[發(fā)明專利]基于場景的查詢方法及裝置、存儲(chǔ)介質(zhì)、計(jì)算機(jī)設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 202110574678.0
• 申請(qǐng)日: 2021-05-26
• 公開（公告）號(hào): CN113032694B
• 公開（公告）日: 2021-11-09
• 發(fā)明（設(shè)計(jì)）人: 王夢(mèng)雅;高理強(qiáng);黃健
• 申請(qǐng)（專利權(quán)）人: 浙江口碑網(wǎng)絡(luò)技術(shù)有限公司
• 主分類號(hào): G06F16/9537
• 分類號(hào): G06F16/9537
• 代理公司: 北京中強(qiáng)智尚知識(shí)產(chǎn)權(quán)代理有限公司 11448
• 代理人: 黃耀威

本申請(qǐng)公開了一種基于場景的查詢方法及裝置、存儲(chǔ)介質(zhì)、計(jì)算機(jī)設(shè)備，該方法包括：響應(yīng)于查詢請(qǐng)求，獲取與所述查詢請(qǐng)求對(duì)應(yīng)的請(qǐng)求向量，其中，所述請(qǐng)求向量包括查詢特征向量、用戶特征向量以及場景特征向量，所述場景特征向量包括位置特征向量和/或時(shí)間特征向量；依據(jù)所述請(qǐng)求向量包含的各特征向量與候選店鋪對(duì)應(yīng)的店鋪向量之間的匹配度，篩選所述候選店鋪中的目標(biāo)店鋪。本申請(qǐng)可以有效融合位置、時(shí)間等場景特征、以及查詢請(qǐng)求對(duì)應(yīng)的查詢特征和用戶特征進(jìn)行店鋪召回，提升目標(biāo)店鋪召回效果，有助于滿足不同本地生活用戶在不同場景下的個(gè)性化查詢需求，使得店鋪召回結(jié)果與查詢場景匹配度較高，提高用戶體驗(yàn)。

技術(shù)領(lǐng)域

本申請(qǐng)涉及計(jì)算機(jī)技術(shù)領(lǐng)域，尤其是涉及到一種基于場景的查詢方法及裝置、存儲(chǔ)介質(zhì)、計(jì)算機(jī)設(shè)備。

背景技術(shù)

在大數(shù)據(jù)背景下，如何基于用戶歷史行為數(shù)據(jù)為用戶提供個(gè)性化服務(wù)，是當(dāng)前大數(shù)據(jù)應(yīng)用落地迫切需要解決的問題。對(duì)于搜索推薦系統(tǒng)來說，召回是重要的一部分，因?yàn)檎倩氐馁|(zhì)量直接影響了后續(xù)步驟效果的上限，召回階段主要根據(jù)用戶和內(nèi)容（例如店鋪、商品、廣告等）特征，從海量信息集合中選取和當(dāng)前用戶偏好相關(guān)的一部分作為候選集，然后交給排序環(huán)節(jié)。

現(xiàn)有技術(shù)中，召回階段一般是根據(jù)用戶歷史行為數(shù)據(jù)以及用戶輸入的搜索關(guān)鍵詞，計(jì)算用戶的歷史行為和搜索關(guān)鍵詞與候選店鋪之間的匹配程度，從而根據(jù)匹配程序在候選店鋪中篩選出推薦店鋪，并向用戶進(jìn)行展示。但是在實(shí)際應(yīng)用中，這種搜索推薦方式往往會(huì)導(dǎo)致每次搜索的推薦結(jié)果相似度較高，即用戶每次進(jìn)行相同或相似的關(guān)鍵詞搜索時(shí)展示的結(jié)果大體相同，推薦效果較差，無法滿足用戶在面對(duì)不同情況時(shí)的多樣化、個(gè)性化搜索需求，例如不同時(shí)段需要不同類型的推薦餐品的需求。

發(fā)明內(nèi)容

有鑒于此，本申請(qǐng)?zhí)峁┝艘环N基于場景的查詢方法及裝置、存儲(chǔ)介質(zhì)、計(jì)算機(jī)設(shè)備。

根據(jù)本申請(qǐng)的一個(gè)方面，提供了一種基于場景的查詢方法，包括：

響應(yīng)于查詢請(qǐng)求，獲取與所述查詢請(qǐng)求對(duì)應(yīng)的請(qǐng)求向量，其中，所述請(qǐng)求向量包括查詢特征向量、用戶特征向量以及場景特征向量，所述場景特征向量包括位置特征向量和/或時(shí)間特征向量；

依據(jù)所述請(qǐng)求向量包含的各特征向量與候選店鋪對(duì)應(yīng)的店鋪向量之間的匹配度，篩選所述候選店鋪中的目標(biāo)店鋪。

可選地，所述獲取與所述查詢請(qǐng)求對(duì)應(yīng)的請(qǐng)求向量，具體包括：

獲取與所述查詢請(qǐng)求對(duì)應(yīng)的查詢特征、查詢用戶，以及與當(dāng)前查詢場景對(duì)應(yīng)的目標(biāo)查詢位置和/或目標(biāo)查詢時(shí)間，其中，所述目標(biāo)查詢時(shí)間包括查詢時(shí)段特征、查詢季節(jié)特征、查詢?nèi)展ぷ魈卣髦兄辽僖环N；

在預(yù)先訓(xùn)練好的樣本查詢特征向量中獲取與所述查詢特征對(duì)應(yīng)的所述查詢特征向量、在預(yù)先訓(xùn)練好的樣本用戶特征向量中獲取與所述查詢用戶匹配的所述用戶特征向量，以及在預(yù)先訓(xùn)練好的樣本位置特征向量中獲取與所述目標(biāo)查詢位置匹配的所述位置特征向量，和/或，在預(yù)先訓(xùn)練好的樣本時(shí)間特征向量中獲取與所述目標(biāo)查詢時(shí)間匹配的所述時(shí)間特征向量。

可選地，所述獲取與所述查詢請(qǐng)求對(duì)應(yīng)的請(qǐng)求向量之前，所述方法還包括：

依據(jù)歷史查詢數(shù)據(jù)，構(gòu)建樣本正例對(duì)和樣本負(fù)例對(duì)，其中，任一樣本正例對(duì)或任一樣本負(fù)例對(duì)包括兩個(gè)匹配的節(jié)點(diǎn)特征以及相應(yīng)節(jié)點(diǎn)連接構(gòu)成的特征邊類型，所述特征邊類型包括行為邊、相似邊以及共現(xiàn)邊；

根據(jù)所述樣本正例對(duì)以及所述樣本負(fù)例對(duì)，構(gòu)建異構(gòu)圖中的特征節(jié)點(diǎn)以及所述特征節(jié)點(diǎn)連接構(gòu)成的特征邊，并基于所述歷史查詢數(shù)據(jù)，計(jì)算所述異構(gòu)圖中每條特征邊對(duì)應(yīng)的特征邊權(quán)重，其中，所述特征節(jié)點(diǎn)包括查詢節(jié)點(diǎn)、用戶節(jié)點(diǎn)、候選店鋪節(jié)點(diǎn)、以及位置節(jié)點(diǎn)和/或時(shí)間節(jié)點(diǎn)；

利用預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型對(duì)所述異構(gòu)圖進(jìn)行訓(xùn)練，得到所述異構(gòu)圖中各特征節(jié)點(diǎn)對(duì)應(yīng)的特征節(jié)點(diǎn)向量，其中，所述特征節(jié)點(diǎn)向量包括樣本查詢特征向量、樣本用戶特征向量、候選店鋪特征向量、以及樣本位置特征向量和/或樣本時(shí)間特征向量。