[发明专利]查询推荐方法、装置、电子设备及可读存储介质

权利要求书

1.一种查询推荐方法，其特征在于，包括：

获取用户输入的查询请求，并基于所述查询请求，获取用户物料的基础特征；

利用预设特征处理配置和预设特征处理算子，对所述基础特征进行特征处理，获取目标特征；

基于所述目标特征，利用查询推荐模型，输出匹配的查询推荐结果；

其中，所述查询推荐模型为利用训练样本特征进行离线训练获取，所述训练样本特征为利用所述预设特征处理配置和所述预设特征处理算子，对离线环境下的用户物料样本特征进行特征处理获取。

2.根据权利要求1所述的查询推荐方法，其特征在于，在所述利用查询推荐模型，输出匹配的查询推荐结果之前，还包括：

离线获取预定数量的历史查询请求，并基于所述历史查询请求，获取所述用户物料样本特征；

利用所述预设特征处理配置和所述预设特征处理算子，对所述用户物料样本特征进行特征处理，获取所述训练样本特征；

基于用户设定的查询需求，搭建初始查询推荐模型，并利用所述训练样本特征，训练所述初始查询推荐模型，获取所述查询推荐模型。

3.根据权利要求2所述的查询推荐方法，其特征在于，在所述利用预设特征处理配置和预设特征处理算子，对所述基础特征进行特征处理之前，还包括：

获取文件格式标准，并基于所述文件格式标准，生成特征处理配置文件，且获取所述预设特征处理配置。

4.根据权利要求3所述的查询推荐方法，其特征在于，所述对所述用户物料样本特征进行特征处理，获取所述训练样本特征，包括：

采用spark计算引擎，读取所述用户物料样本特征，并将所述用户物料样本特征转换为DataFrame格式；

将所述文件格式标准翻译为SQL查询语句；

将DataFrame格式的用户物料样本特征注册为临时表；

通过对所述临时表应用所述SQL查询语句，进行离线特征处理，获取特征处理的输出结果作为所述训练样本特征。

5.根据权利要求1-4中任一所述的查询推荐方法，其特征在于，所述对所述基础特征进行特征处理，获取目标特征，包括：

在全局变量中获取所述基础特征和特征处理所需要的参数；

将所述基础特征和所述特征处理所需要的参数传入特征处理函数中，进行特征处理计算，获取所述目标特征。

6.根据权利要求2所述的查询推荐方法，其特征在于，所述利用所述预设特征处理配置和所述预设特征处理算子，对所述用户物料样本特征进行特征处理，包括：

利用spark计算引擎API，封装所述预设特征处理算子，获取封装后的特征处理算子；

在所述预设特征处理配置下，利用所述封装后的特征处理算子，对所述用户物料样本特征进行特征处理计算，获取所述训练样本特征。

7.一种查询推荐装置，其特征在于，包括：

获取模块，用于获取用户输入的查询请求，并基于所述查询请求，获取用户物料的基础特征；

计算模块，用于利用预设特征处理配置和预设特征处理算子，对所述基础特征进行特征处理，获取目标特征；

输出模块，用于基于所述目标特征，利用查询推荐模型，输出匹配的查询推荐结果；

其中，所述查询推荐模型为利用训练样本特征进行离线训练获取，所述训练样本特征为利用所述预设特征处理配置和所述预设特征处理算子，对离线环境下的用户物料样本特征进行特征处理获取。

8.根据权利要求7所述的查询推荐装置，其特征在于，还包括建模模块，用于：

离线获取预定数量的历史查询请求，并基于所述历史查询请求，获取所述用户物料样本特征；

利用所述预设特征处理配置和所述预设特征处理算子，对所述用户物料样本特征进行特征处理，获取所述训练样本特征；

基于用户设定的查询需求，搭建初始查询推荐模型，并利用所述训练样本特征，训练所述初始查询推荐模型，获取所述查询推荐模型。