[发明专利]一种资源排序方法、装置、电子设备和存储介质

权利要求书

1.一种资源排序方法，其特征在于，该方法包括：

获取多个待排序资源，并将具有相同资源类型的待排序资源划分至同一资源集合，所述多个待排序资源具有至少两种资源类型；

分别获取所述各个待排序资源各自对应的独有特征和共享特征，其中，每个待排序资源的独有特征表征：所属的资源类型独有的资源特征，每个待排序资源的共享特征表征：所有资源类型共有的资源特征；

基于所述各个待排序资源的共享特征和独有特征，对所述各个待排序资源进行特征分析，获得所述各个待排序资源针对各自所属的资源类型的排序参数；

基于相同的资源集合内各个待排序资源对应的排序参数，分别对各个资源集合内的待排序资源进行排序。

2.如权利要求1所述的方法，其特征在于，基于所述各个待排序资源的共享特征和独有特征，对所述各个待排序资源进行特征分析，获得所述各个待排序资源针对各自所属的资源类型的排序参数时，针对所述各个待排序资源分别执行以下操作：

将一个待排序资源的共享特征和独有特征输入已训练的资源排序模型，通过所述资源排序模型对所述一个待排序资源进行特征分析，获得所述一个待排序资源针对所属的资源类型的排序参数；

其中，所述资源排序模型是基于包含各种资源类型的样本资源的训练样本数据集，对初始的资源排序模型执行循环迭代训练得到的。

3.如权利要求2所述的方法，其特征在于，所述资源排序模型包括多个专家网络，以及分别对应不同资源类型的门控网络和塔网络，其中，所述多个不同的专家网络的网络结构相同，网络参数不同，且各个专家网络各自对应于同一资源类型的重要度不同。

4.如权利要求3所述的方法，其特征在于，所述通过所述资源排序模型对所述一个待排序资源进行特征分析，获得所述一个待排序资源针对所属的资源类型的排序参数，包括：

基于所述资源排序模型中的各个专家网络进行联合特征提取，以分别获得所述各个专家网络针对所述一个待排序资源输出的联合特征向量；

基于所述一个待排序资源所属资源类型对应的目标门控网络，对各个联合特征向量进行加权求和，获得针对所述一个待排序资源的目标特征向量；

将所述目标特征向量输入所述一个待排序资源的资源类型对应的目标塔网络，基于所述目标塔网络对所述一个待排序资源进行点击率预估，获得所述一个待排序资源对应的推荐参数。

5.如权利要求4所述的方法，其特征在于，所述基于所述资源排序模型中的各个专家网络联合进行联合特征提取，以分别获得所述各个专家网络针对所述一个待排序资源输出的联合特征向量，包括：

将所述一个待排序资源对应的共享特征以及独有特征进行特征拼接后，分别输入所述各个专家网络；

分别基于所述各个专家网络，对所述一个待排序资源对应的拼接特征向量进行联合特征提取，获得所述各个专家网络针对所述一个待排序资源输出的联合特征向量。

6.如权利要求4所述的方法，其特征在于，所述基于所述一个待排序资源所属资源类型对应的目标门控网络，对各个联合特征向量进行加权求和，获得针对所述一个待排序资源的目标特征向量，包括：

将所述一个待排序资源对应的共享特征以及独有特征，输入所述一个待排序资源的资源类型对应的目标门控网络，以及，将所述各个专家网络针对所述一个待排序资源输出的联合特征向量，输入所述一个待排序资源的资源类型对应的目标门控网络；

基于所述目标门控网络，对所述共享特征和所述独有特征进行注意力特征提取，获得针对所述一个待排序资源的注意力权重向量；

基于所述注意力权重向量，对各个联合特征向量进行加权求和，获得所述一个待排序资源对应的加权特征向量。

7.如权利要求6所述的方法，其特征在于，所述注意力权重向量中的各个元素分别表示：所述各个专家网络对应的权重，不同专家网络对应的权重与各自对应于所述资源类型的重要度呈正相关。