[發明專利]排序模型的生成方法、搜索結果的排序方法、裝置及設備

有效

• 申請號: 201811260257.5
• 申請日: 2018-10-26
• 公開（公告）號: CN109299344B
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 羅月
• 申請（專利權）人: OPPO廣東移動通信有限公司
• 主分類號: G06F16/9038
• 分類號: G06F16/9038;G06F16/953
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 牟慧仙

1.一種排序模型的生成方法，其特征在于，所述方法包括：

獲取多組訓練樣本；其中，每組訓練樣本包括一次搜索操作對應的樣本搜索詞及其至少一個搜索結果、執行所述搜索操作的樣本用戶以及每個搜索結果標注的排序優先度，所述排序優先度用于指示所述搜索結果在所述樣本搜索詞的全部搜索結果中的排序位置；

對于每一組訓練樣本，獲取所述樣本搜索詞的各個所述搜索結果對應的n個維度的特征向量，以及所述樣本用戶對應的m個維度的用戶特征向量，所述n和所述m均為大于1的整數；

采用所述多組訓練樣本對機器學習排序模型進行訓練，得到完成訓練的所述機器學習排序模型，所述機器學習排序模型包括權重確定模型和排序模型；其中，所述權重確定模型用于根據所述樣本用戶對應的m個維度的用戶特征向量，確定與所述樣本用戶對應的所述n個維度各自對應的權重；所述排序模型用于根據所述樣本搜索詞的各個所述搜索結果對應的n個維度的特征向量，以及所述權重確定模型確定的所述n個維度各自對應的權重，計算所述樣本搜索詞的各個所述搜索結果對應的排序優先度。

2.根據權利要求1所述的方法，其特征在于，所述采用所述多組訓練樣本對機器學習排序模型進行訓練，得到完成訓練的所述機器學習排序模型，包括：

調用所述機器學習排序模型，根據所述樣本搜索詞的各個所述搜索結果對應的所述n個維度的特征向量以及所述n個維度各自對應的權重，計算所述樣本搜索詞的各個所述搜索結果對應的排序優先度；

根據所述機器學習排序模型計算出的所述排序優先度和所述標注的排序優先度，計算所述機器學習排序模型對應的損失函數的值；

若所述損失函數的值不符合預設條件，則調整所述n個維度各自對應的權重，并再次從所述調用所述機器學習排序模型，根據所述樣本搜索詞的各個所述搜索結果對應的所述n個維度的特征向量以及所述n個維度各自對應的權重，計算所述樣本搜索詞的各個所述搜索結果對應的排序優先度的步驟開始執行；

若所述損失函數的值符合所述預設條件，則停止訓練，得到完成訓練的所述機器學習排序模型。

3.根據權利要求1所述的方法，其特征在于，所述采用所述多組訓練樣本對機器學習排序模型進行訓練，得到完成訓練的所述機器學習排序模型，包括：

調用所述權重確定模型，根據所述樣本用戶對應的m個維度的用戶特征向量，確定與所述樣本用戶對應的所述n個維度各自對應的權重；

調用所述排序模型，根據所述樣本搜索詞的各個所述搜索結果對應的所述n個維度的特征向量以及所述權重確定模型確定的所述n個維度各自對應的權重，計算所述樣本搜索詞的各個所述搜索結果對應的排序優先度；

根據所述排序模型計算出的所述排序優先度和所述標注的排序優先度，計算所述機器學習排序模型對應的損失函數的值；

若所述損失函數的值不符合預設條件，則調整所述權重確定模型的參數，并再次從所述調用所述權重確定模型，根據所述樣本用戶對應的m個維度的用戶特征向量，確定與所述樣本用戶對應的所述n個維度各自對應的權重的步驟開始執行；

若所述損失函數的值符合所述預設條件，則停止訓練，得到完成訓練的所述機器學習排序模型。

4.根據權利要求3所述的方法，其特征在于，所述方法還包括：

獲取所述樣本用戶的用戶信息；

根據所述樣本用戶的用戶信息，生成所述樣本用戶對應的m個維度的用戶特征向量。

5.根據權利要求1至4任一項所述的方法，其特征在于，所述獲取多組訓練樣本，包括：

獲取多組搜索數據；其中，每組搜索數據包括一次搜索操作對應的樣本搜索詞及其至少一個搜索結果，以及每個搜索結果對應的選擇率；

對于每一組搜索數據，根據所述搜索數據中的各個所述搜索結果對應的選擇率，為各個所述搜索結果標注排序優先度；其中，所述搜索結果標注的排序優先度與所述搜索結果對應的選擇率呈正相關關系；

根據各組所述搜索數據中的各個所述搜索結果標注的排序優先度，生成所述多組訓練樣本。