[發(fā)明專利]一種基于文本點(diǎn)擊率的搜索結(jié)果推薦方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202011386336.8
• 申請日: 2020-12-02
• 公開（公告）號(hào): CN112487274B
• 公開（公告）日: 2023-02-07
• 發(fā)明（設(shè)計(jì)）人: 高萌;王進(jìn);胡峰;楊小姜;華尹;彭浩
• 申請（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號(hào): G06F16/9532
• 分類號(hào): G06F16/9532;G06F16/9535;G06F16/33;G06F16/335;G06F16/35;G06N3/0464;G06N3/08
• 代理公司: 重慶輝騰律師事務(wù)所 50215
• 代理人: 王海軍

1.一種基于文本點(diǎn)擊率的搜索結(jié)果推薦方法，其特征在于，包括以下步驟：

步驟110，對搜索內(nèi)容query和搜索結(jié)果title進(jìn)行預(yù)處理操作；

步驟120，對query和title構(gòu)建特征工程；所述特征工程包括：詞粒度的統(tǒng)計(jì)特征，文本語義特征，相似度特征，歷史信息特征；

步驟130，利用改進(jìn)的深度緊密遞歸交互注意力機(jī)制的網(wǎng)絡(luò)DRCN構(gòu)建基于殘差遞歸自注意力和交互注意力機(jī)制的網(wǎng)絡(luò)RRSCN的深度匹配模型，來進(jìn)行特征提??；

步驟140，根據(jù)步驟130得到的RRSCN深度匹配模型，通過流式讀取方法訓(xùn)練全量數(shù)據(jù)加上微調(diào)遷移學(xué)習(xí)的方式獲取RRSCN的預(yù)訓(xùn)練模型；

步驟150，根據(jù)特征工程和RRSCN深度匹配模型構(gòu)建三輸入的全連接層網(wǎng)絡(luò)；

步驟160，利用構(gòu)建的全連接層網(wǎng)絡(luò)預(yù)測文本預(yù)估點(diǎn)擊率和相關(guān)性，給用戶推薦最有可能點(diǎn)擊的搜索結(jié)果；

其中，所述步驟120具體包括：

步驟121，計(jì)算詞粒度的統(tǒng)計(jì)特征，用于描述搜索問題query和搜索標(biāo)題title之間基于詞的匹配信息，包含特征有：query或title長度、query長度-title長度、query是否完全包含title、query和title的公共詞個(gè)數(shù)、query和title的公共詞個(gè)數(shù)與query和title長度的占比、title出現(xiàn)的頻次、query和title的最長連續(xù)公共子序列長度；

步驟122，計(jì)算文本語義特征，用于描述query和title之間語義上的聯(lián)系，包含特征有：N-gram特征，query中第一、第二和第三個(gè)詞語中的任兩個(gè)是否相同，query中第一、第二和第三個(gè)詞語在title中出現(xiàn)的位置，query首詞或末詞在title中的順序以及出現(xiàn)位置；

獲取query和title的共現(xiàn)語句s，計(jì)算與query和title語句的占比，得共現(xiàn)率特征：

其中l(wèi)en表示獲取語句的長度；

步驟123，計(jì)算相似度特征，用于衡量query和title相似程度，包括：

步驟123a，通過詞向量word2vec和快速文本分類器fasttext將文本進(jìn)行詞向量編碼，通過以下公式給每個(gè)詞賦予一個(gè)權(quán)重評價(jià)w：

其中m為文檔總數(shù)，w_i,j為詞語i在第j篇文檔中出現(xiàn)的次數(shù)，a_j為第j篇文檔詞語的個(gè)數(shù)，itf表示為加強(qiáng)過后的tf，iidf表示加強(qiáng)過后的idf，itf和iidf為TFC算法，α為根據(jù)正負(fù)類別頻率的平衡系數(shù)，n_i為包含詞語i的所有文檔數(shù)，p(i₁)為單詞i在正例類別中的頻率，p(i₀)為單詞i在反例類別中的頻率；

步驟123b，利用權(quán)重值對query和title中的每個(gè)詞進(jìn)行加權(quán)求和得到query和title的句向量表示：

其中m是文中詞語個(gè)數(shù)，v_i為第i個(gè)詞的詞向量，sentence vec為計(jì)算得到的句向量；

步驟123c，對得到query和title的句向量進(jìn)行余弦相似度、萊文斯坦levenshtein相似度、曼哈頓距離計(jì)算，把計(jì)算結(jié)果作為相似度特征；

步驟124，計(jì)算歷史信息特征，用于根據(jù)歷史數(shù)據(jù)去刻畫title信息，包括：

步驟124a，根據(jù)步驟110得到的query和title的關(guān)鍵詞提取query歷史點(diǎn)擊率、title歷史點(diǎn)擊率作為特征；

對于冷啟動(dòng)文本，即測試集中未在訓(xùn)練集中出現(xiàn)的樣本，統(tǒng)計(jì)訓(xùn)練集title出現(xiàn)的次數(shù)count和點(diǎn)擊次數(shù)click，click為0的填充為1，測試集中未出現(xiàn)的title的點(diǎn)擊率設(shè)置為0.2；

步驟124b，計(jì)算title質(zhì)量分?jǐn)?shù)特征，一個(gè)query中用戶點(diǎn)擊的title和另一個(gè)query中用戶點(diǎn)擊的title，這兩個(gè)title對于query的重要程度根據(jù)以下公式：

其中q_t表示包含title的query，label_q表示該query的標(biāo)簽值，1為對當(dāng)前query下的該title有點(diǎn)擊，0為未點(diǎn)擊，ctr_q為該query的一個(gè)整體點(diǎn)擊率，Score_title為一個(gè)title的最終得分，即是包含該title的所有query下該title的得分總和；

根據(jù)公式得到title對于不同query下的一個(gè)得分，然后title的最終得分是包含該title的所有query下該title得分的總和。