[发明专利]排序方法、计算设备及可读存储介质

权利要求书

1.一种排序方法，所述方法包括：

获取包括用户行为样本的数据集；

将所述数据集中每个样本的各类标识与每个样本的样本标识进行关联，所述各类标识包括用于呈现应用的卡片的卡片标识；

将每个样本的各特征与各类标识中的一项进行关联，其中，与卡片标识关联的各特征包括卡片尺寸、卡片类别、和卡片图文丰富度中的至少一项；

根据每个样本的各类标识，获取每个样本的各特征，并对每个样本的各特征中的单值连续型特征、多值连续型特征、离散型特征分别构造排序模型的嵌入向量；

基于构造的嵌入向量，通过各特征训练排序模型，以便通过训练好的排序模型对输入所述训练好的排序模型的数据进行排序。

2.根据权利要求1所述的方法，其中，所述对每个样本的各特征中的单值连续型特征、多值连续型特征、离散型特征分别构造排序模型的嵌入向量，包括：

对所述每个样本的各特征中的单值连续型特征和离散型特征，构造排序模型中FM结构与Deep结构共用的第一嵌入向量；

对所述每个样本的各特征中的多值连续型特征中的低维度特征，构造所述排序模型中FM结构应用的第二嵌入向量；

对所述每个样本的各特征中的多值连续型特征中的高维度特征，构造所述排序模型中Deep结构应用的第三嵌入向量。

3.根据权利要求1或2所述的方法，还包括：

将所述每个样本的的各特征中的单值连续型特征、多值连续型特征、和离散型特征输入到构造的相应的嵌入向量中。

4.根据权利要求1至3中任一项所述的方法，还包括：

从所述数据集中筛选具有曝光点击行为，且浏览时长大于预定值的样本作为正样本，并筛选具有曝光未点击行为的样本作为负样本，以便通过正样本和负样本的各特征对排序模型进行训练。

5.根据权利要求1至4中任一项所述的方法，其中，所述各类标识还包括物料标识，所述将每个样本的各特征与各类标识中的一项进行关联，还包括：

将每个样本的物料标识，与物料特征和时效性特征进行关联；

其中，所述物料特征包括点赞数、收藏数、评论数、平均阅读时长、点击率中的至少一项，所述时效性特征包括物料更新时间距今天数、发帖时间距今天数、平均评论时间距今天数。

6.根据权利要求1至5中任一项所述的方法，其中，所述各类标识还包括查询标识，所述将每个样本的各特征与各类标识中的一项进行关联，还包括：

将每个样本的查询标识，与查询特征进行关联；

其中，所述查询特征包括查询语句的长度、查询语句包含的车系、查询语句包含的品牌、查询语句的点击通过率。

7.根据权利要求1至6中任一项所述的方法，其中，所述将每个样本的各特征与各类标识中的一项进行关联，还包括：

将每个样本的卡片标识和查询标识作为整体，与相关性特征进行关联；

其中，所述相关性特征包括查询语句与物料标题中的内容是否匹配、查询语句是否命中标题、标题与查询语句的相似度。

8.根据权利要求1至7中任一项所述的方法，其中，所述各类标识还包括用户标识，所述将每个样本的各特征与各类标识中的一项进行关联，还包括：

将每个样本的用户标识，与用户画像特征进行关联；

其中，所述用户画像特征包括用户的上下文信息、用户收藏的内容、用户收藏的品牌、用户的年龄属性、用户分群。

9.一种计算设备，包括：

至少一个处理器；以及

存储器，存储有程序指令，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如权利要求1至8中任一项所述方法的指令。

10.一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行如权利要求1至8中任一项所述方法。