[发明专利]一种目标数据集生成方法、装置及电子设备

权利要求书

1.一种目标数据集生成方法，其特征在于，所述目标数据集用于对排序模型的效果进行验证，所述排序模型用于对查询词对应的文件进行排序，所述方法包括：

针对每一预设查询词，获取所述每一预设查询词对应的搜索日志；

针对所述搜索日志中的每一条日志，根据所述每一条日志和与所述每一条日志对应的文件的信息，获取所述每一条日志的第一特征，其中，所述第一特征至少包括：事件ID、查询词和文件ID中的一种；

针对每一个与所述每一条日志对应的文件，根据预设的该文件被播放的时长与预设阈值的对应关系、以及预设的预设阈值与相关性值的对应关系，获取与所述每一条日志对应的文件的相关性值，其中，所述相关性值为与所述每一条日志对应的文件与所述预设查询词的关联程度的量化参数；

根据所述第一特征和所述相关性值生成目标数据集；

利用预设的排序模型，对所述目标数据集中的每一条数据对应的文件进行打分；

根据每一查询词对应的文件的分值的大小，对每一查询词对应的文件进行排序，获得第一序列，并计算针对所述第一序列的第一排序表征参数，所述第一排序表征参数用于评价第一序列的效果；

根据用户针对每一查询词对应的文件的播放时长的大小，对每一查询词对应的文件进行排序，获得第二序列，并利用与计算所述第一排序表征参数的方法相同的方法，计算针对所述第二序列的第二排序表征参数；

根据所述第一排序表征参数和所述第二排序表征参数，计算所述预设的排序模型的分数，所述预设的排序模型的分数越高表示越接近用户对于查询词的点击行为，该排序模型越优秀。

2.根据权利要求1所述的方法，其特征在于，在根据所述第一特征和所述相关性值生成目标数据集之前，所述方法还包括：

针对每一用户，根据所述每一用户的搜索日志，获取所述每一用户的第二特征，其中，所述第二特征至少包括：所述每一用户的预设查询词对应的历史检索次数、查询词点击熵、用户ID、视频历史点击率和用户的VIP会员信息中的一种；

所述根据所述第一特征和所述相关性值生成目标数据集，包括：

根据所述第一特征、所述相关性值以及第二特征生成目标数据集。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述搜索日志中的当前一条日志的时间特征、查询词以及用户ID中的一种，判断该条日志是否可用；

若该条日志可用，执行所述根据预设的该文件被播放的时长与预设阈值的对应关系、以及预设的预设阈值与相关性值的对应关系，获取与所述每一条日志对应的文件的相关性值的步骤；

若该条日志不可用，将所述当前一条日志的下一条日志设置为当前一条日志，并返回执行所述根据所述搜索日志中的当前一条日志的时间特征、查询词以及用户ID中的一种，判断该条日志是否可用的步骤。

4.根据权利要求1所述的方法，其特征在于，在针对所述搜索日志中的每一条日志，根据所述每一条日志和与所述每一条日志对应的文件的信息，获取所述每一条日志的第一特征之前，所述方法还包括：

根据所述预设查询词对应文件的时间特征、用户ID以及所述预设查询词对应文件的信息中的一种，对所述搜索日志进行去重处理。