[发明专利]一种搜索推荐方法、装置、电子设备及存储介质

权利要求书

1.一种搜索推荐方法，其特征在于，包括：

基于当前搜索用户向目标应用输入的当前搜索内容及所述当前搜索用户授权的授权历史信息，生成用于表征所述当前搜索用户的行为特征的第一注意力表达信息；

基于预先存储的各待推荐信息，生成用于表征各所述待推荐信息特征的各第二注意力表达信息；

将所述第一注意力表达信息分别与各所述第二注意力表达信息输入至预先训练完成的深度神经网络中，生成所述第一注意力表达信息与各所述第二注意力表达信息之间的匹配度；

按照所述匹配度的高低顺序对各所述待推荐信息进行推荐排序，基于所述推荐排序为所述当前搜索用户在所述目标应用的应用界面展示所述待推荐信息。

2.根据权利要求1所述的方法，其特征在于，所述基于当前搜索用户输入的当前搜索内容及所述当前搜索用户授权的授权历史信息，生成用于表征所述当前搜索用户的行为特征的第一注意力表达信息，包括：

对所述授权历史信息按照预设类别进行分类，生成与各所述预设类别对应的类别历史信息；

将各所述类别历史信息转换为类别向量，将所述当前搜索内容转换为当前搜索向量；

基于所述当前搜索向量和所述类别向量，确定用于表征所述当前搜索用户的各类别的行为特征的所述第一注意力表达信息。

3.根据权利要求2所述的方法，其特征在于，同一所述预设类别的所述类别历史信息包括至少一个类别实体；其中，

所述基于所述当前搜索向量和所述类别向量，确定用于表征所述当前搜索用户的各类别的行为特征的所述第一注意力表达信息，包括：

基于所述当前搜索向量和所述类别向量，确定各所述类别历史信息对应的实体权重向量；

计算所述实体权重向量与所述类别向量之间的数量积，将所述数量积确定为所述第一注意力表达信息。

4.根据权利要求2所述的方法，其特征在于，所述将各所述类别历史信息转换为类别向量，包括：

基于预先建立的第一特征提取器，将各所述类别历史信息转换为所述类别向量；其中，所述第一特征提取器包括循环神经网络和卷积神经网络。

5.根据权利要求2所述的方法，其特征在于，所述基于预先存储的各待推荐信息，生成用于表征各所述待推荐信息特征的各第二注意力表达信息，包括：

识别各所述待推荐信息中的各实体信息，基于预先建立的第二特征提取器，将各所述实体信息转换为表现形式为隐向量的待推荐向量；

基于所述当前搜索向量和所述待推荐向量，生成用于表征各所述待推荐信息特征的各第二注意力表达信息。

6.根据权利要求1所述的方法，其特征在于，在将所述第一注意力表达信息分别与各所述第二注意力表达信息输入至预先训练完成的深度神经网络中之前，还包括：

获取所述目标应用的历史搜索记录，基于所述历史搜索记录确定样本搜索用户及所述样本搜索用户对展示的推荐信息的样本反馈信息、样本搜索内容和样本授权信息；其中，所述样本反馈信息包括点击信息、咨询信息及下单信息中的至少一种；

基于所述样本搜索内容和所述样本授权信息，生成第三注意力表达信息；

基于所述样本反馈信息、所述第二注意力表达信息和所述第三注意力表达信息，对建立的深度神经网络进行训练。

7.根据权利要求6所述的方法，其特征在于，所述样本反馈信息包括正样本反馈信息和负样本反馈信息，所述正样本反馈信息表示所述待推荐信息被展示和被所述样本搜索用户点击查看，所述负样本反馈信息表示所述待推荐信息被展示并未被所述样本搜索用户点击查看；其中，

所述基于所述样本反馈信息、所述第二注意力表达信息和所述第三注意力表达信息，对建立的深度神经网络进行训练，包括：

基于所述正样本反馈信息、所述负样本反馈信息、所述第二注意力表达信息和所述第三注意力表达信息，对建立的深度神经网络进行训练。