[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

本公開公開了一種建立排序模型的方法、查詢自動補全的方法及對應裝置，涉及智能搜索技術領域。具體實現方案為：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?；诒竟_提供的排序模型推薦的查詢補全建議能夠更好地符合用戶的現實需求。

技術領域

本公開涉及計算機應用技術領域，尤其涉及智能搜索技術領域中的一種建立排序模型的方法、查詢自動補全的方法及對應裝置。

背景技術

QAC(Query Auto-Completion，查詢自動補全)目前已被主流的通用搜索引擎和垂直搜索引擎廣泛采用。例如，在地圖類應用中，當用戶輸入query(查詢)以搜索某個POI(Point of Interest，興趣點)時，從用戶輸入不完整query開始(在本公開中將用戶輸入的不完整query稱為查詢前綴)，搜索引擎可以在候選列表中實時向用戶推薦一系列候選的POI以供用戶選擇作為query的補全結果(在本公開中將候選列表中推薦的query稱為查詢補全建議)。一旦用戶在候選列表中發現其意向的POI，則通過從候選列表中選擇該POI即可補全query，從而發起該POI的查詢。

然而，現有的查詢自動補全方案中，針對相同的查詢前綴提供的建議均是相同的，例如均是在候選列表中基于各POI的檢索熱度進行排序，并不能夠很好地符合用戶的現實需求。

發明內容

本公開提供了一種建立排序模型的方法、查詢自動補全的方法及對應裝置，使得推薦的查詢補全建議更好地符合用戶的現實需求。

根據本公開的第一方面，提供了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。

根據本公開的第二方面，提供了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上所述的方法訓練得到。

根據本公開的第三方面，提供了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；