最大值（稳定值）时可W结束训练，此时得 到最优模型参数。由于该排序模型是根据用户的点击反馈训练得到的，因此，根据该排序模 型对捜索结果进行排序，可W使得排序结果更加符合用户行为，从而提高捜索排序结果的 准确率。
[0094] 综上，在本发明实施例中，根据用户针对捜索排序结果的点击反馈得到排序模型 的捜索点击率，W及根据捜索点击率对排序模型的模型参数进行更新，可W在用户行为偏 好发生变化时能够自动调整模型参数W适应用户的点击行为，相对于现有技术需要重新构 建数据集，可W提高训练模型参数的效率。 阳0巧]实施例二
[0096] 参照图2,示出了本发明的一种排序模型的训练系统的结构示意图，具体可W包 括：捜索请求处理模块210、排序模块220、用户行为反馈模块230W及中央控制器240。
[0097] 其中，捜索请求处理模块210,用于接收来自用户的捜索请求，对捜索请求进行分 词处理，然后随机向某一个排序模块220发起该捜索请求，W及将来自排序模块220的针对 所述捜索请求的捜索排序结果返回给用户。
[0098] 排序模块220,用于接收并处理来自所述捜索请求处理210模块的捜索请求，例 如，可W利用捜索请求处理模块210得到的分词查询倒排索引，然后，基于排序模型对查询 结果进行排序，得到捜索排序结果，W及将捜索排序结果返回给捜索请求处理模块210。在 本发明实施例中，排序模块220的个数可W大于等于2，各排序模块可W共用一个索引，并 且采用相同的排序模型W及不同的模型参数。
[0099] 用户行为反馈模块230,用于收集用户针对所述捜索排序结果的点击反馈，并且周 期性计算各排序模块的用户捜索次数（impression_count)、用户点击次数（click_count) W及捜索点击率（ctr，定义为click_counVimpression_count)。
[0100] 中央控制器240,用于根据各排序模块的捜索点击率，按照预置的参数更新算法对 各排序模块的模型参数进行更新；直到捜索点击率达到稳定值，停止更新。 阳101] 在具体应用中，可W在线上部署多个上述排序模块220,各排序模块共用一个索 弓I，并且采用相同的排序模型，不同的是每个排序模块采用不同的模型参数。中央控制器 240可W实时配置各个排序模块的模型参数。当用户发起捜索请求时，捜索请求处理模块 210将捜索请求随机分配到某一个排序模块220上，并将来自该排序模块的捜索排序结果 返回给用户。用户行为反馈模块230收集用户针对所述捜索排序结果的点击反馈（用户 捜索次数impression_count、用户点击次数click_count)，计算各排序模块的捜索点击率 ctr，并将捜索点击率ctr发送给中央控制器240。中央控制器240根据各排序模块的捜索 点击率ctr，按照梯度下降法，周期性更新各个排序模块的模型参数，每次更新后，排序模块 的参数相对于上一轮的更优。迭代上述更新流程，直到捜索点击率达到稳态，上述更新流程 能够使得到达稳态时捜索点击率为极大值点，此时停止更新。也即，本发明实施例通过自适 应的学习更新模型参数，使得捜索点击率达到极大值，从而可W得到最优的模型参数，在提 高捜索点击率的同时，可W提高训练参数的效率。 阳102] 实施例S 阳103] 参照图3,示出了本发明的一种排序模型的训练方法实施例二的步骤流程图，具体 可W包括：
[0104] 步骤301、随机向某个排序模块发送来自用户的捜索请求；
[0105] 步骤302、接收来自所述排序模块的所述捜索请求对应的捜索排序结果； 阳106] 步骤303、向用户返回所述捜索排序结果； 阳107]步骤304、根据用户针对所述捜索排序结果的点击反馈，确定所述排序模型对应的 捜索点击率；
[0108] 步骤305、根据所述捜索点击率，按照预置的参数更新算法，对所述排序模型的模 型参数进行更新。
[0109] 在本发明的一种应用示例中，假设排序模块的个数为2,排序模块RSB_1和RSB_2， 排序模型包含m个参数，采用基于梯度下降法更新模型参数。具体更新步骤可W如下：
[0110] 步骤S31、确定模型初始参数a1°，a2°...曰m°; 阳111] 步骤S32、假设上一轮更新之后模型参数为aik，a,k...曰mN
[0112] 步骤S33、中央控制器将RSB_1和RSB_2的模型参数分别设置为aik，a3k...曰 和a>Aaik，a,k...amk，用户行为反馈模块收集两种参数下用户的点击反馈，并计算 出RSB_1对应的捜索点击率ctr_l，RSB_2对应的捜索点击率ctr_2 ;W及，计算参数斜率
[0113]步骤S34、重复上述步骤S33的过程，依次计算如下各参数斜率： 阳114]
[0115]步骤S35、根据上述参数斜率，按照如下公式更新模型参数；
阳120] 其中S为学习步长，取值范围为（0, 1)。 阳121] 步骤S36、在满足稳态条件时，停止更新。
[0122] 具体地，当aik"-a；%a2k"-a2*%都小于预设阔值时，说明训练结 果满足稳态条件，此时，捜索点击率达到极大值，则停止更新。
[0123] 在本发明实施例中，当用户发起捜索请求时，将该捜索请求随机分配到某个排序 模块，并将该排序模块返回的排序结果返回给用户，基于用户针对排序结果的点击反馈更 新排序模块的模型参数，在每次更新后，可W使得排序模块的参数相对于上一轮的更优。迭 代上述更新过程，直到各排序模块的捜索点击率达到稳态，停止更新。在本发明实施例中， 由于训练数据可W通过各排序模块产生的，因此，相对于现有技术，不用构建数据集，可W 节省大量的时间。此外，当用户行为发生变化时，用户的点击反馈也会发生相应的变化，本 发明基于用户针对排序结果的点击反馈更新排序模块的模型参数，因此，本发明实施例在 用户行为偏好发生变化时能够自动调整模型参数W适应用户的点击行为，相对于现有技术 需要重新构建数据集，可W提高训练参数的效率。
[0124]需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组 合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依 据本发明实施例，某些步骤可W采用其他顺序或者同时进行。其次，本领域技术人员也应该 知悉，说明书中所描述的实施例均属于优选实施例，所设及的动作并不一定是本发明实施 例所必须的。 阳12引装置实施例 阳126]参照图4,示出了本发明的一种排序模型的训练装置实施例的结构框图，具体可W包括：
[0127] 排序模块410,用于根据排序模型，对用户捜索请求对应的捜索结果进行排序，得 到对应的捜索排序结果；
[0128]反馈模块420,用于根据用户针对所述捜索排序结果的点击反馈，确定所述排序模 型对应的捜索点击率；及
[0129] 更新模块430,用于根据所述捜索点击率，按照预置的参数更新算法，对所述排序 模型的模型参数进行更新。
[0130] 在本发明的一种优选实施例中，所述排序模块410,具体可W包括： 阳131] 请求发送子模块，用于向具有相同模型和不同参数的多个排序模型中的任意一 个，发送来自用户的用户捜索请求；
[0132]结果接收子模块，用于接收来自所述排序模型的所述用户捜索请求对应的捜索排 序结果。 阳133] 在本发明的另一种优选实施例中，所述更新模块430,具体可W包括：
[0134] 更新子模块，用于根据所述捜索点击率，按照预置的参数更新算法，对所述排序模 型的模型参数进行更新，直到各排序模型对应的捜索点击率达到稳定值。
[0135] 在本发明的又一种优选实施例中，所述反馈模块420,具体可W包括： 阳136] 收集子模块，用于收集所述捜索排序结果对应的用户捜索次数和用户点击次数；
[0137] 计算子模块，用于根据所述用户点击次数与所述用户捜索次数的比值，确定捜索 点击率。
[0138] 在本发明的再一种优选实施例中，所述预置的参数更新算法为梯度下降算法；
[0139] 所述更新模块430,具体可W包括：
[0140] 初始化子模块，用于确定所述各排序模型的初始参数； 阳141] 点击率确定子模块，用于确定所述各排序模型对应的捜索点击率；
[0142] 迭代更新子模块，用于根据所述各排序模型对应的