搜索推送方法技术

本申请涉及一种搜索推送方法

【技术实现步骤摘要】
搜索推送方法、装置、设备、存储介质和计算机程序产品


[0001]本申请涉及人工智能
，特别是涉及一种搜索推送方法
、
装置
、
计算机设备
、
存储介质和计算机程序产品
。

技术介绍

[0002]随着金融科技不断发展，银行正在重新构建商务模式，线下网点数不断减少，与此同时，使用手机银行服务的用户不断增加
。
据统计，手机可办理
95
％以上的银行零售业务，越来越多客户偏爱数字化
、
移动式的服务体验
。
[0003]传统技术中，各个银行的手机银行
APP
多采用传统关键字
、
词匹配的方式，例如使用
BM25(Best Match 25
，最佳匹配算法
)
是比较经典的匹配方法，基于概率检验模型来计算查询词和文本之间的相关性
。
[0004]但是当同一产品存在不同的名称时，即存在“多词一义”的现象，采用关键词或关键字的匹配方式无法解决这个现象导致的问题，导致现有的关键词匹配方法无法识别出用户的真正意图，从而导致推送的产品信息与搜索词的匹配的准确率较低
。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够识别出用户的真正搜索意图，以提高搜索匹配的准确率的搜索推送方法
、
装置
、
计算机设备
、
计算机可读存储介质和计算机程序产品
。
[0006]第一方面，本申请提供了一种搜索推送方法
。
应用于服务器，所述服务器部署有词嵌入模型和语义生成模型，所述方法包括：
[0007]获取用户的搜索请求，所述搜索请求包括搜索词；
[0008]响应于所述搜索请求，从数据库中获取预设第一数量的产品信息的语义表示向量；
[0009]将所述搜索词进行分词处理，并将分词后的搜索词输入至训练好的词嵌入模型中，得到第一搜索向量；
[0010]将所述第一搜索向量输入至训练好的语义生成模型中，得到相应的搜索词的语义候选向量和预测搜索概率向量；
[0011]根据所述搜索词的语义候选向量，生成搜索推送信息，并推送至客户端
。
[0012]在其中一个实施例中，所述语义生成模型包括全连接残差网络层
、
归一化层以及归一化指数函数层，所述将所述第一搜索向量输入至训练好的语义生成模型中，得到相应的搜索词的语义候选向量和预测搜索概率向量，包括：
[0013]将所述第一搜索向量输入至所述全连接残差网络层后，再输入至所述归一化层，得到所述搜索词的语义表示向量；
[0014]将所述搜索词的语义表示向量输入至所述归一化指数函数层，以得到所述搜索词的语义候选向量和预测搜索概率向量；所述归一化指数函数层的权重参数为所述产品信息
的语义表示向量
。
[0015]在其中一个实施例中，所述根据所述搜索词的语义候选向量，生成搜索推送信息，包括：
[0016]将所述预设第一数量的产品信息的语义表示向量，与所述搜索词的语义候选向量进行相似度计算，得到相应的相似度结果；
[0017]根据所述相似度结果，确定预设第二数量的产品信息，所述预设第二数量的产品信息依据相似度大小进行排序；
[0018]根据预设第二数量的产品信息，生成第一搜索推送信息
。
[0019]在其中一个实施例中，所述根据所述搜索词的语义候选向量，生成搜索推送信息，包括：
[0020]根据所述搜索词的语义候选向量和所述预测搜索概率向量，确定预设第三数量的产品信息；
[0021]根据所述预设第三数量的产品信息，生成第二搜索推送信息；所述预设第三数量的产品信息依据所述预测搜索概率向量中概率的大小进行排序
。
[0022]在其中一个实施例中，所述方法还包括：
[0023]获取用户历史行为信息；
[0024]根据所述用户历史行为信息，确定历史搜索词样本和所述历史搜索词样本对应的历史搜索结果样本；
[0025]对所述历史搜索词样本和所述历史搜索结果样本，进行数据清洗；
[0026]对清洗后的历史搜索词样本和对应的搜索结果样本，进行分词处理；
[0027]根据分词后的历史搜索词样本和搜索结果样本，调整训练前的词嵌入模型的参数，直至所述训练前的词嵌入模型收敛，得到所述词嵌入模型
。
[0028]在其中一个实施例中，所述方法还包括：
[0029]获取每一个产品信息样本；
[0030]对每一个产品信息样本和历史搜索词样本进行数据清洗；
[0031]对数据清洗后的产品信息样本和历史搜索词样本进行分词处理；
[0032]根据分词处理后的产品信息和所述历史搜索词样本，输入至训练好的词嵌入模型，以得到第一产品特征样本和第一搜索特征样本；
[0033]根据所述第一产品特征样本和所述第一搜索特征样本，调整训练前的语义生成模型的参数，直至所述训练前的语义生成模型收敛，得到所述语义生成模型
。
[0034]第二方面，本申请还提供了一种搜索推送装置
。
应用于服务器，所述服务器部署有词嵌入模型和语义生成模型，所述装置包括：
[0035]搜索请求获取模块，用于获取用户的搜索请求，所述搜索请求包括搜索词；
[0036]向量获取模块，用于响应于所述搜索请求，从数据库中获取预设第一数量的产品信息的语义表示向量；
[0037]第一向量得到模块，用于将所述搜索词进行分词处理，并将分词后的搜索词输入至训练好的词嵌入模型中，得到第一搜索向量；
[0038]第二向量得到模块，用于将所述第一搜索向量输入至训练好的语义生成模型中，得到相应的搜索词的语义候选向量和预测搜索概率向量；
[0039]产品信息推送模块，用于根据所述搜索词的语义候选向量，生成搜索推送信息，并推送至客户端
。
[0040]第三方面，本申请还提供了一种计算机设备
。
所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0041]获取用户的搜索请求，所述搜索请求包括搜索词；
[0042]响应于所述搜索请求，从数据库中获取预设第一数量的产品信息的语义表示向量；
[0043]将所述搜索词进行分词处理，并将分词后的搜索词输入至训练好的词嵌入模型中，得到第一搜索向量；
[0044]将所述第一搜索向量输入至训练好的语义生成模型中，得到相应的搜索词的语义候选向量和预测搜索概率向量；
[0045]根据所述搜索词的语义候选向量，生成搜索推送信息，并推送至客户端
。
[0046]第四方面，本申请还提供了一种计算机可读存储介质
。
所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种搜索推送方法，其特征在于，应用于服务器，所述服务器部署有词嵌入模型和语义生成模型，所述方法包括：获取用户的搜索请求，所述搜索请求包括搜索词；响应于所述搜索请求，从数据库中获取预设第一数量的产品信息的语义表示向量；将所述搜索词进行分词处理，并将分词后的搜索词输入至训练好的词嵌入模型中，得到第一搜索向量；将所述第一搜索向量输入至训练好的语义生成模型中，得到相应的搜索词的语义候选向量和预测搜索概率向量；根据所述搜索词的语义候选向量，生成搜索推送信息，并推送至客户端
。2.
根据权利要求1所述的方法，其特征在于，所述语义生成模型包括全连接残差网络层
、
归一化层以及归一化指数函数层，所述将所述第一搜索向量输入至训练好的语义生成模型中，得到相应的搜索词的语义候选向量和预测搜索概率向量，包括：将所述第一搜索向量输入至所述全连接残差网络层后，再输入至所述归一化层，得到所述搜索词的语义表示向量；将所述搜索词的语义表示向量输入至所述归一化指数函数层，以得到所述搜索词的语义候选向量和预测搜索概率向量；所述归一化指数函数层的权重参数为所述产品信息的语义表示向量
。3.
根据权利要求2所述的方法，其特征在于，所述根据所述搜索词的语义候选向量，生成搜索推送信息，包括：将所述预设第一数量的产品信息的语义表示向量，与所述搜索词的语义候选向量进行相似度计算，得到相应的相似度结果；根据所述相似度结果，确定预设第二数量的产品信息，所述预设第二数量的产品信息依据相似度大小进行排序；根据预设第二数量的产品信息，生成第一搜索推送信息
。4.
根据权利要求2所述的方法，其特征在于，所述根据所述搜索词的语义候选向量，生成搜索推送信息，包括：根据所述搜索词的语义候选向量和所述预测搜索概率向量，确定预设第三数量的产品信息；根据所述预设第三数量的产品信息，生成第二搜索推送信息；所述预设第三数量的产品信息依据所述预测搜索概率向量中概率的大小进行排序
。5.
根据权利要求1所述的方法，其特征在于，所述方法还包括：获取用户历史行为信息；根据所述用户历史行为信息，确定历史搜索词样本和所述历史搜...

【专利技术属性】
技术研发人员：南晓停，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：