搜索词的推荐方法、装置、电子设备和计算机可读存储介质制造方法及图纸

本公开公开了一种搜索词的推荐方法，包括：获取用户搜索词；通过神经网络确定所述用户搜索词的相关词，其中，所述神经网络是根据搜索日志获取会话，并将所述会话中的搜索词连接成语句，以所述语句作为训练集合而训练完成的；根据所述用户搜索词的相关词确定与所述用户搜索词对应的推荐搜索词。本公开实施例提供了搜索词的推荐方法、装置等，将会话中的搜索词连接成语句，并基于会话中的搜索词连接成的语句训练神经网络以推荐搜索词，从而利用会话中的各搜索词之间的相关性来向用户推荐更为精准的搜索词，带来更好的用户体验。

Recommended methods, devices, electronic devices and computer-readable storage media for search terms

【技术实现步骤摘要】
搜索词的推荐方法、装置、电子设备和计算机可读存储介质
本公开涉及信息处理领域，尤其涉及一种搜索词的推荐方法、装置、电子设备及计算机可读存储介质。
技术介绍
随着信息时代的来临，如何从浩瀚的信息海洋中精准获取需要的信息是搜索领域中需要解决的主要问题。现有与搜索相关的方法中较为常见的方式是针对一个搜索词从网络中的各数据源爬取关联数据并形成对应的搜索项目，然后根据单位时间内与该搜索词对应的各搜索项目的点击数据计算各搜索项目的得分，并按照得分确定搜索项目的显示顺序，当用户使用搜索引擎进行搜索时，如果输入该搜索词，搜索引擎则依上述显示顺序展示与该搜索词对应的搜索项目。在用户使用搜索引擎进行搜索的过程中，用户可能无法输入准确的搜索词，从而无法获得期望的结果。因此需要根据用户输入的搜索词推荐相关的搜索词，以帮助用户获得期望的结果。但是在现有技术中，往往会基于历史数据来推荐与用户输入的搜索词相关的搜索词，需要计算的数据量大，并且难以做到精准。
技术实现思路
针对上述缺陷，本公开实施例提供搜索词的推荐方法，装置，电子设备，和计算机可读存储介质，将会话中的搜索词连接成语句，并基于会话中的搜索词连接成的语句训练神经网络以推荐搜索词，从而利用会话中的各搜索词之间的相关性来向用户推荐更为精准的搜索词，带来更好的用户体验。第一方面，本公开实施例提供一种搜索词的推荐方法，其特征在于，包括：获取用户搜索词；通过神经网络确定所述用户搜索词的相关词，其中，所述神经网络是根据搜索日志获取会话，并将所述会话中的搜索词连接成语句，以所述语句作为训练集合而训练完成的；根据所述用户搜索词的相关词确定与所述用户搜索词对应的推荐搜索词。。第二方面，本公开实施例提供一种搜索词的推荐装置，其特征在于，包括：获取模块，用于获取用户搜索词；确定模块，用于通过神经网络确定所述用户搜索词的相关词，其中，所述神经网络是根据搜索日志获取会话，并将所述会话中的搜索词连接成语句，以所述语句作为训练集合而训练完成的；推荐模块，根据所述用户搜索词的相关词确定与所述用户搜索词对应的推荐搜索词。第三方面，本公开实施例提供一种用于确定输入词的相关词的神经网络的训练方法，其特征在于，包括：根据搜索日志获取会话；将所述会话中的搜索词连接成语句；将所述语句作为训练集合训练所述神经网络。第四方面，本公开实施例提供一种用于确定输入词的相关词的神经网络的训练装置，其特征在于，包括：会话获取模块，用于根据搜索日志获取会话；语句连接模块，用于将所述会话中的搜索词连接成语句；训练模块，用于将所述语句作为训练集合训练所述神经网络。第五方面，本公开实施例提供一种电子设备，包括：存储器，用于存储计算机可读指令；以及与所述存储器耦合的一个或多个处理器，用于运行所述计算机可读指令，使得所述处理器运行时实现前述第一方面或第三方面中的任一方法。第六方面，本公开实施例提供一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，当所述计算机指令被计算机执行时，使得所述计算机执行前述第一方面或第三方面中的任一方法。本公开公开了一种搜索词的推荐方法、装置、电子设备和计算机可读存储介质。其中所述搜索词的推荐方法，包括：获取用户搜索词；通过神经网络确定所述用户搜索词的相关词，其中，所述神经网络是根据搜索日志获取会话，并将所述会话中的搜索词连接成语句，以所述语句作为训练集合而训练完成的；根据所述用户搜索词的相关词确定与所述用户搜索词对应的推荐搜索词。本公开实施例提供了搜索词的推荐方法、装置等，将会话中的搜索词连接成语句，并基于会话中的搜索词连接成的语句训练神经网络以推荐搜索词，从而利用会话中的各搜索词之间的相关性来向用户推荐更为精准的搜索词，带来更好的用户体验。上述说明仅是本公开技术方案的概述，为了能更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为让本公开的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。附图说明结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。图1为本公开实施例提供的搜索词的推荐方法实施例的流程图；图2所示为本公开提供的可选实施例中的神经网络模型图；图3为本公开实施例提供的用于确定输入词的相关词的神经网络的训练方法实施例的流程图；图4为本公开实施例提供的搜索词的推荐装置实施例的结构示意图；图5为本公开实施例提供的用于确定输入词的相关词的神经网络的训练装置实施例的结构示意图；图6为根据本公开实施例提供的电子设备的结构示意图。具体实施方式下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。在介绍本公开实施例之前，先简单介绍搜索领域的部分相关技术，以期更好地理解本公开实施例。如
技术介绍
所述以及本领域技术人员所理解的，用户在通过搜索引擎搜索时，通常会在搜索引擎所展示的界面上输入搜索词，然后搜索引擎将与所述搜索词对应的搜索项目按照一定的显示顺序显示给用户，其中通过输入搜索词以获取该搜索词的搜索项目的过程可以称为query(有时也会将搜索词称为query，并简单标记为q)，与搜索词对应的搜索项目也可以称为该搜索词的doc，其中可以通过爬虫技术、标引技术、关联度计算技术等方式确定搜索词的搜索项目，对于上述相关技术，可以采用现有的或将来的各种技术，此处不再展开。现有技术中，在用户通过搜索引擎进行搜索的过程中，搜索引擎或者其他计本文档来自技高网...

【技术保护点】
1.一种搜索词的推荐方法，其特征在于，包括：/n获取用户搜索词；/n通过神经网络确定所述用户搜索词的相关词，其中，所述神经网络是根据搜索日志获取会话，并将所述会话中的搜索词连接成语句，以所述语句作为训练集合而训练完成的；/n根据所述用户搜索词的相关词确定与所述用户搜索词对应的推荐搜索词。/n

【技术特征摘要】
1.一种搜索词的推荐方法，其特征在于，包括：
获取用户搜索词；
通过神经网络确定所述用户搜索词的相关词，其中，所述神经网络是根据搜索日志获取会话，并将所述会话中的搜索词连接成语句，以所述语句作为训练集合而训练完成的；
根据所述用户搜索词的相关词确定与所述用户搜索词对应的推荐搜索词。


2.根据权利要求1所述的搜索词的推荐方法，其特征在于，所述会话对应单位时间段，或者所述会话对应所述搜索日志中记录的用户接入到退出的时间段。


3.根据权利要求1所述的搜索词的推荐方法，其特征在于，将所述会话中的搜索词连接成语句，包括：
根据所述会话中的搜索词对应的时间信息的先后顺序，将所述会话中的搜索词连接成所述语句。


4.根据权利要求1所述的搜索词的推荐方法，其特征在于，将所述会话中的搜索词连接成语句，包括：
根据随机顺序将所述会话中的搜索词连接成所述语句。


5.根据权利要求1所述的搜索词的推荐方法，其特征在于，所述神经网络包括Skip-Gram网络。


6.根据权利要求1-5中任一所述的搜索词的推荐方法，其特征在于，根据所述用户搜索词的相关词确定与所述用户搜索词对应的推荐搜索词，包括：
从所述用户搜索词的相关词中确定相关度最高的M个相关词，M为正整数；
根据所述M个相关词确定与所述用户搜索词对应的推荐搜索词。


7.根据权利要求6所述的搜索词的推荐方法，其特征在于，根据所述M个相关词确定与所述用户搜索词对应的推荐搜索词，包括：
将所述M个相关词确定为所述推荐搜索词。


8.根据权利要求6所述的搜索词的推荐方法，其特征在于，根据所述M个相关词确定与所述用户搜索词对应的推荐搜索词，包括：
根据去重操作从所述M个相关词中确定N个相关词，N为正整数；
将所述N个相关词确定为所述推荐搜索词。


9.一种用于确定输入词的相关词的神经网络的训练方法，其特征在于，包括：
根...

【专利技术属性】
技术研发人员：彭宗徽，
申请(专利权)人：北京字节跳动网络技术有限公司，
类型：发明
国别省市：北京;11