【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 ...
【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:
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。