本公开关于一种搜索推荐方法及推荐装置、电子设备、存储介质，其中，搜索推荐方法包括：基于搜索词得到候选搜索结果；从候选搜索结果中获取第一搜索结果和第二搜索结果；对第一搜索结果的特征进行泛化处理，得到第一搜索结果的泛化特征；将第一搜索结果的泛化特征输入至行为预估模型，得到行为预估参数，其中，行为预估参数用于评估第一搜索结果被目标账户执行预设操作行为的概率；基于行为预估参数以及第二搜索结果的历史行为评分概率值，确定候选搜索结果的推荐排序结果。能够对所有的输出搜索结果进行合理排序，减少马太效应的出现，能够将新搜索结果的推荐排序位置设置在靠前，让用户能够不断查看到新的搜索结果，提升搜索推荐的准确性。的准确性。的准确性。
【技术实现步骤摘要】
搜索推荐方法及推荐装置、电子设备、存储介质
[0001]本公开涉及数据处理
，尤其涉及搜索推荐方法及推荐装置、电子设备、存储介质。
技术介绍
[0002]相关技术中，在视频搜索的场景，经常会出现一种情景：一个用户新上传的视频或者是新添加到索引系统的视频，虽然用户可能会给这个视频“定义”一些标签或者文本信息，但是由于是“新作品”缺少用户与这个视频的交互数据，造成在对其进行排序的时候会相较于“老”(用户与该视频交互行为次数多，例如，转发数多、点赞数高、观看时长足够长等)视频出现推荐“吃亏”的情况，导致新视频推荐排序位置靠后。
[0003]举例来说：在同一个搜索词下，索引到10个视频，9个视频属于“老”视频，1个视频属于“新”视频。一般在对视频进行排序的时候，会有若干的特征刻画，其中与消费行为对应的典型特征包括：点击数、点击率、点赞数、点赞率等。对于“老”视频而言，这些视频由于行为数据充分，这些行为特征也相对而言比较准确，但是对于“新”视频而言，由于交互行为较少，没有相应的置信度，导致在排序的模型中，新搜索结果会容易排序在最后面，不容易被使用者查收到，这样会导致使用者/视频应用消费者查看到的总是已出现的老视频，无法查看到新的视频，从而导致搜索推荐的准确性不高。
技术实现思路
[0004]本公开提供一种搜索推荐方法及推荐装置、电子设备、存储介质，以至少解决相关技术中视频搜索结果容易将新搜索结果排序在最后面，从而导致搜索推荐的准确性不高的问题。本公开的技术方案如下：
[0005]根据本公开实施例的第一方面，提供一种搜索推荐方法，包括：基于搜索词得到候选搜索结果；从所述候选搜索结果中获取第一搜索结果和第二搜索结果，所述第一搜索结果是所述候选搜索结果中历史展示次数小于预设次数阈值的搜索结果，所述第二搜索结果是所述候选搜索结果中除所述第一搜索结果外的其他搜索结果；对所述第一搜索结果的特征进行泛化处理，得到所述第一搜索结果的泛化特征；将所述第一搜索结果的泛化特征输入至行为预估模型，得到行为预估参数，其中，所述行为预估参数用于评估所述第一搜索结果被目标账户执行预设操作行为的概率；基于所述行为预估参数以及所述第二搜索结果的历史行为评分概率值，确定所述候选搜索结果的推荐排序结果。
[0006]根据本公开实施例的另一方面，提供一种搜索推荐装置，包括：第一获取单元，被配置为基于搜索词得到候选搜索结果；第二获取单元，被配置为从所述候选搜索结果中获取第一搜索结果和第二搜索结果，所述第一搜索结果是所述候选搜索结果中历史展示次数小于预设次数阈值的搜索结果，所述第二搜索结果是所述候选搜索结果中除所述第一搜索结果外的其他搜索结果；泛化处理单元，被配置为对所述第一搜索结果的特征进行泛化处理，得到所述第一搜索结果的泛化特征；输入单元，被配置为将所述第一搜索结果的泛化特
征输入至行为预估模型，得到行为预估参数，其中，所述行为预估参数用于评估所述第一搜索结果被目标账户执行预设操作行为的概率；推荐单元，被配置为基于所述行为预估参数以及所述第二搜索结果的历史行为评分概率值，确定所述候选搜索结果的推荐排序结果。
[0007]根据本公开实施例的另一方面，提供一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令，以实现如上述所述的搜索推荐方法。
[0008]根据本公开实施例的另一方面，还提供一种计算机可读存储介质，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如上述任一项所述的搜索推荐方法。
[0009]根据本公开实施例的另一方面，还提供一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现上述所述的搜索推荐方法。
[0010]本公开的实施例提供的技术方案至少带来以下有益效果：
[0011]在搜索推荐场景/视图搜索场景/视图搜索系统中，通过对候选搜索结果中第一搜索结果的特征进行泛化处理，结合第二搜索结果的历史行为评分概率值和第一搜索结果的行为预估参数，调整新出现的搜索结果的排序位置，让消费者能够不断看到新的搜索内容，即通过特征泛化排序方式，能够将部分新搜索结果排序位置靠前，让消费者能够看到新的内容，以解决搜索场景下的“新”搜索结果排序问题。
[0012]结合混合输出模型，能够将新老搜索结果进行分开评估，对新的搜索结果进行先验处理，对老视图进行后验处理，结合深度神经网络得到的加权值，能够对所有的输出搜索结果进行合理排序，减少马太效应的出现，能够将新搜索结果的推荐排序位置设置在靠前，让用户能够不断查看到新的搜索结果，解决相关技术中视频搜索结果容易将新搜索结果排序在最后面，从而导致搜索推荐的准确性不高的问题。
[0013]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0014]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
[0015]图1是根据一示例性实施例示出的一种搜索推荐方法的实施环境的示意图。
[0016]图2是根据一示例性实施例示出的一种可选的搜索推荐方法的流程图。
[0017]图3是根据一示例性实施例示出的一种使用混合输出模型的示意图。
[0018]图4是根据本专利技术实施例的一种可选的对搜索结果进行泛化处理的示意图。
[0019]图5是根据一示例性实施例示出的一种可选的搜索推荐装置的装置框图。
具体实施方式
[0020]为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
[0021]需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用
的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
[0022]为便于本领域技术人员理解本专利技术，下面对本专利技术各实施例中涉及的部分术语或者名词做出解释：
[0023]MMoE，混合输出模型/多任务学习模型，在本申请中，能够对新老搜索结果分别进行先验处理和后验处理，结合搜索词
‑
搜索结果(例如，视频)之间的关联度，得到所有搜索结果的推荐排序结果。
[0024]本申请可以应用于各种搜索引擎、结果推荐应用、视图应用/视图推荐系统中，本申请的视图应用涉及到视频应用以及图像应用，以视频应用进行示意说明，例如，短视频推荐系统。针对现有技术中，在基于搜索词推荐搜索结果或者自动推荐搜索结果时，容易出现搜索结果的马太效应(即新搜本文档来自技高网...
【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：基于搜索词得到候选搜索结果；从所述候选搜索结果中获取第一搜索结果和第二搜索结果，所述第一搜索结果是所述候选搜索结果中历史展示次数小于预设次数阈值的搜索结果，所述第二搜索结果是所述候选搜索结果中除所述第一搜索结果外的其他搜索结果；对所述第一搜索结果的特征进行泛化处理，得到所述第一搜索结果的泛化特征；将所述第一搜索结果的泛化特征输入至行为预估模型，得到行为预估参数，其中，所述行为预估参数用于评估所述第一搜索结果被目标账户执行预设操作行为的概率；基于所述行为预估参数以及所述第二搜索结果的历史行为评分概率值，确定所述候选搜索结果的推荐排序结果。2.根据权利要求1所述的搜索推荐方法，其特征在于，所述对所述第一搜索结果的特征进行泛化处理，得到所述第一搜索结果的泛化特征，包括：获取所述候选搜索结果中每个输出搜索结果的搜索抽象向量，其中，所述搜索抽象向量表征继承历史搜索结果的特征；计算所述第一搜索结果中的输出搜索结果的搜索抽象向量，与所述第二搜索结果中的输出搜索结果之间的搜索抽象向量之间的相似度；基于所述相似度，对所述第一搜索结果的特征进行泛化处理，得到所述第一搜索结果的泛化特征。3.根据权利要求2所述的搜索推荐方法，其特征在于，所述基于所述相似度，对所述第一搜索结果的特征进行泛化处理，得到所述第一搜索结果的泛化特征的步骤，包括：对所述相似度进行归一化处理；采用归一化处理结果，对所述第一搜索结果的特征进行泛化处理，得到所述第一搜索结果的泛化特征。4.根据权利要求1所述的搜索推荐方法，其特征在于，所述将所述第一搜索结果的泛化特征输入至行为预估模型，得到行为预估参数，包括：将泛化后的所述搜索结果特征输入至行为预估模型进行分析，并采用所述行为预估模型预估所述第一搜索结果中的输出搜索结果的点击率和完播率；计算所述点击率与所述完播率之间的乘积值，得到所述行为预估参数。5.根据权利要求1所述的搜索推荐方法，其特征在于，所述基于所述行为预估参数以及所述第二搜索结果的历史行为评分概率值，确定所述候选搜索结果的推荐排序结果，包括：获取所述目标账户输入的搜索词与每个输出搜索结果之间的关联度；采用预设神经网络，确定与所述关联度对应...
【专利技术属性】
技术研发人员：张志伟，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。