[发明专利]一种搜索重排模型的确定方法及装置

权利要求书

1.一种搜索重排模型的确定方法，其特征在于，所述方法包括：

获取目标搜索词对应的训练样本集；所述训练样本集包括所述目标搜索词和所述目标搜索词的多个搜索结果条目；

将所述训练样本集输入初始打分排序模型，通过所述初始打分排序模型确定所述多个搜索结果条目各自的初始排序分数；

将包括目标排序标签的所述训练样本集和所述初始排序分数输入打分评估模型，通过所述打分评估模型基于所述目标排序标签和所述初始排序分数，确定所述初始排序分数各自的奖励分数；其中，所述目标排序标签用于标识所述训练样本集中的所述多个搜索结果条目的期望排序；

基于所述初始排序分数和所述奖励分数，确定所述多个搜索结果条目的损失函数；

根据所述损失函数对所述初始打分排序模型进行排序模型训练，得到用于对所述多个搜索结果条目进行搜索重排的目标打分排序模型。

2.根据权利要求1所述的方法，其特征在于，所述将所述训练样本集输入初始打分排序模型，通过所述初始打分排序模型确定所述多个搜索结果条目各自的初始排序分数，包括：

将所述训练样本集输入初始打分排序模型，通过所述初始打分排序模型的特征提取层确定所述训练样本集中的多个搜索结果条目的特征向量；

根据所述特征向量确定所述多个搜索结果条目各自的初始排序分数。

3.根据权利要求1所述的方法，其特征在于，所述通过所述打分评估模型基于所述目标排序标签和所述初始排序分数，确定所述初始排序分数各自的奖励分数，包括：

通过所述打分评估模型对所述多个搜索结果条目的初始排序与所述多个搜索结果条目的期望排序进行匹配，确定所述初始排序分数各自的奖励分数；所述多个搜索结果条目的初始排序是基于所述初始排序分数确定的。

4.根据权利要求3所述的方法，其特征在于，还包括：

根据预设规则将所述期望排序划分为第一排序区域和第二排序区域，根据所述预设规则将所述初始排序划分为所述第一排序区域和所述第二排序区域；

所述通过所述打分评估模型对所述多个搜索结果条目的初始排序与所述多个搜索结果条目的期望排序进行匹配，确定所述初始排序分数各自的奖励分数，包括：

对所述初始排序的所述第一排序区域中与所述期望排序的所述第一排序区域中一致的搜索结果条目确定第一奖励分数；

对所述初始排序的所述第一排序区域中与所述期望排序的所述第一排序区域中不一致的搜索结果条目确定第二奖励分数；

对所述初始排序的所述第二排序区域中与所述期望排序的所述第二排序区域中一致的搜索结果条目确定第三奖励分数；

对所述初始排序的所述第二排序区域中与所述所述期望排序的第二排序区域中不一致的搜索结果条目确定第四奖励分数；

其中，所述第一奖励分数和所述第三奖励分数为正数，所述第二奖励分数和所述第四奖励分数为负数。

5.根据权利要求1所述的方法，其特征在于，还包括：

将所述初始排序分数进行归一化处理，获得所述多个搜索结果条目的初始排序损失；

则，所述基于所述初始排序分数和所述奖励分数，确定所述多个搜索结果条目的损失函数，包括：

根据所述初始排序损失乘以所述奖励分数，确定所述多个搜索结果条目的损失函数。

6.根据权利要求1-5中任意一项所述的方法，其特征在于，还包括：

利用时间差分法对所述打分评估模型进行评估模型训练。

7.根据权利要求1-5中任意一项所述的方法，其特征在于，在所述得到用于对所述多个搜索结果条目进行搜索重排的目标打分排序模型之后，还包括：

利用所述目标打分排序模型对所述目标搜索词的所述多个搜索结果条目进行打分排序，获得所述目标搜索词的目标排序；

根据所述目标排序展示所述多个搜索结果条目。

8.根据权利要求1-5中任意一项所述的方法，其特征在于，所述初始打分模型和所述打分评估模型采用Actor-Critic模型。

9.一种搜索重排模型的确定装置，其特征在于，所述装置包括获取单元、确定单元和训练单元：

所述获取单元，用于获取目标搜索词对应的训练样本集；所述训练样本集包括所述目标搜索词和所述目标搜索词的多个搜索结果条目；

所述确定单元，用于将所述训练样本集输入初始打分排序模型，通过所述初始打分排序模型确定所述多个搜索结果条目各自的初始排序分数；

所述确定单元，还用于将包括目标排序标签的所述训练样本集和所述初始排序分数输入打分评估模型，通过所述打分评估模型基于所述目标排序标签和所述初始排序分数，确定所述初始排序分数各自的奖励分数；其中，所述目标排序标签用于标识所述训练样本集中的所述多个搜索结果条目的期望排序；

所述确定单元，还用于基于所述初始排序分数和所述奖励分数，确定所述多个搜索结果条目的损失函数；

所述训练单元，用于根据所述损失函数对所述初始打分排序模型进行排序模型训练，得到用于对所述多个搜索结果条目进行搜索重排的目标打分排序模型。