[發明專利]搜索方法、裝置以及設備

有效

• 申請號: 201810751704.0
• 申請日: 2018-07-10
• 公開（公告）號: CN110765345B
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 詹宇森;笪慶;曾安祥
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9538
• 代理公司: 北京展翼知識產權代理事務所(特殊普通合伙) 11452
• 代理人: 屠長存

1.一種搜索方法，其特征在于，包括：

基于用戶信息和搜索請求，從特征集中選取部分排序特征，其中，所述特征集中的排序特征為對搜索結果進行排序時所使用的特征；以及

基于所述部分排序特征對響應于所述搜索請求執行搜索而得到的搜索結果進行排序，以得到排序結果，

其中，所述從特征集中選取部分排序特征的步驟包括：

以基于選取的排序特征得到的排序結果與標準結果之間的差異不大于預定閾值為目標，從所述特征集中選取排序特征，其中，所述標準結果為使用所述特征集中的全部排序特征對響應于所述搜索請求執行搜索而得到的搜索結果進行排序所得到的排序結果。

2.根據權利要求1所述的搜索方法，其特征在于，所述從特征集中選取部分排序特征的步驟包括：

基于所述用戶信息和所述搜索請求，確定預測模型的模型參數；

基于所述模型參數，使用所述預測模型預測所述部分排序特征。

3.根據權利要求2所述的搜索方法，其特征在于，所述模型參數包括與所述用戶信息和所述搜索請求相對應的參數，所述確定預測模型的模型參數的步驟包括：

從預先訓練好的多個對應于不同預測模型的模型參數中，選取與所述用戶信息和所述搜索請求相匹配的模型參數。

4.根據權利要求2所述的搜索方法，其特征在于，所述預測模型包括馬爾科夫決策模型，基于所述模型參數，使用所述預測模型預測所述部分排序特征，包括：

基于確定的模型參數，抽取當前決策狀態；

基于當前決策狀態，所述預測模型按照預定順序對所述特征集中不同的排序特征的動作進行預測，以得到最終的決策狀態，其中，所述動作包括特征保留動作和特征丟棄動作，所有特征保留動作所對應的排序特征，即為所述部分排序特征。

5.根據權利要求4所述的搜索方法，其特征在于，

所述當前決策狀態包括用戶特征信息和歷史動作信息，其中，所述用戶特征信息包括用戶信息和搜索請求信息，所述歷史動作信息包括歷史決策狀態中針對排序特征的動作做出的決策結果。

6.根據權利要求4所述的搜索方法，其特征在于，

所述馬爾科夫決策模型的獎賞包括第一獎賞和第二獎賞，

所述第一獎賞為針對排序效果的獎賞，

所述第二獎賞用于表征減少的計算開銷。

7.根據權利要求6所述的搜索方法，其特征在于，所述第一獎賞為

其中，T(s_k,a_k)表示在狀態s_k下采取動作a_k的第一獎賞，t為排序結果與標準結果的差異，C為預定閾值，r_p為排序結果與標準結果的差異t大于預設閾值C時的懲罰，s_k表示第k個狀態，a_k表示在第k個狀態下針對排序特征x_k采取的動作。

8.根據權利要求6所述的搜索方法，其特征在于，所述第二獎賞為

其中，表示在狀態s_k下采取動作a_k的第二獎賞，c_k為排序特征x_k的計算開銷函數，s_k表示第k個狀態，a_k表示在第k個狀態下針對排序特征x_k采取的動作。

9.根據權利要求2所述的搜索方法，其特征在于，還包括：

根據用戶對向其反饋的排序結果的操作信息，對所述預測模型的模型參數進行更新。

10.根據權利要求1至9中任何一項所述的搜索方法，其特征在于，還包括：將所述排序結果發送給用戶。