[發(fā)明專利]查詢推薦方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110420976.4
• 申請日: 2021-04-19
• 公開（公告）號(hào): CN113342862A
• 公開（公告）日: 2021-09-03
• 發(fā)明（設(shè)計(jì)）人: 張學(xué)濤
• 申請（專利權(quán)）人: 北京房江湖科技有限公司
• 主分類號(hào): G06F16/2457
• 分類號(hào): G06F16/2457;G06N20/00
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 楊云云

本發(fā)明提供一種查詢推薦方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)，其中所述方法包括：獲取用戶輸入的查詢請求，并基于查詢請求，獲取用戶物料的基礎(chǔ)特征；利用預(yù)設(shè)特征處理配置和預(yù)設(shè)特征處理算子，對基礎(chǔ)特征進(jìn)行特征處理，獲取目標(biāo)特征；基于目標(biāo)特征，利用查詢推薦模型，輸出匹配的查詢推薦結(jié)果；其中，查詢推薦模型為利用訓(xùn)練樣本特征進(jìn)行離線訓(xùn)練獲取，訓(xùn)練樣本特征為利用預(yù)設(shè)特征處理配置和預(yù)設(shè)特征處理算子對離線環(huán)境下的用戶物料樣本特征進(jìn)行特征處理獲取。本發(fā)明通過設(shè)定離線環(huán)境和生產(chǎn)環(huán)境可以共用的特征處理配置和特征處理算子，可保證線上、線下配置和處理算子的一致性，從而能夠有效簡化開發(fā)流程，提高開發(fā)效率并降低維護(hù)成本。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域，尤其涉及一種查詢推薦方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

在使用基于機(jī)器學(xué)習(xí)的網(wǎng)絡(luò)模型進(jìn)行搜索排序或推薦排序時(shí)，需要用到用戶以及物料的相關(guān)特征。由于不同特征的數(shù)值所代表的含義和數(shù)值范圍通常會(huì)不一致，因此需要通過特征處理將不同特征歸一化至同一尺度范圍內(nèi)，以方便利用機(jī)器模型進(jìn)行處理。

目前，在開發(fā)相關(guān)機(jī)器模型時(shí)，通常在離線環(huán)境下進(jìn)行。如圖1所示，為根據(jù)現(xiàn)有技術(shù)的查詢推薦方法的流程示意圖，其中采用離線方式獲取目標(biāo)模型。離線過程一般采用基于Python的特征處理方法，也即使用PySpark，按照預(yù)先定義的特征處理配置進(jìn)行特征處理，得到訓(xùn)練數(shù)據(jù)，然后利用這些訓(xùn)練數(shù)據(jù)訓(xùn)練得到理想的模型，將該模型發(fā)布至生產(chǎn)環(huán)境。之后，生產(chǎn)環(huán)境需要按照定義好的特征處理配置，使用基于Java的特征處理方法，對生產(chǎn)過程實(shí)際的用戶物料基礎(chǔ)特征進(jìn)行特征處理，得到特征處理結(jié)果，并基于此進(jìn)行生成實(shí)際預(yù)測。

發(fā)明內(nèi)容

本發(fā)明提供一種查詢推薦方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)，用以解決現(xiàn)有技術(shù)開發(fā)流程復(fù)雜，效率低，且易出現(xiàn)錯(cuò)誤，維護(hù)成本較高的缺陷，實(shí)現(xiàn)簡化開發(fā)流程，提高開發(fā)效率并降低維護(hù)成本的目標(biāo)。

本發(fā)明提供一種查詢推薦方法，包括：

獲取用戶輸入的查詢請求，并基于所述查詢請求，獲取用戶物料的基礎(chǔ)特征；

利用預(yù)設(shè)特征處理配置和預(yù)設(shè)特征處理算子，對所述基礎(chǔ)特征進(jìn)行特征處理，獲取目標(biāo)特征；

基于所述目標(biāo)特征，利用查詢推薦模型，輸出匹配的查詢推薦結(jié)果；

其中，所述查詢推薦模型為利用訓(xùn)練樣本特征進(jìn)行離線訓(xùn)練獲取，所述訓(xùn)練樣本特征為利用所述預(yù)設(shè)特征處理配置和所述預(yù)設(shè)特征處理算子，對離線環(huán)境下的用戶物料樣本特征進(jìn)行特征處理獲取。

根據(jù)本發(fā)明一個(gè)實(shí)施例的查詢推薦方法，在所述利用查詢推薦模型，輸出匹配的查詢推薦結(jié)果之前，還包括：

離線獲取預(yù)定數(shù)量的歷史查詢請求，并基于所述歷史查詢請求，獲取所述用戶物料樣本特征；

利用所述預(yù)設(shè)特征處理配置和所述預(yù)設(shè)特征處理算子，對所述用戶物料樣本特征進(jìn)行特征處理，獲取所述訓(xùn)練樣本特征；

基于用戶設(shè)定的查詢需求，搭建初始查詢推薦模型，并利用所述訓(xùn)練樣本特征，訓(xùn)練所述初始查詢推薦模型，獲取所述查詢推薦模型。

根據(jù)本發(fā)明一個(gè)實(shí)施例的查詢推薦方法，在所述利用預(yù)設(shè)特征處理配置和預(yù)設(shè)特征處理算子，對所述基礎(chǔ)特征進(jìn)行特征處理之前，還包括：

獲取文件格式標(biāo)準(zhǔn)，并基于所述文件格式標(biāo)準(zhǔn)，生成特征處理配置文件，且獲取所述預(yù)設(shè)特征處理配置。

根據(jù)本發(fā)明一個(gè)實(shí)施例的查詢推薦方法，所述設(shè)定文件格式標(biāo)準(zhǔn)，包括：

設(shè)定所述文件格式標(biāo)準(zhǔn)如下：

process_handler:featureHandler

feature_name:feature_name_a,feature_name_b