基于机器学习的自动定向扩展系统的制作方法

本公开涉及评估搜索查询的相关性，并且更具体地，涉及使用机器学习技术来评估显示与搜索查询相关联的内容的机会。

背景技术：

1、传统上，搜索引擎采用基于关键字的定向系统，其中，内容源指定在其上潜在地显示其内容的关键字集合，并且与该关键字集合匹配的用户搜索查询将渲染有资格呈现给用户的内容。虽然该技术可能导致标识在有限的高质量查询集合上呈现内容的机会，但是相关查询的范围通常大得多，并且使用该技术捕获这些查询是不可扩展的。

2、因此，平台和技术有机会从更大的潜在相关查询集合中捕获更大量的内容机会。

技术实现思路

1、本公开的技术的示例实施例是一种确定相关搜索查询的方法。所述方法包括访问被输入到多个电子设备中的多个搜索查询；以及使用第一机器学习模型分析所述多个搜索查询中的第一搜索查询，以根据第一阈值确定所述第一搜索查询呈现显示内容的第一机会。响应于确定所述第一搜索查询呈现显示内容的所述第一机会，所述方法包括由所述一个或多个处理器使用第二机器学习模型分析所述第一搜索查询以预测与所述第一搜索查询相关联的类别，其中，与所述类别相关联的第一内容项由所述多个电子设备中的所述第一搜索查询被输入到其中的第一电子设备显示。此外，所述方法包括由所述一个或多个处理器使用所述第一机器学习模型分析所述多个搜索查询中的第二搜索查询，以根据低于所述第一阈值的第二阈值确定所述第二搜索查询呈现显示内容的第二机会；响应于确定所述第二搜索查询呈现显示内容的所述第二机会，检测用户是否参与由所述多个电子设备中的所述第二搜索查询被输入到其中的第二电子设备显示的第二内容项；以及由所述一个或多个处理器利用包括所述第二搜索查询并且指示所述用户是否参与所述第二内容项的数据来更新所述第一机器学习模型。

2、这些技术的另一个实施例是一种用于确定相关搜索查询的系统。该系统包括存储器，所述存储器存储与第一机器学习模型和第二机器学习模型相关联的计算机可读指令和数据的集合；以及与所述存储器对接的一个或多个处理器。所述一个或多个处理器被配置为执行所述计算机可读指令集合以使得所述一个或多个处理器：访问输入到多个电子设备中的多个搜索查询；使用所述第一机器学习模型分析所述多个搜索查询中的第一搜索查询，以根据第一阈值确定所述第一搜索查询呈现显示内容的第一机会；以及响应于确定所述第一搜索查询呈现显示内容的所述第一机会，使用所述第二机器学习模型分析所述第一搜索查询以预测与所述第一搜索查询相关联的类别，其中，与所述类别相关联的第一内容项由所述多个电子设备中的所述第一搜索查询被输入到其中的第一电子设备显示。所述一个或多个处理器被进一步配置为使用所述第一机器学习模型分析所述多个搜索查询中的第二搜索查询，以根据低于所述第一阈值的第二阈值确定所述第二搜索查询呈现显示内容的第二机会；响应于确定所述第二搜索查询呈现显示内容的所述第二机会，检测用户是否参与由所述多个电子设备中的所述第二搜索查询被输入到其中的第二电子设备显示的第二内容项；以及利用包括所述第二搜索查询并且指示所述用户是否与所述第二内容项交互的数据来更新所述第一机器学习模型。

3、这些技术的又一个实施例是一种计算机可读介质，所述计算机可读介质可以是非暂时性的，并且在其上存储指令。所述指令在由电子设备的一个或多个处理器执行时，使得所述一个或多个处理器访问被输入到多个电子设备中的多个搜索查询；使用第一机器学习模型分析所述多个搜索查询中的第一搜索查询，以根据第一阈值确定所述第一搜索查询呈现显示内容的第一机会；以及响应于确定所述第一搜索查询呈现显示内容的所述第一机会，使用所述第二机器学习模型分析所述第一搜索查询以预测与所述第一搜索查询相关联的类别，其中，与所述类别相关联的第一内容项由所述多个电子设备中的所述第一搜索查询被输入到其中的第一电子设备显示。此外，所述指令在由电子设备的一个或多个处理器执行时，进一步使得所述一个或多个处理器使用所述第一机器学习模型分析所述多个搜索查询中的第二搜索查询，以根据低于所述第一阈值的第二阈值确定所述第二搜索查询呈现显示内容的第二机会；响应于确定所述第二搜索查询呈现显示内容的所述第二机会，检测用户是否参与由所述多个电子设备中的所述第二搜索查询被输入到其中的第二电子设备显示的第二内容项；以及利用包括所述第二搜索查询并且指示所述用户是否参与所述第二内容项的数据来更新所述第一机器学习模型。

技术特征：

1.一种确定相关搜索查询的计算机实现的方法，所述计算机实现的方法包括：

2.根据权利要求1所述的计算机实现的方法，进一步包括：

3.根据权利要求1或权利要求2所述的计算机实现的方法，其中，更新所述第一机器学习模型包括：

4.根据前述权利要求中的任一项所述的计算机实现的方法，进一步包括：

5.根据权利要求4所述的计算机实现的方法，进一步包括：

6.根据前述权利要求中的任一项所述的计算机实现的方法，其中，访问被输入到所述多个电子设备中的所述多个搜索查询包括：

7.根据前述权利要求中的任一项所述的计算机实现的方法，其中，使用所述第一机器学习模型分析所述多个搜索查询中的所述第二搜索查询包括：

8.一种用于确定相关搜索查询的系统，包括：

9.根据权利要求8所述的系统，其中，所述一个或多个处理器被配置为执行所述计算机可读指令集合以进一步使所述一个或多个处理器：

10.根据权利要求8或权利要求9所述的系统，其中，为了更新所述第一机器学习模型，所述一个或多个处理器被配置为：

11.根据权利要求8至10中的任一项所述的系统，其中，所述一个或多个处理器被配置为执行所述计算机可读指令集合以进一步使所述一个或多个处理器：

12.根据权利要求11所述的系统，其中，所述一个或多个处理器被配置为执行所述计算机可读指令集合以进一步使所述一个或多个处理器：

13.根据权利要求8至12中的任一项所述的系统，其中，所述一个或多个处理器被配置为执行所述计算机可读指令集合以进一步使所述一个或多个处理器：

14.根据权利要求8至13中的任一项所述的系统，其中，为了使用所述第一机器学习模型分析所述多个搜索查询中的所述第二搜索查询，所述一个或多个处理器被配置为：

15.一种计算机可读介质，所述计算机可读介质被配置为存储可由一个或多个计算机处理器执行的指令，所述指令包括：

16.根据权利要求15所述的计算机可读介质，其中，所述指令进一步包括：

17.根据权利要求15或权利要求16所述的计算机可读介质，其中，用于更新所述第一机器学习模型的指令包括：

18.根据权利要求15至17中的任一项所述的计算机可读介质，其中，所述指令进一步包括：

19.根据权利要求15至18中的任一项所述的计算机可读介质，其中，用于访问被输入到所述多个电子设备中的所述多个搜索查询的所述指令包括：

20.根据权利要求15至19中的任一项所述的计算机可读介质，其中，用于使用所述第一机器学习模型分析所述多个搜索查询中的所述第二搜索查询的指令包括：

技术总结
描述了用于评估搜索查询的相关性的系统和方法。计算设备使用各种机器学习技术来确定搜索查询是否呈现显示内容的机会以及确定搜索查询的类别和与该类别相关联的内容项。计算设备使用具有放宽阈值的机器学习模型来附加地分析附加搜索查询以评估相关性。计算设备捕获与参与内容项的用户相关联的参与数据，并且利用参与数据更新机器学习模型。

技术研发人员：哈拉斯·帕塔比哈曼
受保护的技术使用者：谷歌有限责任公司
技术研发日：
技术公布日：2024/1/15