[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: 202011551844.7
• 申請日: 2020-12-24
• 公開（公告）號: CN112528157A
• 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;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：利用用戶集在第一歷史時長內的查詢數據，預訓練得到全局排序模型；利用目標用戶在第二歷史時長內的查詢數據作為支持樣本，利用所述支持樣本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得到所述目標用戶的個性化排序模型，所述個性化排序模型用于對查詢樣本中所述目標用戶在待預測時間輸入的查詢前綴進行查詢補全建議的預測。基于本公開得到的個性化排序模型能夠使得針對用戶的查詢補全建議更加準確。

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，并沒有考慮到用戶的個性化查詢需求。

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，以便于滿足用戶的個性化查詢需求。

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：

利用用戶集在第一歷史時長內的查詢數據，預訓練得到全局排序模型；

利用目標用戶在第二歷史時長內的查詢數據作為支持樣本，利用所述支持樣本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得到所述目標用戶的個性化排序模型，所述個性化排序模型用于對查詢樣本中所述目標用戶在待預測時間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，以及確定與所述查詢前綴對應的候選查詢項；

將所述查詢前綴與所述候選查詢項輸入所述用戶的個性化排序模型，得到所述個性化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；

其中所述用戶的個性化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：

預訓練單元，用于利用用戶集在第一歷史時長內的查詢數據，預訓練得到全局排序模型；

個性化訓練單元，用于利用目標用戶在第二歷史時長內的查詢數據作為支持樣本，利用所述支持樣本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得到所述目標用戶的個性化排序模型，所述個性化排序模型用于對查詢樣本中所述目標用戶在待預測時間輸入的查詢前綴進行查詢補全建議的預測。

根據本公開的第四方面，提供了一種查詢自動補全的裝置，包括：

獲取單元，用于獲取用戶輸入的查詢前綴，以及確定與所述查詢前綴對應的候選查詢項；

評分單元，用于將所述查詢前綴與所述候選查詢項輸入所述用戶的個性化排序模型，得到所述個性化排序模型對各候選查詢項的評分；