[发明专利]实体推荐方法和装置

权利要求书

1.一种实体推荐方法，包括：

响应于接收到用户对实体的搜索请求，获取与待搜索实体关联的候选实体集合；

将所述候选实体集合输入预先训练的排序模型，得到候选实体序列；以及

从所述候选实体序列中选取候选实体并将所选取的候选实体向用户推荐；

其中，所述排序模型基于以下至少一者对所述候选实体集合进行排序：

所述候选实体集合中，各候选实体与所述待搜索实体的相关度；

所述用户对所述候选实体集合中的各候选实体的兴趣度；以及

所述用户对候选实体集合中的各候选实体的预期度。

2.根据权利要求1所述的方法，其中，获取与待搜索实体关联的候选实体集合进一步包括：

响应于候选实体与待搜索实体在预设知识图谱中存在关联关系，将所述候选实体添加至所述候选实体集合中。

3.根据权利要求1或2所述的方法，其中，获取与待搜索实体关联的候选实体集合进一步包括：

响应于候选实体与待搜索实体在搜索会话历史中的共现次数超过预设的第一阈值，将所述候选实体添加至所述候选实体集合中。

4.根据权利要求3所述的方法，其中，获取与待搜索实体关联的候选实体集合进一步包括：

将预设的语料库中，与待搜索实体具有共现关系的实体作为共现候选实体；

将与待搜索实体的相关度超过预设的第二阈值的共现候选实体添加至所述候选实体集合中。

5.根据权利要求1所述的方法，其中，所述排序模型通过如下的步骤训练得到：

生成训练样本集，所述训练样本集中的每个训练样本包括三元组和点击行为标注，所述三元组包括用户身份标识、第一实体和第二实体，所述点击行为标注用于指示用户在搜索所述第一实体得到的搜索结果中，是否对所述第二实体具有点击行为；

对于所生成的训练样本集中的每一个训练样本，生成该训练样本的特征向量；

将所述训练样本集和所生成的特征向量输入到预先建立的梯度提升决策树模型中，基于随机梯度下降算法对所述梯度提升决策树模型进行训练；

响应于交叉熵损失函数最小，生成所述排序模型；

其中，所述特征向量包括用于指示以下至少一者的特征值：

各三元组中的第一实体和第二实体之间的相关度；

各三元组中的用户对该三元组中第二实体的兴趣度；以及

各三元组中的用户对该三元组中第二实体的预期度。

6.根据权利要求5所述的方法，其中，所述用于指示各三元组中的第一实体和第二实体之间的相关度的分量包括以下至少一者：

所述三元组中的第一实体和第二实体在预设知识图谱中的相关度；

所述三元组中的第一实体和第二实体在搜索会话历史中的共现度；

所述三元组中的第一实体和第二实体在预设语料库中的共现度；以及

所述三元组中的第一实体和第二实体的主题相似度。

7.根据权利要求5所述的方法，其中，所述用于指示各三元组中的用户对该三元组中第二实体的兴趣度的特征值包括以下至少一者：

该三元组中，第二实体的点击率；

第二实体在预设分类表中所属的主题类别的点击率；

所述三元组中的第一实体和第二实体的语义相似度。

8.根据权利要求5所述的方法，其中，所述用于指示各三元组中的用户对该三元组中第二实体的预期度的特征值包括以下至少一者：

基于所述三元组中用户的历史点击数据确定的用户和/或第一实体对第二实体的关系熟悉度；

所述三元组中的第二实体相对用户和/或第一实体的意外度；以及

所述三元组中，第一实体的点击多样性。