一种POI搜索排序模型训练方法、排序装置与方法及介质制造方法及图纸

本申请公开了一种基于深度学习的POI搜索排序模型训练方法、排序装置与方法及介质，属于地图导航搜索技术领域。该基于深度学习的POI搜索排序模型训练方法包括：获取搜索条目样本以及搜索条目样本对应的搜索结果样本；利用神经网络模型将搜索条目样本以及搜索结果样本进行向量表示，建立预训练向量样本库；以及通过将预训练向量样本库输入到语义匹配模型进行运算获取搜索条目样本与搜索结果样本之间的相似度，获得POI搜索排序模型，其中，将根据搜索结果样本的曝光点击率进行拟合得到的函数作为POI搜索排序模型的基准增益函数。本申请的应用使搜索结果更符合用户搜索需要，提升用户搜索体验。提升用户搜索体验。提升用户搜索体验。

【技术实现步骤摘要】
一种POI搜索排序模型训练方法、排序装置与方法及介质


[0001]本申请涉及地图导航搜索
，特别是一种基于深度学习的POI搜索排序模型训练方法、排序装置与方法及存储介质。

技术介绍

[0002]随着地图导航搜索领域的不断发展，通过地图搜索各类信息已经成为人们获取信息资源的主要方式之一。在进行地图导航搜索时，运用特定的计算机程序从互联网上搜集信息，根据制定的策略和特征，对搜索得到的信息进行组织和处理后，将数据信息按照一定的排列顺序展示给用户。其中对搜索结果的排序结果是对用户搜索需求的一种预测，所以在地图导航搜索过程中，最终呈现的搜索结果是否满足用户的搜索需求，搜索结果是否全面，成为对搜索结果评价的重要标准。
[0003]现有技术中，往往通过人工或者半机器半人工的方式对地图导航搜索过程中的搜索策略及搜索特征进行组合。随着地图导航搜索过程中基础数据量的增加，在搜索排序问题上引入机器学习算法，将排序问题转化为回归分类或者有序分类的问题，实现搜索过程中对搜索结果的排序。但是机器学习算法在传统模型上优化越来越困难，同时地图导航搜索业务的复杂性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的POI搜索排序模型训练方法，其特征在于，包括：获取搜索条目样本以及所述搜索条目样本对应的搜索结果样本；利用神经网络模型将所述搜索条目样本以及所述搜索结果样本进行向量表示，建立预训练向量样本库；以及通过将所述预训练向量样本库输入到语义匹配模型进行运算获取所述搜索条目样本与所述搜索结果样本之间的相似度，获得所述POI搜索排序模型，其中，将根据所述搜索结果样本的曝光点击率进行拟合得到的函数作为所述POI搜索排序模型的归一化折损累计增益函数中的基准增益函数。2.如权利要求1所述的基于深度学习的POI搜索排序模型训练方法，其特征在于，根据从日志统计出的所述搜索结果样本的点击数据和位置数据获得所述曝光点击率。3.如权利要求1所述的基于深度学习的POI搜索排序模型训练方法，其特征在于，所述搜索条目样本包括所述搜索条目的点击量数据，所述搜索结果样本包括所述搜索结果的点击量数据。4.如权利要求1所述的基于深度学习的POI搜索排序模型训练方法，其特征在于，所述建立预训练向量样本库的过程还包括，利用所述神经网络模型将与所述搜索条目样本相关的搜索特征样本进行向量表示。5.如权利要求1所述的基于深度学习的POI搜索排序模型训练方法，其特征在于，所述搜索特征样本包括用户行为特征、用户身份特征和第三特征中的至少一个，所述用户行为特征包括用户在搜索过程中的点击行为和筛选行为。6.如权利要求5所述的基于深度学习的POI搜索排序模型训练方法，其特征在于，将稀疏的用户身份信息进行聚类获得所述用户身份特征，所述用户身份特征包括用户所在地信息以及用户行程信息。7.如权利要求1所述的基于深度学习的POI搜索排序模型训练方法，其特征在于，利用局部可解释性，确定不同的所述搜索特征样本对所述POI搜索排序模型排序结果的影响程度。8.一种基于深度学习的POI...

【专利技术属性】
技术研发人员：王鹏，杨焕星，赵楠，李玉彬，刘树明，赵帅领，王涛，王涛，马海军，王珂，苏晓朋，
申请(专利权)人：北京四维图新科技股份有限公司，
类型：发明
国别省市：