜索个性化做法是定义个性化的标签，将用户和商品通过个性化标签关联起来，在搜索时进行匹配。传统做法的用户特征基本是离线计算获得，不够实时；个性化标签虽然具有一定的泛化能力，但是其准确性有所不足，不能很好的做精准个性化。本文提出两个创新优化，一是打通实时用户行为的获取流程，并在实时用户流下采用FTRL算法不断的更新用户特征的权重，将用户实时...
Solr完整个性化搜索排序方案
Oliverkehl的专栏
02-14 7074
Solr个性化搜索排序A厂的排序方案是添加各种各样的排序链，用于支持各个业务场景下的搜索排序功能，之前我们主搜排序以及筛选页的逻辑非常简单，就是文本相关性+业务分(业务加分+业务扣分)，搜索结果干预功能也很直接，这些模块都直接添加在SolrIndexSearcher中，为的是最快的支持搜索排序业务，然后就这么撑了6个月。。。我们发现，用到排序的场景越来越多，比如首页很关键的两个入口：推荐资源和推荐寻
个性化元搜索结果整合算法的研究
10-17
针对当前元搜索引擎存在的问题，提出一种个性化元搜索结果整合算法。首先对成员搜索引擎根据相应条件设定权值，对各成员搜索引擎得到的搜索结果按贡献量加权分块排序，根据用户检索词条与兴趣库和元搜索结果的文本...
元搜索引擎的个性化结果合并方法
02-26
如用户兴趣分布、参与合并的子搜索引擎总数、每个搜索引擎返回的结果数量、每个搜索引擎中文档的排名位置以及返回该文档的子搜索引擎数量等，对元搜索引擎的搜索结果进行个性化合并。在结果合并阶段，元搜索引擎需要...
个性化搜索
03-18
个性化搜索旨在通过理解用户的个体差异，提供更加精准、符合用户兴趣的搜索结果。下面我们将深入探讨个性化搜索的核心原理、实现技术和应用。 一、个性化搜索的基本概念 个性化搜索是搜索引擎的一种进阶形式，它...
2009年5月美国人三分之二（65%）的搜索是在谷歌搜索引擎上进行的
老紫竹的专栏
06-28 1045
6月28日消息，据comScore qSearch的数据显示，2009年5月美国人在五大核心的搜索引擎上进行的搜索次数为143亿次。其中，三分之二（65%）的搜索是在谷歌搜索引擎上进行的，20%使用雅虎搜索，8.2%使用微软的网站。 虽然5月份的搜索总数比2009年4月减少了3.8%，但是，谷歌市场份额比4月份的64.2%提高了0.8%。雅虎、微软和AOL的市场份额都略有下降。Ask Ne
实现实时个性化推荐_在实时搜索排序中用Embedding实现个性化推荐（2018KDD Best paper 精读）...
weixin_39616686的博客
12-24 705
本文是对2018年KDD Best Paper Real-time Personalization using Embeddings for SearchRanking at Airbnb 阅读过程的思路整合与学习笔记。1. 概述搜索排序和推荐是互联网公司最关心的基础问题，设计领域包括搜索引擎，内容发布网站和市场等。然而尽管这些问题有一些共同特征，但是在这个领域中没有一个普适的解决方案。本文中，作...
个性化搜索的介绍，推荐和搜索的强强结合
AI公园
04-13 1782
点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”作者：Pavel Kordík编译：ronghuaiyang导读一般来说，搜索是非个性化的，不过如果和推荐系统组合起来，也会有...
【Yandex 俄罗斯搜索引擎】第4课：Yandex生态系统概览：不止于搜索
weiliang_Handan的博客
12-10 2671
Yandex是俄罗斯领先的数字生态系统，提供从搜索、邮件到出行、购物等全方位服务。其核心产品包括Yandex搜索、Yandex 360办公套件、Yandex Go超级应用（整合打车、外卖等服务）、Yandex.Market电商平台，以及AI语音助手Alice和云服务Yandex Cloud。通过统一账户体系和AI技术，Yandex实现了各服务间的深度整合，为俄罗斯用户提供无缝的数字生活体验。尽管母公司正在进行业务重组，Yandex在俄罗斯本土的生态系统仍保持完整运营。
基于msModelslim量化实操--上手版
2401_87243659的博客
12-09 925
摘要 本文介绍了大模型量化技术的核心原理与实践方法。随着AI模型参数规模呈指数级增长，量化技术成为降低计算成本、提升推理效率的关键手段。文章详细阐述了量化的三大优势：减小模型体积、提升推理性能和降低部署成本。通过将高精度浮点数转换为低比特整数（如INT8/INT4），量化可在精度损失可控的前提下显著优化模型性能。实践部分指导读者在昇腾NPU环境中使用msModelSlim工具完成W8A8量化流程，包括环境配置、模型下载、量化执行和性能评估等关键步骤。该技术可帮助开发者在有限硬件资源下部署更大规模的AI模型，
【Yandex 俄罗斯搜索引擎】第9课：Yandex Webmaster工具：网站站长指南
最新发布
weiliang_Handan的博客
12-11 125
摘要 Yandex Webmaster工具是俄罗斯搜索引擎Yandex提供的免费站长平台，用于监测和优化网站在Yandex中的表现。主要功能包括： 网站验证（通过HTML文件、Meta标签、DNS记录等方式） 索引监测（查看站点地图、抓取统计和索引状态） 健康诊断（检查技术错误、移动适配和安全性问题） 排名分析（追踪关键词表现、地域数据和设备分布） 通过该工具，站长可以全面了解网站在Yandex中的表现，及时发现并解决问题，从而提升在俄罗斯市场的搜索可见性。
【Yandex 俄罗斯搜索引擎】第1课：初识Yandex与俄罗斯搜索市场
weiliang_Handan的博客
12-10 1万+
《Yandex：俄罗斯搜索市场的霸主》摘要 Yandex是俄罗斯本土搜索引擎巨头，创立于1993年，现已成为涵盖搜索、地图、打车、电商等多元服务的数字生态系统。其在俄搜索市场份额超60%，远超Google的21.9%。Yandex的核心优势在于：1）卓越的俄语处理能力，能精准理解复杂俄语形态；2）深度本地化策略，重视用户行为信号；3）技术创新，如MatrixNet机器学习算法。通过深耕本土市场，Yandex成为全球少数能与Google抗衡的搜索引擎，展现了技术本地化的成功范例。
【每日一读Day4】主流开源搜索引擎对比
m0_54984588的博客
12-08 922
本文对比了主流开源搜索引擎，分为倒排索引、向量搜索和轻量级引擎三大类。倒排索引方面，Elasticsearch适合海量文本检索，Solr以稳定性见长，Lucene是底层核心库；向量搜索领域，FAISS性能最强，Milvus支持分布式，Vespa擅长混合检索；轻量级引擎如MeiliSearch适合即时搜索。此外，文章还按编程语言和业务场景分类，推荐了不同场景下的最佳选择，如Java系的ES/Solr适用于全文检索，C++的FAISS适合AI图搜，Rust的MeiliSearch适合轻量应用。为学习和选型提供了
Google搜索结果个性化屏蔽插件
2. Google搜索结果定制: 允许用户个性化他们的搜索结果，例如屏蔽某些特定网站，以便能够得到更符合个人需求和喜好的搜索列表。 3. 网站屏蔽功能: 让用户可以主动将不希望出现在搜索结果中的网站屏蔽掉。该功能可...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值