1.一种基于统一提示感知的个性化搜索和解释生成方法，其特征在于：将用户u、提交的查询q和用户的行为序列h＝{q1，i1，...，qk，ik}作为输入，输入统一的个性化产品搜索和解释生成的提示感知框架，输出搜索任务和解释任务的结果，所述搜索任务是在给定的查询q下选择满足用户搜索意图的最合适的产品i，所述解释任务是为之前生成的满足用户的搜索意图的产品i生成合理的自然语言解释e；
2.如权利要求1所述的一种基于统一提示感知的个性化搜索和解释生成方法，其特征在于：所述个性化搜索组件由表示编码器和搜索任务的提示生成器构成，通过开发一个搜索任务特定的提示生成器来辅助基座模型进行检索，搜索任务的提示生成器以用户u、当前查询q和用户历史搜索序列h为输入，并生成搜索任务的提示作为基座模型的输入，之后将其用于提示学习。
3.如权利要求2所述的一种基于统一提示感知的个性化搜索和解释生成方法，其特征在于：所述表示编码器的目标是获得u，q，h的高级语义表示，对于基于文本的编码器，直接使用bert对输入序列{u，q，h}的用户评论和产品标题/描述等文本信息进行编码，以获得基于文本的语义表示：
4.如权利要求3所述的一种基于统一提示感知的个性化搜索和解释生成方法，其特征在于：对于基于知识的编码器，提取用户、查询和产品的高阶连通信息作为知识表示，利用基于知识图谱的产品搜索方法drem作为基于知识的编码器，并将其定义为：
5.如权利要求4所述的一种基于统一提示感知的个性化搜索和解释生成方法，其特征在于：所述搜索任务的提示生成器使用上述两种编码器获得的基于文本和知识的表示作为输入生成一系列连续的搜索任务特定的向量，并作为后续plm的输入使之适用于搜索任务，在搜索提示的设计中，提示生成器融合基于文本和知识的输入序列{u，q，h}的表示来生成用户的偏好，具体而言包括两个步骤：首先使用门网络的融合机制，学习一个交互机制，将这两种语义表示进行自适应的融合，之后将融合表示转换为任务特定的提示，通过学习多层mlp对融合表示进行变换获得提示；
6.如权利要求5所述的一种基于统一提示感知的个性化搜索和解释生成方法，其特征在于：所述提示学习过程将用户和查询的融合表示和搜索任务的提示psch作为提示学习的输入：
7.如权利要求6所述的一种基于统一提示感知的个性化搜索和解释生成方法，其特征在于：所述解释生成组件由解释任务的提示生成器和来自搜索组件的语义信号组成；