搜索处理方法和装置制造方法及图纸

本发明专利技术公开了一种搜索处理方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：基于搜索指令，确定关键词特征、用户特征及多个候选对象特征；根据所述关键词特征、所述用户特征及所述多个候选对象特征，确定所述多个候选对象的预测概率，所述预测概率用于表征所述候选对象被排在返回结果头部的概率，所述返回结果是基于所述多个候选对象生成的；根据所述多个候选对象特征及所述多个候选对象的预测概率，确定所述候选对象的上下文信息；根据所述关键词特征、所述用户特征、所述多个候选对象特征及所述候选对象的上下文信息，以确定多个候选对象在返回结果中的排序顺序。该实施方式能够提高返回结果中多个候选对象排序的精准程度。的精准程度。的精准程度。

【技术实现步骤摘要】
搜索处理方法和装置


[0001]本专利技术涉及计算机
，尤其涉及一种搜索处理方法和装置。

技术介绍

[0002]搜索结果排序是众多互联网业务的基石。从专门的搜索引擎网站，到电商中的商品搜索，再到多媒体内容的搜索等，众多的互联网业务场景中，搜索都是用户主动获取信息的首要途径，也是互联网平台的重要流量入口。用户输入一个搜索关键词，平台返回与关键词相关的返回结果，并应按照用户的喜好程度对返回结果中的多个候选对象进行排序。但现有的针对多个候选对象进行排序的方法的准确度不高，从而影响了用户对于搜索平台的体验。

技术实现思路

[0003]有鉴于此，本专利技术实施例提供一种搜索处理方法和装置，能够提高返回结果中多个候选对象排序的精准程度。
[0004]第一方面，本专利技术实施例提供了一种搜索处理方法，包括：
[0005]接收用户发出的搜索指令，所述搜索指令包括至少一个关键词；
[0006]确定所述关键词的关键词特征及所述用户的用户特征；
[0007]根据所述搜索指令，确定包含多个候选对象的返回结果，并确定所述多个候选对象的候选对象特征；
[0008]根据所述关键词特征、所述用户特征及多个所述候选对象特征，确定所述多个候选对象的预测概率，所述预测概率用于表征所述候选对象被排在返回结果头部的概率；
[0009]根据所述多个候选对象特征及所述多个候选对象的预测概率，确定所述候选对象的上下文信息；
[0010]根据所述关键词特征、所述用户特征、所述多个候选对象特征及所述候选对象的上下文信息，确定所述多个候选对象的排序评分，以确定所述多个候选对象在所述返回结果中的排列顺序。
[0011]可选地，所述根据所述多个候选对象特征及所述多个候选对象的预测概率，确定所述候选对象的上下文信息，包括：
[0012]组合所述多个候选对象特征，生成所述候选对象的组合矩阵；
[0013]根据所述多个候选对象的预测概率，生成所述候选对象的权重矩阵；
[0014]将所述候选对象的组合矩阵及权重矩阵，输入到第一注意力模型中，得到所述候选对象的自注意力矩阵；
[0015]将所述关键词特征、所述用户特征及所述候选对象的自注意力矩阵，输入到第二注意力模型中，得到所述候选对象的上下文信息。
[0016]可选地，所述根据所述关键词特征、所述用户特征、所述多个候选对象特征及所述候选对象的上下文信息，确定所述多个候选对象的排序评分，包括：
[0017]将所述关键词特征、所述用户特征、所述多个候选对象特征及所述候选对象的上下文信息输入到第一评分模型中，得到所述多个候选对象的第一匹配评分；
[0018]对所述多个候选对象的第一匹配评分进行归一化处理，得到所述多个候选对象的排序评分。
[0019]可选地，还包括：
[0020]获取第一训练样本，所述第一训练样本包括：第一关键词特征、第一用户特征及多个第一候选对象特征；
[0021]从所述多个第一候选对象中，确定至少一个头部对象，所述至少一个头部对象被排在第一返回结果的头部，所述第一返回结果基于所述多个第一候选对象生成；
[0022]利用所述第一注意力模型、所述第二注意力模型及所述第一评分模型，确定所述至少一个头部对象的第一排序评分；
[0023]根据所述第一关键词特征、所述第一用户特征及所述至少一个头部对象特征，确定所述至少一个头部对象的第二排序评分；
[0024]利用所述第一排序评分及所述第二排序评分，构建第一损失函数；
[0025]根据所述第一损失函数，优化所述第一注意力模型、所述第二注意力模型及所述第一评分模型。
[0026]可选地，所述根据所述第一关键词特征、所述第一用户特征及所述至少一个头部对象特征，确定所述至少一个头部对象的第二排序评分，包括：
[0027]组合所述至少一个头部对象特征，生成所述头部对象的组合矩阵；
[0028]将所述头部对象的组合矩阵输入到第三注意力模型中，得到所述头部对象的自注意力矩阵；
[0029]将所述第一关键词特征、所述第一用户特征及所述头部对象的自注意力矩阵，输入到第四注意力模型中，得到所述头部对象的上下文信息；
[0030]将所述第一关键词特征、所述第一用户特征、所述至少一个头部对象特征及所述头部对象的上下文信息输入到第二评分模型中，得到所述至少一个头部对象的第二匹配评分；
[0031]对所述至少一个头部对象的第二匹配评分进行归一化处理，得到所述至少一个头部对象的第二排序评分。
[0032]可选地，还包括：
[0033]根据所述第一损失函数，优化所述第三注意力模型及所述第二评分模型。
[0034]可选地，还包括：
[0035]确定所述至少一个头部对象的点击信息；
[0036]根据所述头部对象的点击信息，确定所述至少一个头部对象的第三排序评分；
[0037]利用所述第二排序评分及所述第三排序评分，构建第二损失函数；
[0038]根据所述第二损失函数，优化所述第三注意力模型及所述第二评分模型。
[0039]可选地，还包括：
[0040]获取第二训练样本，所述第二训练样本包括：第二关键词特征、第二用户特征及多个第二候选对象特征；
[0041]确定所述多个第二候选对象的点击信息；
[0042]根据所述第二候选对象的点击信息，确定所述多个第二候选对象的第四排序评分；
[0043]利用所述第一注意力模型、所述第二注意力模型及所述第一评分模型，确定所述多个第二候选对象的第五排序评分；
[0044]利用所述第四排序评分及所述第五排序评分，构建第三损失函数；
[0045]根据所述第三损失函数，优化所述第一注意力模型、所述第二注意力模型及所述第一评分模型。
[0046]可选地，所述根据所述关键词特征、所述用户特征及多个所述候选对象特征，确定所述多个候选对象的预测概率，包括：
[0047]将所述关键词特征、所述用户特征及所述多个候选对象特征输入到第三评分模型中，得到所述多个候选对象的第三匹配评分；
[0048]对所述多个候选对象的第三匹配评分进行归一化处理，得到所述多个候选对象的预测概率。
[0049]可选地，还包括：
[0050]获取第三训练样本，所述第三训练样本包括：第三关键词特征、第三用户特征及多个第三候选对象特征；
[0051]从所述多个第三候选对象中，确定至少一个头部对象，所述至少一个头部对象被排在第二返回结果的头部，所述第二返回结果基于所述多个第三候选对象生成；
[0052]根据所述至少一个头部对象，确定所述多个第三候选对象的第一预测概率；
[0053]利用所述第三评分模型，确定所述多个第三候选对象的第二预测概率；
[0054]利用所述第一预测概率及所述第二预测概率，构建第四损失函数；
[0055]根据所述第四损失函数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种搜索处理方法，其特征在于，包括：接收用户发出的搜索指令，所述搜索指令包括至少一个关键词；确定所述关键词的关键词特征及所述用户的用户特征；根据所述搜索指令，确定包含多个候选对象的返回结果，并确定所述多个候选对象的候选对象特征；根据所述关键词特征、所述用户特征及多个所述候选对象特征，确定所述多个候选对象的预测概率，所述预测概率用于表征所述候选对象被排在返回结果头部的概率；根据所述多个候选对象特征及所述多个候选对象的预测概率，确定所述候选对象的上下文信息；根据所述关键词特征、所述用户特征、所述多个候选对象特征及所述候选对象的上下文信息，确定所述多个候选对象的排序评分，以确定所述多个候选对象在所述返回结果中的排列顺序。2.根据权利要求1所述的方法，其特征在于，所述根据所述多个候选对象特征及所述多个候选对象的预测概率，确定所述候选对象的上下文信息，包括：组合所述多个候选对象特征，生成所述候选对象的组合矩阵；根据所述多个候选对象的预测概率，生成所述候选对象的权重矩阵；将所述候选对象的组合矩阵及权重矩阵，输入到第一注意力模型中，得到所述候选对象的自注意力矩阵；将所述关键词特征、所述用户特征及所述候选对象的自注意力矩阵，输入到第二注意力模型中，得到所述候选对象的上下文信息。3.根据权利要求2所述的方法，其特征在于，所述根据所述关键词特征、所述用户特征、所述多个候选对象特征及所述候选对象的上下文信息，确定所述多个候选对象的排序评分，包括：将所述关键词特征、所述用户特征、所述多个候选对象特征及所述候选对象的上下文信息输入到第一评分模型中，得到所述多个候选对象的第一匹配评分；对所述多个候选对象的第一匹配评分进行归一化处理，得到所述多个候选对象的排序评分。4.根据权利要求3所述的方法，其特征在于，还包括：获取第一训练样本，所述第一训练样本包括：第一关键词特征、第一用户特征及多个第一候选对象特征；从所述多个第一候选对象中，确定至少一个头部对象，所述至少一个头部对象被排在第一返回结果的头部，所述第一返回结果基于所述多个第一候选对象生成；利用所述第一注意力模型、所述第二注意力模型及所述第一评分模型，确定所述至少一个头部对象的第一排序评分；根据所述第一关键词特征、所述第一用户特征及所述至少一个头部对象特征，确定所述至少一个头部对象的第二排序评分；利用所述第一排序评分及所述第二排序评分，构建第一损失函数；根据所述第一损失函数，优化所述第一注意力模型、所述第二注意力模型及所述第一评分模型。
5.根据权利要求4所述的方法，其特征在于，所述根据所述第一关键词特征、所述第一用户特征及所述至少一个头部对象特征，确定所述至少一个头部对象的第二排序评分，包括：组合所述至少一个头部对象特征，生成所述头部对象的组合矩阵；将所述头部对象的组合矩阵输入到第三注意力模型中，得到所述头部对象的自注意力矩阵；将所述第一关键词特征、所述第一用户特征及所述头部对象的自注意力矩阵，输入到第四注意力模型中，得到所述头部对象的上下文信息；将所述第一关键词特征、所述第一用户特征、所述至少一个头部对象特征及所述头部对象的上下文信息输入到第二评分模型中，得到所述至少一个头部对象的第二匹配评分；对所述至少一个头部对象的第二匹配评分进行归一化处理，得到所述至少一个头部对象的第二排序评分。6.根据权利要求5所述的方...

【专利技术属性】
技术研发人员：郑凯夫，陈旭松，吕静，刘鹄，赵夕炜，
申请(专利权)人：北京沃东天骏信息技术有限公司，
类型：发明
国别省市：