[发明专利]建立排序模型的方法、查询自动补全的方法及对应装置

说明书

本公开公开了一种建立排序模型的方法、查询自动补全的方法及对应装置，涉及智能搜索技术领域。具体实现方案为：利用用户集在第一历史时长内的查询数据，预训练得到全局排序模型；利用目标用户在第二历史时长内的查询数据作为支持样本，利用所述支持样本对所述全局排序模型进行进一步训练，以对模型参数进行调整得到所述目标用户的个性化排序模型，所述个性化排序模型用于对查询样本中所述目标用户在待预测时间输入的查询前缀进行查询补全建议的预测。基于本公开得到的个性化排序模型能够使得针对用户的查询补全建议更加准确。

技术领域

本公开涉及计算机应用技术领域，尤其涉及智能搜索技术领域中的一种建立排序模型的方法、查询自动补全的方法及对应装置。

背景技术

QAC(Query Auto-Completion，查询自动补全)目前已被主流的通用搜索引擎和垂直搜索引擎广泛采用。例如，在地图类应用中，当用户输入query(查询)以搜索某个POI(Point of Interest，兴趣点)时，从用户输入不完整query开始(在本公开中将用户输入的不完整query称为查询前缀)，搜索引擎可以在候选列表中实时向用户推荐一系列候选的POI以供用户选择作为query的补全结果(在本公开中将候选列表中推荐的query称为查询补全建议)。一旦用户在候选列表中发现其意向的POI，则通过从候选列表中选择该POI即可补全query，从而发起该POI的查询。

然而，现有的查询自动补全方案中，针对相同的查询前缀提供的建议均是相同的，例如均是在候选列表中基于各POI的检索热度进行排序，并没有考虑到用户的个性化查询需求。

发明内容

本公开提供了一种建立排序模型的方法、查询自动补全的方法及对应装置，以便于满足用户的个性化查询需求。

根据本公开的第一方面，提供了一种建立排序模型的方法，包括：

利用用户集在第一历史时长内的查询数据，预训练得到全局排序模型；

利用目标用户在第二历史时长内的查询数据作为支持样本，利用所述支持样本对所述全局排序模型进行进一步训练，以对模型参数进行调整得到所述目标用户的个性化排序模型，所述个性化排序模型用于对查询样本中所述目标用户在待预测时间输入的查询前缀进行查询补全建议的预测。

根据本公开的第二方面，提供了一种查询自动补全的方法，包括：

获取用户输入的查询前缀，以及确定与所述查询前缀对应的候选查询项；

将所述查询前缀与所述候选查询项输入所述用户的个性化排序模型，得到所述个性化排序模型对各候选查询项的评分；

依据各候选查询项的评分确定向所述用户推荐的查询补全建议；

其中所述用户的个性化排序模型采用如上所述的方法训练得到。

根据本公开的第三方面，提供了一种建立排序模型的装置，包括：

预训练单元，用于利用用户集在第一历史时长内的查询数据，预训练得到全局排序模型；

个性化训练单元，用于利用目标用户在第二历史时长内的查询数据作为支持样本，利用所述支持样本对所述全局排序模型进行进一步训练，以对模型参数进行调整得到所述目标用户的个性化排序模型，所述个性化排序模型用于对查询样本中所述目标用户在待预测时间输入的查询前缀进行查询补全建议的预测。

根据本公开的第四方面，提供了一种查询自动补全的装置，包括：

获取单元，用于获取用户输入的查询前缀，以及确定与所述查询前缀对应的候选查询项；

评分单元，用于将所述查询前缀与所述候选查询项输入所述用户的个性化排序模型，得到所述个性化排序模型对各候选查询项的评分；