[發明專利]建立排序模型的方法、查詢自動補全的方法及對應裝置

在審

• 申請號: 202011551563.1
• 申請日: 2020-12-24
• 公開（公告）號: CN112528156A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 范淼;黃際洲;孫一博;王海峰
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9537;G06N3/04;G06N3/08
• 代理公司: 北京鴻德海業知識產權代理有限公司 11412
• 代理人: 田宏賓

1.一種建立排序模型的方法，包括：

獲取訓練數據，所述訓練數據包括第一訓練數據和第二訓練數據；其中所述第一訓練數據包括發生在時空集的歷史查詢數據，第二訓練數據包括發生在預設時空單元的歷史查詢數據；

利用所述訓練數據訓練排序模型，得到所述時空單元對應的排序模型；其中，在所述訓練過程中，所述第一訓練數據用以對所述排序模型進行全局訓練，所述第二訓練數據用以對所述排序模型進行局部訓練；

其中所述時空單元對應的排序模型用于對用戶在所述時空單元輸入的查詢前綴進行查詢補全建議的預測。

2.根據權利要求1所述的方法，其中，利用所述訓練數據訓練排序模型，得到所述時空單元對應的排序模型包括：

利用所述第一訓練數據預訓練排序模型以更新全局模型參數和個性化模型參數，得到全局排序模型；

利用所述第二訓練數據，對所述全局排序模型進行進一步訓練以調整所述個性化模型參數，得到所述時空單元對應的排序模型。

3.根據權利要求1所述的方法，其中，利用所述訓練數據訓練排序模型，得到所述時空單元對應的排序模型包括：

利用第一訓練任務和第二訓練任務對排序模型進行至少一次輪替訓練，得到所述時空單元對應的排序模型；

其中所述第一訓練任務為利用所述第一訓練數據訓練所述排序模型以更新全局模型參數和個性化模型參數；所述第二訓練任務為利用所述第二訓練數據訓練所述排序模型以更新所述個性化模型參數。

4.根據權利要求1所述的方法，其中，所述歷史查詢數據包括：用戶從查詢補全建議中選擇查詢項時輸入的查詢前綴、該查詢前綴對應的查詢補全建議中的被選擇查詢項以及未被選擇查詢項；

在訓練所述排序模型時采用的訓練目標為：最大化所述排序模型對被選擇查詢項的評分與未被選擇查詢項的評分之間的差值。

5.根據權利要求2或3所述的方法，其中，所述全局模型參數包括：所述排序模型中嵌入網絡的參數；

所述個性化模型參數包括所述排序模型中排序網絡中的至少部分參數。

6.根據權利要求5所述的方法，其中，所述個性化模型參數包括全連接層的模型參數；

所述全局模型參數包括除了所述全連接層之外的其他網絡層的模型參數。

7.根據權利要求1所述的方法，其中，所述時空單元由時間單元和區域單元組合得到；

其中所述區域單元的大小依據發生在所述區域單元的歷史查詢數據的稀疏程度設置。

8.根據權利要求2所述的方法，其中，所述預訓練和對所述全局排序模型進行進一步訓練以對模型參數進行調整采用大規模分布式處理架構實現。

9.一種查詢自動補全的方法，包括：

獲取用戶輸入的查詢前綴、與所述查詢前綴對應的候選查詢項，以及確定所述用戶輸入所述查詢前綴時所在的時空單元；

將所述查詢前綴與所述候選查詢項輸入所述時空單元對應的排序模型，得到所述排序模型對各候選查詢項的評分；

依據各候選查詢項的評分確定向所述用戶推薦的查詢補全建議；

其中所述時空單元對應的排序模型采用如權利要求1至8中任一項所述的方法訓練得到。

10.一種建立排序模型的裝置，包括：

數據獲取單元，用于獲取訓練數據，所述訓練數據包括第一訓練數據和第二訓練數據；其中所述第一訓練數據包括發生在時空集的歷史查詢數據，第二訓練數據包括發生在預設時空單元的歷史查詢數據；

模型訓練單元，用于利用所述訓練數據訓練排序模型，得到所述時空單元對應的排序模型；其中，在所述訓練過程中，所述第一訓練數據用以對所述排序模型進行全局訓練，所述第二訓練數據用以對所述排序模型進行局部訓練；

其中所述時空單元對應的排序模型用于對用戶在所述時空單元輸入的查詢前綴進行查詢補全建議的預測。