一种显示方法、设备及存储介质与流程

1.本技术涉及数据处理技术领域，尤其涉及一种显示方法、设备及存储介质。


背景技术：

2.强展现是地图搜索中的一个重要的产品形态。强展现可以是指在地图搜索中，为用户展示最相关的结果，而把与用户搜索目标有些差距的结果折叠掉，以获得更简洁的展示列表。
3.目前，通常采用判别模型来确定强展现位置，具体的，可以基于分隔位置前后的两个poi特征进行规则拟合，以判断分隔位置是否符合强展现要求，若在对各分隔位置进行按序判断的过程中，出现符合要求的分隔位置，则停止后续分隔位置的判断操作，而将当前分隔位置确定为强展现位置。
4.可知，这种方案确定出的强展现位置的准确性不足，而且，判断过程中涉及到的规则通常比较多，逻辑复杂，这导致处理效率也不佳。


技术实现要素：

5.本技术的多个方面提供一种显示方法、设备及存储介质，用以更加准确、简洁地为用户显示搜索结果。
6.本技术实施例提供一种显示方法，包括：
7.响应于搜索指令，确定候选内容列表；
8.在所述候选内容列表中包含的多个分隔位置下，分别提取列表级特征；
9.基于列表级特征与评价指数之间的映射关系，确定所述多个分隔位置各自对应的评价指数；
10.根据所述评价指数，从所述多个分隔位置中选择折叠位置；
11.按照所述折叠位置对所述候选内容列表进行折叠处理，以显示搜索结果。
12.本技术实施例还提供一种显示方法，包括：
13.响应于搜索界面中发生的搜索操作，向服务端发起搜索指令；
14.接收服务端根据所述搜索指令而提供的候选内容列表及对应的折叠位置，所述折叠位置为所述服务端根据所述候选内容列表中包含的多个分隔位置各自对应的评价指数而选择出的，其中，所述评价指数为基于在所述多个分隔位置下分别提取到的列表级特征而确定出的；
15.按照所述折叠位置对所述候选内容列表进行折叠后，显示于候选内容显示区域中。
16.本技术实施例还提供一种计算设备，包括存储器和处理器；
17.所述存储器用于存储一条或多条计算机指令；
18.所述处理器与所述存储器耦合，用于执行所述一条或多条计算机指令，以用于：
19.响应于搜索指令，确定候选内容列表；
20.在所述候选内容列表中包含的多个分隔位置下，分别提取列表级特征；
21.基于列表级特征与评价指数之间的映射关系，确定所述多个分隔位置各自对应的评价指数；
22.根据所述评价指数，从所述多个分隔位置中选择折叠位置；
23.按照所述折叠位置对所述候选内容列表进行折叠处理，以获得显示结果。
24.本技术实施例还提供一种终端设备，包括存储器和处理器；
25.所述存储器用于存储一条或多条计算机指令；
26.所述处理器与所述存储器耦合，用于执行所述一条或多条计算机指令，以用于：
27.响应于搜索界面中发生的搜索操作，向服务端发起搜索指令；
28.接收服务端根据所述搜索指令而提供的候选内容列表及对应的折叠位置，所述折叠位置为所述服务端根据所述候选内容列表中包含的多个分隔位置各自对应的评价指数而选择出的，其中，所述评价指数为基于在所述多个分隔位置下分别提取到的列表级特征而确定出的；
29.按照所述折叠位置对所述候选内容列表进行折叠后，显示于候选内容显示区域中。
30.本技术实施例还提供一种存储计算机指令的计算机可读存储介质，当所述计算机指令被一个或多个处理器执行时，致使所述一个或多个处理器执行前述的显示方法。
31.在本技术实施例中，可在候选内容列表中包含的多个分隔位置下，分别提取列表级特征；并基于列表级特征确定候选内容列表中的折叠位置，以向用户显示搜索结果。据此，本技术实施例提供的显示方案可产生以下技术效果中的至少一种：
32.1、利用列表级特征作为评价依据，可避免传统的规则拟合方案中因个别候选内容的特征不足或候选内容同名等因素导致的拟合效果差的问题；
33.2、对候选内容列表中多个分隔位置进行全部评价，可保证候选内容列表中的所有分隔位置都得到评价机会，从而可更加准确地确定出折叠位置；
34.3、基于列表级特征来为各分隔位置确定评价指数，可避免传统的规则拟合方案需要编写逻辑复杂的海量规则的问题，从而提高评价效率。
35.因此，本技术实施例提供的显示方案可更加准确、简洁地为用户显示搜索结果，进而可提升用户体验和用户对搜索结果的决策效率。
附图说明
36.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
37.图1为本技术一示例性实施例提供的一种显示方法的流程示意图；
38.图2为本技术一示例性实施例提供的一种显示方案的逻辑示意图；
39.图3为本技术一示例性实施例提供的另一种显示方法的流程示意图；
40.图4为本技术一示例性实施例提供的一种折叠效果的示意图；
41.图5为本技术另一示例性实施例提供的一种计算设备的结构示意图；
42.图6为本技术另一示例性实施例提供的一种终端设备的结构示意图。
具体实施方式
43.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
44.目前，在地图搜索过程中，确定出的强展现位置的准确性不足且处理效率也不佳。为此，本技术的一些实施例中：可在候选内容列表中包含的多个分隔位置下，分别提取列表级特征；并基于列表级特征确定候选内容列表中的折叠位置，以向用户显示搜索结果。其中，利用列表级特征作为评价依据，可避免传统的规则拟合方案中因个别候选内容的特征不足或候选内容同名等因素导致的拟合效果差的问题；对候选内容列表中多个分隔位置进行全部评价，可保证候选内容列表中的所有分隔位置都得到评价机会，从而可更加准确地确定出折叠位置；基于列表级特征来为各分隔位置确定评价指数，可避免传统的规则拟合方案需要编写逻辑复杂的海量规则的问题，从而提高评价效率。因此，本技术实施例提供的显示方案可更加准确、简洁地为用户显示搜索结果，进而可提升用户体验和用户对搜索结果的决策效率。
45.以下结合附图，详细说明本技术各实施例提供的技术方案。
46.图1为本技术一示例性实施例提供的一种显示方法的流程示意图，图2为本技术一示例性实施例提供的一种显示方案的逻辑示意图。该显示方法可由数据处理装置执行，该数据处理装置可实现为软件和/或硬件的结合，该数据处理装置可集成在计算设备中。参考图1，该方法包括：
47.步骤100、响应于搜索指令，在目标客户端对应的候选内容列表中包含的多个分隔位置下，分别提取列表级特征；
48.步骤101、基于列表级特征对多个分隔位置进行评价，以确定多个分隔位置各自对应的评价指数；
49.步骤102、根据评价指数，从多个分隔位置中选择折叠位置并通知目标客户端，以供目标客户端按照折叠位置对候选内容列表进行折叠处理。
50.本实施例提供的显示方法可应用于各种搜索场景中，例如，地图搜索、门户网站中的搜索等等，本实施例对应用场景不做限定。在不同的应用场景中，搜索出的候选内容的类型可能不完全相同，例如，在地图搜索中，搜索出的候选内容可以是兴趣点poi等，而在门口网站中的搜索场景中，搜索出的候选内容可能是网址、应用程序等。
51.本实施例提供的显示方法可由服务端实施，这种情况下，在步骤100中，可接收目标客户端发起的搜索指令，其中，搜索指令中可包括关键词，基于此，可搜索与关键词适配的候选内容，以获得候选内容列表。并可将候选内容列表返回给目标客户端。值得说明的是，在此过程中，可按照目前或未来可能出现的排序方式对搜索出的候选内容进行排序，以构建候选内容列表。举例来说，可分别计算各候选内容的点击率、质量评分以及各候选内容之间的相关性，从而通过加权求和等方式确定出各候选内容的排序得分，以确定候选内容之间的排序，其中，质量评分可从候选内容的内容丰富程度、被点击次数等角度来进行评价。
52.在确定出候选内容列表后，后续处理过程中，将保持列表中的排序不变，而在候选
内容列表中确定折叠位置。
53.为此，参考图1和图2，在步骤100中，可在候选内容列表中包含的多个分隔位置下，分别提取列表级特征。其中，分隔位置是指候选内容列表中相邻候选内容之间的位置，若候选内容列表中包含n个候选内容，则候选内容列表中包含n-1个分隔位置。列表级特征可以是从候选内容列表全局维度或候选内容列表片段维度提取的特征，以地图搜索场景为例，列表级特征可包括但不限于平均相关性指数、点击覆盖占比、平均点击率、在分隔位置处的点击率变化率或在分隔位置处的相关性变化率等。其中，平均相关性指数可以是分隔位置对应的列表片段内的候选内容与搜索关键词之间的相关性的平均值。点击覆盖占比可以是分隔位置之前的列表片段内的候选内容的点击次数与整个候选内容列表的总点击次数之间的比值。平均点击率可以是分隔位置对应的列表片段内的候选内容的点击率的平均值。当然，这些仅是示例性的，列表级特征还可采用其它从列表全局或列表片段维度下提取出的特征，本实施例并不限于此，例如，在门户网站中的搜索场景中，列表级特征还可包括网址的平均活跃度等。本实施例中，不同分隔位置下提取到的列表级特征将不完全相同，基于列表级特征，可更好地表征候选内容列表在单个分隔位置下进行分隔后的列表状态，从而为准确评价分隔位置下的分隔效果提供更加宏观依据，而不受单个候选内容存在的特征不足或特征缺陷问题的局限。
54.在步骤101中，可以在候选内容列表中多个分隔位置下提取到的列表级特征作为依据，对多个分隔位置进行评价，以确定多个分隔位置各自对应的评价指数。在一种可选地实现方案中，可基于列表级特征与评价指数之间的映射关系，确定多个分隔位置各自对应的评价指数。也即是，确定与多个分隔位置下的列表级特征相适配的评价指数。其中，列表级特征与评价指数之间的映射关系可以是根据专家经验或者是通过样本数据的总结学习而构建出来的。当然，本实施例中还可采用其它实现方式来进行评价操作，例如，构建线性或非线性方程，将列表级特征代入方程即可产生评价指数，本实施例并不限于此。因此，无需再像传统的规则拟合方案那样在不同分隔位置编写不同的、多种类的、复杂的规则逻辑。
55.另外，评价指数可用于评价按照当前分隔位置对候选内容列表进行折叠处理后的显示效果。而且，本实施例中，可对候选内容列表中包含的多个分隔位置进行全部评价，这样，每个分隔位置都可获得被评价的机会，从而可避免错失显示效果优秀的分隔位置。
56.基于此，在步骤102中，可根据多个分隔位置各自对应的评价指数，从多个分隔位置中选择折叠位置。可选地，可从多个分隔位置中，选择具有最高的评价指数的分隔位置，作为折叠位置。当然，本实施例并不限于此，例如还可从评价指数最高的m个分隔位置中，选择最靠后的分隔位置作为折叠位置，等。这样，可将折叠位置的预测问题转换为排序问题，从而可更加高效、简洁地确定出折叠位置。在确定出折叠位置后，可将折叠位置通知给目标客户端，以供目标客户端按照折叠位置对候选内容列表进行折叠处理。
57.据此，本实施例提供的显示方案可产生以下技术效果中的至少一种：
58.1、利用列表级特征作为评价依据，可避免传统的规则拟合方案中因个别候选内容的特征不足或候选内容同名等因素导致的拟合效果差的问题；
59.2、对候选内容列表中多个分隔位置进行全部评价，可保证候选内容列表中的所有分隔位置都得到评价机会，从而可更加准确地确定出折叠位置；
60.3、基于列表级特征来为各分隔位置确定评价指数，可避免传统的规则拟合方案需
要编写逻辑复杂的海量规则的问题，从而提高评价效率。
61.因此，本技术实施例提供的显示方案可更加准确、简洁地为用户显示搜索结果，进而可提升用户体验和用户对搜索结果的决策效率。
62.在上述或下述实施例中，以候选内容列表中包含的第k个分隔位置为例，可按照第k个分隔位置，将候选内容列表拆分为两个候选内容组；分别在两个候选内容组下提取列表级特征，作为第k个分隔位置对应的列表级特征。
63.其中，若候选内容列表中包含n个候选内容，则k＝1、2、
…
、n-1，两个候选内容组将分别为(p1、p2、
…
、pk)，(p
k 1
、p
k 2
、
…
、pn)，pk为第k个候选内容。举例来说，若n＝10，k＝4，则位于第k个分隔位置之前的候选内容组，可如下表1所示：
64.地理位置1地理位置2地理位置3地理位置4
65.位于第k个分隔位置之后的候选内容组，可如下表2所示：
66.地理位置5地理位置6地理位置7地理位置8地理位置9地理位置10
67.可知，两个候选内容组实质是候选内容列表的片段，也即是，按照第k个分隔位置对候选内容列表进行分隔，可获得两个候选内容列表片段，本实施例中，即可在两个候选内容列表片段下分别提取列表级特征。这里，在单个候选内容组下提取的列表级特征与前述实施例中提及的列表级特征一致，例如，在地图搜索场景中，可从单个候选内容组中提取平均相关性指数、点击覆盖占比、平均点击率、在分隔位置处的点击率变化率或在分隔位置处的相关性变化率等特征。另个候选内容组下的列表级特征可进行组合，以产生第k个分隔位置在候选内容列表下的列表级特征。
68.在单个候选内容组下提取列表级特征的一种实现方案可以是：获取该候选内容组中包含的各候选内容各自对应的属性特征；根据该候选内容各自对应的属性特征，计算该候选内容组对应的列表级特征。其中，属性特征与列表级特征相适配，列表级特征可以是对属性特征进行进一步处理而获得的。以地图搜索场景为例，属性特征可包括但不限于相关性、点击率、点击数量等，本实施例并不限于此。实际应用中，可读取搜索日志，并基于搜索日志统计各候选内容的属性特征，其中，搜索日志中记录有历史搜索过程中的用户行为数据，这些用户行为数据可直接或间接反映出候选内容的属性特征。
69.承接上文的表1和表2，各候选内容各自对应的属性特征可表示为下表3和表4：
70.表3
71.地理位置1相关性0.8点击率0.8点击数量15地理位置2相关性0.6点击率0.9点击数量20
地理位置3相关性0.7点击率0.6点击数量14地理位置4相关性0.5点击率0.7点击数量10
72.表4
73.地理位置5相关性0.5点击率0.5点击数量10地理位置6相关性0.6点击率0.3点击数量10地理位置7相关性0.5点击率0.6点击数量9地理位置8相关性0.3点击率0.4点击数量11地理位置9相关性0.2点击率0.2点击数量3地址位置10相关性0.3点击率0.1点击数量1
74.举例来说，针对候选内容组(p1、p2、
…
、pk)，以前述的列表级特征中的平均点击率特征为例：可获取候选内容组(p1、p2、
…
、pk)中k候选内容对应的点击率，然后计算该候选内容组中k个候选内容的点击率均值，作为平均点击率特征。再以前述的列表级特征中的在分隔位置处的点击率变化率特征为例：可获取候选内容组(p1、p2、
…
、pk)中pk的点击率和候选内容组(p
k 1
、p
k 2
、
…
、pn)中p
k 1
的点击率，在计算两者的比值，作为在第k个分隔位置处的点击率变化率特征。按照同样的实现方案，可提取到候选内容组(p
k 1
、p
k 2
、
…
、pn)对应的各种列表级特征。
75.承接上表，第k个分隔位置的列表级特征可表示为表5：
[0076][0077]
据此，本实施例中，可按照分隔位置将候选内容列表假设性地分隔为两个候选内容组，并提取两个候选内容组的列表级特征，通过该维度下提取的列表级特征，可表征两个候选内容组之间的前后差异以及上下文关系等状态，这使得以此列表级特征作为评价依据时，可更加准确、更加合理、更加全面地评价各分隔位置的显示效果，从而可有效提高折叠位置的准确性和合理性。当然，本实施例中，还可采用其它实现方式来提取列表级特征，本实施例并不限于此。
[0078]
在上述或下述实施例中，在为多个分隔位置确定评价指数的过程中，可将多个分隔位置下的列表级特征输入评价模型；在评价摸型中，基于多个分隔位置下的列表级特征和列表级特征与评价指数之间的映射关系，输出多个分隔位置各自对应的评价指数。其中，评价模型可采用机器学习模型，例如，支持向量机svm、梯度下降树gbdt、逻辑回归lr或其它排序学习ltr模型等。
[0079]
基于评价模型，本实施例中，可将折叠位置的确定问题转化为从显示效果对多个分隔位置进行排序的问题，从而更加准确地预估候选内容列表中的折叠位置。
[0080]
以下将详细说明评价模型的训练过程：
[0081]
获取显示样本；
[0082]
在显示样本包含的多个分隔位置下，分别提取列表级特征；
[0083]
为显示样本包含的多个分隔位置中的折叠位置对应的列表级特征标注第一评价指数；
[0084]
为显示样本包含的其它分隔位置对应的列表级特征标注第二评价指数；
[0085]
将显示样本包含的多个分隔位置对应的列表级特征及评价指数输入评价模型，以供评价模型学习列表级特征与评价指数之间的映射关系。
[0086]
其中，上述训练过程是从单个显示样本的角度进行说明的，应当理解的是，在实际应用中，可将海量的显示样本输入评价模型，以供评价模型不断优化自身学习到的列表级特征与评价指数之间的映射关系。另外，本实施例中，在显示样本包含的多个分隔位置下，分别提取列表级特征的过程，可参考前述实施例中的描述，在此不再重复赘述。
[0087]
在上述训练过程中，显示样本中的折叠位置可以是由人工确定的，当然，也可在样本选取阶段中，筛选出符合预设显示效果要求的显示样本，这种情况下，可直接采用显示样本中自带的折叠位置。本实施例中，对显示样本中的折叠位置的确定方式不做限定。
[0088]
本实施例中，以显示样本包含n个候选内容为例，显示样本在第k个分隔位置下的样本形式可以是(标签label，p1～pk，p
k 1
～pn)，其中，标签label对应于前述的第一评价指数或第二评价指数。可选地，第一评价指数可为1，第二评价指数可为0。这样，承接上例，若第k个分隔位置为折叠位置，则可显示样本在第k个分隔位置对应的样本形式则可为(1，p1～pk，p
k 1
～pn)，其中，p1～pk，p
k 1
～pn分别代表按照第k个分隔位置对显示样本进行分隔后获得的两个候选内容分组各自对应的列表级特征。而显示样本在其它分隔位置对应的样本形式中除了候选内容分组发生变化外，标签label的取值还将变为0。
[0089]
这样，通过将海量显示样本输入评价模型，可不断优化评价模型中的列表级特征与评价指数之间的映射关系。而从评价模型的角度来看，可前述实施例提供的显示方案中，为候选内容列表包含的多个分隔位置分别输出评价指数，该评价指数将处于【0,1】区间内，且由于不同分隔位置对应列表级特征不完全相同，因此，对应的评价指数也将不完全相同。基于此，可以评价指数表征候选内容列表在不同分隔位置下进行折叠后的显示效果，从而准确找到折叠位置。
[0090]
据此，本实施例中，可通过机器学习的方式，将折叠位置的确定问题转化为从显示效果对多个分隔位置进行排序的问题，从而可更加准确地预估候选内容列表中的折叠位置。这与传统的规则拟合方案相比，省去了编写大量复杂规则的人力和物力，这可有效提高处理结果的准确性和处理效率。
[0091]
图3为本技术一示例性实施例提供的另一种显示方法的流程示意图。该显示方法可由数据处理装置执行，该数据处理装置可实现为软件和/或硬件的结合，该数据处理装置可集成在终端设备中。参考图3，该方法可包括：
[0092]
步骤300、展示搜索界面；
[0093]
步骤301、响应于搜索界面中发生的搜索操作，向服务端发起搜索指令；
[0094]
步骤302、接收服务端根据搜索指令而提供的候选内容列表及对应的折叠位置，折叠位置为服务端根据候选内容列表中包含的多个分隔位置各自对应的评价指数而选择出的，其中，评价指数为基于在多个分隔位置下分别提取到的列表级特征而确定出的；
[0095]
步骤303、按照折叠位置对候选内容列表进行折叠后，显示于候选内容显示区域中。
[0096]
图4为本技术一示例性实施例提供的一种折叠处理效果示意图。参考图4，终端设备可提供用户交互界面，这其中包含搜索界面。本实施例中，还可在用户交互界面中展示候选内容显示区域，当然还可展示其它显示区域，如图4所示的地图显示区域，以适配应用场景的显示需求。这些展示的内容可呈现在搜索界面中，当然，也可呈现在用户交互界面中除搜索界面之外的其它界面，本实施例对此不做限定。用户可在搜索界面中执行搜索操作，为此，可在搜索界面展示搜索控件，以供用户输入关键词来进行搜索。本实施例中，可将关键词提供给服务端，以供服务端根据关键词确定候选内容列表，具体技术细节可参考前文实施例中的描述，在此不再重复赘述。
[0097]
另外，值得说明的是，本实施例中，在已经获取到候选内容列表的基础上，也可不再由服务端来确定折叠位置，而由本实施例中的终端设备来执行确定折叠位置的相关处理逻辑，这种情况下，本实施例中可执行在候选内容列表中包含的多个分隔位置下，分别提取列表级特征；基于列表级特征对多个分隔位置进行评价，以确定多个分隔位置各自对应的评价指数；根据评价指数，从多个分隔位置中选择折叠位置，这些处理逻辑。而无需再接收服务端返回的折叠位置。
[0098]
其中，关于确定折叠位置的相关技术细节可参考前文实施例中的描述，在此也不再重复赘述。
[0099]
无论是哪种情况，本实施例中，可按照折叠位置对后选内容进行折叠，并将折叠后的候选内容列表显示于候选内容显示区域内。具体地，本实施例中，可按照折叠位置，将候选内容列表拆分为两个候选内容组；将位于折叠位置之后的候选内容组进行隐藏，而仅显示位于折叠位置之前的候选内容组。参考图4，若第k个分隔位置作为折叠位置，则可将候选内容列表中位于第k个分隔位置之后的候选内容进行折叠处理，其中，折叠处理可以是将折叠位置之后的候选内容进行隐藏。实际应用中，还可在搜索结果的显示界面中提供展开服务，参考图4，例如，可提供“点击查询更多内容”的可操作控件，以支持该展开服务。
[0100]
据此，本实施例中，终端设备侧可更加高效、准确地对候选内容列表进行折叠，从而可实现对候选内容的强展现，以获得更加简洁的搜索结果，提高用户的决策效率。
[0101]
需要说明的是，在上述实施例及附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。
[0102]
图5为本技术另一示例性实施例提供的一种计算设备的结构示意图。如图5所示，该计算设备包括：存储器50和处理器51。
[0103]
处理器51，与存储器50耦合，用于执行存储器50中的计算机程序，以用于：
[0104]
响应于搜索指令，确定候选内容列表；
[0105]
在候选内容列表中包含的多个分隔位置下，分别提取列表级特征；
[0106]
基于列表级特征与评价指数之间的映射关系，确定多个分隔位置各自对应的评价指数；
[0107]
根据评价指数，从多个分隔位置中选择折叠位置；
[0108]
按照折叠位置对候选内容列表进行折叠处理，以显示搜索结果。
[0109]
在一可选实施例中，处理器51在候选内容列表中包含的多个分隔位置下，分别提取列表级特征时，用于：
[0110]
按照第一分隔位置，将候选内容列表拆分为两个候选内容组；
[0111]
分别在两个候选内容组下提取列表级特征，作为第一分隔位置对应的列表级特征；
[0112]
其中，第一分隔位置为多个分隔位置中的任意一个。
[0113]
在一可选实施例中，处理器51分别在两个候选内容组下提取列表级特征时，用于：
[0114]
获取两个候选内容组中包含的各候选内容各自对应的属性特征；
[0115]
根据各候选内容各自对应的属性特征，分别计算两个候选内容组对应的列表级特征。
[0116]
在一可选实施例中，属性特征包括相关性、点击率、点击数量中的一种或多种；列表级特征包括平均相关性指数、点击覆盖占比、平均点击率、在分隔位置处的点击率变化率和在分隔位置处的相关性变化率中的一种或多种。
[0117]
在一可选实施例中，处理器51在基于列表级特征与评价指数之间的映射关系，确定多个分隔位置各自对应的评价指数时，用于：
[0118]
将多个分隔位置下的列表级特征输入评价模型；
[0119]
在评价摸型中，基于多个分隔位置下的列表级特征和列表级特征与评价指数之间的映射关系，输出多个分隔位置各自对应的评价指数。
[0120]
在一可选实施例中，处理器51在对评价模型进行训练过程中，用于：
[0121]
获取显示样本；
[0122]
在显示样本包含的多个分隔位置下，分别提取列表级特征；
[0123]
将显示样本包含的多个分隔位置中的折叠位置对应的列表级特征标注为第一评价指数；
[0124]
将显示样本包含的其它分隔位置对应的列表级特征标注为第二评价指数；
[0125]
将显示样本包含的多个分隔位置对应的列表级特征及评价指数输入评价模型，以供评价模型学习列表级特征与评价指数之间的映射关系。
[0126]
在一可选实施例中，第一评价指数为1，第二评价指数为0。
[0127]
在一可选实施例中，处理器51在根据评价指数，从多个分隔位置中选择折叠位置时，用于：
[0128]
从多个分隔位置中，选择具有最高的评价指数的分隔位置，作为折叠位置。
[0129]
在一可选实施例中，搜索指令为地图搜索指令，候选内容列表为兴趣点poi列表。
[0130]
进一步，如图5所示，该计算设备还包括：通信组件52、电源组件53等其它组件。图5中仅示意性给出部分组件，并不意味着计算设备只包括图5所示组件。
[0131]
值得说明的是，上述关于计算设备各实施例中的技术细节，可参考前述的方法实施例中的相关描述，为节省篇幅，在此不再赘述，但这不应造成本技术保护范围的损失。
[0132]
图6为本技术另一示例性实施例提供的一种终端设备的结构示意图。参考图6，该终端设备，可包括存储器和处理器；
[0133]
存储器用于存储一条或多条计算机指令；
[0134]
处理器与存储器耦合，用于执行一条或多条计算机指令，以用于：
[0135]
响应于搜索界面中发生的搜索操作，向服务端发起搜索指令；
[0136]
接收服务端根据搜索指令而提供的候选内容列表及对应的折叠位置，折叠位置为服务端根据候选内容列表中包含的多个分隔位置各自对应的评价指数而选择出的，其中，评价指数为基于在多个分隔位置下分别提取到的列表级特征而确定出的；
[0137]
按照折叠位置对候选内容列表进行折叠后，显示于候选内容显示区域中。
[0138]
在一可选实施例中，处理器61在按照折叠位置对候选内容列表进行折叠的过程中，可用于：
[0139]
按照折叠位置，将候选内容列表拆分为两个候选内容组；
[0140]
将位于折叠位置之后的候选内容组进行隐藏。
[0141]
进一步，如图6所示，该终端设备还包括：通信组件62、显示器63、电源组件64、音视频组件55等其它组件。图6中仅示意性给出部分组件，并不意味着终端设备只包括图6所示组件。
[0142]
值得说明的是，上述关于终端设备各实施例中的技术细节，可参考前述的方法实施例中的相关描述，为节省篇幅，在此不再赘述，但这不应造成本技术保护范围的损失。
[0143]
相应地，本技术实施例还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被执行时能够实现上述方法实施例中可由计算设备或终端设备执行的各步骤。
[0144]
上述图4和5中的存储器，用于存储计算机程序，并可被配置为存储其它各种数据以支持在计算平台上的操作。这些数据的示例包括用于在计算平台上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
[0145]
上述图4和5中的通信组件，被配置为便于通信组件所在设备和其他设备之间有线或无线方式的通信。通信组件所在设备可以接入基于通信标准的无线网络，如wifi，2g、3g、4g/lte、5g等移动通信网络，或它们的组合。在一个示例性实施例中，通信组件经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
[0146]
上述图5中的显示器，包括屏幕，其屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。
[0147]
上述图4和5中的电源组件，为电源组件所在设备的各种组件提供电力。电源组件可以包括电源管理系统，一个或多个电源，及其他与为电源组件所在设备生成、管理和分配电力相关联的组件。
[0148]
上述图5中的音频组件，可被配置为输出和/或输入音频信号。例如，音频组件包括一个麦克风(mic)，当音频组件所在设备处于操作模式，如呼叫模式、记录模式和语音识别
模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或经由通信组件发送。在一些实施例中，音频组件还包括一个扬声器，用于输出音频信号。
[0149]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0150]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0151]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0152]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0153]
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0154]
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
[0155]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0156]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要
素的过程、方法、商品或者设备中还存在另外的相同要素。
[0157]
以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。