CN101297285A

CN101297285A - 使用人气数据来进行排名

Info

Publication number: CN101297285A
Application number: CNA2006800401871A
Authority: CN
Inventors: M·R·理查德森; E·D·布瑞尔; R·J·莱格诺; R·L·罗斯维特
Original assignee: Microsoft Corp
Current assignee: Microsoft Technology Licensing LLC
Priority date: 2005-11-03
Filing date: 2006-10-31
Publication date: 2008-10-29
Anticipated expiration: 2026-10-31
Also published as: WO2007056031A1; US7783632B2; US20070100824A1; CN101297285B; KR20080074116A; KR101343222B1

Abstract

一种独特的排名系统和方法，它有助于改进对象的排名和排序，以便进一步提高响应于搜索查询的搜索结果的质量、准确度和传送。该系统和方法涉及根据对象被访问的次数，以及可任选地根据该对象被谁访问、在何时访问、访问了多长时间和访问速率等，来监视和跟踪对象。也可以跟踪用户与对象的交互。通过跟踪对象，可以确定一人气度量。基于该人气度量或其某个函数，可以计算基于人气的排名。该人气度量可以受访问时间、访问它的用户、访问持续时间或访问时用户与对象的交互等影响。搜索组件可以利用该基于人气的排名来改进搜索结果的质量和检索。

Description

使用人气数据来进行排名

背景

对于计算机用户，搜索已成为应用程序和操作系统的重要特征。甚至，它已变成计算市场内具有高赢利的部分。一方面，为了在输入某些搜索项时能够具有理想的排列位置，广告客户会购买关键字和/或支付额外费用。另一方面，消费者却主要关注搜索的质量，并经常基于引擎以往的性能或声誉来选择搜索应用程序或引擎。

更常见的是，用户发起文本搜索，以在因特网、他们的网络、或他们的本地PC上查找特定内容。搜索请求能够表现为各种形式。用户可以使用关键词、短语、或单词的任意组合，这取决于他/她要寻找的内容及搜索的位置。例如，根据用户输入的项与同网页相关联的项之间的某种相关返回搜索结果。当存在涉及相同或相似的项的多个网页时，必须有某一合适的技术来为用户排列页面或区分其优先次序，以给予用户哪些页面更好或者可能与用户的搜索更相关的概念。

现有的常规排名系统是基于算法来执行这种排序的。特别地，一排名系统通常根据指向某网页的其它页面的数量的函数来对该网页排名。然而，这种系统主要关注于网页，并且需要知道网络的链接结构。而且，大多数常规的排名系统往往限于文本页面。因此，存在许多改进搜索能力的机会。

概述

以下提出简化的概要以提供对在此讨论的系统和/或方法的某些方面的基本理解。该概要并不是在此讨论的系统和/或方法的宽泛概观。它并不旨在标识这些系统和/或方法的关键/重要的要素，也不是要描绘其范围。其唯一目的是以简化的形式提出某些概念，以作为后面提出的更详细描述的序言。

本申请涉及一种有助于使用人气数据来改进对象的排名并最终获取更相关的搜索结果的系统和/或方法。更具体地，该系统和方法涉及跟踪哪些对象已被浏览、查看、或访问，以便对每个对象确定一度量，并使用该度量或其函数来确定每个对象的基于人气的排名。对象的示例可以包括，但不限于：文档、文件、文本页面、视频、电影、音乐(音频)、图像、和/或网页。

一般而言，对象的基于人气的排名可以全部或部分地通过对对象被访问的次数计数来确定。计数的权重可能会受如对该对象所执行的用户动作、相同用户或不同用户访问该对象的速率、或者访问该对象的用户ID或机器ID等其它因素的影响。通过考虑这些类型的因素，可以减少对“坏”对象的夸张排名。在某些情况下，直接计数而非其函数可以提供最合理的对象人气的指示。

除了在访问对象时进行记录以外，该系统和方法还可以监视可能会影响基于人气的排名的其它类型的用户活动。用户活动的示例可以包括，但不限于，修改对象、点击对象中的链接、滚读对象、给对象加书签或保存对象、或者点击“返回”或访问或查看对象的时间内的相似命令，这些动作可以被跟踪并记录。这些类型的动作反映了链接的质量，因此可以指示对象是否是“好”的。好对象估计能够得到更高的排名。

所访问的对象可以被标识并以数据库、表或列表的形式来记录。还可以记录诸如对象何时被访问、被何人(例如机器ID或用户ID)访问、访问了多长时间、以及用户与对象的交互等其它信息以便于确定对象的人气。

通过跟踪和监视对象所获得的任何信息都可以被用来为每个对象分配一得分。一旦对象被评分后，就会对其进行排序以便于搜索系统进行更有效和准确的检索。得分可以部分地通过使用机器学习技术来确定，在该技术中，输入任何数量的特征的数据并计算出得分。对象的人气可以由前面提到的一个或多个特征或因素(例如，用户活动、访问速率等)来确定。其它特征可以包括链接到该对象的其它对象的数量、用户对该对象的分级、通过其它排名方案或模型确定的该对象的其它排名、该对象中文字的数量、访问该对象的时间或日期、和/或用户兴趣等。

可以根据一特定排名是否是所期望的来对不同特征进行加权。例如，如果用户希望仅对上午时段所访问的对象进行排名，则用于教导该排名组件的训练数据可以更多地依赖于或者至少包括访问该对象的时间。因此，该访问时间特征可以比某些其它特征被赋予更大的权重。相反，如果对于这种排名方案时间较不重要，则时间特征可以比其它特征被加权更少，或者对其根本不赋予权重。一旦确定，可将对象排名用于搜索系统或组件来改进或增强搜索结果的质量和/或准确度。

为了实现上述和相关的目的，在此结合下面的描述和附图来描述本发明的某些说明性方面。然而，这些方面仅指示了可以使用本发明原理的多种方式中的几种，而本发明旨在包括所有此类方面及其等效技术方面。当结合附图考虑时，从以下本发明的详细描述中，本发明的其它优点和新颖特征可以变得显而易见。

附图简述

图1是有助于改进在因特网、内联网和/或用户桌面或本地文件存储系统上所进行的搜索的搜索结果的质量和准确度的数据排名系统的框图；

图2是有助于部分地通过收集涉及对象的信息，并使用该信息的至少一部分作为机器学习系统的特征来获得得分并因此获得对对象的排名，以改进检索结果的质量和准确度的数据排名系统的框图；

图3是示出可由机器学习系统用来计算已被用户访问、查看、或浏览的任意数量的对象的得分的多个特征的框图，该得分有助于确定对象的排名；

图4是示出可用来确定一对象的排名的来自各种源的多个排名的框图；

图5是可以用于网页对象的、有助于在搜索基于web的应用程序时获得更准确的搜索结果的数据排名系统的框图；

图6是示出有助于改进在因特网、内联网、桌面和/或其它计算设备上进行的搜索的搜索结果的质量和准确度的示例性方法的流程图；

图7是示出有助于部分地通过定制对对象进行排名的方式来以改与向用户返回搜索结果有关的质量、准确度和效率的示例性方法的流程图；

图8是示出有助于以某种方式将对一对象的来自一个或多个源的多个排名组合以确定该对象新的总排名的示例性方法的流程图；

图9是示出有助于改进因特网上返回的搜索结果的示例性方法的流程图；

图10示出了用于实现本发明的各方面的示例性环境。

详细描述

现参考附图对本系统和/或方法进行描述，在全部附图中，相同的附图标记用于指相同的要素。在下面的描述中，出于解释的目的，阐明了许多具体细节以便提供对本系统和/或方法的全面理解。然而，很明显，本系统和/或方法也可以不用这些具体细节来实施。在其它情况下，为了便于描述，将公知结构和设备以框图形式示出。

如在此使用的，术语“组件”和“系统”旨在表示计算机相关的实体，它们或者是硬件、硬件和软件的组合、软件或者是执行中的软件。例如，组件可以是，但不限于，运行在处理器上的进程、处理器、对象、可执行代码、执行的线程、程序、和计算机。作为说明，运行在服务器上的应用程序和服务器本身都可以是组件。一个或多个组件可以驻留在进程和/或执行的线程内，并且组件可以位于一台计算机上和/或分布在两台或多台计算机之间。

本系统和/或方法可以结合与跟踪用户行为和与对象的交互以及确定是否包含对基于该行为的用户访问的对象的计数有关的各种推论方案和/或技术。例如，假设用户Bob经常浏览因特网，并且已选择参加向浏览器系统提供关于他所查看的页面的反馈的自愿计划。该系统可以被训练成自动向从Bob获得的或关于Bob的信息分配权重。这样，可以对Bob所查看的页面进行评分和排名，以改进Bob的搜索体验。这能够以自动的方式发生，而无需首先查明Bob查看该页面的频率和持续时间等。当用户已被认为是可以信赖的(例如，不是垃圾邮件发送者)时，能够按这种方式自动化该过程。

如此处所使用的，术语“推论”一般指的是从通过事件和/或数据捕捉到的一组观察值中推理或推断系统、环境和/或用户的状态的过程。推论例如可以被用来标识特定的上下文或动作，或者可以生成状态上的概率分布。推论可以是概率性的，即，基于对数据和事件的考虑，进行对所关心的状态上的概率分布的计算。推论也可以指用于从一组事件和/或数据中组成更高级的事件的技术。这样的推论导致从一组观察到的事件和/或存储的事件数据中构造出新的事件或动作，而不论事件是否在时间上紧密相关，也不论该事件和数据是来自一个还是多个事件和数据源。

设计一种用于对如网页、文档、图像、电影、和音乐等对象进行排序的高质量的、查询无关(或相关)的系统可能是较难的，但是这种系统对于搜索引擎或搜索组件来说却可能是相当有用的。通过将页面排好次序，搜索引擎例如可以优化其对网页的检索，以及扫描其索引以发现对查询的最佳匹配的次序，并且还可以改进针对给定查询所返回的页面的总体相关性。如下面将要更详细讨论的，部分地由对象被访问的次数所确定的对象的人气可以提供该对象的改进的且总体来说更好的排名。事实上，在获得与常规系统的测得性能相比更准确的搜索结果方面，实验数据支持显著的性能增益。

现参考图1，示出了有助于改进在英特网、内联网、和/或用户桌面或者本地文件存储系统上进行的搜索的搜索结果的质量和准确度的数据排名系统100的总体框图。系统100部分地基于对象的人气或其函数。例如，对象的人气可部分地通过查看对象被访问的频率(访问计数或度量)来确定。具体地，系统100包括对象跟踪组件110，它能够监视和/或跟踪已被用户访问的一个或多个对象。或者，跟踪组件110还可以跟踪例如在搜索结果列表中，哪些对象是用户能够访问但却被用户忽略掉的(例如，没被访问)。当对象能够被用户访问时其没有被用户访问的次数也可以用来查明该对象的人气。

除了对象的访问计数，跟踪组件110还可以记录仅涉及用户的，或涉及用户与对象的交互的其他类型的数据或信息。基于访问计数的对象的表面人气还可以受所收集到的有关该对象的其他类型的数据的影响(例如，被支持或减少)。具体地，跟踪组件110还可以识别用户对该对象所执行的行为或动作。例如，跟踪组件110可检测到访问某一对象的大多数(如果不是全部)用户都经常会在最初打开该对象后几乎立即就点击“后退”以查看其之前的屏幕。这种类型的行为可以指示该对象名称或标识或许基于搜索查询看上去与用户非常相关，但是实际上却可能是由垃圾邮件发送者创建和/或操作的假的或带欺骗性的对象。在这种情况下，这种类型的用户动作可将访问计数扣除到0。相反，诸如滚读对象、为对象加书签或保存对象等其他用户动作则可以表示该对象正是其所声称的那样。至少，该信息可以使对该对象所获得的访问计数生效。

对象跟踪组件110所收集的所有或至少部分信息可以被排名组件120使用。使用从其中得到的原始信息或某些其他值，排名组件120可以确定每个对象的得分，并随后分配该对象的排名或排序。具体地，排名组件可以使用排名函数(例如，至少一个)和人气数据来确定得分。这些排名可以被传达给搜索组件，以便改进(响应于搜索查询)返回给用户的搜索结果。

应意识到，还能够以查询相关的方式来分配排名。即，可以基于用户的搜索查询来对对象排名和排序。排名函数可基于用户搜索查询的特征以及发出该查询的用户以不同的方式来使用人气数据。这些特征可以包括，但不限于，发出查询的时间、用户人口统计状况、用户身份、用户简介数据、查询的长度、内容、或查询的主题等。

现参考图2，这是一数据排名系统200的框图，该系统有助于部分地通过收集有关对象的信息并使用该信息的至少一部分作为机器学习系统的特征来获得对象的得分，以改进搜索结果的质量和准确度。系统200包括如之前在图1中描述的对象跟踪组件110。对象跟踪组件110所获得的信息可以被传达给提取组件210。

提取组件210可以提取可以用作与排名组件230有关的特征220的信息的至少一部分。可以将各种特征220输入到机器学习组件240中，以便依照所指定的排名模型或方案来声称已被访问的任意对象的得分。即，对象可以根据诸如当天的时间、用户兴趣、对象主题等、或其任意组合等一个或多个偏好来排名。

在实践中，例如，假设Mona希望基于当天的时间(例如，在上午8:00和下午12:00之间)来优化其浏览器能够搜索到的文档的排名。由此，只有在这个时间段内所访问的文档才会被排名系统200使用或考虑。

同样，可以根据相似的用户兴趣或背景来排名对象。对象跟踪组件110可以诸如通过用户简介来跟踪用户的信息。用户信息还可以基于用户的搜索或浏览历史，或者可以从用户简介中得出。作为示例，可以相应地对由对体育具有相似兴趣的用户所访问的任何对象进行排名。这样，在该兴趣团体“以外”的用户所访问的任何其他对象可以不被排名系统200考虑。换言之，可以定制排名对象的方式。应意识到，网络操作员或浏览器应用程序操作员还可以指定排名偏好。

现在继续，图3所示的框图进一步示出了可以被机器学习系统310用来有助于确定基于人气的排名的多个特征300。一个或多个特征300可以用作对机器学习系统310的输入，以计算每个对象的得分。示例性特征300可以包括，但不限于，对象名称320、访问计数330(对象的表面人气)、该访问的时间340、用户的行为或与对象的交互350、和/或对象被(相同用户或不同用户)访问的速率360。图中未示出的其他可能的特征可以包括：访问对象的机器的ID、用户名、对象被访问的持续时间、和/或对象的内容或主题。

可以根据每个特征所期望的对得分的影响来为每一特征分配权重。例如，假设名为“Blue”的对象在3小时的时间段内具有2385的访问计数，从而给予其每小时795次命中或每分钟39.75次命中的访问速率。可以被输入到机器学习系统中的特征是对象名称320、访问计数330、和访问速率350。当为一对象计算的访问速率超过一阈值时，可以降低分配给该访问计数的权重，以便减少“垃圾邮件对象”等获取夸张的排名。因此，访问速率值可以对访问计数进行扣除，并因此将对象的人气扣除某一数量。该数量可以相对较小或非常大，这取决于环境。阈值可以基于平均浏览速率来计算，或者可以由排名系统以其它方式来确定。

如果一个以上用户(或机器)正在访问该对象，却因此贡献了较高的访问速率(高于正常或高于平均)，而其他收集到的数据却表明用户几乎都是立即退出、离开、或关闭该对象的，那么该对象可能是带有欺骗性的，或者正以某一方式进行误导。可以为该对象加标志或标记，用于进一步的调查或监视；但是总体上，其排名将减少或降低，以便确保排名系统的完整性。

当确定一个用户或机器会贡献较高的访问速率时，则可以将该用户或机器标记为可疑的。如果用户或机器看起来更可能是不值得信任或带有欺骗性的，则可以在某些情况下降低从该用户或机器接收到的任何后续数据或反馈的权重或丢弃这些数据或反馈。

分配给特征的特定权重也可以通过机器学习来学习。例如，访问速率的权重可以基于该速率本身来变化。略高于平均速率可以产生一定范围的权重，而极高的速率则可以产生不同范围的权重。

基于为输入所选的特征及其各自的权重，机器学习组件310可以基于相关对象的得分来计算人气，以确定其排名。由于特征被加权，大部分由访问计数所确定的对象的表面人气可能会被降级，以说明诸如可疑的或带有欺骗性的用户等掩饰因素。

现转向图4，这是示出可以用于确定对象的最终排名的来自一个或多个源的多个排名的框图。具体地，可以将来自多个源的基于人气的排名以某种方式组合，以声称对象的总排名。根据一种方法，来自多个源(例如，源₁410、源₂420、及可任选地源_A430，其中A是大于或等于1的整数)的数据可以用作机器学习组件440的特征，以获得对象的新排名。

对于web对象的情况，可以组合一个以上源以用于总人气(例如，浏览器插件跟踪数据和来自诸如商业服务等另一个通用通信量监视源的数据)，或者用于组合多个不同的源，诸如“公司B”的人气排名(例如，来自公司B的web代理服务器)和特定的页面或域的总体因特网排名。

现参考图5，这是可以用于web对象的有助于获得因特网上的更准确的搜索结果的数据排名系统500的框图。系统500包括数据存储510，用于维护当用户浏览因特网时所观察或检测到的用户动作的记录。基于人气的排名520可以部分地基于一网页被查看的次数来计算。这些排名520可以被传达给搜索引擎530，并被搜索引擎530使用，以帮助向web搜索器返回更相关的结果。

在实践中，可假设如下情景：Sam正在浏览web。对于已经选择参加的那些用户，PQR浏览器插件可向QWE排名系统发会用户查看了什么URL、用户查看这些URL的时间等的列表。该数据被存储在QWE服务器上。QWE可以遍历该列表，并对每个页面已被用户查看了多少次、给定域已被用户查看了多少次、最高层域(例如，www.qwerank.com/ie)已被查看了多少次等进行计数。这些统计数据随后可以用于改进网页的查询无关排名(其静态排名)。例如，QWE可以取这些计数的对数的加权和，其中每个计数的权重是利用机器学习来学习到的。

所得的排名帮助搜索引擎向正在搜索web的用户提供更相关的结果，因为更可能会返回许多用户已经查看过的页面。根据所进行的实际实验，使用前述基于人气的系统对给定的搜索查询的搜索结果的准确度相对于常规的排名系统得到了提高。事实上，已确定测试者观察到的50％的性能增益归功于浏览器的跟踪计数。因此，基于人气的排名能够而且确实改进搜索结果的质量。这种排名还帮助搜索引擎对其索引排序，以使其可以更有效地检索好页面。最后，它们可帮助搜索引擎确定要爬行(crawl)和/或重新爬行哪些页面，因为重新爬行高度相关且是好的页面比重新爬行不良的或带有欺骗性的页面更有用。

虽然已从因特网活动和网页对象的观点对图5进行了讨论，但应意识到，该讨论可以应用于各种搜索任务，例如在桌面或在内联网上执行的那些搜索任务。

现在将通过一系列动作来讨论各种方法。应了解并意识到，本系统和/或方法并不受动作顺序的限制，因为根据本申请，某些动作可以按不同顺序发生和/或与此处显示或描述的其它动作同时发生。例如，本领域的一般技术人员应了解并意识到，方法可以替换地被表示为如状态图中的一系列相关状态或事件。而且，并非所有示出的动作都是实现根据本申请的方法所必需的。

现转向图6，这是示出有助于改进在因特网、内联网、桌面和/或任何其它计算设备上进行的搜索的搜索结果的质量和准确度的示例性方法600的流程图。方法600涉及在610处部分地基于对象是否已被访问来跟踪一个或多个对象。即，可以跟踪和/或记录已被访问或未被访问的对象。具体地，可以跟踪和记录对象被访问的次数(例如，人气度量)。类似地，也可以跟踪对象被忽略的次数。在620处，可部分地基于该人气度量来确定一个或多个对象的得分。例如，得分可以等于该人气度量或是其函数。

在630处，可以根据对象的得分对其进行排名和/或排序。在640处，这些排名可以被传达给搜索组件，以改进搜索结果的质量以及将其提供给用户的效率。

在图7中，这是示出有助于部分地通过定制将用于排名对象的方式来提高与向用户返回搜索结果有关的质量、准确度和效率的示例性方法700的流程图。方法700涉及在710处收集和用户与对象的交互以及对象被访问的次数(访问计数)有关的多个数据。该数据可以包括该对象被访问的时间、访问该对象的用户或机器的ID、和/或该对象被访问的速率或频率。

在720处，可采用该数据的至少一部分以及访问计数作为机器学习系统的特征，以有助于排名系统的定制。具体地，可能希望基于当天的时间或用户兴趣来排名对象。例如，当要对晚上时段(例如，下午5:00-下午11:59)内的对象进行排名时，只有在该时间段内被访问的对象才可以被排名。在下午4:59或之前访问的对象以及在上午12:00或之后访问的对象都被排除在该排名之外。

在730处，可以将权重分配给所用数据中的每一个。例如，访问计数可以是该对象的人气的指示。因此，分配给对象的权重可影响此重要性等级，因为对象的人气值或其某一函数可以优化搜索结果的返回。然而，可以将访问计数与例如对象被访问的速率一起考虑。如果该速率超过一阈值，则可以认为该访问计数由于其它情况而是夸张的。该阈值可以基于对象的平均浏览速率或平均历史命中率来确定。这样，一异乎寻常高的访问速率可能暗示了否定和肯定因素的组合。解决它们的一个方法是根据访问速率值，对访问计数作一定数量的扣除。接着，在740处，可以生成对象的得分。该得分可以帮助对象的排名或排序。

现参考图8，这是示出有助于以某种方式将对一对象的来自一个或多个源的多个排名组合以确定该对象的新的总排名的示例性方法800的流程图。方法800涉及在810处从第一源获取对象的基于人气的排名。在820处，可以从第一源或至少第二源获取任何类型的另一种排名。在830处，可以从多个排名系统或模型和/或一合适的web代理服务器那里获取多个排名，然后将所获取的多个排名以某种方式或根据某个函数进行组合。在840处，可以产生该对象的新的总排名。

在图9中，这是概述有助于改进因特网上的信息搜索的示例性方法900的另一流程图。当前的浏览器应用程序现采用不同功能的工具栏，即一种类型的浏览器插件，来进一步增强用户的在线体验。这些工具栏中的许多可以包括内置搜索域、简要搜索历史、以及可以或者向用户提供有关因特网状态、连接状态、和/或其它概括信息等信息，或者可以直接从用户收集信息的各种控制选项。在某些情况下，要求用户以被动的方式参与，以便向浏览器应用程序提供用户反馈。例如，通过下载工具栏，用户可以同意允许工具栏上的某一组件被动地监视用户的浏览活动，并作出关于用户查看的URL、页面、或域的记录(指工具栏计数，因为所有URL、页面或域的每一个的计数或或总计数都得到维护)。

方法900涉及在910处接收浏览器插件计数。在920处，可任选地收集涉及用户在网页上执行的动作的其它数据。在930处，可以计算至少部分地基于该浏览器插件计数的排名。在940处，可以至少部分地基于该浏览器插件计数或其函数来对页面、URL或域排名或排序。

为了为本申请的各方面提供其它上下文，图10及下面的讨论旨在提供其中可以实现本申请的各方面的合适的操作环境1010的简要、概括描述。尽管该系统和/或方法是在诸如程序模块等由一个或多个计算机或其它设备执行的计算机可执行指令的一般上下文中描述的，但是本领域的技术人员应意识到，本发明还可以结合其它程序模块和/或作为硬件和软件的组合来实现。

然而，一般而言，程序模块包括执行特定任务或实现特定数据类型的例程、程序、对象、组件、数据结构等。操作环境1010只是合适的操作环境的一个示例，并非旨在对该系统和/或方法的使用范围或功能提出任何限制。可以适用于该系统和/或方法的其它公知的计算机系统、环境和/或配置的示例包括，但不限于，个人计算机、手持式或膝上型设备、多处理器系统、基于微处理器的系统、可编程消费电子产品、网络PC、小型计算机、大型计算机、包含上面的系统或设备的分布式计算环境等。

现参考图10，用于实现该系统和/或方法的各方面的示例性环境1010包括计算机1012。该计算机1012包括处理单元1014、系统存储器1016、和系统总线1018。系统总线1018将包括但不限于系统存储器1016的系统组件耦合到处理单元1014。处理单元1014可以是各种可用处理器中的任意一种。双微处理器及其它多处理器体系结构也可以用作处理单元1014。

系统总线1018可以是多种总线结构中的任意一种，包括存储总线或存储控制器、外围设备总线或外部总线、和/或使用各种可用总线体系结构中的任意一种的局部总线，这些可用总线体系结构包括，但不限于，11位总线、工业标准体系结构(ISA)、微通道体系结构(MCA)、增强型ISA(EISA)、智能驱动电子(IDE)、VESA局部总线(VLB)、外围部件互连(PCI)、通用串行总线(USB)、高级图形端口(AGP)、个人计算机存储器卡国际协会总线(PCMCIA)、和小型计算机系统接口(SCSI)。

系统存储器1016包括易失性存储器1020和非易失性存储器1022。包含有用于诸如在启动期间在计算机1012内部的元件之间传输信息的基本例程的基本输入/输出系统(BIOS)被存储在非易失性存储器1022中。作为示例，而非限制，非易失性存储器1022可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦ROM(EEPROM)、或闪存。易失性存储器1020包括随机存取存储器(RAM)，它用作外部高速缓冲存储器。作为说明而非限制，RAM可以按多种形式获得，如同步RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路DRAM(SLDRAM)、及直接Rambus RAM(DRRAM)。

计算机1012还包括可移动/不可移动、易失性/非易失性计算机存储介质。例如，图10示出盘存储1024。盘存储1024包括，但不限于，如磁盘驱动器、软盘驱动器、磁带驱动器、Jaz驱动器、Zip驱动器、LS-100驱动器、闪存卡、或记忆棒等设备。另外，盘存储1024可以包括与其它存储介质相分离或组合的存储介质，这些其它介质包括，但不限于，诸如紧致盘ROM设备(CD-ROM)、CD可记录驱动器(CD-R驱动器)、CD可重写驱动器(CD-RW驱动器)或数字通用盘ROM驱动器(DVD-ROM)等光盘驱动器。为了便于将盘存储1024连接到系统总线1018，通常使用诸如接口1026等可移动或不可移动接口。

应意识到，图10中描述了用作用户与合适的操作环境1010中所描述的基本计算机资源之间的中介的软件。这样的软件包括操作系统1028。可以存储在盘存储1024上的操作系统1028用于控制和分配计算机系统1012的资源。系统应用程序1030利用了操作系统1028通过或者存储在系统存储器1016中，或者存储在盘存储1024上的程序模块1032和程序数据1034对资源的管理。应意识到，本系统和/或方法可以用各种操作系统或操作系统的组合来实现。

用户通过输入设备1036将命令或信息输入到计算机1012中。输入设备1036包括，但不限于，诸如鼠标、跟踪球、指示笔、触摸垫等定点设备、键盘、话筒、操作杆、游戏手柄、圆盘式卫星天线、扫描仪、TV调谐器卡、数码照相机、数码摄像机、网络摄像头。这些和其它输入设备经由接口端口1038通过系统总线1018连接到处理单元1014。接口端口1038包括，例如串行端口、并行端口、游戏端口、和通用串行总线(USB)。输出设备1040使用与输入设备1036相同类型的端口中的某一些。因此，例如，USB端口可以用于向计算机1012提供输入，并从计算机1012输出信息到输出设备1040。提供输出适配器1042以表明存在需要特殊适配器的某些输出设备1040，如监视器、扬声器、和打印机以及其它输出设备1040。作为说明而非限制，输出适配器1042包括提供输出设备1040和系统总线1018之间的连接手段的显卡和声卡。应注意，其它设备和/或设备的系统同时提供输入和输出能力，如远程计算机1044。

计算机1012可以使用到一个或多个远程计算机，如远程计算机1044的逻辑连接在网络环境中工作。远程计算机1044可以是个人计算机、服务器、路由器、网络PC、工作站、基于微处理器的电器、对等设备或其它常见的网络节点等，并且通常包括相对计算机1012所描述的许多或全部元件。为了简洁的目的，对远程计算机1044仅示出了存储器存储设备1046。远程计算机1044通过网络接口1048逻辑地连接到计算机1012，并随后通过通信连接1050物理地连接。网络接口1048包括诸如局域网(LAN)和广域网(WAN)等通信网络。LAN技术包括光纤分布式数据接口(FDDI)、铜分布式数据接口(CDDI)、以太网/IEEE 1102.3、令牌环/IEEE 1102.5等。WAN技术包括，但不限于，点对点链路、如综合业务数字网(ISDN)及其变体等电路交换网、分组交换网、和数字用户线(DSL)。

通信连接1050指用于将网络接口1048连接到总线1018的硬件/软件。尽管为了说明清楚，通信接口1050被示为在计算机1012内部，但是它也可以在计算机1012外部。仅出于举例的目的，连接到网络接口1048所必需的硬件/软件包括诸如调制解调器、ISDN适配器和以太网卡等内部或外部技术，调制解调器可以包括常规电话级调制解调器、电缆调制解调器和DSL调制解调器。

上面已经描述的内容包括本系统和/或方法的示例。当然，不可能为了描述本系统和/或方法而描述组件或方法的每一种可想到的组合，但是本领域的普通技术人员可以认识到，本系统和/或方法的许多其它组合和改变也是可能的。因此，本系统和/或方法旨在包含落入所附权利要求书的精神和范围内的所有这类替换、改变和变型。此外，就在详细描述或者权利要求书中使用术语“包括”而言，该术语以与术语“包含”在用作权利要求书中的过渡词时所解释的相似的方式意指为包含性的。

Claims

1.一种有助于改进搜索结果和效率的对象排名系统，包括：

对象跟踪组件(110)，所述对象跟踪组件跟踪一个或多个对象并记录与被访问的对象和未被访问的对象中的至少一个相关的数据，以确定一人气度量；以及

排名组件(120)，所述排名组件至少部分地基于所述人气度量来确定所述一个或多个对象的得分，以声称所述一个或多个对象的排名。

2.如权利要求1所述的系统，其特征在于，所述人气度量是以下各项中的一个或多个的函数：用户与所述对象的交互、所述对象被访问的时间长度、访问所述对象的用户的标识、以及所述被访问的对象的标识中。

3.如权利要求1所述的系统，其特征在于，所述排名组件部分地基于以下各项中的一个来对所述一个或多个对象排名：对象访问时间、对象访问日期和对象访问速率。

4.如权利要求1所述的系统，其特征在于，所述排名组件包括有助于确定所述得分并能根据用户的偏好来定制的机器学习组件。

5.如权利要求1所述的系统，其特征在于，所述一个或多个对象包括以下各项中的至少一个：网页、文档、图像、消息和音频文件。

6.如权利权利要求1所述的系统，其特征在于，还包括位于以下各项中的至少一个上的至少一个搜索组件：因特网、内联网和桌面。

7.如权利要求1所述的系统，其特征在于，所述对象跟踪组件记录访问计数、访问速率、访问时间、访问日期、以及所述一个或多个对象被谁访问中的至少一个。

8.如权利要求1所述的系统，其特征在于，所述排名组件使用至少一个排名函数和所述人气度量来确定所述一个或多个对象的得分，其中所述排名函数的这种使用取决于以下各项中的至少一个：用户标识、用户的人口统计状况、用户的简介数据、查询的提交时间、查询的长度以及查询的内容。

9.如权利要求1所述的系统，其特征在于，还包括一分析组件，所述分析组件对在一时间段内对象被访问的次数进行计数，并使用以下各项中的至少一个来确定所述人气度量：每个对象的计数、每个对象的计数的函数、每个对象的计数与所述时间段的持续时间的函数。

10.如权利要求1所述的系统，其特征在于，还包括一排名聚集组件，所述排名聚集组件将由一个或多个源确定的对象排名与基于人气的排名相组合，来产生所述一个或多个对象新的基于人气的排名。

11.一种有助于改进搜索引擎结果和效率的对象排名方法，包括：

跟踪一个或多个对象，并记录与被访问的对象和未被访问的对象中的至少一个有关的数据，以确定一人气度量；

至少部分地基于所述人气度量来确定所述一个或多个对象的得分；以及

至少部分地基于所述人气度量来对所述一个或多个对象排名。

12.如权利要求11所述的方法，其特征在于，还包括传达基于人气的排名以改进响应于搜索查询所给出的搜索结果。

13.如权利要求11所述的方法，其特征在于，还包括收集涉及用户与所述一个或多个对象的交互的数据。

14.如权利要求13所述的方法，其特征在于，基于所述人气度量以及所收集到的涉及用户与所述一个或多个对象的交互的数据的至少一部分来确定所述一个或多个对象的得分。

15.如权利要求14所述的方法，其特征在于，还包括部分地基于所收集到的部分数据来减少所述人气度量。

16.如权利要求13所述的方法，其特征在于，所述数据包括访问时间。

17.如权利要求11所述的方法，其特征在于，还包括基于所述人气度量的函数来对所述一个或多个对象排名。

18.如权利要求11所述的方法，其特征在于，还包括使用机器学习来确定所述一个或多个对象的得分。

19.如权利要求11所述的方法，其特征在于，还包括将由至少第一源确定的一个或多个对象的至少一个对象排名与这一个或多个对象的基于人气的排名相组合来获得一新的基于人气的排名。

20.一种有助于改进搜索引擎结果和效率的对象排名系统，包括：

用于跟踪一个或多个对象并记录与被访问的对象和未被访问的对象中的至少一个有关的数据以确定一人气度量的装置；以及

用于至少部分地基于所述人气度量来确定所述一个或多个对象的得分并声称所述一个或多个对象的基于人气的排名的装置。