[发明专利]推荐理由筛选方法、装置、电子设备

说明书

本申请公开了一种推荐理由筛选方法，属于计算机技术领域，有助于获取查询文本匹配的搜索结果推荐理由文本；通过预设推荐理由匹配模型对查询文本和搜索结果推荐理由文本逐条进行匹配识别；其中，推荐理由匹配模型基于包括查询文本和搜索结果推荐理由文本、搜索结果推荐理由文本与查询文本中解释性文本的关联度构建的训练样本训练得到；训练模型时，通过损失函数计算训练样本中搜索结果推荐理由文本与查询文本中解释性文本的关联度预估值和真实值导致的模型误差，以模型误差最小为目标优化模型参数，直至模型误差收敛，根据匹配识别结果对搜索结果推荐理由文本进行筛选，提升了推荐理由文本对召回结果与查询输入之间关联度的可解释性。

技术领域

本申请实施例涉及计算机技术领域，特别是涉及一种推荐理由筛选方法、装置、电子设备及计算机可读存储介质。

背景技术

在网络平台的搜索页面，对于根据用户的查询输入召回的查询结果，网络平台会在查询结果展示界面同时展示查询结果的推荐理由。以酒店预订平台为例，平台会根据用户的查询输入在查询结果界面展示推荐酒店列表，同时，为了提升对用户推荐的查询结果的感知度，平台会为推荐酒店列表中的商家展示一条或多条用自然语言描述的推荐理由(例如，描述酒店的特色的文本信息)，以丰富用户通过查询结果列表页面获取的信息，提升用户对查询结果的处理效率。现有技术中，针对查询输入的推荐理由通常是根据召回结果的评论、属性等数据生成的，具有普遍性，并未充分体现与用户的查询意图的匹配度。因此，现有技术中，会通过与查询输入相关的关键词对推荐理由进行筛选，以提升推荐理由对召回结果与查询输入之间关联度的可解释性。然而，受限于关键词无法穷举，以及确定的关键词与查询输入的关联度，会出现筛选后的推荐理由对召回结果与查询输入之间关联度的可解释性差，或者召回的推荐理由数量稀少的问题。

可见，现有技术中的推荐理由筛选方法还需要改进。

发明内容

本申请实施例提供一种推荐理由筛选方法，有助于提升推荐理由文本对召回结果与查询输入之间关联度的可解释性，且可以不影响召回的推荐理由的数量。

为了解决上述问题，第一方面，本申请实施例提供了一种推荐理由筛选方法，包括：

获取目标查询文本匹配的搜索结果推荐理由文本；

通过预先训练的推荐理由匹配模型对所述目标查询文本和所述搜索结果推荐理由文本逐条进行匹配识别；其中，用于训练所述推荐理由匹配模型的每条所述训练样本的样本数据包括：查询文本和搜索结果推荐理由文本，样本标签表示所述搜索结果推荐理由文本与所述查询文本中限定搜索实体的解释性文本之间关联度的真实值；在基于若干所述训练样本，训练推荐理由匹配模型过程中，通过所述推荐理由匹配模型的损失函数计算每条训练样本中搜索结果推荐理由文本与查询文本中限定搜索实体的解释性文本之间的关联度预估值和真实值的误差，并根据所有训练样本的所述误差计算模型误差，以所述模型误差最小为目标调整所述推荐理由匹配模型的模型参数，直至所述模型误差收敛至预设范围；

根据匹配识别的结果对所述搜索结果推荐理由文本进行筛选。

第二方面，本申请实施例提供了一种推荐理由筛选装置，包括：

搜索结果推荐理由文本获取模块，用于获取目标查询文本匹配的搜索结果推荐理由文本；