[发明专利]用于优化用于学习排序的非凸函数的新探索

权利要求书

1.一种用于排序搜索特征的计算机实现的方法，该方法包括：

在处理器实现的搜索模块处，为一组搜索特征设置次序，该组搜索特征正由排序模型使用以确定搜索查询中项目的相关性；

向该组??搜索特征中的第一搜索特征分配第一权重因子；

基于分配的第一权重因子，为该搜索查询计算平均倒数排序；

使用预设的递增向量，为该组搜索特征中的第二搜索特征确定第二权重因子，以为该搜索查询最大化平均倒数排序；以及

向该组搜索特征中的第二搜索特征分配第二权重因子。

2.根据权利要求1所述的方法，进一步包括：

基于分配给该组搜索特征中每个搜索特征的权重因子，为该搜索查询计算平均倒数排序；

在其中平均倒数排序小于最优平均倒数排序的条件下：

　使用预设的递增向量，为该组搜索特征中随后的搜索特征确定随后的权重因子，以为该搜索查询最大化平均倒数排序；

　向该组搜索特征中随后的搜索特征分配随后的权重因子；以及

　重复该计算和条件执行，直到平均倒数排序等于最优平均倒数排序。

3.根据权利要求1所述的方法，进一步包括：

基于分配给该组搜索特征中的每个搜索特征的权重因子，为该组搜索特征更新次序。

4.根据权利要求3所述的方法，其中：或者在已经为该组搜索特征中的每个搜索特征分配权重因子之后，或者在平均倒数排序等于最优平均倒数排序之后，该更新发生。

5.根据权利要求4所述的方法，进一步包括：

基于更新的次序，为该组搜索特征中的每个搜索特征重复权重因子的确定。

6.根据权利要求1所述的方法，进一步包括：

使用预设的递增向量，为该组搜索特征中的第三搜索特征确定第三权重因子，以为该搜索查询最大化平均倒数排序；以及

基于分配给该组搜索特征中每个搜索特征的权重因子，为该组搜索特征更新次序。

7.根据权利要求1所述的方法，其中：最优平均倒数排序是对应于搜索查询中项目的相关性的阈值；或者

基于针对搜索特征的每个搜索的预先确定的强度，为该组搜索特征设置次序。

8.根据权利要求1所述的方法，其中为第二搜索特征确定第二权重因子进一步包括：

从递增数组向量中的一列权重因子中选择权重因子，其中递增数组向量用于??递增地改变第二搜索特征的第二个权重因子，直到为该搜索查询最大化平均倒数排序。

9.根据权利要求8所述的方法，其中权重因子的选择进一步包括：

从递增数组向量中将与第二搜索特征相关联的当前权重因子增加一增量；

基于增加的当前权重因子，为该搜索查询计算当前平均倒数排序；

当当前平均倒数排序大于最佳平均倒数排序时，选择增加的当前权重因子作为第二权重因子；以及

重复该增加、计算和选择，直到当前平均倒数排序大于最佳平均倒数排序。

10.根据权利要求1所述的方法，其中该组搜索特征中的多个搜索特征之一基于由社交网络服务维护的社交图。

11.根据权利要求10所述的方法，其中社交图包括与请求搜索查询的搜索者相关联的公司。

12.根据权利要求1所述的方法，其中：该组搜索特征中的多个搜索特征之一基于与社交网络服务相关联的成员简档属性；

该组搜索特征中的多个搜索特征之一基于用户的订阅，以接收代表实体发布的消息；或者

该组搜索特征中的多个搜索特征之一是成员简档属性，该成员简档属性指定与请求搜索查询的搜索者相关联的产业。

13.根据权利要求1所述的方法，其中：该组搜索特征中的多个搜索特征之一是成员简档属性，该成员简档属性指定与请求搜索查询的搜索者相关联的职别；或者

该组搜索特征中的多个搜索特征之一是与请求搜索查询的搜索者相关联的地理位置。

14.根据权利要求1所述的方法，其中该组搜索特征中的多个搜索特征之一是指示请求搜索查询的搜索者是否正在寻找新职位的求职者状态。