[发明专利]搜索排序模型训练方法及装置、搜索排序方法及装置

说明书

本申请公开了一种搜索排序模型训练方法，属于计算机技术领域，有助于提升搜索排序结果的准确性。所述方法包括：基于搜索查询领域的预设训练样本集对BERT模型进行预训练，得到与搜索查询领域匹配的BERT模型参数；通过BERT模型参数初始化预设匹配识别模型的BERT编码网络，并基于对预设训练样本集进行抽样后得到的若干单个搜索内容组成的第一训练样本学习查询输入和搜索内容的匹配关系，训练匹配识别模型；通过匹配识别模型的网络参数初始化预设搜索排序模型的BERT编码网络，并基于对预设训练样本集进行抽样得到的包括多个搜索内容的若干第二训练样本，训练预设搜索排序模型,提升了搜索排序模型的搜索排序结果准确性。

技术领域

本申请实施例涉及计算机技术领域，特别是涉及一种搜索排序模型训练方法及装置、搜索排序方法及装置、电子设备及计算机可读存储介质。

背景技术

在搜索应用领域中，查询输入和搜索内容的相关性计算以及排序的性能直接影响搜索性能，如搜索结果的准确性。因此，查询输入与搜索内容的搜索排序方法的改进，是本领域技术人员一直探索的问题。现有技术中常见的搜索排序方法包括：基于传统特征拟合的方法、基于pointwise(单个文档排序)的搜索排序方法、基于listwise(多个文档排序)的搜索排序方法等。然而，基于传统特征拟合的方法需要手动设计大量的特征，人工成本较高；基于pointwise的搜索排序方法不能做样本的比较，因此不太适合训练排序的模型；基于listwise的搜索排序方法存在

可见，现有技术中的搜索排序方法仍需要改进。

发明内容

本申请实施例提供一种搜索排序模型训练方法、搜索排序方法，有助于提升搜索排序结果的准确性。

第一方面，本申请实施例提供了一种搜索排序模型训练方法，包括：

基于搜索查询领域的预设训练样本集对BERT模型进行预训练，得到与所述搜索查询领域匹配的BERT模型参数；

通过所述BERT模型参数初始化预设匹配识别模型的BERT编码网络，并基于对所述预设训练样本集进行抽样后得到的第一样本集合，训练所述预设匹配识别模型，其中，所述基于对所述预设训练样本集进行抽样后得到的第一样本集合，训练所述预设匹配识别模型，包括：通过分别对所述第一样本集合中各第一训练样本的样本数据中各维度信息之间的匹配关系进行学习，确定所述BERT编码网络用于进行特征编码的网络参数；

通过所述网络参数初始化预设搜索排序模型的所述BERT编码网络，并基于对所述预设训练样本集进行抽样得到的第二样本集合，训练所述预设搜索排序模型；其中，所述第二样本集合中的每条第二训练样本包括与查询输入对应的多条正例搜索内容和多条负例搜索内容。

第二方面，本申请实施例提供了一种搜索排序模型训练装置，包括：

第一训练模块，用于基于搜索查询领域的预设训练样本集对BERT模型进行预训练，得到与所述搜索查询领域匹配的BERT模型参数；

第二训练模块，用于通过所述BERT模型参数初始化预设匹配识别模型的BERT编码网络，并基于对所述预设训练样本集进行抽样后得到的第一样本集合，训练所述预设匹配识别模型，其中，所述基于对所述预设训练样本集进行抽样后得到的第一样本集合，训练所述预设匹配识别模型，包括：通过分别对所述第一样本集合中各第一训练样本的样本数据中各维度信息之间的匹配关系进行学习，确定所述BERT编码网络用于进行特征编码的网络参数；

第三训练模块，用于通过所述网络参数初始化预设搜索排序模型的所述BERT编码网络，并基于对所述预设训练样本集进行抽样得到的第二样本集合，训练所述预设搜索排序模型；其中，所述第二样本集合中的每条第二训练样本包括与查询输入对应的多条正例搜索内容和多条负例搜索内容。

第三方面，本申请实施例提供了一种搜索排序方法，包括：