[发明专利]基于历史信息的查询推荐方法及装置

权利要求书

1.一种基于历史信息的查询推荐方法，其特征在于，所述方法包括：

响应于当前查询会话中当前查询的查询操作，获取所述当前查询会话的多个历史查询的历史查询词以及与所述多个历史查询对应的目标文档的标题信息，所述目标文档为历史查询中被浏览过的文档；

根据所述目标文档的标题信息及所述历史查询词，生成与所述当前查询会话对应的上下文向量；

获取所述当前查询的查询词相匹配的多个候选查询词；

根据所述上下文向量，确定所述多个候选查询词的推荐分值；

根据所述推荐分值，从所述多个候选查询词中确定所述当前查询的推荐查询词，

其中，所述根据所述目标文档的标题信息及所述历史查询词，生成与所述当前查询会话对应的上下文向量，包括：

确定与目标查询对应的多个目标文档的标题信息对应的第一词向量及所述目标查询的查询词对应的第二词向量，其中，所述目标查询为所述多个历史查询中的任意一个查询；

根据所述第一词向量及所述第二词向量，确定与所述目标查询对应的查询向量；

根据所述多个历史查询对应的查询向量，确定与所述当前查询会话对应的上下文向量。

2.根据权利要求1所述的方法，其特征在于，所述确定与目标查询对应的多个目标文档的标题信息对应的第一词向量及所述目标查询的查询词对应的第二词向量，包括：

确定所述多个目标文档的标题信息所包含的第一查询词；

按照所述多个目标文档的浏览顺序，将所述多个目标文档对应的所述第一查询词输入训练好的第一循环神经网络GRU模型进行处理，得到所述第一查询词对应的第一词向量；

将所述目标查询的查询词输入训练好的第二循环神经网络GRU模型进行处理，得到所述目标查询的查询词对应的第二词向量。

3.根据权利要求1所述的方法，其特征在于，所述根据所述第一词向量及所述第二词向量，确定与所述目标查询对应的查询向量，包括：

通过第一注意力机制分别确定所述第一词向量及所述第二词向量的权重；

对所述第一词向量及所述第二词向量根据对应的权重进行加权求和处理，得到所述目标查询对应的查询向量。

4.根据所述权利要求1所述的方法，其特征在于，所述根据所述多个历史查询对应的查询向量，确定与所述当前查询会话对应的上下文向量，包括：

将所述多个历史查询对应的查询向量分别输入训练好的第三循环神经网络GRU模型进行处理后，得到多个处理后的查询向量；

通过第二注意力机制确定所述多个处理后的查询向量的权重；

将所述多个处理后的查询向量根据对应的权重进行加权求和处理，得到所述当前查询会话对应的上下文向量。

5.根据权利要求1所述的方法，其特征在于，所述根据所述上下文向量确定所述多个候选查询词的推荐分值，包括：

将所述上下文向量及所述多个候选查询词输入训练好的序列化解码器模型进行处理，得到所述多个候选查询词的推荐分值。

6.根据权利要求1所述的方法，其特征在于，所述获取所述当前查询的查询词相匹配的多个候选查询词，包括：

获取多个目标词句，其中，在查询会话数据库中，所述目标词句对应的查询的查询次序与所述查询词对应的查询的查询次序相邻；

根据所述多个目标词句的查询频率，从所述多个目标词句中确定与所述当前查询的查询词相匹配的候选查询词。