[发明专利]基于场景的查询方法及装置、存储介质、计算机设备

权利要求书

1.一种基于场景的查询方法，其特征在于，包括：

依据历史查询数据，构建并训练异构图，其中，所述异构图中每条特征边对应的特征边权重依据历史查询数据计算，所述特征边由特征节点连接构成，所述特征节点包括查询节点、用户节点、候选店铺节点、以及位置节点和/或时间节点，特征边类型包括共现边，所述共现边包括任意两个位置之间的共现边；任意两个位置之间的共现边的权重，基于历史查询行为中同时包含对该任意两个位置对应的相关店铺产生点击/支付行为的人数确定，或者同时在该任意两个位置下都产生过点击/支付行为的人数确定；

响应于查询请求，在预先训练好的样本特征向量中获取与所述查询请求对应的请求向量，其中，所述请求向量包括查询特征向量、用户特征向量以及场景特征向量，所述场景特征向量包括位置特征向量和/或时间特征向量，所述样本特征向量包括训练后的异构图中的各特征节点向量；

依据所述请求向量包含的各特征向量与候选店铺对应的店铺向量之间的匹配度，筛选所述候选店铺中的目标店铺。

2.根据权利要求1所述的方法，其特征在于，所述获取与所述查询请求对应的请求向量，具体包括：

获取与所述查询请求对应的查询特征、查询用户，以及与当前查询场景对应的目标查询位置和/或目标查询时间，其中，所述目标查询时间包括查询时段特征、查询季节特征、查询日工作特征中至少一种；

在预先训练好的样本查询特征向量中获取与所述查询特征对应的所述查询特征向量、在预先训练好的样本用户特征向量中获取与所述查询用户匹配的所述用户特征向量，以及在预先训练好的样本位置特征向量中获取与所述目标查询位置匹配的所述位置特征向量，和/或，在预先训练好的样本时间特征向量中获取与所述目标查询时间匹配的所述时间特征向量。

3.根据权利要求2所述的方法，其特征在于，所述依据历史查询数据，构建并训练异构图，具体包括：

依据历史查询数据，构建样本正例对和样本负例对，其中，任一样本正例对或任一样本负例对包括两个匹配的节点特征以及相应节点连接构成的特征边类型，所述特征边类型包括行为边、相似边以及共现边；

根据所述样本正例对以及所述样本负例对，构建异构图中的特征节点以及所述特征节点连接构成的特征边，并基于所述历史查询数据，计算所述异构图中每条特征边对应的特征边权重；

利用预设神经网络模型对所述异构图进行训练，得到所述异构图中各特征节点对应的特征节点向量，其中，所述特征节点向量包括样本查询特征向量、样本用户特征向量、候选店铺特征向量、以及样本位置特征向量和/或样本时间特征向量。

4.根据权利要求3所述的方法，其特征在于，所述历史查询数据包括交易行为数据以及非交易行为数据；所述依据历史查询数据，构建样本正例对和样本负例对，具体包括：

依据所述交易行为数据，构建所述样本正例对，其中，交易行为包括点击行为或支付行为；

依据所述非交易行为数据，构建所述行为边以及所述共现边对应的样本负例对，以及通过负采样方式生成所述相似边对应的样本负例对。

5.根据权利要求3所述的方法，其特征在于，所述基于所述历史查询数据计算所述异构图中每条特征边对应的特征边权重，具体包括：

获取所述历史查询数据中与每条特征边分别对应的特征边历史数据，其中，所述行为边包括任一用户或任一查询词与任一店铺之间的交易行为边、任一用户或任一查询词与任一场景之间的交易行为边、任一场景与任一店铺之间的交易行为边、任意两种场景之间的交易行为边，所述相似边包括任意两个店铺之间的相似边、任意两个用户之间的相似边；

依据所述特征边历史数据，计算每条特征边对应的特征边权重。