资源发送方法、推荐模型的训练及装置制造方法及图纸

本公开提供了资源发送方法、推荐模型的训练及装置，涉及计算机技术领域，尤其涉及深度学习等人工智能领域，可应用于搜索领域，具体实现方案为：获取客户端发送的搜索请求，其中，搜索请求中包括搜索词；将搜索词输入推荐模型中，以确定出搜索词对应的目标索引路径，其中，目标索引路径是根据预设矩阵中的多个元素生成的；确定目标索引路径对应的目标资源标识；向客户端发送目标资源标识对应的资源。该方法通过利用推荐模型，预测搜索词对应的索引路径，向客户端发送索引路径索引到的资源，提高了资源搜索效率和资源推荐的准确性。了资源搜索效率和资源推荐的准确性。了资源搜索效率和资源推荐的准确性。

【技术实现步骤摘要】
资源发送方法、推荐模型的训练及装置


[0001]本公开涉及计算机
，尤其涉及深度学习等人工智能领域，可应用于搜索领域，具体涉及一种资源发送方法、推荐模型的训练及装置。

技术介绍

[0002]随着互联网技术的发展，搜索引擎得到了广泛使用，用户可以在搜索引擎上输入搜索信息，相应的，服务器可以对互联网上的信息进行检索，获取与搜索信息匹配的资源，返回给用户终端。而互联网上具有海量的信息，如何提高资源推荐的准确性是亟待解决的问题。

技术实现思路

[0003]本公开提供了一种资源发送方法、推荐模型的训练及装置。
[0004]根据本公开的一方面，提供了一种资源发送方法，包括：
[0005]获取客户端发送的搜索请求，其中，搜索请求中包括搜索词；
[0006]将搜索词输入推荐模型中，以确定出搜索词对应的目标索引路径，其中，目标索引路径是根据预设矩阵中的多个元素生成的；
[0007]确定目标索引路径对应的目标资源标识；
[0008]向客户端发送目标资源标识对应的资源。
[0009]根据本公开的另一方面，提供了一种推荐模型的训练方法，包括：
[0010]获取训练样本，其中，训练样本中包括搜索词和资源标识；
[0011]获取资源标识对应的第一索引路径，其中，第一索引路径是根据预设矩阵中的多个元素生成的；
[0012]根据搜索词和第一索引路径对初始推荐模型进行训练，以获取更新后的推荐模型；
[0013]将搜索词输入更新后的推荐模型，以从预设矩阵上确定出资源标识对应的第二索引路径；
[0014]将资源标识对应的第一索引路径更新为第二索引路径，以根据第二索引路径，进一步对模型参数进行更新，以得到推荐模型。
[0015]根据本公开的另一方面，提供了一种资源发送装置，包括：
[0016]第一获取模块，用于获取客户端发送的搜索请求，其中，搜索请求中包括搜索词；
[0017]第一确定模块，用于将搜索词输入推荐模型中，以确定出搜索词对应的目标索引路径，其中，所述目标索引路径是根据预设矩阵中的多个元素生成的；
[0018]第二确定模块，用于确定目标索引路径对应的目标资源标识；
[0019]发送模块，用于向客户端发送目标资源标识对应的资源。
[0020]根据本公开的另一方面，提供了一种推荐模型的训练装置，包括：
[0021]第一获取模块，用于获取训练样本，其中，训练样本中包括搜索词和资源标识；
[0022]第二获取模块，用于获取资源标识对应的第一索引路径，其中，第一索引路径是根据预设矩阵中的多个元素生成的；
[0023]训练模块，用于根据搜索词和第一索引路径对初始推荐模型进行训练，以获取更新后的推荐模型；
[0024]确定模块，用于将搜索词输入更新后的推荐模型，以从预设矩阵上确定出资源标识对应的第二索引路径；
[0025]更新模块，用于将资源标识对应的第一索引路径更新为第二索引路径，以根据第二索引路径，进一步对模型参数进行更新，以得到推荐模型。
[0026]根据本公开的另一方面，提供了一种电子设备，包括：
[0027]至少一个处理器；以及
[0028]与所述至少一个处理器通信连接的存储器；其中，
[0029]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述实施例所述的方法。
[0030]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述实施例所述的方法。
[0031]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述实施例所述方法的步骤。
[0032]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0033]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0034]图1为本公开一实施例提供的资源发送方法的流程示意图；
[0035]图2为本公开提供的索引路径的示意图；
[0036]图3为本公开另一实施例提供的资源发送方法的流程示意图；
[0037]图4为本公开另一实施例提供的资源发送方法的流程示意图；
[0038]图5为本公开一实施例提供的推荐模型的训练方法的流程示意图；
[0039]图6为本公开一实施例提供的推荐模型的训练方法的流程示意图；
[0040]图7为本公开一实施例提供的推荐模型的训练和应用的示意图；
[0041]图8为本公开一实施例提供的资源发送装置的结构示意图；
[0042]图9为本公开一实施例提供的推荐模型的训练装置的结构示意图；
[0043]图10是用来实现本公开实施例的资源发送方法的电子设备的框图。
具体实施方式
[0044]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0045]下面参考附图描述本公开实施例的资源发送方法、推荐模型的训练方法、装置、电
子设备和存储介质。
[0046]人工智能是研究使用计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的
也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术包括计算机视觉技术、语音识别技术、自然语言处理技术以及深度学习、大数据处理技术、知识图谱技术等几大方向。
[0047]深度学习是机器学习领域中一个新的研究方向。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。
[0048]图1为本公开一实施例提供的资源发送方法的流程示意图。
[0049]本公开实施例的资源发送方法，可以由本公开实施例的资源发送装置执行，该装置可以配置于电子设备中，通过利用推荐模型，从预设矩阵上确定出搜索词对应的目标索引路径，基于目标索引路径确定向客户端发送的资源，从而基于矩阵索引路径确定搜索结果，提高了资源搜索效率和资源推荐的准确性。
[0050]其中，电子设备可以为任一具有计算能力的设备，例如可以为个人电脑、移动终端、服务器等，移动终端例如可以为车载设备、手机、平板电脑、个人数字助理、穿戴式设备等具有各种操作系统、触摸屏和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种资源发送方法，包括：获取客户端发送的搜索请求，其中，所述搜索请求中包括搜索词；将所述搜索词输入推荐模型中，以确定出所述搜索词对应的目标索引路径，其中，所述目标索引路径是根据预设矩阵中的多个元素生成的；确定所述目标索引路径对应的目标资源标识；向所述客户端发送所述目标资源标识对应的资源。2.如权利要求1所述的方法，其中，所述确定所述目标索引路径对应的目标资源标识，包括：获取各资源标识对应的索引路径；根据所述各资源标识对应的索引路径，确定各索引路径对应的资源标识；根据所述目标索引路径，通过查询所述各索引路径对应的资源标识，确定所述目标索引路径对应的目标资源标识。3.如权利要求2所述的方法，其中，所述获取各资源标识对应的索引路径，包括：从分布式参数服务器获取所述各资源标识对应的索引路径。4.如权利要求1所述的方法，其中，所述预设矩阵的大小为M*N，所述目标索引路径的数量为k，k小于M，且M、N和k均为正整数，所述将所述搜索词输入推荐模型中，以确定出所述搜索词对应的目标索引路径，包括：根据所述搜索词，确定所述预设矩阵第一列的M个元素中每个元素作为所述搜索词对应的索引路径上节点的概率，并从所述第一列的M个元素中确定出概率最高的k个元素；根据所述搜索词和所述k个元素，确定所述k个元素与所述预设矩阵第二列M个元素的k*M个组合中每个组合作为所述搜索词对应的索引路径上节点的概率，并从k*M个组合中确定出概率最高的k个组合；从所述预设矩阵第三列开始，根据所述搜索词和在上一列确定的k个组合，确定所述上一列对应的k个组合与当前列M个元素的k*M个组合中每个组合作为所述搜索词对应的索引路径上节点的概率，并从k*M个组合中确定出概率最高的k个组合；根据在第N列确定的k个组合中每个元素在所述预设矩阵中的位置，确定所述搜索词对应的k个数量的目标索引路径。5.如权利要求4所述的方法，其中，所述据所述搜索词和所述k个元素，确定所述k个元素与第二列M个元素的k*M个组合中每个组合作为所述搜索词对应的索引路径上节点的概率，并从k*M个组合中确定出概率最高的k个组合，包括：根据所述搜索词和所述k个元素中的每个元素，确定所述每个元素与所述第二列M个元素的M个组合中每个组合作为所述搜索词对应的索引路径上节点的概率；根据所述k个元素分别对应的M个组合的概率，从k*M个组合中确定出概率最高的k个组合。6.如权利要求1所述的方法，其中，在所述将所述搜索词输入推荐模型中，以确定出所述搜索词对应的目标索引路径之前，还包括：从分布式参数服务器获取模型参数；根据所述模型参数，构建所述推荐模型。7.一种推荐模型的训练方法，包括：
获取训练样本，其中，训练样本中包括搜索词和资源标识；获取所述资源标识对应的第一索引路径，其中，所述第一索引路径是根据预设矩阵中的多个元素生成的；根据所述搜索词和所述第一索引路径对初始推荐模型进行训练，以获取更新后的推荐模型；将所述搜索词输入所述更新后的推荐模型，以从所述预设矩阵上确定出所述资源标识对应的第二索引路径；将所述资源标识对应的第一索引路径更新为所述第二索引路径，以根据所述第二索引路径，进一步对模型参数进行更新，以得到推荐模型。8.如权利要求7所述的方法，其中，所述获取所述资源标识对应的第一索引路径，包括：从分布式参数服务器获取所述资源标识对应的第一索引路径；所述将所述资源标识对应的第一索引路径更新为所述第二索引路径，包括：将所述分布式参数服务器中所述资源标识对应的第一索引路径更新为所述第二索引路径。9.如权利要求7所述的方法，其中，所述预设矩阵的大小为M*N，所述第二索引路径的数量为t，t小于M，且M、N和t均为正整数，所述将所述搜索词输入所述更新后的推荐模型，以从所述预设矩阵上确定出所述资源标识对应的第二索引路径，包括：根据所述搜索词，确定所述预设矩阵第一列的M个元素中每个元素作为所述资源标识对应的索引路径上节点的概率，并从所述第一列的M个元素中确定出概率最高的t个元素；根据所述搜索词和所述t个元素，确定所述t个元素与所述预设矩阵第二列M个元素的t*M个组合中每个组合作为所述资源标识对应的索引路径上节点的概率，并从t*M个组合中确定出概率最高的t个组合；从所述预设矩阵第三列开始，根据所述搜索词和在上一列确定的t个组合，确定所述上一列对应的t个组合与当前列M个元素的t*M个组合中每个组合作为所述资源标识对应的索引路径上节点的概率，并从t*M个组合中确定出概率最高的t个组合；根据在第N列确定的t个组合中每个元素在所述预设矩阵中的位置，生成t个数量的第二索引路径。10.如权利要求7所述的方法，其中，所述根据所述搜索词和所述第一索引路径对初始推荐模型进行训练，以获取更新后的推荐模型，包括：根据所述搜索词和所述第一索引路径对所述初始推荐模型训练，以得到梯度信息；根据梯度信息对所述初始模型的参数进行更新，以获取所述更新后的模型。11.如权利要求10所述的方法，其中，所述根据所述搜索词和所述第一索引路径对所述初始推荐模型训练，以得到梯度信息，包括：将所述搜索词输入所述初始推荐模型，以确定所述初始推荐模型输出所述第一索引路径的概率；根据所述输出所述第一索引路径的概率与目标概率之间的差值，确定所述梯度信息。12.如权利要求10所述的方法，其中，所述根据所述搜索词和所述第一索引路径对所述初始推荐模型训练，以得到梯度信息，包括：将所述搜索词输入所述初始推荐模型，以获取所述资源标识对应的预测索引路径；
根据所述预测索引路径与所述第一索引路径之间的差异，确定所述梯度信息。13.一种资源发送装置，包括：第一获取模块，用于获取客户端发送的搜索请求，其中，所述搜索请求中包括搜索词；第一确定模块，用于将所述搜索词输入推荐模型中，以确定出所述搜索词对应的目标索引路径，其中，所述目标索引路...

【专利技术属性】
技术研发人员：张文慧，吴志华，于佃海，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：