搜索结果排序模型生成方法和装置与流程

技术特征：

1.一种搜索结果排序模型生成方法，包括：

利用稳定性预测模型对用于生成搜索结果排序模型的神经网络的训练样本进行稳定性预测，得到所述训练样本的稳定性预测结果，以及基于所述稳定性预测结果和所述训练样本的原始标注信息，得到所述训练样本的标注信息；

利用所述训练样本和训练样本的标注信息对用于生成搜索结果排序模型的神经网络进行训练，得到搜索结果排序模型。

2.根据权利要求1所述的方法，用于生成搜索结果排序模型的神经网络的训练样本的标注信息包括以下之一：稳定正样本、不稳定样本、稳定负样本。

3.根据权利要求2所述的方法，稳定性预测模型包括：稳定性初步预测子模型、稳定性综合预测子模型，所述稳定性初步预测子模型通过预先对用于生成稳定性初步预测子模型的深度神经网络进行训练而得到；以及

所述方法还包括：

获取满足预设条件的样本，所述预设条件包括：在多个时间段中共现时间段的数量大于数量阈值，共现时间段为样本中的搜索式与所述搜索式对应的搜索结果共同出现的时间段；

利用稳定性初步预测子模型对满足预设条件的样本进行稳定性预测，得到稳定性预测信息；

基于满足预设条件的样本，生成多个用于生成稳定性综合预测子模型的决策树的训练样本和标注信息，其中，决策树的训练样本包括：所述稳定性预测信息、满足预设条件的样本在所述决策树的训练样本对应的共现时间段内的搜索特征，决策树的训练样本的标注信息包括以下之一：稳定样本、不稳定样本；

利用决策树的训练样本和标注信息对决策树进行训练，得到稳定性综合预测子模型。

4.根据权利要求3所述的方法，满足预设条件的样本在所述决策树的训练样本对应的共现时间段内的搜索特征包括：满足预设条件的样本中的搜索式在所述共现时间段内出现的次数、所述搜索式在所述共现时间段内出现的天数、满足预设条件的样本中的搜索结果在所述共现时间段内被点击的次数。

5.根据权利要求4所述的方法，所述方法还包括：

创建用于生成稳定性初步预测子模型的深度神经网络；

获取用于生成稳定性初步预测子模型的深度神经网络的训练样本，用于生成稳定性初步预测子模型的深度神经网络的训练样本满足以下条件：在多个时间段中共现时间段的数量大于数量阈值，共现时间段为训练样本中的搜索式与所述搜索式对应的搜索结果共同出现的时间段；

生成用于生成稳定性初步预测子模型的深度神经网络的训练样本的标注信息，所述标注信息包括以下之一：稳定样本、不稳定样本；

利用所述训练样本和标注信息，对所述深度神经网络进行训练，得到稳定性初步预测子模型。

6.一种搜索结果排序模型生成装置，包括：

标注单元，配置用于利用稳定性预测模型对用于生成搜索结果排序模型的神经网络的训练样本进行稳定性预测，得到所述训练样本的稳定性预测结果，以及基于所述稳定性预测结果和所述训练样本的原始标注信息，得到所述训练样本的标注信息；

训练单元，配置用于利用所述训练样本和训练样本的标注信息对用于生成搜索结果排序模型的神经网络进行训练，得到搜索结果排序模型。

7.根据权利要求6所述的装置，用于生成搜索结果排序模型的神经网络的训练样本的标注信息包括以下之一：稳定正样本、不稳定样本、稳定负样本。

8.根据权利要求7所述的装置，所述装置还包括：

稳定性预测模型生成单元，配置用于当稳定性预测模型包括稳定性初步预测子模型、稳定性综合预测子模型，所述稳定性初步预测子模型通过预先对用于生成稳定性初步预测子模型的深度神经网络进行训练而得到时，获取满足预设条件的样本，所述预设条件包括：在多个时间段中共现时间段的数量大于数量阈值，共现时间段为样本中的搜索式与所述搜索式对应的搜索结果共同出现的时间段；利用稳定性初步预测子模型对满足预设条件的样本进行稳定性预测，得到稳定性预测信息；基于满足预设条件的样本，生成多个用于生成稳定性综合预测子模型的决策树的训练样本和标注信息，其中，决策树的训练样本包括：所述稳定性预测信息、满足预设条件的样本在所述决策树的训练样本对应的共现时间段内的搜索特征，决策树的训练样本的标注信息包括以下之一：稳定样本、不稳定样本；利用决策树的训练样本和标注信息对决策树进行训练，得到稳定性综合预测子模型。

9.根据权利要求8所述的装置，满足预设条件的样本在所述决策树的训练样本对应的共现时间段内的搜索特征包括：满足预设条件的样本中的搜索式在所述共现时间段内出现的次数、所述搜索式在所述共现时间段内出现的天数、满足预设条件的样本中的搜索结果在所述共现时间段内被点击的次数。

10.根据权利要求9所述的装置，所述装置还包括：

稳定性初步预测子模型生成单元，配置用于创建用于生成稳定性初步预测子模型的深度神经网络；获取用于生成稳定性初步预测子模型的深度神经网络的训练样本，用于生成稳定性初步预测子模型的深度神经网络的训练样本满足以下条件：在多个时间段中共现时间段的数量大于数量阈值，共现时间段为训练样本中的搜索式与所述搜索式对应的搜索结果共同出现的时间段；生成用于生成稳定性初步预测子模型的深度神经网络的训练样本的标注信息，所述标注信息包括以下之一：；利用所述训练样本和标注信息，对所述深度神经网络进行训练，得到稳定性初步预测子模型。

11.一种服务器，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一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，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。