[发明专利]使用机器学习模型对图像搜索结果进行排名

权利要求书

1.一种方法，包括：

从用户设备接收图像搜索查询；

获得针对图像搜索查询的多个候选图像搜索结果，每个候选图像搜索结果识别相应图像以及用于相应图像的相应登陆页面；

对于候选图像搜索结果中的每一个：

使用已训练的图像搜索结果排名机器学习模型来处理(i)通过候选图像搜索结果识别的相应图像的特征、以及(ii)通过候选图像搜索结果识别的相应登陆页面的特征，以通过基于图像搜索查询的特征以查询相关方式将通过候选图像搜索结果识别的相应图像的特征与通过候选图像搜索结果识别的相应登陆页面的特征进行组合来生成关联性得分，该关联性得分测量候选图像搜索结果与图像搜索查询的关联性；

基于图像搜索结果排名机器学习模型生成的关联性得分对候选图像搜索结果进行排名；

生成图像搜索结果呈现，该图像搜索结果呈现显示根据排名进行排序的候选图像搜索结果；以及

提供图像搜索结果以供用户设备呈现。

2.根据权利要求1所述的方法，其中，候选图像搜索结果根据初始排名进行排名，并且其中，基于图像搜索结果排名机器学习模型生成的关联性得分对候选图像搜索结果进行排名包括：

基于图像搜索结果排名机器学习模型生成的关联性得分来调整初始排名。

3.根据权利要求1或2中的任一权利要求所述的方法，其中，图像搜索查询的特征包括图像搜索查询的文本。

4.根据任一前述权利要求所述的方法，其中，图像的特征包括下述各项中的一个或多个：图像的像素数据、或图像的嵌入。

5.根据任一前述权利要求所述的方法，其中，登陆页面的特征包括下述各项中的一个或多个：来自登陆页面的文本、登陆页面的标题，或登陆页面的资源定位符。

6.根据任一前述权利要求所述的方法，其中，登陆页面的特征包括表征登陆页面的新鲜度的特征。

7.根据任一前述权利要求所述的方法，其中，图像搜索结果排名机器学习模型是神经网络。

8.根据任一前述权利要求所述的方法，还包括：

生成多个训练示例；以及

在训练示例上训练图像搜索结果排名机器学习模型。

9.根据权利要求8所述的方法，其中，每个训练示例包括训练查询、一对训练图像搜索结果、以及表征所述一对训练图像搜索结果与查询的相对关联性的标签，并且其中训练图像搜索结果排名模型包括在训练示例上训练图像搜索结果排名模型，以最小化成对损失函数。

10.根据权利要求8所述的方法，其中，每个训练示例包括训练查询、训练图像搜索结果、以及目标关联性得分，并且其中训练图像搜索结果排名模型包括在训练示例上训练图像搜索结果排名模型，以生成与目标关联性得分相匹配的关联性得分。

11.一种系统，包括一个或多个计算机以及一个或多个存储设备，所述一个或多个存储设备存储指令，所述指令在由一个或多个计算机执行时，使一个或多个计算机执行任何前述权利要求所述的方法的相应操作。

12.一种或多种非暂态计算机可读存储介质，其存储指令，所述指令在由一个或多个计算机执行时，使一个或多个计算机执行权利要求1到10中的任一权利要求所述的方法的相应操作。