创建的示例规则此示例似乎是

messi31

为了与可以响应搜索查询而显示的视频一起使用而创建的。规则可以包含结果输出一组特征和概率。例如规则关键字汽车视频这告诉我们如果搜索者在搜索引擎中输入搜索词汽车一项功能并且用户返回有关汽车制造商的视频结果则用户有的机会选择该视频看看它概率。该专利描述了可搜索索引中的条目可以包括文档和可搜索标记。我们还知道基于机器学习标记的索引中的标记可以称为索引标记。并且索引标记可能包含也可能不包含关键字。例如索引可以包含包含关键字的标记以及不包含关键字但与其他特征例如位置语言和浏览器设置相关的其他标记。

在这种情况下特征可以包 沙特阿拉伯移动的电话数字 含有关用户的任何已知信息例如用户输入的搜索词用户设置的浏览器配置等。特征也可以是一般状态信息例如乙一天中的时间地理位置。网站可以创建这样的条目文本棚车图像火车该条目表示网站的页面文档包含四次文本字符串和两张火车图像。因此标准的基于规则的机器学习模型可以表示为一组带有分数的文档和标记。以下规则给出了例如例如在搜索引擎中输入搜索词汽车的用户将选择有关特定汽车制造商的视频的概率关键字汽车视频关键字汽车视频这些规则可以成为包含每个视频的一组可搜索标记的条目例如乙汽车。



制造商关键字汽车汽车制造商关键字汽车条目可以包含结果例如汽车制造商标记例如关键字和权重例如。标记可以基于机器学习规则中特征的出现。分数可以对应于由于某些特征的出现而导致输出出现的概率。所描述的方法可以消除对单独的信息检索步骤的需要并使用机器学习模型评估所有结果。这意味着搜索结果比仅基于信息检索的搜索结果的经典输出例如搜索结果更适合搜索者。例如基于用户特征搜索上下文等。例如特征可以与特定用户相关联。因此可以使用特征搜索查询用户位置欧洲美国以及搜索者是否具有高带宽连接的存在或不存在。