搜索词推荐方法、装置、电子设备及存储介质与流程

本发明实施例涉及互联网服务技术，尤其涉及一种搜索词推荐方法、装置、电子设备及存储介质。

背景技术：

近年来，在互联网服务技术中，搜索已成为不可或缺的一个环节，而搜索建议是成熟搜索服务的标配。搜索建议使得用户不需要输入完整的搜索词，仅需输入部分关键词，就可得到多个搜索建议词。用户可以从搜索建议词中选择符合自己预期的词，点击即可进行搜索得到想要的结果。

现有技术中，提供搜索建议词的方法通常是根据用户输入的关键词确定与关键词相似度高的一组搜索建议词，并将搜索建议词根据热度从高至低排列显示。

根据上述搜索建议词的确定方式，能够帮助用户实现便捷搜索的目的。但是，根据上述搜索建议词的确定方式为不同用户确定的搜索建议词是相同的。由于不同用户的搜索需求不同，则存在搜索建议词并不符合用户的搜索需求的问题。进而，可能会导致搜索效率低，影响用户的搜索体验的问题。

技术实现要素：

本发明实施例提供了一种搜索词推荐方法、装置、电子设备及存储介质，以实现提高搜索建议词与搜索用户匹配度，进而提高搜索用户的用户体验的技术效果。

第一方面，本发明实施例提供了一种搜索词推荐方法，该方法包括：

获取搜索用户于搜索界面输入的初始搜索词，基于所述初始搜索词确定待选择搜索建议词数据集；其中，所述待选择搜索建议词数据集包括至少一个待选择搜索建议词；

获取所述搜索用户的用户标识，并确定与所述用户标识相对应的至少一个搜索标签数据；

根据各搜索标签数据以及所述待选择搜索建议词数据集，确定待推荐搜索词。

第二方面，本发明实施例还提供了一种搜索词推荐装置，该装置包括：

待选择搜索建议词数据集确定模块，用于获取搜索用户于搜索界面输入的初始搜索词，基于所述初始搜索词确定待选择搜索建议词数据集；其中，所述待选择搜索建议词数据集包括至少一个待选择搜索建议词；

搜索标签数据确定模块，用于获取所述搜索用户的用户标识，并确定与所述用户标识相对应的至少一个搜索标签数据；

待推荐搜索词确定模块，用于根据各搜索标签数据以及所述待选择搜索建议词数据集，确定待推荐搜索词。

第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例任一所述的搜索词推荐方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例任一所述的搜索词推荐方法。

本发明实施例的技术方案，通过获取搜索用户于搜索界面输入的初始搜索词，基于初始搜索词确定待选择搜索建议词数据集，以确定搜索用户可能想要搜索的搜索词范围，并且，获取搜索用户的用户标识，确定与用户标识相对应的至少一个搜索标签数据，以确定搜索用户的个性化需求，进而，根据各搜索标签数据以及待选择搜索建议词数据集，确定待推荐搜索词，解决了搜索引擎推荐的搜索词与搜索用户的需求不匹配的问题，实现了提高搜索建议词与搜索用户的匹配度，进而提高搜索用户的用户体验的技术效果。

附图说明

为了更加清楚地说明本发明示例性实施例的技术方案，下面对描述实施例中所需要用到的附图做一简单介绍。显然，所介绍的附图只是本发明所要描述的一部分实施例的附图，而不是全部的附图，对于本领域普通技术人员，在不付出创造性劳动的前提下，还可以根据这些附图得到其他的附图。

图1为本发明实施例一所提供的一种搜索词推荐方法的流程示意图；

图2为本发明实施例二所提供的一种搜索词推荐方法的流程示意图；

图3为本发明实施例三所提供的一种搜索词推荐方法的流程示意图；

图4为本发明实施例四所提供的一种搜索词推荐装置的结构示意图；

图5为本发明实施例五所提供的一种电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一所提供的一种搜索词推荐方法的流程示意图，本实施例可适用于在搜索用户进行搜索时，进行搜索词推荐的情况，该方法可以由搜索词推荐装置来执行，该装置可以通过软件和/或硬件的形式实现，该硬件可以是电子设备，可选的，电子设备可以是移动终端等。

如图1所述，本实施例的方法具体包括如下步骤：

s110、获取搜索用户于搜索界面输入的初始搜索词，基于初始搜索词确定待选择搜索建议词数据集。

其中，搜索用户可以是使用搜索引擎进行搜索操作的用户。搜索界面可以是搜索引擎的界面，通常具有搜索框用于接收搜索用户输入的搜索词。初始搜索词可以是搜索用户在搜索界面上输入的词语。待选择搜索建议词数据集可以是待选择搜索建议词的集合，包括至少一个待选择搜索建议词，待选择搜索建议词可以是与初始搜索词相关的搜索词。

具体的，当搜索用户想要进行搜索时，可以在搜索界面的搜索词输入区域输入词语以用于搜索。当检测到搜索区域输入词语时，获取该词语，并将该词语作为初始搜索词。进而，可以根据初始搜索词从全部的搜索词中确定与初始搜索词相关的词语作为待选择搜索建议词，并将确定出的待选择搜索建议词作为待选择搜索建议词数据集。

需要说明的是，从全部的搜索词中确定与初始搜索词相关的词语可以包括查找包含初始搜索词的搜索词，例如初始搜索词为咽炎，可以查找到慢性咽炎，还可以包括查找与初始搜索词同义的搜索词，例如初始搜索词为磁共振，可以查找到核磁共振，mri等，也可以根据初始搜索词确定同领域的搜索词，例如初始搜索词为磁共振，可以查找到胸透，ct等。

s120、获取搜索用户的用户标识，并确定与用户标识相对应的至少一个搜索标签数据。

其中，用户标识可以是用于区别各用户的标识，例如用户id。搜索标签数据可以是搜索用户经常浏览、点击的词语数据。

具体的，获取搜索用户的用户标识，进而，根据用户标识可以在预先存储的搜索标签数据中确定与用户标识相对应的搜索标签数据。

示例性的，搜索用户的用户标识为00000001，与用户标识00000001相对应的搜索标签数据包括医生名字a，医生名字b和医生名字c，还可以包括疾病d和疾病e，也可以包括医院名称f，科室类型g等。

s130、根据各搜索标签数据以及待选择搜索建议词数据集，确定待推荐搜索词。

其中，待推荐搜索词可以是显示在搜索界面上的词语，用于为搜索用户提供搜索选择。当用户触发某一待推荐搜索词时，可以基于触发的待推荐搜索词进行搜索。

具体的，在分别确定搜索标签数据和待选择搜索建议词数据集后，可以综合考量初始搜索词，各搜索标签数据以及各待选择搜索建议词之间的相关性，确定待推荐搜索词，以推荐给搜索用户，供搜索用户选择。

可选的，可以是将各搜索标签数据与待选择搜索建议词数据集中的各待选择搜索建议词进行匹配，若匹配成功，则将匹配成功的搜索标签数据作为待推荐搜索词。其中，匹配成功可以是搜索标签数据与待选择搜索建议词完全一致。

可选的，可以是根据各搜索标签数据与待选择搜索建议词数据集中的各待选择搜索建议词的相似度，确定预设数量的待推荐搜索词。

其中，相似度可以是各搜索标签数据与各待选择搜索建议词之间的文本相似度。预设数量可以是预先设置的显示待推荐搜索词的数量，预设数量可以是搜索引擎中预先设置的固定数量，预设数量也可以根据搜索用户的需求进行设定和调节，例如：5个，10个等。

具体的，对各搜索标签数据与各待选择搜索建议词进行相似度计算，得到相似度。根据各相似度，确定与各待选择搜索建议词相对应的最高的相似度为目标相似度，并根据目标相似度确定预设数量的待选择搜索建议词作为待推荐搜索词。

示例性的，待选择搜索建议词a与搜索标签数据x的相似度为50％，与搜索标签数据y的相似度为75％，与搜索标签数据z的相似度为0，因此，目标相似度为75％。待选择搜索建议词b与搜索标签数据x的相似度为30％，与搜索标签数据y的相似度为0，与搜索标签数据z的相似度为80％，因此，目标相似度为80％。待选择搜索建议词c与搜索标签数据x的相似度为60％，与搜索标签数据y的相似度为10％，与搜索标签数据z的相似度为40％，因此，目标相似度为60％。若预设数量为2，则可以将目标相似度80％所对应的待选择搜索建议词b以及目标相似度75％所对应的待选择搜索建议词a作为待推荐搜索词。

需要说明的是，相似度计算方法可以是基于关键词匹配的相似度计算方法，例如：n-gram相似度计算方法，jaccard相似度计算方法等，还可以是基于向量空间的相似度计算方法等，例如：基于欧式距离的相似度计算方法，基于曼哈顿距离的相似度计算方法，基于余弦相似度的计算方法等，也可以是基于深度学习模型进行的相似度计算等。具体使用何种相似度计算方法，可以根据实际需求进行设定，在本实施例中不作具体限定。

本发明实施例的技术方案，通过获取搜索用户于搜索界面输入的初始搜索词，基于初始搜索词确定待选择搜索建议词数据集，以确定搜索用户可能想要搜索的搜索词范围，并且，获取搜索用户的用户标识，确定与用户标识相对应的至少一个搜索标签数据，以确定搜索用户的个性化需求，进而，根据各搜索标签数据以及待选择搜索建议词数据集，确定待推荐搜索词，解决了搜索引擎推荐的搜索词与搜索用户的需求不匹配的问题，实现了提高搜索建议词与搜索用户的匹配度，进而提高搜索用户的用户体验的技术效果。

实施例二

图2为本发明实施例二所提供的一种搜索词推荐方法的流程示意图，本实施例在上述各实施例的基础上，针对搜索标签数据的确定方式和待推荐搜索词的确定方式可参见本实施例的技术方案。其中，与上述各实施例相同或相应的术语的解释在此不再赘述。

如图2所示，本实施例的方法具体包括如下步骤：

s210、获取搜索用户于搜索界面输入的初始搜索词，基于初始搜索词确定待选择搜索建议词数据集。

s220、基于搜索用户的历史行为数据，确定与搜索用户至少一个搜索标签数据。

其中，历史行为数据可以包括点击行为，搜索行为，下单行为等产生的数据。点击行为可以是搜索用户点击进入某一页面的行为，搜索行为可以是基于搜索词进行搜索的行为，下单行为可以是搜索用户进行交易的行为。

具体的，获取搜索用户的历史行为数据，根据历史行为数据可以确定至少一个搜索标签数据。示例性的，根据点击行为，将点击行为所对应的页面的关键字作为搜索标签数据，例如：医生名称，疾病类型等，还可以是医生标识(医生id)，疾病标识(疾病id)等；根据搜索行为，将搜索词作为搜索标签数据；根据点击行为，将下单行为所对应的订单的关键字作为搜索标签数据，例如：医生名称，疾病类型等。

为了减少数据查询的数据量，可以根据搜索用户的历史时间段内的历史行为数据，确定与搜索用户至少一个搜索标签数据。

其中，历史时间段可以是当前时刻之前的预设时间段，例如，1个月，3个月，6个月等。历史时间段越长则搜索标签数据越准确，但是数据量越大，计算资源耗费较多；历史时间段越短则数据量越小，计算资源耗费较少，但是搜索标签数据的准确度低。具体的历史时间段的设定可以根据计算需求和用户需求进行设定，在本实施例中不作具体限定。

s230、将搜索标签数据与搜索用户的用户标识对应存储。

具体的，为了便于根据用户标识查找对应的搜索标签数据，可以将搜索标签数据与搜索用户的用户标识对应存储。

s240、获取搜索用户的用户标识，并基于预先存储的用户标识与搜索标签数据之间的对应关系确定与用户标识相对应的至少一个搜索标签数据。

具体的，可以获取搜索用户的用户标识。根据用户标识可以在用户标识与搜索标签数据之间的对应关系中查找到与用户标识相对应的至少一个搜索标签数据。

s250、基于各搜索标签数据与待选择搜索建议词数据集中的各待选择搜索建议词，确定各待选择搜索建议词的第一匹配度。

其中，第一匹配度可以是待选择搜索建议词与各搜索标签数据中的相似度的最大值。

具体的，将当前待选择搜索建议词与各搜索标签数据进行相似度计算，确定相似度最大值为当前待选择搜索建议词的第一匹配度。根据上述方式，确定各待选择搜索建议词的第一匹配度。

需要说明的是，相似度的确定方式可以是任一相似度计算方式，在本实施例中不作具体限定。

s260、基于初始搜索词与待选择搜索建议词数据集中的各待选择搜索建议词，确定各待选择搜索建议词的第二匹配度。

其中，第二匹配度可以是初始搜索词与待选择搜索建议词的相似度。

具体的，将初始搜索词与各待选择搜索建议词分别进行相似度计算，并将得到的相似度确定为各待选择搜索建议词的第二匹配度。

需要说明的是，相似度的确定方式可以是任一相似度计算方式，在本实施例中不作具体限定。

s270、基于第一匹配度、第二匹配度、各待选择搜索建议词的评价度以及各待选择搜索建议词的热度，确定各待选择搜索建议词的推荐度。

其中，评价度可以是用于衡量待选择搜索建议词所对应的业务的静态评价值，例如：待选择搜索建议词为医生名称a，医生名称a所对应的业务的静态评价值为7.8分。静态评价值可以是基于使用该业务的各用户为该业务的评价值确定的，例如求平均值。若还没有用户使用该业务，则可以将改业务的静态评价值设置为默认值，如10分等。需要说明的是，静态评价值的取值范围可以由业务需求设定，可以是0～5，0～10，0～100等。热度可以是根据待选择搜索建议词的点击量确定的数值，例如将预设时间内(如1天内，3天内，1个月内等)当前待选择搜索建议词所对应点击量进行归一化得到的数值作为当前待选择搜索建议词的热度。

具体的，根据各待选择搜索建议词的第一匹配度，第二匹配度，评价度和热度进行综合考量，确定各待选择搜索建议词的推荐度。

需要说明的是，确定推荐度的方式可以是对第一匹配度，第二匹配度，评价度和热度进行加权求和，也可以是根据实际需求设计函数公式对第一匹配度，第二匹配度，评价度和热度进行处理，得到推荐度，还可以是基于预先建立的推荐度模型对第一匹配度，第二匹配度，评价度和热度进行处理，得到推荐度等。

可选的，为了更清楚的介绍待选择搜索建议词的推荐度的确定方式，可以使用下述步骤来确定推荐度：

步骤一、对各待选择搜索建议词的评价度和各待选择搜索建议词的热度进行求和处理，得到各待选择搜索建议词的初始值。

具体的，可以基于下述公式确定待选择搜索建议词的初始值：

initial＝rate+heat

其中，initial表示待选择搜索建议词的初始值，rate表示待选择搜索建议词的评价度，heat表示待选择搜索建议词的热度。

步骤二、基于初始值与第二匹配度的乘积和第一匹配度，确定各待选择搜索建议词的推荐度。

具体的，可以基于下述公式确定待选择搜索建议词的推荐度：

con＝weight2×initial×similarity2+weight1×similarity1

其中，con表示待选择搜索建议词的推荐度，initial表示待选择搜索建议词的初始值，similarity2表示待选择搜索建议词的第二匹配度，weight2表示初始值与第二匹配度的乘积的权重，similarity1表示待选择搜索建议词的第一匹配度，weight1表示第一匹配度的权重。

需要说明的是，权重的大小可以根据实际需求进行调节，上述确定推荐度的步骤并非对推荐度确定方式的限定，只是一种可选方式。

s280、基于推荐度，确定预设数量的待推荐搜索词。

具体的，在确定各待选择搜索建议词的推荐度之后，可以根据推荐度从高至低排列，将排在前预设数量的待选择搜索建议词确定为待推荐搜索词。

s290、将各待推荐搜索词根据各待推荐搜索词相对应的推荐度进行排序，并基于排序结果将各待推荐搜索词显示在搜索界面上。

具体的，将各待推荐搜索词按照推荐度从高到低进行排序，根据排序结果将待推荐搜索词显示在搜索界面上，推荐度高的在前，推荐度低的在后，以便于搜索用户点击选择待推荐搜索词进行后续搜索。

需要说明的是，排序方式还可以包括按待推荐搜索词的长度进行排序等，也可以是将不同的排序方式进行组合使用。例如：先根据待推荐搜索词的推荐度进行排序，若推荐度相同，则可以根据待推荐搜索词的长度从短到长进行排序。还可以是基于待推荐搜索词的推荐度和长度确定整体值，根据整体值进行排序，若整体值相同，则可以根据兜底策略进行排序。兜底策略可以是，根据医院等级，城市等级等进行排序。

在上述各实施例的基础上，可选的，若搜索用户产生新增行为数据，则基于搜索用户的历史行为数据和新增行为数据，更新历史行为数据以及与用户标识相对应的至少一个搜索标签数据。

其中，新增行为数据可以是当前时刻新增的搜索用户进行的点击行为，下单行为，搜索行为等产生的数据，可以理解为全部行为数据中除去历史行为数据的部分。

具体的，当搜索用户产生新增行为数据时，可以通过历史行为数据和新增行为数据确定搜索用户当前的搜索标签数据。并且，可以就将新增行为数据和历史行为数据进行整合得到新的历史行为数据。通过上述方法，可以提高搜索标签数据的实时性，以更准确的为搜索用户提供搜索词。

本发明实施例的技术方案，通过基于搜索用户的历史行为数据，确定与搜索用户至少一个搜索标签数据，将搜索标签数据与搜索用户的用户标识对应存储，获取搜索用户的用户标识，并基于预先存储的用户标识与搜索标签数据之间的对应关系确定与用户标识相对应的至少一个搜索标签数据，以确定搜索用户的个性化需求，进而，基于各搜索标签数据与待选择搜索建议词数据集中的各待选择搜索建议词，确定各待选择搜索建议词的第一匹配度，基于初始搜索词与待选择搜索建议词数据集中的各待选择搜索建议词，确定各待选择搜索建议词的第二匹配度，基于第一匹配度、第二匹配度、各待选择搜索建议词的评价度以及各待选择搜索建议词的热度，确定各待选择搜索建议词的推荐度，以准确的衡量各待选择搜索建议词是否适合被推荐，基于推荐度，确定预设数量的待推荐搜索词，将各待推荐搜索词根据各待推荐搜索词相对应的推荐度进行排序，并基于排序结果将各待推荐搜索词显示在搜索界面上，解决了搜索引擎推荐的搜索词与搜索用户的需求不匹配的问题，实现了提高搜索建议词与搜索用户的匹配度，进而提高搜索用户的用户体验的技术效果。

实施例三

作为上述各实施例的可选实施方案，图3为本发明实施例三所提供的一种搜索词推荐方法的流程示意图。其中，与上述各实施例相同或相应的术语的解释在此不再赘述。

如图3所示，本实施例的方法具体包括如下步骤：

1.在构建索引数据阶段，根据搜索用户的历史行为数据，构建个性化标签数据。

2.在查询建议搜索词阶段，获取搜索界面的输入框中输入的搜索关键词。根据搜索关键词(初始搜索词)确定召回数据集(待选择搜索建议词数据集)。

3.获取用户id(用户标识)，查询用户id对应的个性化标签数据。

4.根据用户的个性化标签数据与召回数据集中的搜索建议词的匹配情况(第一匹配度)，结合搜索关键词与搜索建议词的相似度(第二匹配度)、以及搜索建议词对应服务的静态评分(评价度)和搜索建议词的搜索热度(热度)，为每个搜索建议词计算一个综合分(推荐度)。

5.根据综合分从高到底，搜索建议词的长度从低到高进行排序，取排名靠前的预设数量的搜索建议词，在搜索界面中呈现。

6.若搜索界面中显示的搜索建议词被选择，则通过被选择的搜索建议词执行搜索。

本发明实施例的技术方案，通过构建索引数据阶段确定搜索用户的个性化特征，通过查询建议搜索词阶段结合搜索关键词，召回数据集和个性化标签数据，确定预设数量的搜索建议词，呈现在搜索界面中，以在被选择时，基于被选择的搜索建议词执行搜索，解决了搜索引擎推荐的搜索词与搜索用户的需求不匹配的问题，实现了提高搜索建议词与搜索用户的匹配度，进而提高搜索用户的用户体验的技术效果。

实施例四

图4为本发明实施例四所提供的一种搜索词推荐装置的结构示意图，该装置包括：待选择搜索建议词数据集确定模块410，搜索标签数据确定模块420和待推荐搜索词确定模块430。

其中，待选择搜索建议词数据集确定模块410，用于获取搜索用户于搜索界面输入的初始搜索词，基于所述初始搜索词确定待选择搜索建议词数据集；其中，所述待选择搜索建议词数据集包括至少一个待选择搜索建议词；搜索标签数据确定模块420，用于获取所述搜索用户的用户标识，并确定与所述用户标识相对应的至少一个搜索标签数据；待推荐搜索词确定模块430，用于根据各搜索标签数据以及所述待选择搜索建议词数据集，确定待推荐搜索词。

可选的，该装置还包括：搜索标签数据存储模块，用于基于搜索用户的历史行为数据，确定与所述搜索用户至少一个搜索标签数据；将所述搜索标签数据与所述搜索用户的用户标识对应存储；相应的，搜索标签数据确定模块420，还用于基于预先存储的用户标识与搜索标签数据之间的对应关系确定与所述用户标识相对应的至少一个搜索标签数据。

可选的，待推荐搜索词确定模块430，还用于根据各搜索标签数据与所述待选择搜索建议词数据集中的各待选择搜索建议词的相似度，确定预设数量的待推荐搜索词。

可选的，待推荐搜索词确定模块430，还用于基于各搜索标签数据与所述待选择搜索建议词数据集中的各待选择搜索建议词，确定所述各待选择搜索建议词的第一匹配度；基于所述初始搜索词与所述待选择搜索建议词数据集中的各待选择搜索建议词，确定所述各待选择搜索建议词的第二匹配度；基于所述第一匹配度、所述第二匹配度、所述各待选择搜索建议词的评价度以及所述各待选择搜索建议词的热度，确定所述各待选择搜索建议词的推荐度；基于所述推荐度，确定预设数量的待推荐搜索词。

可选的，待推荐搜索词确定模块430，还用于对所述各待选择搜索建议词的评价度和所述各待选择搜索建议词的热度进行求和处理，得到各待选择搜索建议词的初始值；基于所述初始值与所述第二匹配度的乘积和所述第一匹配度，确定所述各待选择搜索建议词的推荐度。

可选的，所述装置还包括：显示模块，用于将所述各待推荐搜索词根据所述各待推荐搜索词相对应的推荐度进行排序，并基于排序结果将各所述待推荐搜索词显示在所述搜索界面上。

可选的，所述装置还包括：更新模块，用于若所述搜索用户产生新增行为数据，则基于所述搜索用户的历史行为数据和所述新增行为数据，更新所述历史行为数据以及与所述用户标识相对应的至少一个搜索标签数据。

本发明实施例的技术方案，通过获取搜索用户于搜索界面输入的初始搜索词，基于初始搜索词确定待选择搜索建议词数据集，以确定搜索用户可能想要搜索的搜索词范围，并且，获取搜索用户的用户标识，确定与用户标识相对应的至少一个搜索标签数据，以确定搜索用户的个性化需求，进而，根据各搜索标签数据以及待选择搜索建议词数据集，确定待推荐搜索词，解决了搜索引擎推荐的搜索词与搜索用户的需求不匹配的问题，实现了提高搜索建议词与搜索用户的匹配度，进而提高搜索用户的用户体验的技术效果。

本发明实施例所提供的搜索词推荐装置可执行本发明任意实施例所提供的搜索词推荐方法，具备执行方法相应的功能模块和有益效果。

值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明实施例的保护范围。

实施例五

图5为本发明实施例五所提供的一种电子设备的结构示意图。图5示出了适于用来实现本发明实施例实施方式的示例性电子设备50的框图。图5显示的电子设备50仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，电子设备50以通用计算设备的形式表现。电子设备50的组件可以包括但不限于：一个或者多个处理器或者处理单元501，系统存储器502，连接不同系统组件(包括系统存储器502和处理单元501)的总线503。

总线503表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。

电子设备50典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备50访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器502可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)504和/或高速缓存存储器505。电子设备50可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统506可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom,dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线503相连。系统存储器502可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块507的程序/实用工具508，可以存储在例如系统存储器502中，这样的程序模块507包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块507通常执行本发明所描述的实施例中的功能和/或方法。

电子设备50也可以与一个或多个外部设备509(例如键盘、指向设备、显示器510等)通信，还可与一个或者多个使得用户能与该电子设备50交互的设备通信，和/或与使得该电子设备50能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口511进行。并且，电子设备50还可以通过网络适配器512与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器512通过总线503与电子设备50的其它模块通信。应当明白，尽管图5中未示出，可以结合电子设备50使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。

处理单元501通过运行存储在系统存储器502中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的搜索词推荐方法。

实施例六

本发明实施例六还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种搜索词推荐方法，该方法包括：

获取搜索用户于搜索界面输入的初始搜索词，基于所述初始搜索词确定待选择搜索建议词数据集；其中，所述待选择搜索建议词数据集包括至少一个待选择搜索建议词；

获取所述搜索用户的用户标识，并确定与所述用户标识相对应的至少一个搜索标签数据；

根据各搜索标签数据以及所述待选择搜索建议词数据集，确定待推荐搜索词。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、rf等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言——诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。