[發明專利]一種分層神經網絡查詢推薦方法及裝置

在審

• 申請號: 201910255010.2
• 申請日: 2019-04-01
• 公開（公告）號: CN109740743A
• 公開（公告）日: 2019-05-10
• 發明（設計）人: 蔡飛;陳洪輝;劉俊先;羅愛民;舒振;陳濤;羅雪山;鄧正;潘鵬亨
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06F16/903
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 馬驍;于潔

本發明公開一種分層神經網絡查詢推薦方法及裝置。該分層神經網絡查詢推薦方法包括：建立用于對用戶短期查詢記錄進行建模的會話層神經網絡和用于對用戶長期查詢記錄進行建模的用戶層神經網絡兩個神經網絡，其中將當前時刻的所述會話層神經網絡的狀態向量作為當前時刻所述用戶層神經網絡的輸入，將當前時刻的所述用戶層神經網絡的狀態向量作為下一時刻的所述會話層神經網絡的輸入；根據所述會話層神經網絡和所述用戶層神經網絡，為查詢會話輸出查詢推薦內容。本發明提供的方案，能提高查詢推薦效率和準確率。

技術領域

本發明涉及計算機網絡技術領域，具體涉及一種分層神經網絡查詢推薦方法及裝置。

背景技術

現有技術中，存在各種各樣的查詢推薦方法。查詢推薦是在用戶進行信息檢索過程中，當用戶只輸入部分查詢關鍵詞時，系統可以預測用戶的查詢意圖，推薦給用戶一組查詢候選詞供其選擇。通過查詢推薦可以幫助用戶重新修改他們輸入的查詢關鍵詞，以便更準確查找到所需要的內容，提高用戶的滿意度。目前傳統的查詢推薦方法大都基于特征的挖掘，所采用的特征包括查詢之間的共現度和語義相似度等。但是這種特征的挖掘往往都是人為定義和操作，很可能有一些隱藏的特征沒有被挖掘和發現。

現有技術中的基于RNN（Recurrent Neural Networks，循環神經網絡）的查詢推薦方法，可以很好地對時間序列數據進行建模，從而對下一個可能的查詢項進行預測。但是，該方法只關注了當前的短期查詢會話，沒有考慮用戶的查詢記錄，因此查詢推薦的效率和準確率有待提高。

發明內容

有鑒于此，本發明的目的在于提出一種分層神經網絡查詢推薦方法及裝置，能提高查詢推薦效率和準確率。

根據本發明的一個方面，提供一種分層神經網絡查詢推薦方法，包括：

建立用于對用戶短期查詢記錄進行建模的會話層神經網絡和用于對用戶長期查詢記錄進行建模的用戶層神經網絡兩個神經網絡，其中將當前時刻的所述會話層神經網絡的狀態向量作為當前時刻所述用戶層神經網絡的輸入，將當前時刻的所述用戶層神經網絡的狀態向量作為下一時刻的所述會話層神經網絡的輸入；

根據所述會話層神經網絡和所述用戶層神經網絡，為查詢會話輸出查詢推薦內容。

優選的，所述方法還包括：

將所述會話層神經網絡中的狀態向量的值以不同的權重組合成新的會話層神經網絡的狀態向量；

所述根據所述會話層神經網絡和所述用戶層神經網絡，為查詢會話輸出查詢推薦內容，包括：

根據更新會話層神經網絡狀態向量后的所述會話層神經網絡和所述用戶層神經網絡，為查詢會話輸出查詢推薦內容。

優選的，所述將當前時刻的所述會話層神經網絡的狀態向量作為當前時刻所述用戶層神經網絡的輸入，將當前時刻的所述用戶層神經網絡的狀態向量作為下一時刻的所述會話層神經網絡的輸入，包括：

將t時刻的會話層神經網絡的狀態向量作為t時刻用戶層神經網絡的輸入，將t時刻用戶層神經網絡的狀態向量作為t+1時刻會話層神經網絡的輸入，將t+1時刻會話層神經網絡的狀態向量作為t+1時刻用戶層神經網絡的輸入，其中t大于或等于0。

優選的，所述將t時刻用戶層神經網絡的狀態向量作為t+1時刻會話層神經網絡的輸入，將t+1時刻會話層神經網絡的狀態向量作為t+1時刻用戶層神經網絡的輸入隱藏層，包括：

將t時刻用戶層神經網絡的狀態向量用來初始化t+1時刻的會話層神經網絡的第一個隱藏層狀態向量；將t+1時刻的會話層神經網絡的最后一個隱藏層狀態向量作為t+1時刻用戶層神經網絡的輸入。

優選的，所述將t時刻用戶層神經網絡的狀態向量用來初始化t+1時刻的會話層神經網絡的第一個隱藏層狀態向量，包括：