[发明专利]搜索排序模型的训练方法、装置、电子设备及计算机介质

权利要求书

1.一种搜索排序模型的训练方法，其特征在于，包括：

获取与搜索对象相关的原始数据，并对所述原始数据中的字段内容添加不同的标签，得到带有多个所述标签的样本数据；

根据多个所述标签得到多个特征，并根据所述样本数据得到具有多个所述特征的特征数据，根据所述特征数据生成特征矩阵；

从所述特征矩阵中抽取所述特征数据存放至特征数据列表，并将其中相关联的特征数据进行合并；

根据所述特征数据列表构建初始搜索排序模型，并利用所述样本数据训练所述初始搜索排序模型，得到所述搜索排序模型。

2.根据权利要求1所述的搜索排序模型的训练方法，其特征在于，所述获取与搜索对象相关的原始数据，并对所述原始数据中的字段内容添加不同的标签，得到带有多个所述标签的样本数据，包括：

获取与搜索对象相关的原始数据，并根据预设的多个标签对所述原始数据中的字段内容进行筛选；

判断筛选后的所述原始数据中的字段内容是否符合预设规则，并将所述字段内容不符合预设规则的所述原始数据删除；

若筛选后的所述原始数据中的字段内容符合所述预设规则，则对所述原始数据中的字段内容添加不同的标签，得到带有多个所述标签的样本数据。

3.根据权利要求1所述的搜索排序模型的训练方法，其特征在于，所述样本数据包括第一标签对应的字段内容和第二标签对应的字段内容，所述特征包括基础特征，动态特征和第三方特征；所述根据多个所述标签得到多个特征，并根据所述样本数据得到具有多个所述特征的特征数据，包括：

根据所述第一标签得到所述基础特征，并根据所述第一标签对应的字段内容得到具有所述基础特征的基础特征数据；

根据所述第二标签得到所述动态特征，并根据所述第二标签对应的字段内容得到具有所述动态特征的动态特征数据；

根据第三方数据库中的样本数据得到具有所述第三方特征的第三方特征数据。

4.根据权利要求1所述的搜索排序模型的训练方法，其特征在于，所述根据所述特征数据生成特征矩阵包括：

将每个所述特征对应的所述特征数据作为矩阵的一个维度，生成所述特征矩阵。

5.根据权利要求1所述的搜索排序模型的训练方法，其特征在于，所述从所述特征矩阵中抽取所述特征数据存放至特征数据列表，并将其中相关联的特征数据进行合并，包括：

从所述特征矩阵中依次抽取所述特征数据，并判断所述特征数据列表中是否存在与所述特征数据具有关联关系的关联特征数据；

若所述特征数据列表中不存在所述关联特征数据，则将所述特征数据存放至所述特征数据列表；

若所述特征数据列表中存在所述关联特征数据，则将所述特征数据与所述关联特征数据进行合并，并将合并后的特征数据存放至所述关联特征数据所在的位置。

6.根据权利要求1所述的搜索排序模型的训练方法，其特征在于，所述利用所述样本数据训练所述初始搜索排序模型，包括：

创建并行的读取数据线程和训练数据线程；

通过所述读取数据线程读取样本数据；

通过所述训练数据线程利用所述样本数据训练所述初始搜索排序模型。

7.根据权利要求6所述的搜索排序模型的训练方法，其特征在于，所述通过所述读取数据线程读取样本数据包括：

确定所述训练数据线程的训练数据批尺寸以及与所述训练数据批尺寸相关的数据量阈值；

若所述训练数据批尺寸小于所述数据量阈值，则通过所述读取数据线程调用第一接口函数读取样本数据；

若所述训练数据批尺寸大于或者等于所述数据量阈值，则通过所述读取数据线程调用第二接口函数读取样本数据。