本申请实施例涉及计算机,具体涉及一种搜索召回排序方法、装置、电子设备及存储介质,其中,该存储介质包括计算机可读存储介质。
背景技术:
1、随着数据量的增长,为数据的查找增加了一定的难度,通过搜索系统实现搜索结果的快速召回,提升了数据查找的效率。
2、但是,搜索的召回结果往往较多,用户仍需要从众多结果中筛选期望的目标数据,仍难以快速找到最佳的搜索结果。
技术实现思路
1、本申请实施例提供一种搜索召回排序方法、装置、电子设备及存储介质,可以实现对召回结果的排序,提升搜索结果查找的效率,提升用户体验。
2、本申请实施例提供了一种搜索召回排序方法,包括:
3、接收输入的搜索信息,所述搜索信息包括用户个性化信息、上下文信息和搜索词信息;
4、将所述用户个性化信息和所述上下文信息输入当前评分参数模型,得到用于衡量召回结果匹配程度的至少一个目标评分参数;
5、根据所述搜索词信息进行内容搜索操作,得到所述搜索词信息对应的内容召回结果;
6、根据所述目标评分参数对所述内容召回结果进行评分处理,得到召回信息评分结果;
7、根据所述召回信息评分结果对所述内容召回结果进行排序,输出排序结果。
8、相应的,本申请实施例还提供了一种搜索召回排序装置,包括:
9、接收模块,用于接收输入的搜索信息,所述搜索信息包括用户个性化信息、上下文信息和搜索词信息;
10、输入模块,用于将所述用户个性化信息和所述上下文信息输入当前评分参数模型,得到用于衡量召回结果匹配程度的至少一个目标评分参数;
11、召回模块,用于根据所述搜索词信息进行内容搜索操作,得到所述搜索词信息对应的内容召回结果;
12、生成模块,用于根据所述目标评分参数对所述内容召回结果进行评分处理,得到召回信息评分结果;
13、排序模块,用于根据所述召回信息评分结果对所述内容召回结果进行排序,输出排序结果。
14、可选的,在本申请的一些实施例中,生成模块包括:
15、第一确定单元,用于根据所述内容召回结果和所述搜索词信息确定召回特征信息;
16、生成单元,用于根据所述召回特征信息和所述目标评分参数对所述内容召回结果进行评分处理,得到召回信息评分结果。
17、可选的,在本申请的一些实施例中,生成单元具体用于:
18、将所述目标评分参数进行组合运算处理,得到运算结果;
19、根据所述运算结果计算所述召回特征信息对应的评分结果;
20、将所述评分结果作为所述内容召回结果的召回信息评分结果。
21、可选的,在本申请的一些实施例中,该装置还包括更新模块,更新模块包括:
22、统计单元,用于统计预设阈值次数的消费数据;
23、第二确定单元,用于从所述消费数据中确定召回信息点击率和预设时长完播率;
24、第三确定单元,用于将所述召回信息点击率和所述预设时长完播率加权得到目标权重因子;
25、更新单元,用于根据所述目标权重因子对所述当前评分参数模型的权重进行更新,得到更新后评分参数模型。
26、可选的,在本申请的一些实施例中,更新单元包括:
27、获取子单元,用于获取所述消费数据的协方差矩阵;
28、更新子单元,用于根据所述目标权重因子以及所述协方差矩阵,对所述当前评分参数模型的最后一层的权重进行自然梯度更新,得到更新后评分参数模型。
29、其中,在本申请的一些实施例中,该装置还包括应用模块,应用模块包括:
30、应用单元,用于针对新的搜索信息,根据所述更新后评分参数模型生成新的目标评分参数,并根据所述目标评分参数对所述搜索信息对应的新的召回结果进行评分和排序。
31、其中,在本申请的一些实施例中,该装置还包括训练模块,训练模块包括:
32、获取单元,用于获取样本搜索信息,所述样本搜索信息包括样本用户个性化信息、样本上下文信息、样本召回信息以及所述样本召回信息对应的样本召回反馈信息;
33、计算单元,用于根据所述样本用户个性化信息、所述样本上下文信息、所述样本召回信息以及所述样本召回信息对应的样本召回反馈信息,通过序列最大似然估计计算损失;
34、训练单元,用于根据所述损失对原始评分参数模型进行训练,直至满足预设停止条件,得到所述当前评分参数模型。
35、其中,在本申请的一些实施例中,排序模块包括:
36、筛选单元,用于根据所述召回信息评分结果从所述内容召回结果中筛选得到目标召回信息;
37、排序单元,用于根据所述召回信息评分结果对所述目标召回信息进行排序,得到召回排序结果;
38、输出单元,用于按照所述召回排序结果将所述目标召回信息进行排序,输出排序结果。
39、第三方面,本申请实施例还提供了一种电子设备,电子设备包括存储器、处理器及存储在存储器中并可在处理器上运行的计算机程序,计算机程序被处理器执行时实现上述的搜索召回排序方法中的步骤。
40、第四方面,本申请实施例还提供了一种存储介质,存储介质包括计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述的搜索召回排序方法中的步骤。
41、第五方面,本申请实施例还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行本申请实施例所述的各种可选实现方式中提供的方法。
42、本申请实施例接收输入的搜索信息,该搜索信息包括用户个性化信息、上下文信息和搜索词信息,将用户个性化信息和上下文信息输入当前评分参数模型,得到用于衡量召回结果匹配程度的至少一个目标评分参数,根据搜索词信息进行内容搜索操作,得到搜索词信息对应的内容召回结果,根据目标评分参数对内容召回结果进行评分处理,得到召回信息评分结果,并根据召回信息评分结果对内容召回结果进行排序,输出排序结果。其中,通过对召回结果的评分和排序,便于通过排序结果快速查找到目标数据,提升搜索结果查找的效率,提升用户体验。通过用户个性化信息和上下文信息确定评分的参数,提升评分结果的准确性。通过机器学习模型输出评分参数,提升评分参数的准确性。
1.一种搜索召回排序方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标评分参数对所述内容召回结果进行评分处理,得到召回信息评分结果,包括:
3.根据权利要求1所述的方法,其特征在于,所述根据所述召回特征信息和所述目标评分参数对所述内容召回结果进行评分处理,得到召回信息评分结果,包括:
4.根据权利要求1所述的方法,其特征在于,所述根据所述召回信息评分结果对所述内容召回结果进行排序,输出排序结果之后,所述方法还包括:
5.根据权利要求4所述的方法,其特征在于,所述根据所述目标权重因子对所述当前评分参数模型的权重进行更新,得到更新后评分参数模型,包括:
6.根据权利要求5所述的方法,其特征在于,所述根据所述目标权重因子以及所述协方差矩阵,对所述当前评分参数模型的最后一层权重进行自然梯度更新,得到更新后评分参数模型之后,所述方法还包括:
7.根据权利要求1所述的方法,其特征在于,所述接收输入的搜索信息之前,所述方法还包括:
8.根据权利要求1所述的方法,其特征在于,所述根据所述召回信息评分结果对所述内容召回结果进行排序,输出排序结果,包括:
9.一种搜索召回排序装置,其特征在于,包括:
10.一种电子设备,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-8任一项所述的搜索召回排序方法中的步骤。
11.一种存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-8任一项所述的搜索召回排序方法中的步骤。