[发明专利]搜索词和商品的相关性预测方法、设备和存储介质

权利要求书

1.一种搜索词和商品的相关性预测方法，其特征在于，包括：

接收当前用户输入的搜索词，确定所述搜索词的语义向量，所述语义向量用于表征所述搜索词在词典的语义向量空间中的位置，其中所述语义向量空间由以下方式生成：获取用户的历史搜索行为日志中的搜索词、商品名和品类名；对搜索词、商品名和品类名进行逐行编码，生成语义向量空间，其中搜索词、商品名和品类名的编码为各自对应的行号；所述品类名包括多个级别的品类名，每个级别的品类名对应所述语义向量空间的一个维度；

利用预先训练的搜索推荐模型，确定所述搜索词的语义向量对应的至少一个搜索结果项，所述搜索结果项为包括所述搜索词，以及与所述搜索词的相关性大于预设阈值的商品名和品类名的语义向量；所述搜索推荐模型由以下方式生成：获取预设时间段内的用户的行为日志，所述行为日志包括用户的搜索请求和用户对根据搜索请求返回的商品信息的响应动作； 将点击率高于预设阈值的商品信息对应的搜索词、以及商品信息中的商品名和品类名作为训练正样本；将点击率低于预设阈值的商品信息对应的搜索词、以及商品信息中的商品名和品类名作为第一子训练负样本；按照预设条件从所述训练正样本所属品类和上级品类中选取商品信息对应的搜索词、以及商品信息中的商品名和品类名作为第二子训练负样本；将所述第一子训练负样本和所述第二子训练负样本直接融合，生成训练负样本，或者将所述第一子训练负样本和所述第二子训练负样本按比例融合，生成训练负样本，根据两个训练负样本对应的搜索模型的推荐结果的准确度对搜索推荐模型的训练负样本进行优化，作为最终的训练负样本；在所述训练正样本和所述训练负样本中关联加入品类特征，生成特征训练正样本和特征训练负样本，并映射为语义向量空间中的语义向量；利用所述特征训练正样本和所述特征训练负样本的语义向量对神经网络模型进行训练，生成搜索推荐模型；

确定所述搜索结果项在词典的语义向量空间中的位置，并确定对应的商品信息；

将所述商品信息推荐给所述当前用户。

2.根据权利要求1所述的搜索词和商品的相关性预测方法，其特征在于，还包括：

从所述训练正样本所属的不同品类下选取预设比例的商品信息对应的搜索词、以及商品信息中的商品名和品类名作为第三子训练负样本；

所述将所述第一子训练负样本和所述第二子训练负样本进行融合，生成训练负样本，包括：

将所述第一子训练负样本、所述第二子训练负样本和所述第三子训练负样本进行融合，生成训练负样本。

3.根据权利要求2所述的搜索词和商品的相关性预测方法，其特征在于，所述搜索推荐模型为FM模型、FFM模型、双线性FFM模型和DeepFFM模型中的一种。

4.根据权利要求3所述的搜索词和商品的相关性预测方法，其特征在于，所述语义向量空间还包括用户信息维度，所述用户信息包括用户ID、用户性别和用户职业中的至少一种。

5.根据权利要求4所述的搜索词和商品的相关性预测方法，其特征在于，所述接收当前用户输入的搜索词，确定所述搜索词的语义向量，包括：

接收当前用户输入的搜索词，获取所述当前用户的用户信息，确定所述搜索词和所述用户信息的语义向量。

6.一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1~5中任一项所述的方法。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1~5中任一项所述的方法。