[发明专利]一种检索方法及装置

说明书

本发明提供一种检索方法及装置，其中检索方法包括：获取用户的人脸图像序列以及用户输入的检索内容；将所述获取的人脸图像序列以及检索内容输入检索模型，得到检索结果；其中，所述检索模型是采用如下方式预先训练得到的：获取用户历史日志作为训练数据，所述训练数据包括：检索内容、人脸图像序列、检索结果以及用户对检索结果的行为；利用所述训练数据训练神经网络模型，得到检索模型。本发明利用人脸图像序列作为辅助信息进行检索，避免用户检索时个性化特征的损失，提高用户的检索效率以及检索准确率。

【技术领域】

本发明涉及搜索技术领域，尤其涉及一种检索方法及装置。

【背景技术】

在传统信息检索中，用户在基于个性化特征检索时，往往需要将个性化特征划分为具体的类别，例如年龄、性别、种族等，这些数据来自于用户自行录入或者由海量用户的检索数据分析得到。例如在如下场景，用户在购物平台进行某个物品的检索时，在需要输入购买物品名称的同时，往往还需要输入其他信息以对检索物品进行更精准的定位，例如输入年龄、性别等个性化特征，这就会造成用户进行检索时输入的不便，而由此得到的检索结果也无法完全满足用户的检索意图，用户还需要进行选择或者重新检索，从而降低了用户的检索效率以及检索的准确率。

【发明内容】

有鉴由此，本发明提供了一种检索方法和装置，将人脸图像作为辅助检索信息，用于避免用户检索时个性化特征的损失，提高用户的检索效率以及检索准确率。

本发明为解决技术问题而采用的技术方案是提供一种检索方法，所述方法包括：获取用户的人脸图像序列以及用户输入的检索内容；将所述获取的人脸图像序列以及检索内容输入检索模型，得到检索结果；其中，所述检索模型是采用如下方式预先训练得到的：获取用户历史日志作为训练数据，所述训练数据包括：检索内容、人脸图像序列、检索结果以及用户对检索结果的行为；利用所述训练数据训练神经网络模型，得到检索模型。

根据本发明一优选实施例，所述训练数据包括的人脸图像序列为：t1时刻至t2时刻的人脸图像序列，t1时刻为用户输入检索内容的时刻，t2时刻为从t1时刻开始用户产生下一次行为的时刻。

根据本发明一优选实施例，所述用户产生下一次行为包括：用户选择检索结果；或者，用户输入新的检索内容。

根据本发明一优选实施例，所述用户输入的检索内容包括检索关键词，或者进一步包括检索分类和检索位置中的至少一种。

根据本发明一优选实施例，所述获取用户历史日志作为训练数据包括：将检索内容、人脸图像序列以及对应的被选择检索结果作为正样本数据；将检索内容、人脸图像序列以及对应的未被选择检索结果作为负样本数据。

根据本发明一优选实施例，所述检索模型包括检索引擎和神经网络模型；将所述获取的人脸图像序列以及检索内容输入检索模型，得到检索结果包括：通过所述检索引擎得到所述检索内容的候选检索结果；将所述获取的人脸图像序列和所述候选检索结果输入所述神经网络模型，得到所述神经网络模型输出的检索结果。

本发明为解决技术问题提供一种检索装置，所述装置包括：获取单元，用于获取用户的人脸图像序列以及用户输入的检索内容；检索单元，用于将所述获取的人脸图像序列以及检索内容输入检索模型，得到检索结果；训练单元，用于采用如下方式预先训练得到所述检索模型：获取用户历史日志作为训练数据，所述训练数据包括：检索内容、人脸图像序列、检索结果以及用户对检索结果的行为；利用所述训练数据训练神经网络模型，得到检索模型。

根据本发明一优选实施例，所述训练单元获取所述训练数据包括的人脸图像序列时执行：获取t1时刻至t2时刻的人脸图像序列，t1时刻为用户输入检索内容的时刻，t2时刻为从t1时刻开始用户产生下一次行为的时刻。

根据本发明一优选实施例，所述用户产生下一次行为包括：用户选择检索结果；或者，用户输入新的检索内容。