一种搜索推荐方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种搜索推荐方法、装置、电子设备及存储介质。该方法包括：基于当前搜索用户向目标应用输入的当前搜索内容及当前搜索用户授权的授权历史信息，生成用于表征当前搜索用户的行为特征的第一注意力表达信息；基于预先存储的各待推荐信息，生成用于表征各待推荐信息特征的各第二注意力表达信息；将第一注意力表达信息分别与各第二注意力表达信息输入至预先训练完成的深度神经网络中，生成第一注意力表达信息与各第二注意力表达信息之间的匹配度；按照匹配度的高低顺序对各待推荐信息进行推荐排序，基于推荐排序为当前搜索用户在目标应用的应用界面展示待推荐信息。本发明专利技术可针对不同用户进行个性化的推荐，提高推荐精准度。提高推荐精准度。提高推荐精准度。

【技术实现步骤摘要】
一种搜索推荐方法、装置、电子设备及存储介质


[0001]本专利技术实施例涉及数据处理
，尤其涉及一种搜索推荐方法、装置、电子设备及存储介质。

技术介绍

[0002]在以大数据为基石，统计机器学习，深度学习为利剑的互联网时代，搜索推荐成为了与人生活工作息息相关的一项技术。如在网上进行购物，点外卖，医疗咨询等，人们在互联网上的大多行为均依赖搜索推荐技术。
[0003]目前，在用户进行搜索时，预先存储大量的待推荐信息。基于用户输入的搜索内容，需要在后端存储的大量待推荐信息中进行初步筛选，得到候选集合，通常候选集合约控制在几十到上百个的数量范围。在此基础上，对该候选集合进行精排，得到排序列表，按顺序依次推荐给用户。
[0004]现有技术在初步筛选和精排时，仅按照用户输入的搜索内容对待推荐信息进行相关排序；对于不同的用户输入相同搜索内容时，得到的推荐内容、推荐顺序均为相同的，无法对用户进行个性化的推荐，导致推荐顺序的准确率较低，降低了用户体验感。

技术实现思路

[0005]本专利技术实施例提供了一种搜索推荐方法、装置本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种搜索推荐方法，其特征在于，包括：基于当前搜索用户向目标应用输入的当前搜索内容及所述当前搜索用户授权的授权历史信息，生成用于表征所述当前搜索用户的行为特征的第一注意力表达信息；基于预先存储的各待推荐信息，生成用于表征各所述待推荐信息特征的各第二注意力表达信息；将所述第一注意力表达信息分别与各所述第二注意力表达信息输入至预先训练完成的深度神经网络中，生成所述第一注意力表达信息与各所述第二注意力表达信息之间的匹配度；按照所述匹配度的高低顺序对各所述待推荐信息进行推荐排序，基于所述推荐排序为所述当前搜索用户在所述目标应用的应用界面展示所述待推荐信息。2.根据权利要求1所述的方法，其特征在于，所述基于当前搜索用户输入的当前搜索内容及所述当前搜索用户授权的授权历史信息，生成用于表征所述当前搜索用户的行为特征的第一注意力表达信息，包括：对所述授权历史信息按照预设类别进行分类，生成与各所述预设类别对应的类别历史信息；将各所述类别历史信息转换为类别向量，将所述当前搜索内容转换为当前搜索向量；基于所述当前搜索向量和所述类别向量，确定用于表征所述当前搜索用户的各类别的行为特征的所述第一注意力表达信息。3.根据权利要求2所述的方法，其特征在于，同一所述预设类别的所述类别历史信息包括至少一个类别实体；其中，所述基于所述当前搜索向量和所述类别向量，确定用于表征所述当前搜索用户的各类别的行为特征的所述第一注意力表达信息，包括：基于所述当前搜索向量和所述类别向量，确定各所述类别历史信息对应的实体权重向量；计算所述实体权重向量与所述类别向量之间的数量积，将所述数量积确定为所述第一注意力表达信息。4.根据权利要求2所述的方法，其特征在于，所述将各所述类别历史信息转换为类别向量，包括：基于预先建立的第一特征提取器，将各所述类别历史信息转换为所述类别向量；其中，所述第一特征提取器包括循环神经网络和卷积神经网络。5.根据权利要求2所述的方法，其特征在于，所述基于预先存储的各待推荐信息，生成用于表征各所述待推荐信息特征的各第二注意力表达信息，包括：识别各所述待推荐信息中的各实体信息，基于预先建立的第二特征提取器，将各所述实体信息转换为表现形式为隐向量的待推荐向量；基于所述当前搜索向量和所述待推荐向量，生成用于表征各所述待推荐信息特征的各第二注意力表达信息。6.根据权利要求1所述的方法，其特征在于，在将所述第一注意力表达信息...

【专利技术属性】
技术研发人员：毛晨思，金欣哲，王宁，杨政鸿，吴边，刘磊，孟海忠，
申请(专利权)人：挂号网杭州科技有限公司，
类型：发明
国别省市：