[發明專利]搜索方法及裝置

在審

• 申請號: 202010731110.0
• 申請日: 2020-07-27
• 公開（公告）號: CN111859138A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 楊崇;秦瓊;黃恒
• 申請（專利權）人: 小紅書科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9536;G06F16/9538
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 林哲生

1.一種搜索方法，其特征在于，包括：

獲取目標用戶當前輸入的目標搜索詞；

根據所述目標搜索詞召回文檔；

若所述目標用戶的個性化信息缺失，根據預置的協同過濾對應關系，確定與所述目標用戶對應的協同過濾用戶；其中，所述協同過濾對應關系包括：個性化信息缺失的用戶與搜索特征相似的協同過濾用戶之間的對應關系；任一協同過濾用戶為個性化信息完整的用戶；與所述目標用戶對應的協同過濾用戶為目標協同過濾用戶；

根據所述目標協同過濾用戶的個性化信息，對召回的文檔進行排序，得到排序結果；

返回所述排序結果作為針對所述目標用戶的個性化搜索結果。

2.如權利要求1所述的方法，其特征在于，

個性化信息缺失的用戶為第一用戶，個性化信息完整的用戶為第二用戶；

在所述根據預置的協同過濾對應關系，確定所述目標用戶對應的協同過濾用戶之前，所述方法還包括：

為每一所述第一用戶確定搜索特征最相似的n個第二用戶作為協同過濾用戶；n為自然數；

存儲每一所述第一用戶與協同過濾用戶之間的對應關系。

3.如權利要求2所述的方法，其特征在于，

任一第一用戶以第一用戶P表示；

所述為每一所述第一用戶確定搜索特征最相似的n個第二用戶作為協同過濾用戶包括：

計算所述第一用戶P的搜索特征向量與各第二用戶的搜索特征向量之間的相似度；其中，所述第一用戶P的搜索特征向量根據所述第一用戶P的歷史搜索詞生成，所述第二用戶的搜索特征向量根據所述第二用戶的歷史搜索詞生成；

將相似度最高的n個第二用戶確定為所述第一用戶P的協同過濾用戶；

所述存儲每一第一用戶與協同過濾用戶之間的對應關系包括：

存儲所述第一用戶P與各協同過濾用戶之間的對應關系，以及，

存儲所述第一用戶P與各協同過濾用戶之間的相似度。

4.如權利要求1-3任一項所述的方法，其特征在于，所述根據所述目標協同過濾用戶的個性化信息，對召回的文檔進行排序包括：

使用排序學習模型根據所述協同過濾用戶的個性化信息，對召回的各文檔進行評分，得到各文檔對應的得分；

按照得分對各文檔進行排序。

5.如權利要求4所述的方法，其特征在于，

任一召回的文檔以文檔Q表示；

所述使用所述排序學習模型根據所述目標協同過濾用戶的個性化信息，對召回的各文檔進行評分，得到各文檔對應的得分包括：

根據所述目標協同過濾用戶的個性化信息生成針對所述文檔Q的目標個性化搜索特征向量；其中，所述目標個性化搜索特征向量包括：所述目標協同過濾用戶的個性化信息向量、所述目標搜索詞的特征向量、所述文檔Q的文檔特征向量，以及所述目標搜索詞與所述文檔Q的匹配度；

將針對所述文檔Q的目標個性化搜索特征向量輸入所述排序學習模型，由所述排序學習模型輸出所述文檔Q對應的得分。

6.如權利要求5所述的方法，其特征在于，

所述n不小于2；

所述根據所述目標協同過濾用戶的個性化信息生成針對所述文檔Q的目標個性化搜索特征向量包括：

根據n個目標協同過濾用戶的個性化信息，生成針對所述文檔Q的n個目標個性化搜索特征向量；

所述將針對所述文檔Q的目標個性化搜索特征向量輸入所述排序學習模型，由所述排序學習模型輸出所述文檔Q對應的得分包括：

將所述n個目標個性化搜索特征向量輸入所述排序學習模型，得到所述文檔Q對應的n個分值；

以各目標協同過濾用戶與所述目標用戶間的相似度作為權重，對所述文檔Q對應的n個分值進行加權求和，得到的加權求和結果為所述文檔Q的得分。