[发明专利]一种个性化数据搜索方法和装置

权利要求书

1.一种个性化数据搜索方法，其特征在于，包括：

根据对用户行为数据中记录的用户对数据对象的用户行为进行机器学习，以获得每个用户行为数据的满意度；

其中，用户行为数据的满意度包括，在该用户行为数据中，针对记录的数据对象，记录的用户能够实现指定的数据交互的概率，所述指定的数据交互包括期望用户进行的数据交互；

选择所述每个用户行为数据中的用户的特征、以及所述数据对象的特征中的一项特征或多项特征形成的特征组合；

根据每个特征或特征组合下的用户行为数据的满意度，进行个性化模型训练，并获得每个特征或特征组合的个性化权重；

根据所述特征或特征组合的个性化权重，对根据用户的搜索请求中的查询词所搜索出的一个或多个数据对象，进行排序，以根据所述排序展示所述一个或多个数据对象。

2.根据权利要求1所述的方法，其特征在于，

在所述每个用户行为数据中，至少记录用户、所述用户对数据对象的一种或多种用户行为、所述数据对象、以及所述数据对象对应的查询词；

根据对用户行为数据中记录的用户对数据对象的用户行为进行机器学习，包括：根据记录的所述一种或多种用户行为中的每种用户行为进行学习。

3.根据权利要求1所述的方法，其特征在于，根据对用户行为数据中记录的用户对数据对象的用户行为进行机器学习，以获得所述每个用户行为数据的满意度，包括：

所述学习，包括：训练处理和预测处理；

所述训练处理，包括：根据每个用户行为数据记录的一种或多种用户行为中的每一种用户行为，进行满意度模型训练，并确定每种用户行为的满意度权重；

所述预测处理，包括：根据每个用户行为数据记录的一种或多种用户行为中的每种用户行为的满意度权重，预测每个用户行为数据的满意度。

4.根据权利要求2至3之一所述的方法，其特征在于，根据对用户行为数据中记录的用户对数据对象的用户行为进行机器学习，以获得所述每个用户行为数据的满意度，包括：

根据每个用户行为数据中记录的用户以及查询词，对所述每个用户行为数据的满意度进行归一化。

5.根据权利要求4所述的方法，其特征在于，

选择所述每个用户行为数据中的用户的特征、以及所述数据对象的特征中的一项特征或多项特征形成的特征组合，包括：根据预先存储的用户的特征、以及数据对象的特征，获得每个用户行为数据中记录的用户的特征，以及记录的数据对象的特征；

根据每个特征或特征组合下的用户行为数据的满意度，进行个性化模型训练，并获得每个特征或特征组合的个性化权重，包括：根据所述每个用户行为数据的满意度，以及所述每个用户行为数据记录的数据对象的特征和用户的特征，训练每个所述数据对象的特征针对每个所述用户的特征的个性化权重。

6.根据权利要求1至3之一所述的方法，其特征在于，根据所述特征或特征组合的个性化权重，对根据用户的搜索请求中的查询词所搜索出的一个或多个数据对象，进行排序，包括：

基于用户的搜索请求获得用户的特征，以及根据搜索出的每个数据对象，获得数据对象的特征；

通过查询与所述用户的特征和搜索出的每个数据对象的特征相对应的特征组合的个性化权重，预测所述每个数据对象的个性化分数；

基于所述每个数据对象的个性化分数，对所述一个或多个数据对象进行排序。