[发明专利]基于神经网络的搜索排序方法、系统、设备和存储介质

说明书

本发明公开了一种基于神经网络的搜索排序方法、系统、设备和存储介质，搜索排序方法包括以下步骤：对用户的搜索需求数据进行挖掘得到特征数据；将特征数据输入到搜索排序模型，进行前向计算，得到若干搜索目标及每个搜索目标对应的评分；根据评分对若干搜索目标进行排序，输出排序结果；其中，搜索排序模型在训练过程中任务之间的参数共享为有选择的参数共享。本发明提出的动态多任务搜索排序模型能够获得到更好的Top3命中指标。本发明中多任务的神经网络采用有选择的参数共享策略，解决了传统的多任务的神经网络的模型中由于网络层数较浅，不能够有效的学习到各领域的相关信息并进行充分共享的问题，进而提升了用户体验以及降低线上线下差异。

技术领域

本发明属于人工智能领域，特别涉及一种基于神经网络的搜索排序方法、系统、设备和存储介质。

背景技术

在线上旅游场景的应用中，搜索排序的目的就是帮助用户快速的找到需要的旅游产品。从技术的角度来说，就是指将用户输入的关键词所匹配到的旅游产品中最符合用户需求的产品排在产品展示页面的最前端。

由于旅游等应用场景搜索需求的多样性和场景的复杂性，按照当前主流的搜索排序方法帮助用户快速找到需要的对象在线下线上测试结果差异较大，用户体验差，使得主流的搜索排序方法并不能够满足为用户提供优质服务的需求。如何进一步提升用户的体验，降低线上线下差异，提出新的搜索排序算法尤为重要。

发明内容

本发明要解决的技术问题是为了克服现有技术中主流的搜索排序方法帮助用户快速找到需要的对象在线下线上测试结果差异较大，用户体验差的缺陷，提供一种能够提高Top3命中指标进而提升用户体验以及降低线上线下差异的基于神经网络的搜索排序方法、系统、设备和存储介质。

本发明是通过下述技术方案来解决上述技术问题：

本发明提供了一种基于多任务的神经网络的搜索排序方法，包括以下步骤：

对用户的搜索需求数据进行挖掘得到特征数据；

将所述特征数据输入到基于多任务的神经网络的搜索排序模型，进行前向计算，得到若干搜索目标及每个所述搜索目标对应的评分；

根据所述评分对若干所述搜索目标进行排序，输出排序结果；

其中，所述搜索排序模型在训练过程中任务之间的参数共享为有选择的参数共享。

本方案中，利用基于多任务的神经网络的搜索排序模型实现了一种搜索排序方法，利用任务之间的相关性使得主任务能够利用相关子任务中各领域的相关信息来提升自身任务的泛化效果，相比较于单任务模型而言，能够获得到更好的Top3命中指标，也就是搜索对象列表中前三个结果中包含用户所需要的对象与总的搜索次数的占比。本方案中，多任务的神经网络采用有选择的参数共享策略，任务之间的参数根据层之间进行共享，这种共享是有选择的，并不是全值共享，共享的参数是有选择的，可训练的，由此解决了传统的多任务的神经网络的模型中由于网络层数较浅，不能够有效的学习到各领域的相关信息并进行充分共享的问题，进而提升了用户的体验以及降低线上线下差异。

较佳地，所述任务之间的参数共享为有选择的参数共享为：

所述任务之间的参数共享是所述搜索排序模型在训练过程中根据优化函数进行自主学习实现的有选择的参数共享。

本方案中，任务之间的参数共享是通过模型根据优化函数决定，具有自主学习能力，让模型自主决定哪些部分的信息对本身任务是有效的，哪些任务对自身任务是无帮助的或抑制作用的，这种共享是有选择的，并不是全值共享。

较佳地，所述优化函数为：

其中，n为正整数，n表示所述搜索排序模型所包括的任务的数量；

i和j均为正整数，取值范围为1到n；