一種對象排序方法和裝置制造方法
【專利摘要】本發明公開了一種對象排序方法和裝置，既能加快對象更新頻度，又能保證商品轉化效率。所述方法包括：計算或者根據預測模型預測對象的吸引力得分，所述對象的吸引力得分表示所述對象吸引用戶點擊或購買的能力；基于每個對象的吸引力得分和存在時間生成該對象的分檔排序分，根據分檔排序分產生排序結果。所述對象排序裝置包括第一模塊和第二模塊。本發明的方法和裝置，使得搜索結果頁中的每個對象的得分至少部分依賴于該對象的吸引力得分，此外還依賴于該對象的存在時間，吸引力得分保證了商品的轉化效率，而存在時間則保證了該對象的更新頻度，從而實現既能加快對象更新頻度，又能保證商品轉化效率。
【專利說明】一種對象排序方法和裝置
【技術領域】
[0001] 本發明涉及計算機【技術領域】，具體涉及一種對象排序方法和裝置。
【背景技術】
[0002] 對于電子商務網站的搜索引擎來講，有以對象的轉化效率為目標的排序（比如以 累計用戶行為主導的商品排序)，也有以更新頻率為主導的排序（比如以距離發布時間為主 的Hacker News排序)。所謂轉化率，包括購買轉化率、瀏覽轉化率等，購買轉化率簡單理解 就是一件商品購買的人數除以該件商品被瀏覽的次數，在其他因素一致的情況下，轉化率 高的商品優先展示給買家。所謂瀏覽轉化率是指在搜索結果頁中，給了一個商品展現的機 會，這個商品能獲得點擊的概率，也就是商品點擊次數/商品展現次數，這個指標在一定程 度上，反應了用戶對排序的滿意度。任何一個商品搜索排序的調整，都是以轉化率為目標 的。
[0003] 對于第一種排序方法，以商品累計的銷量為主導的綜合排序，轉化率越高的商品， 越容易排在前面；越排在前面的商品轉化率越高。這樣就會形成馬太效應，導致銷量高的商 品長期排在前面，整個系統更新頻率非常緩慢。
[0004] 對于第二種排序方法，Hacker news排序是一個網絡社區的排序，根據用戶投票以 及帖子的發布時間，得票高的文章和新的文章容易得到好的排名。但是Hacker news的排 序適用于排序對象少，用戶較多的場合。如果對于對象眾多的商品排序場景直接利用這種 方法，不會產生正面效果，因為有眾多商品競爭頭幾頁位置，因此Hacker new排序方法不能 直接用于商品搜索場景。
[0005] 因此，在商品眾多的商品搜索場景中，缺乏一種既能加快對象更新頻度，又保證商 品轉化效率的商品排序方法。
【發明內容】
[0006] 本發明要解決的技術問題是提供一種對象排序方法和裝置，既能加快對象更新頻 度，又能保證商品轉化效率。
[0007] 為解決上述技術問題，本發明提供了一種對象排序方法，所述方法包括：
[0008] 計算或者根據預測模型預測對象的吸引力得分，所述對象的吸引力得分表示所述 對象吸引用戶點擊或購買的能力；
[0009] 基于每個對象的吸引力得分和存在時間生成該對象的分檔排序分，根據分檔排序 分產生排序結果。
[0010] 進一步地，所述計算對象的吸引力得分，包括：計算所述對象的瀏覽轉化率，將所 述瀏覽轉化率作為所述對象的吸引力得分；或者計算所述對象的購買轉化率，將所述購買 轉化率作為所述對象的吸引力得分；或者計算所述對象的瀏覽轉化率和購買轉化率，將所 述瀏覽轉化率和購買轉化率的統計值作為所述對象的吸引力得分。
[0011] 進一步地，所述根據預測模型預測對象的吸引力得分，包括：查找預測模型中與 所述預測對象特征接近的對象，將該對象對應的吸引力得分作為所述預測對象的吸引力得 分。
[0012] 進一步地，所述基于每個對象的吸引力得分和存在時間生成該對象的分檔排序 分，包括：采用以下公式計算每個對象的第一分數,其中，S為對象的吸引力得分， 所述T為對象的存在時間，G為平滑因子，將所述第一分數F作為分檔排序分。
[0013] 進一步地，所述根據分檔排序分產生排序結果，包括：將對象的分檔排序分與影響 排序結果的其他特征分數的加權和作為該對象的排序分。
[0014] 進一步地，所述計算或者根據預測模型預測對象的吸引力得分之前，所述方法還 包括：對對象進行篩選，篩選出符合預設條件的預測對象。
[0015] 為解決上述技術問題，本發明提供了一種對象排序裝置，所述裝置包括第一模塊 和第二模塊，其中：
[0016] 所述第一模塊，用于計算或者根據預測模型預測對象的吸引力得分，所述對象的 吸引力得分表示所述對象吸引用戶點擊或購買的能力；
[0017] 所述第二模塊，用于基于每個對象的吸引力得分和存在時間生成該對象的分檔排 序分，根據分檔排序分產生排序結果。
[0018] 進一步地，所述第一模塊計算對象的吸引力得分，包括：所述第一模塊計算所述對 象的瀏覽轉化率，將所述瀏覽轉化率作為所述對象的吸引力得分；或者所述第一模塊計算 所述對象的購買轉化率，將所述購買轉化率作為所述對象的吸引力得分；或者所述第一模 塊計算所述對象的瀏覽轉化率和購買轉化率，將所述瀏覽轉化率和購買轉化率的統計值作 為所述對象的吸引力得分。
[0019] 進一步地，所述第一模塊根據預測模型預測對象的吸引力得分，包括：所述第一模 塊查找預測模型中與所述預測對象特征接近的對象，將該對象對應的吸引力得分作為所述 預測對象的吸引力得分。
[0020] 進一步地，所述第二模塊基于每個對象的吸引力得分和存在時間生成該對象的分 檔排序分，包括：所述第二模塊采用以下公式計算每個對象的第一分數，
【權利要求】
1. 一種對象排序方法，其特征在于，所述方法包括： 計算或者根據預測模型預測對象的吸引力得分，所述對象的吸引力得分表示所述對象 吸引用戶點擊或購買的能力； 基于每個對象的吸引力得分和存在時間生成該對象的分檔排序分，根據分檔排序分產 生排序結果。
2. 如權利要求1所述的方法，其特征在于： 所述計算對象的吸引力得分，包括：計算所述對象的瀏覽轉化率，將所述瀏覽轉化率作 為所述對象的吸引力得分；或者計算所述對象的購買轉化率，將所述購買轉化率作為所述 對象的吸引力得分；或者計算所述對象的瀏覽轉化率和購買轉化率，將所述瀏覽轉化率和 購買轉化率的統計值作為所述對象的吸引力得分。
3. 如權利要求1所述的方法，其特征在于： 所述根據預測模型預測對象的吸引力得分，包括： 查找預測模型中與所述預測對象特征接近的對象，將該對象對應的吸引力得分作為所 述預測對象的吸引力得分。
4. 如權利要求1所述的方法，其特征在于： 所述基于每個對象的吸引力得分和存在時間生成該對象的分檔排序分，包括： 采用以下公式計算每個對象的第一分數，F = 其中，S為對象的吸引力得分，所述 T為對象的存在時間，G為平滑因子，將所述第一分數F作為分檔排序分。
5. 如權利要求4所述的方法，其特征在于： 所述根據分檔排序分產生排序結果，包括： 將對象的分檔排序分與影響排序結果的其他特征分數的加權和作為該對象的排序分。
6. 如權利要求1所述的方法，其特征在于： 所述計算或者根據預測模型預測對象的吸引力得分之前，所述方法還包括：對對象進 行篩選，篩選出符合預設條件的預測對象。
7. -種對象排序裝置，其特征在于，所述裝置包括第一模塊和第二模塊，其中： 所述第一模塊，用于計算或者根據預測模型預測對象的吸引力得分，所述對象的吸引 力得分表示所述對象吸引用戶點擊或購買的能力； 所述第二模塊，用于基于每個對象的吸引力得分和存在時間生成該對象的分檔排序 分，根據分檔排序分產生排序結果。
8. 如權利要求7所述的裝置，其特征在于： 所述第一模塊計算對象的吸引力得分，包括： 所述第一模塊計算所述對象的瀏覽轉化率，將所述瀏覽轉化率作為所述對象的吸引力 得分；或者所述第一模塊計算所述對象的購買轉化率，將所述購買轉化率作為所述對象的 吸引力得分；或者所述第一模塊計算所述對象的瀏覽轉化率和購買轉化率，將所述瀏覽轉 化率和購買轉化率的統計值作為所述對象的吸引力得分。
9. 如權利要求7所述的裝置，其特征在于： 所述第一模塊根據預測模型預測對象的吸引力得分，包括： 所述第一模塊查找預測模型中與所述預測對象特征接近的對象，將該對象對應的吸引 力得分作為所述預測對象的吸引力得分。
10. 如權利要求7所述的裝置，其特征在于： 所述第二模塊基于每個對象的吸引力得分和存在時間生成該對象的分檔排序分，包 括： 所述第二模塊采用以下公式計算每個對象的第一分數，F *其中，S為對象的吸引 力得分，所述T為對象的存在時間，G為平滑因子，將所述第一分數F作為分檔排序分。
11. 如權利要求10所述的裝置，其特征在于： 所述第二模塊根據分檔排序分產生排序結果，包括： 所述第二模塊將對象的分檔排序分與影響排序結果的其他特征分數的加權和作為該 對象的排序分。
12. 如權利要求7所述的裝置，其特征在于： 所述第一模塊在計算或者根據預測模型預測對象的吸引力得分之前，還用于對對象進 行篩選，篩選出符合預設條件的預測對象。
【文檔編號】G06Q30/02GK104281585SQ201310275139
【公開日】2015年1月14日 申請日期:2013年7月2日 優先權日:2013年7月2日
【發明者】王錦, 劉健 申請人:阿里巴巴集團控股有限公司