[发明专利]聚块集合的排序方法、装置、设备及存储介质

权利要求书

1.一种聚块集合的排序方法，其特征在于，应用于搜索服务器平台上，所述方法包括：

确定出至少两个聚块集合，所述聚块集合包括同一类型搜索结果的结果集合与所述结果集合在终端上展示时的列表项形式的形式信息，所述形式信息与所述结果集合中所述搜索结果的类型具有一一对应的关系，所述至少两个聚块集合包括i个已排序聚块集合与j个未排序聚块集合；

获取所述i个已排序聚块集合对应的第一状态特征，所述第一状态特征用于指示所述i个已排序聚块集合在第t个离散时刻上的排序状态；

基于每个所述未排序聚块集合，调用状态转移函数对所述第一状态特征进行状态转移，生成j个第二状态特征，其中，第g个所述第二状态特征用于指示所述i个已排序聚块集合与第g个所述未排序聚块集合在第t+1个离散时刻上的排序状态；

将所述j个第二状态特征依次输入评分模型，由所述评分模型输出每个所述未排序聚块集合在所述第t+1个离散时刻上排列时的评分值；

将最大评分值对应的未排序聚块集合确定为在所述第t+1个离散时刻上排列的聚块集合，i、t为非负整数，j、g为正整数，且g小于或者等于j。

2.根据权利要求1所述的方法，其特征在于，所述搜索服务平台上包括形式信息与形式等级信息的对应关系，所述形式等级信息用于表示列表项形式对聚块集合的排序的影响程度；

所述基于每个所述未排序聚块集合，调用状态转移函数对所述第一状态特征进行状态转移，生成j个第二状态特征，包括：

读取每个所述未排序聚块集合中的形式信息，得到j个形式信息；

基于所述对应关系查找出与每个所述形式信息对应的形式等级信息，得到所述j个形式信息对应的j个形式等级信息；

将所述j个未排序聚块集合中的所述j个形式信息一一对应替换为所述j个形式等级信息，得到j个替换后的未排序聚块集合；

基于每个所述替换后的未排序聚块集合，调用所述状态转移函数对所述第一状态特征进行状态转移，生成所述j个第二状态特征。

3.根据权利要求2所述的方法，其特征在于，所述形式信息包括列表项的长宽；所述对应关系包括所述列表项的长宽比值与所述形式等级信息的对应关系；

所述基于所述对应关系查找出与每个所述形式信息对应的形式等级信息，得到所述j个形式信息对应的j个形式等级信息，包括：

根据所述列表项的长宽计算所述列表项的所述长宽比值；

基于所述对应关系查找出与所述长宽比值对应的所述形式等级信息，得到所述j个形式信息对应的所述j个形式等级信息；

其中，所述列表项的所述长宽比值与所述形式等级信息成负相关关系。

4.根据权利要求2或3所述的方法，其特征在于，所述第一状态特征中包括与所述搜索结果对应的搜索请求携带的搜索内容和搜索用户特征、以及第一状态，所述第一状态是所述i个已排序聚块集合在所述第t个离散时刻上的排序状态；

所述基于每个所述替换后的未排序聚块集合，调用所述状态转移函数对所述第一状态特征进行状态转移，生成所述j个第二状态特征，包括：

读取所述第一状态特征中的所述第一状态；

基于所述每个所述替换后的未排序聚块集合，调用所述状态转移函数对所述第一状态进行状态转移，生成所述j个第二状态，第g个所述第二状态是所述i个已排序聚块集合与第g个所述未排序聚块集合在所述第t+1个离散时刻上的排序状态；

将所述搜索内容、所述搜索用户特征分别与每个所述第二状态组合，生成所述j个第二状态特征。

5.根据权利要求1至4任一所述的方法，其特征在于，所述评分模型是由深度强化学习网络训练得到的，所述评分值为Q值；

所述将所述j个第二状态特征依次输入评分模型，由所述评分模型输出每个所述未排序聚块集合在所述第t+1个离散时刻上排列时的评分值，包括：

对每个所述第二状态特征进行词嵌入处理，得到j个第二状态特征向量；

将每个所述第二状态特征向量输入所述评分模型，由所述评分模型输出所述每个未排序聚块集合在所述第t+1个离散时刻上排列时的Q值。