[发明专利]基于神经网络的搜索排序方法、系统、设备及存储介质

说明书

本发明提出一种基于神经网络的搜索排序方法、系统、设备及存储介质，该方法包括：根据目标搜索语句和目标搜索引擎，获取若干不同类别的召回文档；对于每一召回文档，提取所述目标搜索语句和每一召回文档之间的综合特征；根据每一召回文档对应的综合特征和目标排序模型，获取每一召回文档对应的最终预测点击率，所述目标排序模块通过训练样本和训练标签进行训练得到；根据每一召回文档对应的最终预测点击率，对每一召回文档进行排序。本发明充分利用搜索语句与召回文档之间的类别关系，以此削弱不同类别点击率差别太大的问题，从而最后的推荐结果中不会局限在某一个类别，而是均衡的分布在不同类别之间，从而提高用户的互联网体验。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于神经网络的搜索排序方法、系统、设备及存储介质。

背景技术

搜索场景作为互联网业务场景中的重要组成部分，一般搜索引擎需要先根据搜索关键字进行召回，得到多个召回文档，然后对召回文档进行排序，排序结果的好坏会直接影响到用户的互联网使用感受，在显示召回结果时，召回结果能否直接满足用户的需求或者给用户带来意外惊喜是召回排序结果好坏的重要排序标准。

在现有的召回排序方式中，以在某车推荐广告APP上进行搜索为例进行说明，例如在该APP上搜索“保险”，现有技术中的搜索结果往往集中在保单这个类别中，但是与保险有关的其它类别比如服务、问答、视频等类别的搜索结果很难出现在搜索页面中，因此现有技术中的排序无法平衡不同类别召回结果之间的差异性，排在前面的往往容易是同一类别的多个召回结果，而对其它类别的召回结果视若无睹，从而降低了用户的互联网体验。

发明内容

本发明提供一种基于神经网络的搜索排序方法、系统、设备及存储介质，其主要目的在于对不同类型的召回文档进行综合排序，有效提高用户使用体验。

第一方面，本发明实施例提供一种基于神经网络的搜索排序方法，包括：

根据目标搜索语句和目标搜索引擎，获取若干不同类别的召回文档；

对于每一召回文档，提取所述目标搜索语句和每一召回文档之间的综合特征；

根据每一召回文档对应的综合特征和目标排序模型，获取每一召回文档对应的最终预测点击率，所述目标排序模块通过训练样本和训练标签进行训练得到；

根据每一召回文档对应的最终预测点击率，对每一召回文档进行排序。

优选地，所述目标排序模型包括wide模块和改进deep模块，所述改进deep模块通过将条件层标准化的思想对deep模块进行改进得到。

优选地，所述根据每一召回文档对应的综合特征和目标排序模型，获取每一召回文档对应的最终预测点击率，包括：

将每一召回文档对应的综合特征输入到所述wide模块中，获取每一召回文档的第一预测点击率；

将所述目标搜索语句和每一召回文档输入到所述改进deep模块中，得到所述每一召回文档对应的第二预测点击率；

根据每一召回文档对应的第一预测点击率和每一召回文档对应的第二预测点击率，得到每一召回文档每一召回文档对应的的最终预测点击率。

优选地，所述改进deep模块包括第一编码单元、第二编码单元、第一多头注意力单元、第二多头注意力单元、第一条件层标准化单元、第二条件差标准化单元、第一平均池化单元、第二平均池化单元、融合单元和输出单元，所述将所述目标搜索语句和每一召回文档输入到所述改进deep模块中，得到所述每一召回文档对应的第二预测点击率，包括：

通过所述第一编码单元，对所述目标搜索语句进行编码，获取语句编码；

通过所述第二编码单元，对每一召回文档进行编码，获取文档编码；