[發(fā)明專利]資源搜索方法、裝置、計算機設(shè)備和存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010721879.4
• 申請日: 2020-07-24
• 公開（公告）號: CN112749333A
• 公開（公告）日: 2021-05-04
• 發(fā)明（設(shè)計）人: 黃劍輝;梁龍軍;劉海波
• 申請（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9538;G06K9/62;G06N3/04
• 代理公司: 廣州華進聯(lián)合專利商標代理有限公司 44224
• 代理人: 董慧;聶榕

1.一種資源搜索方法，其特征在于，所述方法包括：

響應資源搜索請求，獲取搜索關(guān)鍵字；

從索引庫召回與所述搜索關(guān)鍵字相關(guān)的候選資源；

獲取未曝光過的候選資源的視覺吸引度特征以及曝光過的候選資源的點擊率；

根據(jù)所述視覺吸引度特征預測所述未曝光過的候選資源的預測點擊率；

根據(jù)所述預測點擊率對所述候選資源進行排序，得到搜索結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，獲取未曝光過的候選資源的視覺吸引度特征的方式，包括：

獲取資源搜索結(jié)果展示時未曝光過的所述候選資源的視覺可見內(nèi)容，得到未曝光過的候選資源的視覺吸引度特征。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，獲取資源搜索結(jié)果展示時未曝光過的所述候選資源的視覺可見內(nèi)容，得到未曝光過的候選資源的視覺吸引度特征，包括：獲取資源搜索結(jié)果展示時未曝光過的所述候選資源的標題、封面圖片和標簽中的至少一種，得到未曝光過的候選資源的視覺吸引度特征。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)所述視覺吸引度特征預測所述未曝光過的候選資源的點擊率，包括：

將所述視覺吸引度特征輸入預先訓練好的點擊率預測模型，得到未曝光的過候選資源的點擊率。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述視覺吸引度特征包括標題、圖片和標簽維度中的至少一種；所述將所述視覺吸引度特征輸入預先訓練好的點擊率預測模型，得到未曝光過的候選資源的點擊率，包括：

將各維度的視覺吸引度特征分別輸入所述點擊率預測模型中各維度對應的特征編碼網(wǎng)絡，得到各維度的吸引度特征向量；

融合各特征編碼網(wǎng)絡輸出的多維度的吸引度特征向量得到資源的吸引度特征向量；

基于所述點擊率預測模型的損失函數(shù)將所述資源的吸引度特征向量映射，得到所述資源的預測點擊率。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，點擊率預測模型的訓練過程，包括：

獲取歷史曝光過的資源的吸引度特征和點擊率；

根據(jù)歷史曝光過的所述資源的吸引度特征和點擊率構(gòu)建訓練樣本集；

根據(jù)所述訓練樣本集對點擊率預測模型進行訓練，得到訓練好的點擊率預測模型。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，根據(jù)所述訓練樣本集對點擊率預測模型進行訓練，得到訓練好的點擊率預測模型，包括：

將所述訓練樣本集中資源的標題、封面圖片和標簽中至少兩種，分別輸入對應的特征提取網(wǎng)絡；

融合至少兩個特征提取提取網(wǎng)絡輸出的特征向量；

根據(jù)融合的特征向量以及點擊率，訓練得到點擊率預測模型。

8.一種資源搜索裝置，其特征在于，所述裝置包括：

響應模塊，用于響應資源搜索請求，獲取搜索關(guān)鍵字；

搜索模塊，用于從索引庫召回與所述搜索關(guān)鍵字相關(guān)的候選資源；

點擊率處理模塊，用于獲取未曝光過的候選資源的視覺吸引度特征以及曝光過的候選資源的點擊率；

預測模塊，用于根據(jù)所述視覺吸引度特征預測所述未曝光的過候選資源的預測點擊率；

搜索處理模塊，用于根據(jù)所述預測點擊率對所述候選資源進行排序，得到搜索結(jié)果。

9.一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)權(quán)利要求1至7中任一項所述的方法的步驟。

10.一種計算機可讀存儲介質(zhì)，存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至7中任一項所述的方法的步驟。