[發(fā)明專利]一種POI搜索排序模型訓(xùn)練方法、排序裝置與方法及介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010496959.4
• 申請(qǐng)日: 2020-06-03
• 公開(kāi)（公告）號(hào): CN113761084B
• 公開(kāi)（公告）日: 2023-08-08
• 發(fā)明（設(shè)計(jì)）人: 王鵬;楊煥星;趙楠;李玉彬;劉樹明;趙帥領(lǐng);王濤;王濤;馬海軍;王珂;蘇曉朋
• 申請(qǐng)（專利權(quán)）人: 北京四維圖新科技股份有限公司
• 主分類號(hào): G06F16/29
• 分類號(hào): G06F16/29;G06F16/248
• 代理公司: 北京國(guó)科程知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11862
• 代理人: 曹曉斐

本申請(qǐng)公開(kāi)了一種基于深度學(xué)習(xí)的POI搜索排序模型訓(xùn)練方法、排序裝置與方法及介質(zhì)，屬于地圖導(dǎo)航搜索技術(shù)領(lǐng)域。該基于深度學(xué)習(xí)的POI搜索排序模型訓(xùn)練方法包括：獲取搜索條目樣本以及搜索條目樣本對(duì)應(yīng)的搜索結(jié)果樣本；利用神經(jīng)網(wǎng)絡(luò)模型將搜索條目樣本以及搜索結(jié)果樣本進(jìn)行向量表示，建立預(yù)訓(xùn)練向量樣本庫(kù)；以及通過(guò)將預(yù)訓(xùn)練向量樣本庫(kù)輸入到語(yǔ)義匹配模型進(jìn)行運(yùn)算獲取搜索條目樣本與搜索結(jié)果樣本之間的相似度，獲得POI搜索排序模型，其中，將根據(jù)搜索結(jié)果樣本的曝光點(diǎn)擊率進(jìn)行擬合得到的函數(shù)作為POI搜索排序模型的基準(zhǔn)增益函數(shù)。本申請(qǐng)的應(yīng)用使搜索結(jié)果更符合用戶搜索需要，提升用戶搜索體驗(yàn)。

技術(shù)領(lǐng)域

本申請(qǐng)涉及地圖導(dǎo)航搜索技術(shù)領(lǐng)域，特別是一種基于深度學(xué)習(xí)的POI搜索排序模型訓(xùn)練方法、排序裝置與方法及存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著地圖導(dǎo)航搜索領(lǐng)域的不斷發(fā)展，通過(guò)地圖搜索各類信息已經(jīng)成為人們獲取信息資源的主要方式之一。在進(jìn)行地圖導(dǎo)航搜索時(shí)，運(yùn)用特定的計(jì)算機(jī)程序從互聯(lián)網(wǎng)上搜集信息，根據(jù)制定的策略和特征，對(duì)搜索得到的信息進(jìn)行組織和處理后，將數(shù)據(jù)信息按照一定的排列順序展示給用戶。其中對(duì)搜索結(jié)果的排序結(jié)果是對(duì)用戶搜索需求的一種預(yù)測(cè)，所以在地圖導(dǎo)航搜索過(guò)程中，最終呈現(xiàn)的搜索結(jié)果是否滿足用戶的搜索需求，搜索結(jié)果是否全面，成為對(duì)搜索結(jié)果評(píng)價(jià)的重要標(biāo)準(zhǔn)。

現(xiàn)有技術(shù)中，往往通過(guò)人工或者半機(jī)器半人工的方式對(duì)地圖導(dǎo)航搜索過(guò)程中的搜索策略及搜索特征進(jìn)行組合。隨著地圖導(dǎo)航搜索過(guò)程中基礎(chǔ)數(shù)據(jù)量的增加，在搜索排序問(wèn)題上引入機(jī)器學(xué)習(xí)算法，將排序問(wèn)題轉(zhuǎn)化為回歸分類或者有序分類的問(wèn)題，實(shí)現(xiàn)搜索過(guò)程中對(duì)搜索結(jié)果的排序。但是機(jī)器學(xué)習(xí)算法在傳統(tǒng)模型上優(yōu)化越來(lái)越困難，同時(shí)地圖導(dǎo)航搜索業(yè)務(wù)的復(fù)雜性以及需要引入用戶歷史數(shù)據(jù)，知識(shí)圖譜特征等多維度信息源，以實(shí)現(xiàn)更精準(zhǔn)的個(gè)性化排序，使得傳統(tǒng)的地圖導(dǎo)航搜索排序模型無(wú)法滿足排序要求。現(xiàn)有的地圖導(dǎo)航搜索排序模型無(wú)法實(shí)現(xiàn)大數(shù)據(jù)量的擬合，在地圖導(dǎo)航搜索過(guò)程中無(wú)法獲取高維度信息中的特征信息以及在搜索特征組合能力方面也只能通過(guò)人工方式實(shí)現(xiàn)搜索特征的簡(jiǎn)單組合，無(wú)法滿足用戶在地圖導(dǎo)航搜索過(guò)程中的個(gè)性化需求。

發(fā)明內(nèi)容

本申請(qǐng)主要解決的技術(shù)問(wèn)題是提供一種基于深度學(xué)習(xí)的POI搜索排序模型訓(xùn)練方法、排序裝置與方法及存儲(chǔ)介質(zhì)，實(shí)現(xiàn)在地圖導(dǎo)航搜索過(guò)程中對(duì)搜索特征的充分表達(dá)和自由組合，通過(guò)引入深度學(xué)習(xí)方法實(shí)現(xiàn)復(fù)雜多維度信息的處理。在搜索過(guò)程中以地圖導(dǎo)航搜索中的點(diǎn)擊數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)，實(shí)現(xiàn)在地圖導(dǎo)航搜索排序中，搜索結(jié)果的排列符合用戶的個(gè)性化需求，提升用戶在地圖導(dǎo)航搜索中的搜索體驗(yàn)。

為了實(shí)現(xiàn)上述目的，本申請(qǐng)采用的第一個(gè)技術(shù)方案是：提供一種基于深度學(xué)習(xí)的POI搜索排序模型訓(xùn)練方法，包括獲取搜索條目樣本以及搜索條目樣本對(duì)應(yīng)的搜索結(jié)果樣本；利用神經(jīng)網(wǎng)絡(luò)模型將搜索條目樣本、搜索結(jié)果樣本以及搜索特征樣本進(jìn)行向量表示，建立預(yù)訓(xùn)練向量樣本庫(kù)；以及通過(guò)將預(yù)訓(xùn)練向量樣本庫(kù)輸入到語(yǔ)義匹配模型進(jìn)行運(yùn)算獲取搜索條目樣本與搜索結(jié)果樣本之間的相似度，獲得POI搜索排序模型，其中，將根據(jù)搜索結(jié)果樣本的曝光點(diǎn)擊率進(jìn)行擬合得到的函數(shù)作為POI搜索排序模型的歸一化折損累計(jì)增益函數(shù)中的基準(zhǔn)增益函數(shù)。

本申請(qǐng)采用的第二個(gè)技術(shù)方案是：提供一種基于深度學(xué)習(xí)的POI搜索排序裝置，該裝置包括基于深度學(xué)習(xí)的POI搜索排序模型，還包括：搜索結(jié)果召回模塊，其將輸入的搜索問(wèn)題所對(duì)應(yīng)的搜索結(jié)果候選集進(jìn)行召回；細(xì)粒度排序模塊，其在搜索結(jié)果候選集的大小低于預(yù)定閾值的情況下，則，利用基于深度學(xué)習(xí)的POI搜索排序模型對(duì)搜索結(jié)果候選集中的搜索結(jié)果進(jìn)行細(xì)粒度排序，獲得第一細(xì)粒度排序搜索結(jié)果；在搜索結(jié)果候選集的大小不低于預(yù)定閾值的情況下，則，對(duì)搜索結(jié)果候選集中的搜索結(jié)果使用基于非深度學(xué)習(xí)的快速排序模型進(jìn)行粗粒度排序，獲得粗粒度排序搜索結(jié)果，對(duì)粗粒度排序搜索結(jié)果利用基于深度學(xué)習(xí)的POI搜索排序模型進(jìn)行細(xì)粒度排序，獲得第二細(xì)粒度排序搜索結(jié)果；以及排序搜索結(jié)果微調(diào)模塊，其根據(jù)業(yè)務(wù)邏輯，對(duì)第一細(xì)粒度排序搜索結(jié)果或第二細(xì)粒度排序搜索結(jié)果進(jìn)行微調(diào)，獲得擬輸出的排序搜索結(jié)果。