[发明专利]搜索推荐模型的训练方法、搜索结果排序的方法及装置

说明书

本申请公开了人工智能领域中的一种搜索推荐模型的训练方法、搜索结果排序的方法及装置，该训练方法包括：获取训练样本集合，该训练样本集合中包括样本用户行为组序列与样本遮盖用户行为组序列；通过以该训练样本集合为输入数据，以得到遮盖处理的该样本用户的响应操作的对象为训练目标对搜索推荐模型进行训练，得到训练后的搜索推荐模型，该搜索推荐模型用于在目标用户输入查询字段的情况下，预测该查询字段对应的搜索结果中的候选推荐对象的标签，该标签用于表示该目标用户对该候选推荐对象进行响应操作的概率。基于本申请的技术方案能够提高搜索推荐模型的准确性，从而提升用户的体验感。

技术领域

本申请涉及人工智能领域，并且更具体地，涉及一种搜索推荐模型的训练方法、搜索结果排序的方法及装置。

背景技术

选择率预测是指预测用户在特定环境下对某个商品的选择概率。例如，应用商店、在线广告等应用的搜索推荐系统中，基于用户输入的搜索词(又称为查询词或者查询字段)的选择率预测起到关键作用，比如，可以基于选择率预测对查询词对应的候选集合中的对象进行排序从而生成搜索结果；通过选择率预测可以提升用户的体验感。

目前，在搜索推荐系统中可以基于搜索词-候选集合中对象的关联性学习排序函数，对候选集合中的对象进行排序生成搜索结果。然而，上述排序函数仅考虑到了当前搜索的静态信息即搜索词的信息；对于不同的用户而言，输入同一搜索词得到相同的搜索排序结果；即基于目前的搜索推荐模型得到的搜索结果的准确性较低，无法满足不同用户的需求导致用户体验感较差。

因此，如何提高搜索推荐模型的准确性，从而提升用户体验感成为一个亟需解决的问题。

发明内容

本申请提供一种搜索推荐模型的训练方法、搜索结果排序的方法及装置，能够提高搜索推荐模型的准确性，从而提高反馈的搜索结果的准确。

第一方面，提供了一种搜索推荐模型的训练方法，包括：获取训练样本集合，其中，所述训练样本集合中包括样本用户行为组序列与样本遮盖用户行为组序列，所述样本用户行为组序列中包括第一查询字段以及与所述第一查询字段对应的搜索结果中样本用户的响应操作的对象，所述样本遮盖用户行为组序列包括第二查询字段以及对所述第二查询字段对应的搜索结果中所述样本用户的响应操作的对象进行遮盖处理后得到的序列；通过以所述训练样本集合为输入数据，以得到遮盖处理的所述样本用户响应操作的对象为训练目标对搜索推荐模型进行训练，得到训练后的搜索推荐模型，其中，所述搜索推荐模型用于在目标用户输入查询字段的情况下，预测所述查询字段对应的搜索结果中的候选推荐对象的标签，所述标签用于表示所述目标用户对所述候选推荐对象进行响应操作的概率。

应理解，上述样本用户行为组序列可以是指样本用户的一组按照时间先后顺序排序的数据；比如，样本用户的行为日志数据。

在一种可能的实现方式中，训练样本集合可以是在样本用户的用户行为日志中获取的数据，具体地，包括样本用户的历史查询字段，以及与样本用户对历史查询字段对应的搜索结果中的候选推荐对象的响应操作；比如，样本对某一查询字段对应的搜索结果中的候选推荐的点击操作、下载操作、购买操作以及浏览操作等操作。

在一种可能的实现方式中，候选推荐对象可以包括文档、服务产品、广告、应用程序中的任意一项。

在一种可能的实现方式中，上述候选推荐对象的标签可以是指对查询字段对应的候选推荐对象的评估得分，其中，评估得分越高的候选推荐对象可以表示根据用户的历史行为数据该用户对该候选推荐对象的响应操作的概率越大，则可以将该候选推荐对象排序至搜索结果中靠前的位置。