СПОСОБ И СЕРВЕР ОБРАБОТКИ ПОИСКОВОГО ПРЕДЛОЖЕНИЯ Российский патент 2017 года по МПК G06F17/30 

ОБЛАСТЬ ТЕХНИКИ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕ

[01] Настоящее решение относится к области поисковых систем в целом и конкретно к системе и устройству обработки поисковых поисковых предложений на основе изображений.

УРОВЕНЬ ТЕХНИКИ

[02] Различные глобальные или локальные сети связи (Интернет, Всемирная Паутина, локальные сети и подобные им) предлагают пользователю большой объем информации. Информация включает в себя контекстуальные разделы, такие как, среди прочего, новости и текущие события, карты, информация о компаниях, финансовая информация и ресурсы, информация о траффике, игры и информация развлекательного характера. Пользователи используют множество клиентских устройств (настольный компьютер, портативный компьютер, ноутбук, смартфон, планшеты и подобные им) для получения доступа к богатому информационному контенту (например, изображениям, аудио- и видеофайлам, анимированным изображениям и прочему мультимедийному контенту подобных сетей).

[03] В общем случае, пользователь может получить доступ к ресурсу сети передачи данных двумя основными способами. Данный пользователь может получить доступ к конкретному ресурсу напрямую, введя адрес ресурса (обычно URL или Единый указатель ресурса, например, www.webpage.com), или же выбрав ссылку в электронном сообщении или на другом веб-ресурсе. В другом случае пользователь может выполнить поиск с помощью поисковой системы для нахождения желаемого ресурса. Последнее особенно подходит для тех случаев, когда пользователю известна интересующая его тематика, но неизвестен конкретный адрес интересующего ресурса.

[04] Например, пользователь может быть заинтересован в просмотре изображений Маколея Калкина, но может быть незнаком с конкретным ресурсом, предоставляющим подобную информацию. В другом случае, пользователь может быть заинтересован в поиске ближайшей кофейни Starbucks, но, опять же, может быть незнаком с конкретным веб-ресурсом, предоставляющим подобную услугу поиска. В этих гипотетических (но возможных на практике) ситуациях пользователь может выполнить сетевой поиск с помощью поисковой системы.

[05] Когда пользователь выполняет сетевой поиск с помощью поисковой системы, для него важны два аспекта. Он хочет найти наиболее релевантные результаты, и он хочет найти их достаточно быстро. Чтобы по меньшей мере частично решить эти задачи, известно предоставление пользователю, использующему поисковую систему, поисковых предложений. Например, в ответ на то, что пользователь печатает "Макалей" в поисковой системе Google™, пользователь получает список предложений в выпадающем меню, а именно "Макалей Калкин", "Макалей Калкин фильмы" и так далее. Основная задача этих предложений - предоставлять более удобный для пользователя поиск и помогать пользователю изучать объект интереса. Например, пользователь может не знать, какой именно запрос предоставит ему информацию, которую он искал; поисковые предложения могут помочь пользователю найти желаемую или связанную с желаемой информацию. Пользователь затем может просмотреть поисковые результаты и выбрать ссылку, с которой он желает ознакомиться.

[06] В патенте США 8370337 от 5 февраля 2013 года раскрыт способ и описан носитель компьютерной информации для создания модели машинного обучения для ранжирования поисковых результатов с использованием данных на основе щелчков мышью. Данные берутся из запросов пользователя, которые могут включать в себя поисковые результаты, созданные обычными поисковыми системами и вертикальными поисковыми системами. Обучающий набор создается из поисковых результатов, а оценки на основе щелчков мышью связаны с поисковыми результатами в обучающем наборе. Идентифицируемые характеристики на основе оценок на основе щелчков мышью определены из поисковых результатов в обучающем наборе. На основе определения идентифицируемых характеристик в обучающем наборе создается набор правил для ранжирования последующих поисковых результатов. В некоторых случаях, для создания набора правил, оценки, проведенные человеком, связанные с одним или несколькими поисковыми результатами в обучающем наборе используются вместе с оценками на основе щелчков мышью.

[07] В патентной заявке США 20140129493, опубликованной 8 мая 2014, раскрыт способ и система визуализации сложных данных через многоагентную поисковую систему. Для введения запроса, создания результата запроса, включая один или несколько принципов соответствия, хранящихся в базе знаний одного или нескольких типов носителей, и представления пользователю обширного персонализированного поискового результата на основе предпочтений пользователя и его персональной информации, а также для предоставления улучшенных релевантных поисковых результатов предоставляется пользовательский интерфейс. В некоторых случаях анализатор тем извлекает одну или несколько тем из запроса. Анализатор тем может анализировать темы, извлеченные из полученных запросов в реальном времени для идентификации тенденций.

[08] В патенте США 8661029 от 25 февраля 2014 года раскрыты системы и способы модификации ранжирования поисковых результатов на основе потенциальной обратной связи пользователя. Компьютерный способ определяет меру релевантности для документального результата в контексте поискового запроса для которого возвращен документальный результат, причем определение основано на отношении первого числа ко второму, причем первое число соответствует более длительным просмотрам документального результата, а второе число соответствует по меньшей мере кратким просмотрам документального результата; и вывод меры релеватности системе ранжирования для ранжирования поисковых результатов, включая документальный результат, для новых поисков, относящихся к поисковому запросу.

РАСКРЫТИЕ ИЗОБРЕТЕНИЯ

[09] Задачей предлагаемого решения является устранение по меньшей мере некоторых недостатков, присущих известному уровню техники.

[10] В одном варианте осуществления предоставлен способ обработки поисковых предложений для поискового запроса на основе изображений. Способ может выполняться на сервере. Способ содержит: получение первого поискового запроса от электронного устройства, связанного с пользователем; создание множества поисковых предложений на основе изображений, связанных с первым поисковым запросом, при этом эти предложения основаны по меньшей мере частично на прошлых связанных поисковых запросах; ранжирование множества поисковых предложений на основе изображений с использованием первого набора параметров ранжирования, чтобы сформировать первый ранжированный список поисковых предложений на основе изображений и второго набора параметров ранжирования, чтобы сформировать второй ранжированный список поисковых предложений на основе изображений; а также создание ранжированного списка поисковых предложений на основе изображений с помощью выбора первой части из первого ранжированного списка поисковых предложений на основе изображений и второй части из второго ранжированного списка поисковых предложений на основе изображений.

[11] Первый набор параметров ранжирования был обучен на первом обучающем наборе поисковых предложений на основе изображений, причем эти предложения связаны с параметром частоты, указывающим на то, как часто предложения для первого поискового запроса на основе изображений оказываются связаны с прошлым поисковым поведением пользователя.

[12] Второй набор параметров ранжирования был обучен на втором обучающем наборе поисковых предложений на основе изображений, причем эти предложения связаны с параметром скрытого интереса, указывающим на высокую релевантность предложений для поискового запроса на основе изображений для пользователя, не зависящую от связанного параметра частоты.

[13] В другом варианте осуществления представлен способ, дополнительно содержащий, перед выбором первой части их первого ранжированного списка поисковых предложений на основе изображений, выбор первой подгруппы, включающей только неявно связанные поисковые предложения запроса на основе изображений из первого ранжированного списка; и создание ранжированного списка поисковых предложений на основе изображений с помощью выбора первой части из первой подгруппы поисковых предложений на основе изображений из первого ранжированного списка.

[14] В другом варианте осуществления предоставлена система обработки поисковых предложений на основе изображений, причем система включает в себя сервер. Сервер содержит в себе интерфейс передачи данных для обмена данными с электронным устройством, связанным с пользователем через сеть передачи данных; память; и процессор, функционально соединенный с интерфейсом передачи данных и памятью. Процессор выполнен с возможностью сохранять объекты, в связи с пользователем, в памяти. Процессор также выполнен с возможностью: получать первый поисковый запрос от электронного устройства; создавать множество поисковых предложений на основе изображений, причем предложения относятся к первому поисковому запросу и основываются по меньшей мере частично на прошлых связанных поисковых запросах; ранжировать множество поисковых предложений на основе изображений с использованием первого набора параметров ранжирования, чтобы сформировать первый ранжированный список поисковых предложений на основе изображений и второго набора параметров ранжирования, чтобы сформировать второй ранжированный список поисковых предложений на основе изображений; а также создавать ранжированный список поисковых предложений на основе изображений с помощью выбора первой части из первого ранжированного списка поисковых предложений на основе изображений и второй части из второго ранжированного списка поисковых предложений на основе изображений. Первый набор параметров ранжирования был обучен на первом обучающем наборе поисковых предложений на основе изображений, причем эти предложения связаны с параметром частоты, указывающим на то, как часто предложения для первого поискового запроса на основе изображений оказываются связаны с прошлым поисковым поведением пользователя. Второй набор параметров ранжирования был обучен на втором обучающем наборе поисковых предложений на основе изображений, причем эти предложения связаны с параметром скрытого интереса, указывающим на высокую релевантность предложений для поискового запроса на основе изображений для пользователя, не зависящую от связанного параметра частоты.

[15] В контексте настоящего описания «сервер» подразумевает под собой компьютерную программу, работающую на соответствующем оборудовании, которая способна получать запросы (например, от клиентских устройств) по сети и выполнять эти запросы или инициировать выполнение этих запросов. Оборудование может представлять собой один физический компьютер или одну физическую компьютерную систему, но ни то, ни другое не является обязательным. В контексте описания использование выражения «сервер» не означает, что каждая задача (например, полученные команды или запросы) или какая-либо конкретная задача будет получена, выполнена или инициирована к выполнению одним и тем же сервером (то есть одним и тем же программным обеспечением и/или аппаратным обеспечением); это означает, что любое количество элементов программного обеспечения или аппаратных устройств может быть вовлечено в прием/передачу, выполнение или инициирование выполнения любого запроса или последствия любого запроса, связанного с клиентским устройством, и все это программное и аппаратное обеспечение может быть одним сервером или несколькими серверами, оба варианта включены в выражение «по меньшей мере один сервер».

[16] В контексте настоящего описания «клиентское устройство» подразумевает под собой аппаратное устройство, способное работать с программным обеспечением, подходящим к решению соответствующей задачи. Таким образом, примерами клиентских устройств (среди прочего) могут служить персональные компьютеры (настольные компьютеры, ноутбуки, нетбуки и т.п.) смартфоны, планшеты, а также сетевое оборудование, такое как маршрутизаторы, коммутаторы и шлюзы. Следует иметь ввиду, что устройство, ведущее себя как клиентское устройство в настоящем контексте, может вести себя как сервер по отношению к другим клиентским устройствам. Использование выражения «клиентское устройство» не исключает возможности использования множества клиентских устройств для получения/отправки, выполнения или инициирования выполнения любой задачи или запроса, или же последствий любой задачи или запроса, или же этапов вышеописанного способа.

[17] В контексте настоящего описания «база данных» подразумевает под собой любой структурированный набор данных, не зависящий от конкретной структуры, программного обеспечения по управлению базой данных, аппаратного обеспечения компьютера, на котором данные хранятся, используются или иным образом оказываются доступны для использования. База данных может находиться на том же оборудовании, выполняющем процесс, который сохраняет или использует информацию, хранящуюся в базе данных, или же она может находиться на отдельном оборудовании, например, выделенном сервере или множестве серверов.

[18] В контексте настоящего описания «информация» включает в себя любую информацию любого типа, которую можно хранить в базе данных. Таким образом, информация включает в себя, среди прочего, аудиовизуальные произведения (изображения, видео, звукозаписи, презентации и т.д.), данные (данные о местоположении, цифровые данные и т.д.), текст (мнения, комментарии, вопросы, сообщения и т.д.), документы, таблицы и т.д.

[19] В контексте настоящего описания «компонент» подразумевает под собой программное обеспечение (соответствующее конкретному аппаратному контексту), которое является необходимым и достаточным для выполнения конкретной(ых) указанной(ых) функции(й).

[20] В контексте настоящего описания «используемый компьютером носитель компьютерной информации» подразумевает под собой носитель абсолютно любого типа и характера, включая ОЗУ, ПЗУ, диски (компакт диски, DVD-диски, дискеты, жесткие диски и т.д.), USB флеш-накопители, твердотельные накопители, накопители на магнитной ленте и т.д.

[21] В контексте настоящего описания слова «первый», «второй», «третий» и т.д. используются в виде прилагательных исключительно для того, чтобы отличать существительные, к которым они относятся, друг от друга, а не для целей описания какой-либо конкретной связи между этими существительными. Так, например, следует иметь ввиду, что использование терминов "первый сервер" и "третий сервер" не подразумевает какого-либо порядка, отнесения к определенному типу, хронологии, иерархии или ранжирования (например) серверов/между серверами, равно как и их использование (само по себе) не предполагает, что некий "второй сервер" обязательно должен существовать в той или иной ситуации. В дальнейшем, как указано здесь в других контекстах, упоминание "первого" элемента и "второго" элемента не исключает возможности того, что это один и тот же фактический реальный элемент. Так, например, в некоторых случаях, "первый" сервер и "второй" сервер могут являться одним и тем же программным и/или аппаратным обеспечением, а в других случаях они могут являться разным программным и/или аппаратным обеспечением.

[22] Каждый вариант осуществления преследует по меньшей мере одну из вышеупомянутых целей и/или объектов. Следует иметь ввиду, что некоторые объекты решения, полученные в результате попыток достичь вышеупомянутой цели, могут удовлетворять другим целям, отдельно не указанным здесь.

[23] Дополнительные и/или альтернативные характеристики, аспекты и преимущества вариантов осуществления решения станут очевидными из последующего описания, прилагаемых чертежей и прилагаемой формулы изобретения.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

[24] Для лучшего понимания решения, а также других его аспектов и характерных черт сделана ссылка на следующее описание, которое должно использоваться в сочетании с прилагаемыми чертежами, где:

[25] На Фиг. 1 представлена структурная схема системы, реализованной в соответствии с вариантами осуществления решения.

[26] На Фиг. 2 представлена схематическая презентация электронного устройства, показанного на Фиг. 1, причем электронное устройство реализовано в соответствии с вариантами осуществления решения.

[27] На Фиг. 3 представлена блок-схема способа, выполняемого в рамках системы, изображенной на Фиг. 1, и выполненного с вариантами осуществления решения.

[28] На Фиг. 4 представлена блок-схема способа, выполняемого в рамках системы, изображенной на Фиг. 1, и выполненного с вариантами осуществления решения.

[29] На Фиг. 5 представлена блок-схема способа, выполняемого в рамках системы, изображенной на Фиг. 1, и выполненного с вариантами осуществления решения.

ОСУЩЕСТВЛЕНИЕ ИЗОБРЕТЕНИЯ

[30] На Фиг. 1 представлена структурная схема системы 100, выполненной в соответствии с вариантами осуществления, не ограничивающими объем решения. Важно иметь ввиду, что нижеследующее описание системы 100 представляет собой описание показательных вариантов осуществления. Таким образом, все последующее описание представлено только как описание показательного примера решения. Это описание не предназначено для определения объема или установления границ решения. Некоторые полезные примеры модификаций системы 100 также могут быть охвачены нижеследующим описанием. Целью этого является также исключительно помощь в понимании, а не определение объема и границ решения. Эти модификации не представляют собой исчерпывающий список, и специалистам в данной области техники будет понятно, что возможны и другие модификации. Кроме того, это не должно интерпретироваться так, что там, где это еще не было сделано, т.е. там, где не были изложены примеры модификаций, никакие модификации невозможны, и/или что то, что описано, является единственным вариантом осуществления этого элемента. Как будет понятно специалисту в данной области техники, это, скорее всего, не так. Кроме того, следует иметь ввиду, что система 100 представляет собой в некоторых конкретных проявлениях достаточно простой вариант осуществления, и в подобных случаях он представлен здесь с целью облегчения понимания. Как будет понятно специалисту в данной области техники, многие варианты осуществления будут обладать гораздо большей сложностью.

[31] В общем случае система 100 выполнена с возможностью получать поисковые запросы и проводить обычные и вертикальные поиски в ответ на эти запросы, а также обрабатывать поисковые запросы в соответствии с вариантами осуществления, не ограничивающими решение. Поэтому любой вариант системы, выполненный с возможностью обрабатывать поисковый запрос пользователя, может быть адаптирован специалистом к выполнению вариантов осуществления после того, как специалистом было прочитано настоящее описание.

[32] Система 100 включает в себя электронное устройство 102. Электронное устройство 102 обычно связано с пользователем (не показан) и, таким образом, иногда может упоминаться как «клиентское устройство». Следует отметить, что тот факт, что электронное устройство 102 связано с пользователем, не подразумевает какого-либо конкретного режима работы, равно как и необходимости входа в систему, регистрации, или чего-либо подобного.

[33] Варианты электронного устройства 102 конкретно не ограничены, но в качестве примера электронного устройства 102 могут использоваться персональные компьютеры (настольные компьютеры, ноутбуки, нетбуки и т.п.), устройства беспроводной связи (смартфоны, мобильные телефоны, планшеты и т.п.), а также сетевое оборудование (маршрутизаторы, коммутаторы или шлюзы). Электронное устройство 102 включает в себя аппаратное и/или прикладное программное, и/или системное программное обеспечение (или их комбинацию), как известно в данной области техники, для использования поискового приложения 104. В общем случае, целью поискового приложения 104 является предоставление возможности пользователю (не показан) выполнять поиск, например, сетевой поиск с помощью вышеупомянутой поисковой системы.

[34] Реализация поискового приложения 104 никак конкретно не ограничена. Одним из примеров выполнения поискового приложения 104 является доступ пользователем на веб-сайт, соответствующий поисковой системе, для получения доступа к поисковому приложению 104. Например, поисковое приложение может быть вызвано путем ввода URL, связанного с поисковой системой Яндекс (Yandex™): www.yandex.ru. Важно иметь ввиду, что поисковое приложение 104 может быть вызвано с помощью любой другой коммерчески доступной или собственной поисковой системы.

[35] В других вариантах осуществления, поисковое приложение 104 может представлять собой браузерное приложение на портативном устройстве (например, беспроводном устройстве связи). Для тех случаев (но не только), когда электронное устройство 102 является портативным устройством, таким как, например, Samsung™ Galaxy™ SIII, электронное устройство может использовать приложение Яндекс-браузер. Важно иметь ввиду, что любое другое коммерчески доступное или собственное браузерное приложение может быть использовано для реализации вариантов осуществления.

[36] В общем случае, поисковое приложение 104 включает в себя интерфейс 106 поисковых запросов и интерфейс результатов 108 поиска. Основной задачей интерфейса 106 поисковых запросов является предоставление возможности пользователю (не показан) вводить свой запрос или «поисковый вопрос». Основной задачей интерфейса 108 результатов поиска является предоставление результатов поиска, отвечающих пользовательскому поисковому запросу, который был введен в интерфейс 106 поисковых запросов. То, как именно обрабатывается поисковый запрос и как происходит предоставление результатов, будет подробно описано ниже.

[37] К сети передачи данных также присоединен сервер 116. Сервер 116 может представлять собой обычный компьютерный сервер. В примере варианта осуществления сервер 116 может представлять собой сервер Dell™ PowerEdge™, на котором используется операционная система Microsoft™ Windows Server™. Излишне говорить, что сервер 116 может представлять собой любое другое подходящее аппаратное и/или прикладное программное, и/или системное программное обеспечение. В представленном варианте осуществления, сервер 116 является одиночным сервером. В других вариантах осуществления, функциональность сервера 116 может быть разделена, и может выполняться с помощью нескольких серверов.

[38] Электронное устройство 102 выполнено с возможностью обмениваться данными с сервером 116 через линию 112 передачи данных. В общем случае линия 112 передачи данных предоставляет электронному устройству 102 выполнять доступ к серверу 116 через сеть передачи данных (не показана). В некоторых вариантах осуществления, сеть передачи данных (не показана) может представлять собой Интернет. В других вариантах осуществления сеть передачи данных (не показана) может быть реализована иначе - в виде глобальной сети передачи данных, локальной сети передачи данных, частной сети передачи данных и т.п.

[39] Реализация линии 112 передачи данных не ограничена и будет зависеть от того, какое устройство 102 связи используется. В качестве примера, но не ограничения, в данных вариантах осуществления в случаях, когда электронное устройство 102 представляет собой беспроводное устройство связи (например, смартфон), линия 102 передачи данных представляет собой беспроводную сеть передачи данных (например, среди прочего, линия передачи данных 3G, линия передачи данных 4G, беспроводной интернет Wireless Fidelity или коротко WiFi®, Bluetooth® и т.п.). В тех примерах, где средство 102 связи представляет собой портативный компьютер, линия передачи данных может быть как беспроводной (беспроводной интернет Wireless Fidelity или коротко WiFi®, Bluetooth® и т.п.) так и проводной (соединение на основе сети Ethernet).

[40] Сервер 116 соединен коммуникационно (или иным образом имеет доступ) с поисковым кластером 118. В соответствии с этими вариантами осуществления, поисковый кластер 118 выполняет поиск в ответ на поисковый запрос пользователя, введенный с помощью интерфейса 106 поисковых запросов, и выводит результаты поиска для представления их пользователю с помощью интерфейса результатов поиска 108. В рамках этих вариантов осуществления, поисковый кластер 118 включает в себя или имеет доступ к базе данных 122. Как известно специалистам в данной области техники, база данных 122 хранит информацию, связанную с множеством ресурсов, потенциально доступных через сеть передачи данных (например, эти ресурсы доступны по интернету). Процесс заполнения и ведения базы данных 122 общеизвестен как "сбор данных" ("кроулинг" от англ. "crawling"). Важно иметь ввиду, что для упрощения нижеследующего описания конфигурация поискового кластера 118 была сильно упрощена. Считается, что специалисты в данной области техники смогут понять подробности реализации поискового кластера 118 и его компонентов.

[41] Сервер 116 также соединен коммуникационно (или иным образом имеет доступ) с модулем 124 вертикального поиска. В представленном варианте осуществления модуль 124 вертикального поиска является одиночным модулем вертикального поиска. В альтернативных воплощениях решения, сервер 116 соединен коммуникационно (или каким-либо иным образом имеет доступ) с множеством модулей вертикального поиска (не показаны). Например, исключительно с целью упростить иллюстрацию, модуль 124 вертикального поиска реализован как модуль вертикального поиска для поиска изображений. Дополнительные модули вертикального поиска для поиска дополнительных вертикальных доменов, например, карт и другой географической информации, информации, относящейся к погоде, фильмам и так далее. Важно иметь ввиду, что ряд дополнительных или других сервисов может быть реализован как часть множества модулей вертикального поиска (не показаны), и что этот ряд модулей в рамках множества модулей вертикального поиска не предназначен для ограничения.

[42] Для разнообразных примеров, приведенных ниже, следует иметь ввиду, что модуль 124 вертикального поиска представляет собой модуль вертикального поиска для поиска изображений.

[43] В некоторых вариантах осуществления, модуль 124 вертикального поиска включает в себя или имеет доступ к одной или нескольким базам данных 134. В альтернативных вариантах осуществления, в которых присутствует множество модулей вертикального поиска (не показаны), следует иметь ввиду, что один из множества модулей вертикального поиска (не показан) включает в себя или имеет доступ к одной или нескольким базам данных (не показаны). Эти одна или несколько баз данных содержат данные, связанные с конкретными сервисами, реализованными с помощью одного из множества модулей вертикального поиска (не показаны).

[44] При условии, что модуль 124 вертикального поиска имеет доступ к базе данных 134, а также имея ввиду, что модуль 124 вертикального поиска реализует изображения, база данных 134 содержит изображения и связанную с ними информацию.

[45] Дополнительно или по желанию, как известно специалистам в данной области техники, одна или несколько баз данных 134 могут представлять собой одну или несколько отдельных баз данных (не изображены). Эти отдельные базы данных могут являться частями той же самой физической базы данных или могут быть реализованы как самостоятельные физические единицы. Например, одна база данных в пределах, допустим, базы данных 134 может содержать наиболее популярные/часто запрашиваемые изображения, доступные в сервисе изображений, в то время как другие базы данных в составе базы данных 134 могут содержать все доступные изображения. Излишне упоминать, что вышеприведенный пример является только иллюстрацией, и возможны другие возможности для реализации вариантов осуществления.

[46] Модуль 124 вертикального поиска выполнен с возможностью выполнять вертикальный поиск в рамках базы данных 134. Однако следует отметить, что поисковые возможности модуля 124 вертикального поиска не ограничены поиском в соответствующей базе данных 134 и модуль 124 вертикального поиска может проводить другие поиски по мере необходимости.

[47] Таким образом, для целей описания, термин «вертикальный» (например, в словосочетании «вертикальный поиск») используется для обозначения поиска, выполняемого в подмножестве большого набора данных, причем подмножество группируется в соответствии с признаками данных. Например, с учетом того, что модуль 124 вертикального поиска представляет собой сервис изображений, модуль 124 вертикального поиска проводит поиск по подмножеству (т.е. изображениям) набора данных (т.е. всех данных, потенциально доступных для поиска), причем подмножество данных хранится в базе данных 134.

[48] В этих вариантах осуществления сервер 116 выполнен с возможностью выполнять доступ, отдельно и независимо к поисковому кластеру 118 (например, чтобы осуществлять обычный веб-поиск) и модулю 124 вертикального поиска (например, чтобы выполнять вертикальный поиск изображений). В альтернативных вариантах осуществления, модуль 124 вертикального поиска может быть реализован как часть поискового кластера 118. В этих вариантах осуществления поисковый кластер 118 может быть ответственен за координацию и выполнение обычного веб-поиска и вертикального поиска. В некоторых вариантах осуществления поисковый кластер 118 может выполнять многослойный метапоиск с помощью обычного веб-поиска и вертикальных поисков.

[49] В рамках варианта осуществления, изображенного на Фиг. 1, сервер 116 выполнен с возможностью: (i) проводить поиски (с помощью доступа к поисковому кластеру 118 и/или модулю 124 вертикального поиска); (ii) проводить анализ результатов поиска и ранжирование результатов поиска; (iii) группировать результаты и компилировать страницы результатов поиска (SERP) для вывода на электронное устройство 102.

[50] В соответствии с неограничивающим вариантом осуществления сервер 116 также выполнен с возможностью обрабатывать предложения для поискового запроса на основе изображений для пользователя, вводящего поисковый запрос в интерфейс 106 поисковых запросов. Как известно специалистам в данной области техники, поисковые предложения являются функцией, благодаря которой, в ответ на то, что пользователь вводит поисковый запрос или часть поискового запроса поисковое приложение 104, предоставляются поисковые предложения, относящиеся к поисковому запросу. Например, когда пользователь начал печатать: "Макалей Калкин", возможные поисковые предложения могут включать "Макалей Калкин фильмы", "Макалей Калкин группа", "Макалей Калкин жена" и тому подобное. В соответствии с вариантами осуществления настоящей технологии сервер 116 выполнен с возможностью создавать "предложения на основе изображений". В некоторых вариантах осуществления предложения на основе изображений могут являться "предложениями по завершению запроса на основе изображений". В некоторых альтернативных вариантах осуществления предложения на основе изображений могут являться "предложениями связанных запросов на основе изображений".

[51] Поэтому сервер 116 содержит (или иным образом имеет доступ) модуль 142 предложений. Работа модуля 142 предложений в контексте обработки поисковых предложений на основе изображений для поискового запроса в соответствии с неограничивающими вариантами осуществления описана не будет.

[52] Для того, чтобы полностью оценить варианты осуществления, ниже будет подробно описан пример окна предложений. На Фиг. 2 изображен снимок экрана с информацией, отображенной на электронном устройстве 102, аналогично тому, что изображен на Фиг. 1. Поисковое приложение 104 включает в себя интерфейс 106 поисковых запросов и интерфейс результатов 108 поиска. В соответствии с неограничивающими вариантами осуществления также предоставляются поисковые предложения 204, 206, 208 и 210 на основе изображений.

[53] В общем случае поисковые предложения 204, 206, 208 и 210 на основе изображений представлены в отдельной области поискового приложения 104. В некоторых вариантах осуществления эта отдельная область находится сверху на странице 108 поисковых результатов (SERP), над поисковыми результатами 212. Однако в альтернативных вариантах осуществления расположение поисковых предложений 204, 206, 208 и 210 на основе изображений может быть иным. Подобным же образом, хотя все поисковые предложения 204, 206, 208 и 210 на основе изображений изображены как отображенные в единственной отдельной области, в альтернативных вариантах осуществления поисковые предложения 204, 206, 208 и 210 на основе изображений могут быть распределены по различным отдельным областям и, в некотором смысле, смешиваться с остальной информацией, отображенной на странице 108 поисковых результатов (SERP).

[54] В некоторых вариантах осуществления, как изображено на Фиг. 2, поисковые предложения 204, 206, 208 и 210 на основе изображений представлены в ряду сверху на странице 108 поисковых результатов (SERP), сразу под интерфейсом 106 поисковых запросов. В альтернативных неограничивающих вариантах осуществления поисковые предложения 204, 206, 208 и 210 на основе изображений могут быть расположены в отношении интерфейса 106 поисковых запросов и поисковых результатов 212 по-иному. Например, в альтернативных вариантах осуществления поисковые предложения 204, 206, 208 и 210 на основе изображений могут быть расположены рядом, выше или ниже областей интерфейса 106 поисковых запросов и поисковых результатов 212 и т.д.

[55] В альтернативных неограничивающих вариантах осуществления поисковые предложения 204, 206, 208 и 210 на основе изображений могут заменить собой часть поискового приложения 104, а именно один или оба из пунктов: 1) интерфейс 106 поисковых запросов и 2) поисковые результаты 212.

[56] В некоторых вариантах осуществления поисковые предложения 204, 206, 208 и 210 на основе изображений появляются в тот момент, когда пользователь ввел достаточно символов поискового запроса в интерфейс 106 поисковых запросов, чтобы обеспечить обработку поисковых предложений на основе изображений, как будет описано ниже. Другими словами, поисковые предложения 204, 206, 208 и 210 на основе изображений могут появляться автоматически, в том смысле, что это не требует от пользователя любых подтверждающих действий. Альтернативно возможно появление поисковых предложений 204, 206, 208 и 210 на основе изображений в ответ на то, что пользователь указывает свое намерение использовать функцию поисковых предложений на основе изображений.

[57] В изображенном для иллюстративных целей примере показаны четыре поисковых предложения на основе изображения - первое поисковое предложение 204 на основе изображений, второе поисковое предложение 206 на основе изображений, третье поисковое предложение 208 на основе изображений и четвертое поисковое предложение 210 на основе изображений. Следует иметь ввиду, что число поисковых предложений на основе изображений никак конкретно не ограничено. Например, в некоторых вариантах осуществления, как изображено, показан единственный ряд поисковых предложений на основе изображений. В альтернативных вариантах осуществления отображаются по меньшей мере два или несколько рядов поисковых предложений на основе изображений. Альтернативно или дополнительно ряд отображенных поисковых предложений на основе изображений может быть динамическим, например, на основе объектов поискового запроса. Другими словами, модуль 142 предложений создает дополнительные альтернативы для поисковых предложений на основе изображений, число предложений, отображенных в интерфейсе 108 поисковых результатов, может динамически расти. Важно иметь ввиду, что ни число поисковых предложений на основе изображений, отображенных в единственном ряду, ни число рядов никак конкретно не ограничено. Кроме того, когда отображено по меньшей мере два или несколько рядов поисковых предложений на основе изображений, каждый индивидуальный ряд не должен обязательно включать то же самое число поисковых предложений на основе изображений.

[58] В некоторых вариантах осуществления, как изображено на Фиг. 2, каждое из: первое поисковое предложение 204 на основе изображений, второе поисковое предложение 206 на основе изображений, третье поисковое предложение 208 на основе изображений и четвертое поисковое предложение 210 на основе изображений включает по пять изображений, большее изображение находится слева поискового предложения на основе изображения, а четыре меньших изображения показаны в решетке справа поискового предложения на основе изображения. В неограничивающих вариантах осуществления поисковые предложения 204, 206, 208 и 210 на основе изображений могут включать в себя меньшее или большее число изображений, например, 1 изображение, 2 изображения или больше. Кроме того, число изображений, включенных в каждое из поисковых предложений 204, 206, 208 и 210 на основе изображений, является независимым от числа изображений, включенных в другие предложения. Например, первое поисковое предложение 204 на основе изображений может включать 1 изображение, второе поисковое предложение 206 на основе изображений может включать 5 изображений, третье поисковое предложение 208 на основе изображений может включать 3 изображения и четвертое поисковое предложение 210 на основе изображений может включать 5 изображений. Важно понимать, что число и формат изображений, отображенных в поисковых предложениях 204, 206, 208 и 210 на основе изображений, никак конкретно не ограничены.

[59] Исключительно с целью иллюстрации следует учесть, что данный пользователь заинтересован узнать больше о Макалее Калкине. Поэтому данный пользователь начал вводить часть поискового запроса "Макалей Калкин" в интерфейс 106 поискового запроса. В соответствии с вариантами осуществления, как будет описано подробнее ниже, сервер 116 выполнен с возможностью инициировать вывод поисковым приложением 104 поисковых предложений 204, 206, 208 и 210 на основе изображений. В соответствии с неограничивающими вариантами осуществления сервер 116 инициирует отображение поисковым приложением 104 поисковых предложений 204, 206, 208 и 210 на основе изображений под интерфейсом 106 поисковых запросов.

[60] Продолжая пример, приведенный выше, неограничивающие варианты осуществления поисковых предложений на основе изображений могут включать следующее: первое поисковое предложение 204 на основе изображений может включать в себя изображения бывшей жены Макалея Калкина. Второе поисковое предложение 206 на основе изображений может включать в себя изображения брата Макалея Калкина. Третье поисковое предложение 208 на основе изображений может включать в себя изображения бородатого Макалея Калкина. Четвертое поисковое предложение 210 на основе изображений может включать в себя изображения группы Макалея Калкина. Следует понимать, что возможны многие другие поисковые предложения на основе изображений.

[61] Далее описано, как сервер 116 создает указанные выше примеры поисковые предложений на основе изображений. Когда пользователь вводит часть поискового запроса в интерфейс 106 поисковых запросов, сервер 116 выполнен с возможностью запросить указание на часть поискового запроса по линии 112 передачи данных и передать часть поискового запроса модулю 142 предложений. Модуль 142 предложений выполнен с возможностью создавать одно или несколько поисковых предложений на основе изображений. В одном примере неограничивающего варианта осуществления модуль 142 предложений может совершать доступ к упомянутому выше модулю 124 вертикального поиска. В некоторых вариантах осуществления модуль 142 предложений может совершать доступ к множеству модулей вертикального поиска (не изображены). Затем, модуль 142 предложений сначала создает множество поисковых предложений на основе изображений. То, как модуль 142 предложений создает поисковые предложения на основе изображений, никак конкретно не ограничено и может включать одно или несколько из: (i) статистическую популярность данного поискового предложения на основе изображений, основанную по меньшей мере частично на прошлых связанных запросах; (ii) связанную с пользователем популярность данного поискового предложения на основе изображений; (iii) как часто конкретное поисковое предложение на основе изображений обычно ищется вместе с поисковым запросом; и (iv) другую вспомогательную информацию.

[62] Например, в приведенном выше примере для поискового запроса "Макалей Калкин", поисковые предложения на основе изображений могут включать в себя предложения: Макалей Калкин фильмы, Макалей Калкин деятельность, Макалей Калкин бывшая жена, Макалей Калкин девушка, Макалей Калкин семья, Макалей Калкин где родился, Макалей Калкин прическа, а также более отдаленно или косвенно связанные темы, такие как дети-актеры, рождественские фильмы, "Один дома", группы знаменитостей, и так далее. Поисковые предложения на основе изображений могут напрямую относиться к поисковому запросу (например, семантически; с очевидным добавлением слов; темы, относящиеся к популярным, т.е. "Макалей Калкин фильмы") или относиться к поисковому запросу не напрямую (например, тема, не напрямую относящиеся к поисковому запросу, т.е. "Рэйчел Майнер" (бывшая жена Макалея Калкина), "Один дома" (самый популярный фильм с Макалеем Калкиным). После того, как модуль 142 предложений создаст множество поисковых предложений на основе изображений, эти предложения ранжируются и затем отображаются пользователю в соответствии с настоящим решением, как будет описано далее.

[63] С учетом описанной со ссылкой на Фиг. 1 архитектуры, и приведенного со ссылками на Фиг. 2 примера, может быть реализован способ обработки поискового предложения на основе изображений для поискового запроса. Способ обработки поискового предложения на основе изображений может быть выполнен на сервере 116. Для этого сервер включает в себя носитель компьютерной информации, хранящий компьютерные инструкции, при выполнении которых сервер 116 выполняет нижеописанные этапы способа.

[64] На Фиг. 3 представлена структурная схема способа 300, выполненного в соответствии с вариантами осуществления решения.

[65] Этап 302 - получение первого поискового запроса от электронного устройства, связанного с пользователем

[66] Способ 300 начинается с этапа 302, в котором сервер 116 получает первый поисковый запрос от электронного устройства 102, связанного с пользователем. Этап 302 выполняется в ответ на ввод пользователем первого поискового запроса или части первого поискового запроса в электронное устройство 102 с помощью интерфейса 106 поискового запроса поискового приложения 104. Как было упомянуто выше, этап 302 может быть выполнен автоматически, или пользователь может указать свое желание выполнить этап 302. Указание на это желание может быть получено в реальном времени (например, если пользователь щелкнет на специализированную кнопку) или как часть настройки поискового приложения 104. Сервер 116 получает часть первого поискового запроса с помощью сети связи 112.

[67] В некоторых неограничивающих вариантах осуществления первый поисковый запрос передается серверу 116 как стандартный URL (унифицированный указатель информационного ресурса) (т.е. ссылка), закодированная в формате HTML. В других воплощениях, первый поисковый запрос передается в виде MYSQL-скрипта. Последнее особенно удобно в случаях (но не ограничено ими), когда в некоторых воплощениях, сервер 116 представляет собой SQL сервер.

[68] Затем способ переходит к выполнению этапа 304.

[69] Этап 304 - создание множества поисковых предложений на основе изображений, связанных с первым поисковым запросом, при этом эти предложения основаны по меньшей мере частично на прошлых связанных поисковых запросах.

[70] Способ 300 переходит к этапу 304, на котором сервер 116 инициирует создание модулем 142 предложений множества поисковых предложений на основе изображений, связанных с первым поисковым запросом (или его частью), при этом эти предложения основаны по меньшей мере частично на прошлых связанных поисковых запросах.

[71] Как было описано выше, модуль 142 предложений может получить доступ к модулю 124 вертикального поиска (или к множеству модулей вертикального поиска). Продолжая приведенный здесь пример и используя первый поисковый запрос "Макалей Калкин" (или часть этого запроса) в качестве иллюстрации, модуль 142 предложений может определить (на основе некоторых алгоритмов, описанных выше), что поисковые предложения на основе изображений включают: Макалей Калкин фильмы, Макалей Калкин деятельность, Один дома, Макалей Калкин бывшая жена, Макалей Калкин девушка, Макалей Калкин семья, Рэйчел Майнер, Макалей Калкин где родился, Макалей Калкин прическа и так далее.

[72] Затем способ переходит к выполнению этапа 306.

[73] Этап 306 - ранжирование множества поисковых предложений на основе изображений, с использованием первого набора параметров ранжирования, чтобы сформировать первый ранжированный список предложений для поискового запроса на основе изображений, и второго набора параметров ранжирования, чтобы сформировать второй ранжированный список предложений для поискового запроса на основе изображений; первый набор параметров ранжирования был обучен на первом обучающем наборе поисковых предложений на основе изображений, причем эти предложения связаны с параметром частоты, указывающим на то, как часто предложения для первого поискового запроса на основе изображений оказываются связаны с прошлым поисковым поведением пользователя; второй набор параметров ранжирования был обучен на втором обучающем наборе поисковых предложений на основе изображений, причем эти предложения связаны с параметром скрытого интереса, указывающим на высокую релевантность предложений для поискового запроса на основе изображений для пользователя, не зависящую от связанного параметра частоты.

[74] Способ 300 затем переходит к выполнению этапа 306, где сервер 116 ранжирует множество поисковых предложений на основе изображений. Как часть выполнения этапа 306 сервер 116 использует первый набор параметров ранжирования, чтобы сформировать первый ранжированный список поисковых предложений на основе изображений. Как часть выполнения этапа 306 сервер 116 также использует второй набор параметров ранжирования, чтобы сформировать второй ранжированный список поисковых предложений на основе изображений.

[75] В соответствии с вариантами осуществления первый набор параметров ранжирования был обучен на обучающем наборе поисковых предложений на основе изображений, связанных с параметром частоты. В общем случае, параметр частоты указывает на то, как часто поисковые предложения на основе изображений для первого поискового запроса были связаны с прошлым поисковым поведением пользователя. Например, параметр частоты может быть основан на одном или нескольких из следующих факторов: история щелчков мышью (например, частота и/или длительность просмотров), популярность прошлых поисковых запросов, прошлое поисковое поведение, число прошлых поисковых запросов, число прошлых сеансов, длительность прошлых сеансов, среднее время между запросами, среднее расстояние между местоположениями между запросами и тому подобное.

[76] В соответствии с вариантами осуществления второй набор параметров ранжирования был обучен на обучающем наборе поисковых предложений на основе изображений, связанных с параметром скрытого интереса. В общем случае параметр скрытого интереса указывает на высокую релевантность поисковых предложений на основе изображений для пользователя, не зависящую от связанного параметра частоты. Например, поисковые предложения на основе изображений могут иметь очень низкий параметр частоты на основе небольшой истории щелчков мышью; в сочетании с первым поисковым запросом их могут искать редко; или они в целом непопулярны на основе прошлого поискового поведения пользователя. Тем не менее, поисковые предложения на основе изображений могут иметь высокий параметр скрытого интереса на основе других факторов, таких как релевантность и/или интерес пользователя к поисковому предложению на основе изображений, отношения между поисковым предложением на основе изображений и первым поисковым запросом, привлекательность поискового предложения при отображении в интерфейсе 108 поисковых результатов и так далее.

[77] Продолжая используемый пример, четвертое поисковое предложение 210 на основе изображений (включает в себя изображения группы Макалея Калкина) может иметь низкий параметр частоты, если эта группа новая или не широко известная. Однако, вне зависимости от того, что параметр частоты низок, у этой группы может быть высокий параметр скрытого интереса, поскольку она интересует поклонников Макалея Калкина. В другом примере поисковое предложение на основе изображений "Рэйчел Майнер" может иметь низкий параметр частоты, поскольку имя "Рэйчел Майнер" лишь косвенно связано с именем "Макалей Калкин", однако параметр скрытого интереса высок, поскольку Рэйчел Майнер - бывшая жена Макалея Калкина.

[78] Первый и второй наборы параметров ранжирования обучены на обучающих наборах поисковых предложений на основе изображений, связанных с первым поисковым запросом. Выражение "обучающий набор" означает собрание пользовательских данных, связанных с прошлыми связанными поисковыми запросами. Отсылочные пользовательские данные в обучающем наборе оцениваются, чтобы определить, как ранжировать поисковые предложения на основе изображений. Обучающий набор данных может быть оценен человеком, также упоминаемым как "эксперт". Эксперт может быть одним человеком или несколькими людьми. Или же обучающий набор данных может быть оценен с использованием модели машинного обучения.

[79] В некоторых неограничивающих вариантах осуществления параметры ранжирования определяются в отношении единственного обучающего набора пользовательских данных для единственного первого поискового запроса. В альтернативных неограничивающих вариантах осуществления параметры ранжирования определяются в отношении множества обучающих наборов пользовательских данных для того же самого первого поискового запроса.

[80] В некоторых вариантах осуществления второй набор параметров ранжирования, связанный с параметром скрытого интереса определяется экспертом. Эксперт ранжирует поисковые результаты по меньшей мере частично на основе прошлых связанных поисковых запросов. В некоторых вариантах осуществления эксперт ранжирует поисковые результаты на основе одного или нескольких факторов, выбранных из: отношение между поисковыми предложениями на основе изображений и первым поисковым запросом; интерес пользователя; привлекательность результатов поиска; привлекательность страницы 108 результатов поиска SERP и так далее. В некоторых неограничивающих вариантах осуществления эксперт использует человеческую оценку на основе обратной связи от одного или нескольких человек, чтобы определить второй набор параметров ранжирования. Человеческая оценка может включать, например, предварительно определенные предпочтения пользователя на основе прошлого поискового поведения пользователя. В некоторых вариантах осуществления такие человеческие оценки связаны с пользователем. В альтернативных вариантах осуществления такие человеческие оценки не являются связанными с пользователями, т.е. они основаны на статистических выборках предыдущих пользователей. В других вариантах осуществления человеческие оценки основаны на оценках эксперта. Например, эксперт может решить, что группа Макалея Калкина интересует поклонников Макалея Калкина, несмотря на низкую популярность поискового предложения, как можно заключить, например, из истории щелчков мышью. В другом примере эксперт может оценивать эстетичность поискового предложения на основе изображений, на основании, например, цвета связанных изображений и визуального вклада в страницу 108 результатов поиска (SERP).

[81] В некоторых вариантах осуществления параметр скрытого интереса определяется экспертами на основе алгоритма "трех больших пальцев" ("three thumbs up"). В качестве примера, эксперту могут предоставить обучающий набор поисковых результатов для данного обучающего поискового запроса. Эксперт может затем назначить отметку каждому поисковому результату в обучающем наборе поисковых результатов. Эксперт может отметить "одним большим пальцем" те поисковые результаты, которые релевантны данному поисковому запросу, но так явно связаны с ним, что как предложения для запроса они будут иметь для пользователя малую ценность. Эксперт может оценить "двумя большими пальцами" те поисковые результаты, которые релевантны данному поисковому запросу, но чья связь с ним, однако, не так очевидна, как связь очевидно связанных результатов и потому определенная ценность в использовании таких поисковых результатов для создания поискового предложения для пользователя имеется. И, наконец, эксперт может оценить "тремя большими пальцами" те поисковые результаты, которые релевантны данному поисковому запросу, но связаны с данным поисковым запросом неочевидно и потому можно сказать, что они связаны со скрытым интересом для данного поискового запроса.

[82] В некоторых вариантах осуществления второй набор параметров ранжирования, связанный с параметром скрытого интереса определяется моделью машинного обучения. Модель машинного обучения ранжирует поисковые результаты по меньшей мере частично на основе прошлых связанных поисковых запросов. В некоторых вариантах осуществления модель машинного обучения ранжирует поисковые результаты на основе одного или нескольких факторов, выбранных из числа прошлых поисковых запросов, числа прошлых сеансов, длительности прошлых сеансов, среднего времени между запросами, среднего расстояния между положениями между запросами, истории щелчков мышью и тому подобного.

[83] Как только первый и второй ранжированный список поисковых предложений на основе изображений сформированы, с использованием соответственно первого и второго наборов параметров ранжирования, способ 300 затем переходит к выполнению этапа 308.

[84] Этап 308 - создание ранжированного списка поисковых предложений на основе изображений с помощью выбора первой части из первого ранжированного списка поисковых предложений на основе изображений и второй части из второго ранжированного списка поисковых предложений на основе изображений

[85] Способ 300 осуществляет этап 308, в котором сервер 116 создает ранжированный список поисковых предложений, комбинируя первую часть первого ранжированного списка и вторую часть второго ранжированного списка, чтобы создать ранжированный список, который включает в себя смесь поисковых предложений на основе изображений высокой частоты (из первого ранжированного списка) и поисковых предложений на основе изображений с высоким скрытым интересом (из второго ранжированного списка).

[86] В некоторых вариантах осуществления этапа 308 предварительно определенное число поисковых предложений на основе изображений из каждого из первого и второго ранжированных списков выбрано для включения в ранжированный список. Например, три первых поисковых предложения на основе изображений из каждого из первого и второго ранжированных списков могут быть выбраны для включения в ранжированный список. Или же может быть предварительно определено, что первые четыре поисковых предложения на основе изображений из второго ранжированного списка и одно поисковое предложение на основе изображений из первого ранжированного списка могут быть выбраны для включения в ранжированный список. Следует иметь ввиду, что отношение смешанных поисковых предложений на основе изображений никак конкретно не ограничено.

[87] В некоторых вариантах осуществления этапа 308 ранжированный список поисковых предложений на основе изображений создается с использованием параметра оценки. Параметр оценки определяет пропорцию первой части и второй части ранжированного списка. В качестве примера, в некоторых вариантах осуществления первая часть меньше, чем вторая часть, поэтому ранжированный список содержит большинство поисковых предложений на основе изображений из второго ранжированного списка, связанного с параметром скрытого интереса. В некоторых вариантах осуществления первая часть примерно такого же размера, как и вторая часть, поэтому ранжированный список содержит примерно то же число поисковых предложений на основе изображений из первого и второго ранжированных списков. В вариантах осуществления вторая часть меньше, чем первая часть, поэтому ранжированный список содержит большинство поисковых предложений на основе изображений из первого ранжированного списка, связанного с параметром частоты. В качестве примера отношение поисковых предложений из первого и второго списков может составлять 5 к 2 или 6 к 1. Следует иметь ввиду, что пропорция первой части и второй части ранжированного списка никак конкретно не ограничена.

[88] В некоторых вариантах осуществления параметр оценки определяется экспертом. Эксперт ранжирует поисковые результаты по меньшей мере частично на основе прошлых связанных поисковых запросов. Эксперт может ранжировать поисковые результаты на основе одного или нескольких факторов, таких как: отношение между поисковыми предложениями на основе изображений и первым поисковым запросом, интерес пользователя, привлекательность результатов поиска, привлекательность страницы 108 результатов поиска SERP и так далее. В некоторых вариантах отображения параметр оценки, определяющий отношение (соотношение, пропорция) первой части и второй части, основан по меньшей мере частично на предварительно определенных критериях, интересе пользователя и/или прошлом поисковом поведении.

[89] В альтернативных вариантах осуществления параметр оценки определяется с использованием модели машинного обучения для ранжирования поисковых результатов по меньшей мере частично на основе прошлых поисковых запросов. Модель машинного обучения для ранжирования поисковых результатов может быть основана на одном или нескольких факторах, выбранных из: числа прошлых поисковых запросов, числа прошлых сеансов, длительности прошлых сеансов, среднего времени между запросами, среднего расстояния между местоположениями между запросами, истории щелчков мышью и тому подобного.

[90] Как было описано выше для факторов, используемых для определения первого и второго наборов параметров ранжирования, факторы, используемые для создания параметра оценки могут быть связаны с пользователем или, альтернативно, могут быть статистически основаны на данных из выборки пользователей.

[91] На Фиг. 4 представлена структурная схема способа 400, выполненного в соответствии с вариантами осуществления решения.

[92] Способ 400 начинается на этапах 302-308, которые были описаны ранее. Для облегчения понимая эти этапы не изображены на Фиг. 4 и не будут повторяться здесь.

[93] Этап 402 - перед указанным выбором указанной первой части из первого ранжированного списка поисковых предложений на основе изображений, выбор первой подгруппы поисковых предложений на основе изображений из первого ранжированного списка, причем первая подгруппа включает только неявно связанные поисковые предложения на основе изображений из первого ранжированного списка

[94] Способ 400 включает в себя новый этап 402, дополняющий способ 300, описанный выше. В способе 400 перед выбором первой части из первого ранжированного списка поисковых предложений на основе изображений (другими словами, прежде этапа 308), сервер 116 выполняет этап 402 выбора первой подгруппы поисковых предложений на основе изображений из первого ранжированного списка. Первая подгруппа включает в себя только неявно связанные поисковые предложения на основе изображений из первого ранжированного связанного списка. Другими словами, явно связанные поисковые предложений на основе изображений удалены из первого ранжированного списка для создания первой подгруппы поисковых предложений на основе изображений.

[95] В альтернативных вариантах осуществления выбирается предварительно определенная пропорция явно и неявно связанных поисковых предложений на основе изображений. В некоторых вариантах осуществления первая подгруппа может содержать более высокое число явно связанных поисковых предложений на основе изображений, например, отношение явно связанных поисковых предложений на основе изображений к неявно связанным поисковым предложениям на основе изображений может составлять 5 к 2 или 6 к 1.

[96] Явно связанные поисковые предложения на основе изображений включают в себя поисковые предложения, которые очевидно или явно относятся к первому поисковому запросу. Например, явно связанные поисковые предложения на основе изображений могут быть семантически связаны с первым поисковым запросом (например, очевидное добавление слов, простые прилагательные, многозначные варианты) или с явно связанными темами (например, популярные связанные темы, очевидные дополнения оригинальной темы). Продолжая приведенный выше пример, "Макалей Калкин фильмы" и "Макалей Калкин жена" - примеры явно связанных поисковых предложений на основе изображений.

[97] В некоторых вариантах осуществления первая подгруппа включает явно связанные поисковые предложения на основе изображений. Например, первая подгруппа может включать явно связанные поисковые предложения на основе изображений, такие как: запросы с добавочным словом к первому поисковому запросу; запросы на популярные связанные темы; запросы на популярные продукты, которые включают первый поисковой запрос; запросы на очевидные дополнения темы первого поискового запросы; и запросы, которые семантически относятся к первому поисковому запросу.

[98] Напротив, неявно связанные поисковые предложения на основе изображений включают в себя поисковые предложения, которые косвенно или отдаленно связаны с первым поисковым запросом. Такие поисковые предложения может быть сложно связать с первым поисковым запросом, несмотря на то, что они интересны большинству пользователей. Продолжая пример, приведенный выше, "Один дома 2: Потерянный в Нью-Йорке" (фильм, где снимался Макалей Калкин) и "Рэйчел Майнер" (бывшая жена Макалея Калкина) являются примерами неявно связанных поисковых предложений на основе изображений.

[99] В некоторых вариантах осуществления первая подгруппа выбрана с использованием модели машинного обучения по меньшей мере частично на основе оценок эксперта для прошлых связанных поисковых запросов. Как было указано выше, эксперт может являться одним человеком или множеством людей. Как было указано выше, алгоритм машинного обучения может быть обучен для определения явно и неявно связанных поисковых предложений на основе изображений с помощью указанного выше алгоритма "трех больших пальцев".

[100] Этап 404 - создание указанного ранжированного списка поисковых предложений на основе изображений с помощью выбора указанной первой части из указанной первой подгруппы поисковых предложения на основе изображений из первого ранжированного списка

[101] Способ 400 далее переходит к этапу 404, на котором создается указанный ранжированный список поисковых предложений на основе изображений с помощью выбора указанной первой части из указанной первой подгруппы поисковых предложения на основе изображений из первого ранжированного списка на этапе 402. Другими словами, из первого ранжированного списка (связанного с параметром частоты) только высоко оцененные неявно связанные поисковые предложения на основе изображений включены в ранжированный список. Следует понимать, что на этапе 404, как и на этапе 308, описанном выше, также выбирается вторая часть из второго ранжированного списка поисковых предложений на основе изображений (не изображено на Фиг. 4). Как на этапе 308 выше, ранжированный список поисковых предложений на основе изображений создается с помощью комбинации первой части из первой подгруппы первого ранжированного списка и второй части из второго ранжированного списка.

[102] Как и на этапе 308, на этапе 404 предварительно определенное число поисковых предложений на основе изображений из первой подгруппы первого ранжированного списка и из второй части второго ранжированного списка может быть выбрано для включения в ранжированный список. Следует иметь ввиду, что пропорция поисковых предложений на основе изображений из двух списков никак конкретно не ограничена. В альтернативных неограничивающих вариантах осуществления этапа 404, как и этапа 308, ранжированный список поисковых предложений на основе изображений создается с использованием параметра оценки. Параметр оценки определяет пропорцию первой подгруппы и второй части ранжированного списка. В качестве примера, в некоторых вариантах осуществления первая подгруппа меньше, чем вторая часть, поэтому ранжированный список содержит большинство поисковых предложений на основе изображений из второго ранжированного списка, связанного с параметром скрытого интереса. В альтернативных вариантах осуществления первая подгруппа примерно такого же размера, как и вторая часть, поэтому ранжированный список содержит примерно то же число поисковых предложений на основе изображений из первого и второго ранжированных списков. Следует иметь ввиду, что пропорция первой подгруппы и второй части ранжированного списка никак конкретно не ограничена.

[103] Как и на этапе 308, в некоторых вариантах осуществления параметр оценки определяется экспертом. Эксперт ранжирует поисковые предложения по меньшей мере частично на основе прошлых связанных поисковых запросов. Эксперт может ранжировать поисковые предложения на основе одного или нескольких факторов, таких как: отношение между поисковыми предложениями на основе изображений и первым поисковым запросом, интерес пользователя, привлекательность результатов поиска, привлекательность страницы 108 результатов поиска SERP и так далее. В альтернативных вариантах осуществления параметр оценки определяется с использованием модели машинного обучения для ранжирования поисковых результатов по меньшей мере частично на основе прошлых поисковых запросов. Модель машинного обучения для ранжирования поисковых результатов может быть основана на одном или нескольких факторах, выбранных из: числа прошлых поисковых запросов, числа прошлых сеансов, длительности прошлых сеансов, среднего времени между запросами, среднего расстояния между местоположениями между запросами, истории щелчков мышью и тому подобного. Факторы, используемые для создания параметра оценки могут быть связанными с пользователем или, альтернативно, могут быть статистически основаны на данных из выборки пользователей.

[104] На Фиг. 5 представлена структурная схема способа 500, выполненного в соответствии с вариантами осуществления.

[105] Способ 500 начинается на этапах 302-308, которые были описаны ранее. Для облегчения понимая эти этапы не изображены на Фиг. 5 и не будут повторяться здесь.

[106] Этап 502 - отображение пользователю, перед выполнением поиска, выше всего оцененных поисковых предложений на основе изображений

[107] Способ 500 далее переходит к выполнению этапа 502. На этапе 502 выполняется отображение пользователю, перед выполнением поиска, выше всего оцененных поисковых предложений на основе изображений.

[108] В некоторых вариантах осуществления отображение пользователю выше всего оцененных поисковых предложений на основе изображений выполняется во время того, как пользователь вводит первый поисковый запрос. Например, пользователь мог ввести первый поисковый запрос только частично, или пользователь может находиться в процессе введения первого поискового запроса. Продолжая приведенный выше пример, пользователь мог ввести только "Макалей" в интерфейс 106 поисковых запросов. В альтернативных неограничивающих вариантах осуществления выше всего оцененные поисковые предложения на основе изображений отображаются пользователю после того, как пользователь завершил ввод первого поискового запроса, но перед тем, как поиск был выполнен. Например, пользователь ввел "Макалей Калкин" в интерфейс 106 поисковых запросов, но поиск еще не был выполнен.

[109] Следует иметь ввиду, что отображение пользователю высоко оцененных поисковых предложений на основе изображений никак не ограничено. Например, число, местоположение и формат высоко оцененных поисковых предложений на основе изображений не ограничено. В иллюстративном варианте осуществления, показанном на Фиг. 2, четыре поисковых предложения 204, 206, 208 и 210 на основе изображений отображены сверху страницы 108 результатов поиска SERP в горизонтальном ряду под интерфейсом 106 поисковых запросов, причем каждое из поисковых предложения 204, 206, 208 и 210 на основе изображений включает одно большое и четыре маленьких изображения. Однако, как было описано выше, этот вариант осуществления изображен для иллюстративных целей и возможно множество других отображений.

[110] Этап 504 - в ответ на то, что пользователь продолжает вводить первый поисковой вопрос без выбора одного или нескольких отображенных поисковых предложений на основе изображений, выполнение поиска по первому поисковому запросу.

[111] Способ 500 далее переходит к выполнению этапа 504. После отображения пользователю высоко оцененных поисковых предложений на основе изображений у пользователя есть выбор продолжить первый поисковый запрос или найти вместо него поисковые предложения на основе изображений. На этапе 504, в ответ на то, что пользователь решает продолжить с первым поисковым запросом, сервер 116 выполняет поиск первого поискового запроса.

[112] Этап 506 - инициация отображения пользователю электронным устройством страницы поисковых результатов (SERP) в ответ на выполненный поиск, в котором высоко оцененные поисковые предложения на основе изображений отображаются вместе сверху на странице поисковых результатов (SERP)

[113] Способ 500 далее переходит к выполнению этапа 506. После того, как сервер 116 выполнил поиск первого поискового запроса на этапе 504 электронное устройство 102 отображает пользователю страницу поисковых результатов (SERP) в ответ на выполненный поиск. Поисковые результаты 212 отображаются на странице 108 поисковых результатов (SERP).

[114] Важно иметь ввиду, что природа первого поискового запроса и поисковых результатов 212 никак конкретно не ограничена. В иллюстративном варианте осуществления, изображенном на Фиг. 2, поисковые результаты 212 являются общими поисковыми результатами. Альтернативно в других вариантах осуществления поисковые результаты 212 могут являться результатами вертикального поиска, т.е. поисковыми результатами из вертикального домена, такими как изображения. [115] Вне зависимости от типа поисковых результатов 212, отображенных на странице 108 поисковых результатов (SERP) выше всего оцененные поисковые предложения 204, 206, 208 и 210 на основе изображений отображаются вместе сверху на странице 108 поисковых результатов (SERP).

[116] Иллюстративный вариант осуществления, отображенный на Фиг. 2 и 5, показывает поисковые предложения 204, 206, 208 и 210 на основе изображений, отображенный вместе сверху на странице 108 поисковых результатов (SERP), над поисковыми результатами 212 и под интерфейсом 106 поисковых запросов. Однако, важно иметь ввиду, что отображение никак конкретно не ограничено и возможны другие его виды, как описано выше.

[117] В иллюстративном варианте осуществления, отображенном на Фиг. 5, пользователь решает продолжить первый поисковый запрос, как показано в способе 500. В альтернативных вариантах осуществления пользователь решает не продолжать первый поисковый запрос и вместо него ищет одно из поисковых предложений на основе изображений. В таких альтернативных вариантах осуществления после этапа 502 пользователь выбирает одно или несколько отображенных поисковых предложения на основе изображений. Например, пользователь щелкает на одно из отображенных поисковых предложения на основе изображений. В ответ на то, что пользователь выбирает, т.е. щелкает одно или несколько отображенных поисковых предложений на основе изображений, сервер 116 выполняет поиск выбранного поискового предложения на основе изображений и инициирует отображение пользователю электронным устройством 102 страницы 108 результатов поиска (SERP) в ответ на выполненный поиск. В некоторых вариантах осуществления оставшиеся высоко оцененные поисковые предложения на основе изображений (т.е. высоко оцененные поисковые предложения на основе изображений, не выбранные пользователем) отображаются вместе сверху на странице 108 результатов поиска (SERP), как и на этапе 506.

[118] Следует иметь ввиду, что один этап указанного выше способа включает в себя эксперта. Важно понимать, что на каждом этапе эксперт выбирается независимо. Другими словами, тот же самый или иной эксперт может выполнить каждый из требуемых этапов, т.е. первый эксперт может или может не быть тем же, что и второй, который может или может не быть тем же, что и третий и так далее.

[119] Некоторые технические результаты вариантов осуществления могут включать предоставление пользователю нечастых или непопулярных, но, однако, представляющих большой интерес поисковых предложений на основе изображений в ответ на то, что пользователь ввел первый поисковый запрос или его часть. Это предоставление поисковых предложений может позволить пользователю более глубоко погрузиться в предмет его интереса. Такое предоставление может также предоставить пользователю возможность более эффективно найти информацию, которую он может конкретно искать (с помощью параметра скрытого интереса). Способность пользователя более эффективно находить информацию приводит к меньшему траффику. Также, при том, что электронное устройство 102 выполнено как беспроводное устройство передачи данных, способность пользователя более эффективно находить информацию приведет к сбережению заряда аккумулятора электронного устройства. Это также может предоставить более привлекательный или интересный поисковый интерфейс или страницу результатов поиска.

[120] Модификации и улучшения вышеописанных вариантов осуществления будут ясны специалистам в данной области техники. Предшествующее описание представлено только в качестве примера и не несет никаких ограничений. Таким образом, объем настоящего решения ограничен только объемом прилагаемой формулы изобретения.

Изобретение относится к средствам обработки поисковых предложений на основе изображений для первого поискового запроса. Технический результат заключается в увеличении релевантности поисковых результатов. Получают первый поисковой запрос от электронного устройства, связанного с пользователем. Создают множество поисковых предложений на основе изображений, связанных с первым поисковым запросом, при этом эти предложения основаны по меньшей мере частично на прошлых связанных поисковых запросах. Ранжируют множество поисковых предложений на основе изображений с использованием первого и второго наборов параметров ранжирования, чтобы сформировать первый и второй ранжированные списки поисковых предложений на основе изображений. Создают ранжированный список поисковых предложений на основе изображений с помощью выбора первой части и второй части из первого и второго ранжированных списков соответственно. Первый и второй наборы параметров ранжирования связаны соответственно с параметром частоты и параметром скрытого интереса. 2 н. и 27 з.п. ф-лы, 5 ил.

1. Способ (300) обработки на сервере (116) поисковых предложений на основе изображений для первого поискового запроса, включающий:

получение первого поискового запроса от электронного устройства (102), связанного с пользователем;

формирование множества поисковых предложений на основе изображений, связанных с первым поисковым запросом, при этом эти предложения основаны по меньшей мере частично на прошлых связанных поисковых запросах;

ранжирование множества поисковых предложений на основе изображений с использованием первого набора параметров ранжирования с формированием первого ранжированного списка поисковых предложений на основе изображений и второго набора параметров ранжирования с формированием второго ранжированного списка поисковых предложений на основе изображений;

ранжирование множества поисковых предложений на основе изображений посредством первого набора параметров ранжирования с формированием первого ранжированного списка предложений для поискового запроса на основе изображений и второго набора параметров ранжирования с формированием второго ранжированного списка предложений для поискового запроса на основе изображений; при этом первый набор параметров ранжирования обучен на первом обучающем наборе поисковых предложений на основе изображений, причем эти предложения связаны с параметром частоты, указывающим на частоту связи предложения для первого поискового запроса на основе изображений с прошлым поисковым поведением пользователя; при этом второй набор параметров ранжирования обучен на втором обучающем наборе поисковых предложений на основе изображений, причем эти предложения связаны со скрытым параметром интереса, указывающим на высокую релевантность предложений для поискового запроса на основе изображений для пользователя, не зависящую от связанного параметра частоты; и

формирование ранжированного списка поисковых предложений на основе изображений посредством выбора первой части из первого ранжированного списка поисковых предложений на основе изображений и второй части из второго ранжированного списка поисковых предложений на основе изображений.

2. Способ по п. 1, в котором

перед указанным выбором указанной первой части из первого ранжированного списка поисковых предложений на основе изображений осуществляют выбор первой подгруппы поисковых предложений на основе изображений из первого ранжированного списка, причем первая подгруппа включает только неявно связанные поисковые предложения на основе изображений из первого ранжированного списка; и

формирование указанного ранжированного списка поисковых предложений на основе изображений с помощью выбора указанной первой части из указанной первой подгруппы поисковых предложения на основе изображений из первого ранжированного списка.

3. Способ по п. 2, в котором выбирают первую подгруппу с использованием первой модели машинного обучения по меньшей мере частично на основе оценок первого эксперта для указанных прошлых связанных поисковых запросов.

4. Способ по п. 2 или 3, в котором указанная первая подгруппа включает в себя явно связанные поисковые предложения на основе изображений, выбранные из: запросов с добавочным словом к первому поисковому запросу; запросов на популярные связанные темы; запросов на популярные продукты, включающие в себя первый поисковой запрос; запросов на очевидные дополнения темы первого поискового запроса; и запросов, семантически относящихся к первому поисковому запросу.

5. Способ по п. 1, в котором

отображают пользователю высоко оцененные поисковые предложения (204, 206, 208, 210) на основе изображений перед выполнением поиска;

в ответ на то, что пользователь продолжает вводить первый поисковый вопрос без выбора одного или нескольких отображенных поисковых предложений на основе изображений, выполняют поиск по первому поисковому запросу; и

инициируют отображения пользователю электронным устройством страницы (108) поисковых результатов (SERP) в ответ на выполненный поиск, в котором высоко оцененные поисковые предложения (204, 206, 208, 210) на основе изображений отображаются вместе сверху на странице (108) поисковых результатов (SERP).

6. Способ по п. 1, в котором

отображают пользователю высоко оцененные поисковые предложений (204, 206, 208, 210) на основе изображений перед выполнением поиска;

в ответ на то, что пользователь выбирает одно или несколько отображенных поисковых предложений на основе изображений, выполняют поиск по выбранным поисковым предложениям на основе изображений; и

инициируют отображение пользователю электронным устройством (102) страницы (108) поисковых результатов (SERP) в ответ на выполненный поиск.

7. Способ по п. 2, в котором высоко оцененные поисковые предложения (204, 206, 208, 210) на основе изображений, не выбранные пользователем, отображают вместе сверху на странице (108) поисковых результатов (SERP).

8. Способ по п. 1, в котором указанный параметр скрытого интереса определяют вторым экспертом, ранжирующим поисковые результаты по меньшей мере частично на основе указанных прошлых поисковых запросов.

9. Способ по п. 8, в котором указанное ранжирование поисковых результатов с помощью указанного второго эксперта основано на одном или нескольких факторах, выбранных из: привлекательность результатов из поиска, привлекательность страницы поисковых результатов (SERP), отношения между поисковыми предложениями на основе изображений и первым поисковым запросом, а также интерес для пользователя.

10. Способ по п. 1, в котором указанный параметр скрытого интереса определяют использованием второй модели машинного обучения для ранжирования поисковых результатов по меньшей мере частично на основе прошлых поисковых запросов.

11. Способ по п. 10, в котором указанная вторая модель машинного обучения для ранжирования поисковых результатов основана на одном или нескольких факторах, выбранных из: числа прошлых поисковых запросов, числа прошлых сеансов, длительности прошлых сеансов, среднего времени между запросами, среднего расстояния между положениями между запросами, истории щелчков мышью.

12. Способ по п. 9 или 11, в котором указанный один или несколько факторов связаны с пользователем.

13. Способ по п. 9 или 11, в котором указанный один или несколько факторов являются статистическими.

14. Способ по п. 1, в котором предварительно получают первый поисковый запрос.

15. Способ по п. 1, в котором указанный ранжированный список поисковых предложений на основе изображений создают с использованием параметра оценки для определения пропорции указанной первой части и указанной второй части.

16. Способ по п. 15, в котором указанная первая часть меньше, чем указанная вторая часть в указанном ранжированном списке поисковых предложений на основе изображений.

17. Способ по п. 16, в котором указанная пропорция содержит 80% указанной второй части и 20% указанной первой части.

18. Способ по п. 16, в котором указанная пропорция содержит 50% указанной второй части и 50% указанной первой части.

19. Способ по п. 15, в котором указанный параметр оценки определяют третьим экспертом, ранжирующим поисковые результаты по меньшей мере частично на основе прошлых поисковых запросов.

20. Способ по п. 19, в котором указанный третий эксперт ранжирует поисковые результаты на основе одного или нескольких факторов, выбранных из: привлекательность результатов из поиска, привлекательность страницы поисковых результатов (SERP), отношения между поисковыми предложениями на основе изображений и первым поисковым запросом, а также интерес для пользователя.

21. Способ по п. 15, в котором указанный параметр оценки определяют использованием третьей модели машинного обучения для ранжирования поисковых результатов по меньшей мере частично на основе прошлых поисковых запросов.

22. Способ по п. 21, в котором указанная третья модель машинного обучения для ранжирования поисковых результатов основана на одном или нескольких факторах, выбранных из: числа прошлых поисковых запросов, числа прошлых сеансов, длительности прошлых сеансов, среднего времени между запросами, среднего расстояния между положениями между запросами, истории щелчков мышью.

23. Способ по п. 20 или 22, в котором указанный один или несколько факторов являются связанными с пользователем.

24. Способ по п. 20 или 22, в котором указанный один или несколько факторов являются статистическими.

25. Сервер (116) для обработки поискового предложения, включающий:

интерфейс передачи данных для связи с электронным устройством (102), связанным с пользователем посредством сети (112) передачи данных;

память;

процессор, функционально связанный с интерфейсом передачи данных и памятью и выполненный с возможностью сохранять объекты, связанные с пользователем, в памяти и с возможностью:

получения первого поискового запроса от электронного устройства (102);

формирования множества поисковых предложений на основе изображений, связанных с первым поисковым запросом, при этом эти предложения основаны по меньшей мере частично на прошлых связанных поисковых запросах;

ранжирования множества поисковых предложений на основе изображений с использованием первого набора параметров ранжирования для формирования первого ранжированного списка поисковых предложений на основе изображений и второго набора параметров ранжирования для формирования второго ранжированного списка поисковых предложений на основе изображений;

ранжирования множества поисковых предложений на основе изображений с использованием первого набора параметров ранжирования для формирования первого ранжированного списка предложений для поискового запроса на основе изображений и второго набора параметров ранжирования для формирования второго ранжированного списка предложений для поискового запроса на основе изображений; причем первый набор параметров ранжирования обучен на первом обучающем наборе поисковых предложений на основе изображений, причем эти предложения связаны с параметром частоты, указывающим на частоту предложения для первого поискового запроса на основе изображений, связанных с прошлым поисковым поведением пользователя; причем второй набор параметров ранжирования обучен на втором обучающем наборе поисковых предложений на основе изображений, при этом эти предложения связаны со скрытым параметром интереса, указывающим на высокую релевантность предложений для поискового запроса на основе изображений для пользователя, не зависящую от связанного параметра частоты; и

формирования ранжированного списка поисковых предложений на основе изображений с помощью выбора первой части из первого ранжированного списка поисковых предложений на основе изображений и второй части из второго ранжированного списка поисковых предложений на основе изображений.

26. Сервер по п. 25, в котором процессор выполнен с возможностью:

перед выбором указанной первой части из первого ранжированного списка поисковых предложений на основе изображений выбирать первую подгруппу поисковых предложений на основе изображений из первого ранжированного списка, причем первая подгруппа включает только неявно связанные поисковые предложения на основе изображений из первого ранжированного списка; и

формирования указанного ранжированного списка поисковых предложений на основе изображений с помощью выбора указанной первой части из указанной первой подгруппы поисковых предложения на основе изображений из первого ранжированного списка.

27. Сервер по п. 25 или 26, в котором процессор выполнен с возможностью:

отображения пользователю высокооцененных поисковых предложений (204, 206, 208, 210) на основе изображений перед выполнением поиска;

в ответ на то, что пользователь выбирает одно или несколько отображенных поисковых предложений (204, 206, 208, 210) на основе изображений, осуществлять поиск по выбранным поисковым предложениям на основе изображений; и

инициировать отображение пользователю электронным устройством (102) страницы (108) поисковых результатов в ответ на выполненный поиск.

28. Сервер по п. 27, в котором процессор выполнен с возможностью отображать высокооцененные поисковые предложения (204, 206, 208, 210) на основе изображений, не выбранные пользователем, вместе сверху на странице (108) поисковых результатов (SERP).

29. Сервер по п. 25, в котором процессор выполнен с возможностью формировать указанный ранжированный список поисковых предложений на основе изображений с использованием параметра оценки для определения пропорции указанной первой части и указанной второй части.