[發明專利]搜索推薦方法、CTR預估模型的訓練方法、裝置及設備

有效

• 申請號: 201910675882.4
• 申請日: 2019-07-25
• 公開（公告）號: CN110390052B
• 公開（公告）日: 2022-10-28
• 發明（設計）人: 周智毅;梁旭磊
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F40/30;G06F40/289;G06K9/62
• 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: 張所明

本申請實施例涉及機器學習技術領域，特別涉及一種搜索推薦方法、CTR預估模型的訓練方法、裝置及設備，所述方法包括：獲取搜索詞以及搜索詞的候選詞集合；根據搜索詞的順序特征生成至少一組模型輸入參數，每組模型輸入參數與一組搜索詞和候選詞對應，搜索詞的順序特征用于表征搜索詞所包含的字詞的輸入順序；調用CTR預估模型，根據模型輸入參數計算得到候選詞的CTR值；根據候選詞的CTR值，從候選詞集合中選取與搜索詞對應的推薦候選詞。本申請在CTR預估時，結合搜索詞的順序特征，使得預估得到的各個候選詞的CTR值更準確，從而得到更加符合用戶需求的推薦候選詞，提升向用戶提供的推薦候選詞的準確性。

技術領域

本申請實施例涉及機器學習技術領域，特別涉及一種搜索推薦方法、CTR預估模型的訓練方法、裝置及設備。

背景技術

用戶在應用程序的搜索框中輸入搜索詞之后，應用程序可以向用戶推薦一些與該搜索詞相關的推薦候選詞，以便用戶能夠直接選擇某個推薦候選詞進行內容搜索。

在相關技術中，采用CTR(Click Through Rate，點擊通過率)預估模型來預估與搜索詞相關的各個候選詞的CTR值，然后基于各個候選詞的CTR值，從中找出若干個推薦候選詞。例如，選擇CTR值最大的若干個候選詞，作為推薦候選詞。CTR預估模型在預估與搜索詞相關的某個候選詞的CTR值時，需要結合該搜索詞的特征信息以及該候選詞的特征信息，最終輸出該候選詞的CTR值。

然而，上述相關技術在進行CTR預估時，考慮的特征不夠全面，導致最終向用戶推薦的與搜索詞相關的推薦候選詞的準確性較低。

發明內容

本申請實施例提供了一種搜索推薦方法、CTR預估模型的訓練方法、裝置及設備，可用于解決相關技術中，由于考慮的特征不夠全面，導致最終向用戶推薦的與搜索詞相關的推薦候選詞的準確性較低的問題。所述技術方案如下：

一方面，本申請實施例提供了一種搜索推薦方法，所述方法包括：

獲取搜索詞以及所述搜索詞的候選詞集合，所述候選詞集合中包括與所述搜索詞相關的至少一個候選詞；

根據所述搜索詞的順序特征生成至少一組模型輸入參數，每組模型輸入參數與一組所述搜索詞和所述候選詞對應，所述搜索詞的順序特征用于表征所述搜索詞所包含的字詞的輸入順序；

調用點擊通過率CTR預估模型，根據所述模型輸入參數計算得到所述候選詞的CTR值；

根據所述候選詞的CTR值，從所述候選詞集合中選取與所述搜索詞對應的推薦候選詞。

另一方面，本申請實施例提供了一種CTR預估模型的訓練方法，所述方法包括：

獲取歷史搜索詞以及與所述歷史搜索詞對應的歷史曝光候選詞；

根據所述歷史搜索詞的順序特征構建至少一組訓練樣本，每組訓練樣本與一組所述歷史搜索詞和所述歷史曝光候選詞對應，所述歷史搜索詞的順序特征用于表征所述歷史搜索詞所包含的字詞的輸入順序；

采用所述訓練樣本對CTR預估模型進行訓練，得到完成訓練的CTR預估模型。

又一方面，本申請實施例提供了一種搜索推薦裝置，所述裝置包括：

搜索詞獲取模塊，用于獲取搜索詞；

候選詞獲取模塊，用于獲取所述搜索詞的候選詞集合，所述候選詞集合中包括與所述搜索詞相關的至少一個候選詞；

參數生成模塊，用于根據所述搜索詞的順序特征生成至少一組模型輸入參數，每組模型輸入參數與一組所述搜索詞和所述候選詞對應，所述搜索詞的順序特征用于表征所述搜索詞所包含的字詞的輸入順序；

模型調用模塊，用于調用點擊通過率CTR預估模型，根據所述模型輸入參數計算得到所述候選詞的CTR值；