[发明专利]排序方法、装置、电子设备及可读存储介质

权利要求书

1.一种排序方法，其特征在于，所述方法包括：

对数据样本集按照搜索请求进行分组，得到至少一个搜索请求分组；

采用所述搜索请求分组对神经网络模型进行训练，所述神经网络模型在训练过程中，对于同一个搜索请求分组中被点击和未被点击的候选对象，分别计算被点击的候选对象排序在未被点击的候选对象之前的归一化折扣累计增益，以及，被点击的候选对象排序在未被点击的候选对象之后的归一化折扣累计增益，得到第一增益和第二增益；

计算所述第一增益和第二增益之间的差值的绝对值；

计算被点击的候选对象与未被点击的候选对象的当前预测值之间的差值，得到第一差值；

计算所述差值与预设系数的乘积，得到第一乘积；

以自然常数为底数，所述第一乘积为指数计算指数结果，得到第一指数结果；

计算所述指数结果与1之和，得到第一数值；

计算所述预设系数与所述绝对值的乘积，得到第二乘积；

计算所述第二乘积与所述第一数值的比值，并取相反数得到所述被点击的候选对象和未被点击的候选对象之间的梯度值；

根据所述被点击的候选对象和未被点击的候选对象之间的梯度值调整所述神经网络模型的参数；

采用所述神经网络模型对目标搜索词关联的目标对象进行排序。

2.根据权利要求1所述的方法，其特征在于，所述被点击的候选对象和未被点击的候选对象之间的梯度值λ_i,j根据如下公式计算得到：

其中，σ为预设系数，_i、_j分别为被点击的候选对象与未被点击的候选对象的当前预测值，Δ_NDCG为被点击和未被点击的候选对象排序位置互换前后的归一化折扣累积增益的变化值。

3.根据权利要求1所述的方法，其特征在于，所述根据所述被点击的候选对象和未被点击的候选对象之间的梯度值调整所述神经网络模型的参数的步骤，包括：

针对每个候选对象，分别获取标记在所述候选对象的位置之前的其他候选对象，以及，获取标记在所述候选对象的位置之后的其他候选对象，得到第一对象、第二对象；

计算所述候选对象与所述第一对象的梯度值之和，得到第一梯度和；

计算所述候选对象与所述第二对象之间的梯度值之和，得到第二梯度和；

计算所述第二梯度和与第一梯度和的差值，得到所述候选对象的调整梯度；

根据所述调整梯度调整所述神经网络模型中所述候选对象对应的参数。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在每次训练之后，根据同一个搜索请求分组中被点击和未被点击的候选对象的当前预测值以及候选对象的位置标记计算损失值；

在所述损失值小于或等于预设损失值阈值的情况下，结束训练。

5.根据权利要求4所述的方法，其特征在于，所述根据同一个搜索请求分组中被点击和未被点击的候选对象的当前预测值以及候选对象的位置标记计算损失值的步骤，包括：

对于同一个搜索请求分组中被点击和未被点击的候选对象，计算1与候选对象的位置标记的差值，得到第二差值；

对于同一个搜索请求分组中被点击和未被点击的候选对象，计算被点击的候选对象和未被点击的候选对象的当前预测值的差值，得到第三差值；

计算所述第二差值、第三差值、预设系数以及二分之一的乘积，得到第三乘积；

计算所述第三差值和预设系数的乘积，并取相反数得到第四乘积；

以自然常数为底数，所述第四乘积为指数计算指数结果，得到第二指数结果；

计算1与所述第二指数结果之和作为真数，并以10为底数取对数，得到对数结果；

计算所述第三乘积和所述对数结果之和，得到被点击和未被点击的候选对象的损失值；

计算所述被点击和未被点击的候选对象的损失值的平均值，得到损失值。

6.根据权利要求4所述的方法，其特征在于，所述被点击和未被点击的候选对象的损失值C_i,j根据如下公式计算得到：

其中，S_ij为被点击的候选文本与未被点击的候选文本的标记值的差值。