[发明专利]一种基于文本点击率的搜索结果推荐方法及系统

权利要求书

1.一种基于文本点击率的搜索结果推荐方法，其特征在于，包括以下步骤：

步骤110，对搜索内容query和搜索结果title进行预处理操作；

步骤120，对query和title构建特征工程；所述特征工程包括：词粒度的统计特征，文本语义特征，相似度特征，历史信息特征；

步骤130，利用改进的深度紧密递归交互注意力机制的网络DRCN构建基于残差递归自注意力和交互注意力机制的网络RRSCN的深度匹配模型，来进行特征提取；

步骤140，根据步骤130得到的RRSCN深度匹配模型，通过流式读取方法训练全量数据加上微调迁移学习的方式获取RRSCN的预训练模型；

步骤150，根据特征工程和RRSCN深度匹配模型构建三输入的全连接层网络；

步骤160，利用构建的全连接层网络预测文本预估点击率和相关性，给用户推荐最有可能点击的搜索结果；

其中，所述步骤120具体包括：

步骤121，计算词粒度的统计特征，用于描述搜索问题query和搜索标题title之间基于词的匹配信息，包含特征有：query或title长度、query长度-title长度、query是否完全包含title、query和title的公共词个数、query和title的公共词个数与query和title长度的占比、title出现的频次、query和title的最长连续公共子序列长度；

步骤122，计算文本语义特征，用于描述query和title之间语义上的联系，包含特征有：N-gram特征，query中第一、第二和第三个词语中的任两个是否相同，query中第一、第二和第三个词语在title中出现的位置，query首词或末词在title中的顺序以及出现位置；

获取query和title的共现语句s，计算与query和title语句的占比，得共现率特征：

其中len表示获取语句的长度；

步骤123，计算相似度特征，用于衡量query和title相似程度，包括：

步骤123a，通过词向量word2vec和快速文本分类器fasttext将文本进行词向量编码，通过以下公式给每个词赋予一个权重评价w：

其中m为文档总数，w_i,j为词语i在第j篇文档中出现的次数，a_j为第j篇文档词语的个数，itf表示为加强过后的tf，iidf表示加强过后的idf，itf和iidf为TFC算法，α为根据正负类别频率的平衡系数，n_i为包含词语i的所有文档数，p(i₁)为单词i在正例类别中的频率，p(i₀)为单词i在反例类别中的频率；

步骤123b，利用权重值对query和title中的每个词进行加权求和得到query和title的句向量表示：

其中m是文中词语个数，v_i为第i个词的词向量，sentence vec为计算得到的句向量；

步骤123c，对得到query和title的句向量进行余弦相似度、莱文斯坦levenshtein相似度、曼哈顿距离计算，把计算结果作为相似度特征；

步骤124，计算历史信息特征，用于根据历史数据去刻画title信息，包括：

步骤124a，根据步骤110得到的query和title的关键词提取query历史点击率、title历史点击率作为特征；

对于冷启动文本，即测试集中未在训练集中出现的样本，统计训练集title出现的次数count和点击次数click，click为0的填充为1，测试集中未出现的title的点击率设置为0.2；

步骤124b，计算title质量分数特征，一个query中用户点击的title和另一个query中用户点击的title，这两个title对于query的重要程度根据以下公式：

其中q_t表示包含title的query，label_q表示该query的标签值，1为对当前query下的该title有点击，0为未点击，ctr_q为该query的一个整体点击率，Score_title为一个title的最终得分，即是包含该title的所有query下该title的得分总和；

根据公式得到title对于不同query下的一个得分，然后title的最终得分是包含该title的所有query下该title得分的总和。