[發(fā)明專(zhuān)利]查詢(xún)自動(dòng)補(bǔ)全的方法、裝置、設(shè)備和計(jì)算機(jī)存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010011220.X
• 申請(qǐng)日: 2020-01-06
• 公開(kāi)（公告）號(hào): CN111241427A
• 公開(kāi)（公告）日: 2020-06-05
• 發(fā)明（設(shè)計(jì)）人: 李瑩;黃際洲;范淼;王海峰
• 申請(qǐng)（專(zhuān)利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類(lèi)號(hào): G06F16/9537
• 分類(lèi)號(hào): G06F16/9537
• 代理公司: 北京鴻德海業(yè)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11412
• 代理人: 田宏賓

1.一種查詢(xún)自動(dòng)補(bǔ)全的方法，其特征在于，該方法包括：

獲取用戶(hù)當(dāng)前輸入的查詢(xún)前綴，以及確定與所述查詢(xún)前綴對(duì)應(yīng)的候選興趣點(diǎn)POI；

獲取各候選POI的時(shí)空特征的向量表示；

將所述各候選POI的時(shí)空特征的向量表示輸入預(yù)先訓(xùn)練得到的排序模型，得到對(duì)各候選POI的評(píng)分；

依據(jù)各候選POI的評(píng)分確定向所述用戶(hù)推薦的查詢(xún)補(bǔ)全建議；

其中，所述時(shí)空特征包括查詢(xún)時(shí)間特征以及候選POI與所述用戶(hù)之間的距離特征中的至少一種；

所述候選POI的查詢(xún)時(shí)間特征的向量表示采用以下方式確定：

依據(jù)當(dāng)前時(shí)間查詢(xún)所述候選POI所屬類(lèi)別的時(shí)間熱度分布，將查詢(xún)得到的當(dāng)前時(shí)間的熱度狀況映射至M維的向量空間，得到所述候選POI的查詢(xún)時(shí)間特征的向量表示，所述M為大于1的正整數(shù)；其中，各POI類(lèi)別的時(shí)間熱度分布采用如下方式預(yù)先確定：

統(tǒng)計(jì)各POI類(lèi)別被查詢(xún)或被點(diǎn)擊的時(shí)間分別落入預(yù)設(shè)M個(gè)時(shí)間區(qū)間的次數(shù)，得到各POI類(lèi)別對(duì)應(yīng)的時(shí)間熱度分布。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述候選POI與所述用戶(hù)之間的距離特征的向量表示采用以下方式確定：

確定所述候選POI與所述用戶(hù)之間的距離，將所述距離落入預(yù)設(shè)N個(gè)距離區(qū)間的狀況映射至N維的向量空間，得到所述候選POI對(duì)應(yīng)的距離特征的向量表示，所述N為大于1的正整數(shù)；或者，

依據(jù)所述候選POI與所述用戶(hù)之間的距離查詢(xún)所述候選POI所屬類(lèi)別的空間熱度分布，將查詢(xún)得到的所述距離的熱度狀況映射至N維的向量空間，得到所述候選POI的距離特征的向量表示；其中，各POI類(lèi)別的空間熱度分布采用如下方式預(yù)先確定：

統(tǒng)計(jì)各POI類(lèi)別被查詢(xún)或被點(diǎn)擊時(shí)與用戶(hù)的距離分別落入預(yù)設(shè)N個(gè)距離區(qū)間的次數(shù)，得到各POI類(lèi)別對(duì)應(yīng)的空間熱度分布。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述排序模型在對(duì)各候選POI進(jìn)行評(píng)分時(shí)，進(jìn)一步利用所述用戶(hù)的屬性特征向量表示和各候選POI的熱度特征向量表示。

4.一種訓(xùn)練用于查詢(xún)自動(dòng)補(bǔ)全的排序模型的方法，其特征在于，該方法包括：

從POI查詢(xún)?nèi)罩局蝎@取樣本數(shù)據(jù)，所述樣本數(shù)據(jù)包括用戶(hù)從查詢(xún)補(bǔ)全建議中選擇POI時(shí)已輸入的查詢(xún)前綴、該查詢(xún)前綴對(duì)應(yīng)的查詢(xún)補(bǔ)全建議中的各POI以及查詢(xún)補(bǔ)全建議中被用戶(hù)選擇的POI；

將查詢(xún)補(bǔ)全建議中被用戶(hù)選擇的POI的時(shí)空特征的向量表示作為正例，未被用戶(hù)選擇的POI的時(shí)空特征的向量表示作為負(fù)例，訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，得到所述排序模型，其中訓(xùn)練目標(biāo)為：最大化神經(jīng)網(wǎng)絡(luò)模型對(duì)正例POI的評(píng)分與負(fù)例POI的評(píng)分之間的差值；

其中，所述時(shí)空特征包括查詢(xún)時(shí)間特征以及POI與用戶(hù)之間的距離特征中的至少一種；

查詢(xún)補(bǔ)全建議中各POI的查詢(xún)時(shí)間特征的向量表示采用如下方式確定：

確定用戶(hù)從查詢(xún)補(bǔ)全建議中選擇POI的時(shí)間，依據(jù)該時(shí)間查詢(xún)各POI所屬類(lèi)別的時(shí)間熱度分布，將查詢(xún)得到的該時(shí)間的熱度狀況映射至M維的向量空間，得到各POI對(duì)應(yīng)的查詢(xún)時(shí)間特征的向量表示，所述M為大于1的正整數(shù)；其中，各POI類(lèi)別的時(shí)間熱度分布采用如下方式預(yù)先確定：

統(tǒng)計(jì)各POI類(lèi)別被查詢(xún)或被點(diǎn)擊的時(shí)間分別落入預(yù)設(shè)M個(gè)時(shí)間區(qū)間的次數(shù)，得到各POI類(lèi)別對(duì)應(yīng)的時(shí)間熱度分布。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，查詢(xún)補(bǔ)全建議中各POI與用戶(hù)之間的距離特征的向量表示采用如下方式確定：

將查詢(xún)補(bǔ)全建議中的POI與用戶(hù)的距離落入預(yù)設(shè)N個(gè)預(yù)設(shè)距離區(qū)間的狀況映射至N維的向量空間，得到該P(yáng)OI對(duì)應(yīng)的距離特征的向量表示，所述N為大于1的正整數(shù)；或者，

依據(jù)查詢(xún)補(bǔ)全建議中的POI與用戶(hù)的距離查詢(xún)POI所屬類(lèi)別的空間熱度分布，將查詢(xún)得到的該距離的熱度狀況映射至N維的向量空間，得到該P(yáng)OI對(duì)應(yīng)的距離特征的向量表示；其中，各POI類(lèi)別的空間熱度分布采用如下方式預(yù)先確定：

統(tǒng)計(jì)各POI類(lèi)別被查詢(xún)或被點(diǎn)擊時(shí)與用戶(hù)的距離分別落入預(yù)設(shè)N個(gè)距離區(qū)間的次數(shù)，得到各POI類(lèi)別對(duì)應(yīng)的空間熱度分布。