[发明专利]一种基于统一用户行为建模的搜索和推荐融合系统

权利要求书

1.一种基于统一用户行为建模的搜索和推荐融合系统，其特征在于：通过四个组成模块构成的统一的搜索推荐模型，同时解决搜索和推荐两个独立的任务；所述四个组成模块包括：文本编码器，用于学习文档和查询的表示向量；会话编码器，用于建模当前会话中的用户行为序列来明确用户的信息需求；历史编码器，从长期历史中挖掘信息来增强用户意图的表示；统一任务框架，以统一的方式完成个性化搜索和推荐任务，即以相同的方式计算候选文档的个性化得分，并基于个性化得分的高低排序得到最终的文档排序结果；

所述文本编码器分为三层，第一层是词向量层，对于一个浏览文档B＝[w₁,w₂,…,w_M]，将词序列转换为词向量矩阵Emb^B＝[v₁,v₂,…,v_M]，其中v_M对应词w_M的低维词向量，第二层为词层面的transformer，通过捕捉单词之间的交互来获得融入上下文的词向量C^B：C^B＝Transformer_w(Emb^B)，第三层是词层面的注意力层；

所述会话编码器首先对搜索或推荐的意图进行初始化，并采用co-attention结构融合历史查询Q和对应的若干点击文档D_i的交互信息，然后用transformer结构来处理整个会话中的行为，计算各个行为融入了会话上下文之后的意图表示；

所述统一任务框架用余弦相似度计算所述文档的向量所述融入了会话上下文之后的意图表示所述由长期历史增强得到的意图表示向量所述增强表示的文档的向量两两之间的相似性，利用基于交互的模型KNRM来计算交互得分为并引入一些文档的点击次数、点击交叉熵作为相关性特征F_q,d用于辅助计算个性化得分，得到最后，候选文档的得分通过一个全连接层聚合所有以上的得分得到所述个性化得分p^unified(D_t|I_t,Q_t,H)：p^unified(D_t|I_t,Q_t,H)＝MLP(f^unified)。

2.如权利要求1所述的一种基于统一用户行为建模的搜索和推荐融合系统，其特征在于：所述词层面的注意力层运用词级别的注意力机制赋予词权重，设置一个可训练的向量q_w作为注意力机制中的query，所有词的权重α：所有词向量的加权和r^B表示为：得到浏览文档B对应的表示向量，查询Q和对应的若干个点击文档D＝[D₁,D₂,…,D_i…]的向量计算方法具体为，对于查询Q，对于点击文档D₁，