【技术实现步骤摘要】
本公开涉及人工智能，尤其涉及智能搜索，具体涉及一种搜索排序方法、系统及装置、点击率预估神经网络及其训练方法和装置、电子设备、计算机可读介质及计算机程序产品。
技术介绍
1、在网络搜索领域，对搜索结果的排序是一个非常重要的环节，它直接影响到搜索结果的质量和用户对搜索结果的满意度。
技术实现思路
1、本公开的实施方式提供了一种搜索排序方法及系统、点击率预估神经网络及训练方法。
2、第一方面，本公开的实施方式提供了一种搜索排序方法，包括：获取搜索请求对应的搜索结果，搜索结果包括阿拉丁结果和自然结果；基于搜索结果的先验信息和后验信息进行结果排序，得到搜索结果的初始排序和个性化评估结果；以及基于个性化评估结果，对初始排序中除首位结果外的其余结果进行排序修正，得到搜索结果的个性化排序。
3、第二方面，本公开的实施方式提供了一种搜索排序系统，包括：先验模型，被配置为输入搜索结果的先验信息，得到搜索结果的第一打分结果，其中搜索结果基于对应的搜索请求获取，搜索结果包括阿拉丁结果和自然结果；后验模型，被配置为输入先验信息和搜索结果的后验信息，得到搜索结果的第二打分结果和个性化打分结果；融合模型，被配置为分别输入第一打分结果和第二打分结果，得到搜索结果的初始排序；以及个性化排序模块，被配置为基于个性化打分结果，对初始排序中除首位结果外的其余结果进行排序修正，得到搜索结果的个性化排序。
4、第三方面，本公开的实施方式提供了一种点击率预估神经网络，包括：个性化预估网络，包
5、第四方面，本公开的实施方式提供了一种点击率预估神经网络训练方法，点击率预估神经网络包括个性化预估网络和通用型预估网络，其中，个性化预估网络包括依次连接的第一网络嵌入层、第一拼接层和第一网络结构，通用型预估网络包括依次连接的第二网络嵌入层、第二拼接层和第二网络结构；方法包括：将样本的离散特征输入第一网络嵌入层和第二网络嵌入层，基于第一网络结构和第二网络结构的输出结果对点击率预估神经网络的参数和离散特征进行更新，并得到离散特征的显示点击率统计特征；以及将显示点击率统计特征和更新后的离散特征输入第一网络嵌入层和第二网络嵌入层，基于第一网络结构和第二网络结构的输出结果对第一网络结构和第二网络结构的参数进行微调。
6、第五方面，本公开的实施方式提供了一种搜索排序装置，包括：结果获取模块，被配置为获取搜索请求对应的搜索结果，搜索结果包括阿拉丁结果和自然结果；初始排序模块，被配置为基于搜索结果的先验信息和后验信息进行结果排序，得到搜索结果的初始排序和个性化评估结果；以及个性化排序模块，被配置为基于个性化评估结果，对初始排序中除首位结果外的其余结果进行排序修正，得到搜索结果的个性化排序。
7、第六方面，本公开的实施方式提供了一种点击率预估神经网络训练装置，点击率预估神经网络包括个性化预估网络和通用型预估网络，其中，个性化预估网络包括依次连接的第一网络嵌入层、第一拼接层和第一网络结构，通用型预估网络包括依次连接的第二网络嵌入层、第二拼接层和第二网络结构；装置包括：预训练模块，被配置为将样本的离散特征输入第一网络嵌入层和第二网络嵌入层，基于第一网络结构和第二网络结构的输出结果对点击率预估神经网络的参数和离散特征进行更新，并得到离散特征的显示点击率统计特征；以及参数微调模块，被配置为将显示点击率统计特征和更新后的离散特征输入第一网络嵌入层和第二网络嵌入层，基于第一网络结构和第二网络结构的输出结果对第一网络结构和第二网络结构的参数进行微调。
8、第七方面，本公开的实施方式提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现如第一方面的方法，或者实现如第四方面的方法。
9、第八方面，本公开的实施方式提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面的方法，或者实现如第四方面的方法。
10、第九方面，本公开的实施方式提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面的方法，或者实现如第四方面的方法。
本文档来自技高网...【技术保护点】
1.一种搜索排序方法，包括：
2.根据权利要求1所述的方法，其中，所述先验信息包括以下至少一项：查询信息、召回资源信息和上下文信息；
3.根据权利要求1或2所述的方法，其中，所述个性化评估结果包括个性化打分结果；所述基于所述搜索结果的先验信息和后验信息进行结果排序，得到所述搜索结果的初始排序和个性化评估结果，包括：
4.根据权利要求3所述的方法，其中，所述后验模型包括点击率预估神经网络，所述点击率预估神经网络包括通用型预估网络和个性化预估网络；
5.根据权利要求4所述的方法，其中，所述个性化信息包括：站点偏好信息和重复搜索信息。
6.根据权利要求4所述的方法，其中，所述通用型预估网络包括预估子网络和位置纠偏子网络；
7.根据权利要求6所述的方法，其中，所述位置纠偏信息包括资源标识信息和展现位置信息。
8.根据权利要求1-7任一项所述的方法，其中，所述先验模型包括：需求满足网络和相关性网络；
9.一种搜索排序系统，包括：
10.根据权利要求9所述的系统，其中，所述后验模型包括
11.根据权利要求10所述的方法，其中，所述个性化信息包括：站点偏好信息和重复搜索信息。
12.根据权利要求10所述的系统，其中，所述通用型预估网络包括预估子网络和位置纠偏子网络；
13.根据权利要求12所述的系统，其中，所述位置纠偏信息包括资源标识信息和展现位置信息。
14.根据权利要求9-13任一项所述的系统，其中，所述先验模型包括：需求满足网络和相关性网络；
15.一种点击率预估神经网络，包括：
16.根据权利要求15所述的网络，其中，所述个性化预估网络还包括第二嵌入层，所述第二嵌入层的输入包括个性化特征，所述第二嵌入层的输出端连接所述第一拼接层的输入端。
17.根据权利要求16所述的方法，其中，所述个性化特征包括：站点偏好特征和重复搜索特征。
18.根据权利要求16或17所述的网络，其中，所述第一网络结构包括依次连接的三个第一全连接层和一个第一输出层。
19.根据权利要求15或16所述的网络，其中，所述通用型预估网络包括预估子网络和位置纠偏子网络；
20.根据权利要求19所述的方法，其中，所述位置纠偏特征包括资源标识特征和展现位置特征。
21.根据权利要求19或20所述的网络，其中，所述第二网络结构包括依次连接的三个第二全连接层和一个第二输出层；
22.一种点击率预估神经网络训练方法，所述点击率预估神经网络包括个性化预估网络和通用型预估网络，其中，所述个性化预估网络包括依次连接的第一网络嵌入层、第一拼接层和第一网络结构，所述通用型预估网络包括依次连接的第二网络嵌入层、第二拼接层和第二网络结构；
23.根据权利要求22所述的方法，其中，所述离散特征包括以下至少一项：查询特征、召回资源特征、点击率特征、显示交叉特征、个性化特征和位置纠偏特征。
24.根据权利要求23所述的方法，其中，所述第一网络嵌入层和所述第二网络嵌入层均包括第一嵌入层；
25.根据权利要求23所述的方法，其中，所述第一网络嵌入层还包括第二嵌入层，所述第二网络嵌入层还包括第三嵌入层；
26.根据权利要求23所述的方法，其中，
27.一种搜索排序装置，包括：
28.根据权利要求27所述的装置，其中，所述先验信息包括以下至少一项：查询信息、召回资源信息和上下文信息；
29.根据权利要求25或28所述的装置，其中，所述个性化评估结果包括个性化打分结果；所述初始排序模块，包括：
30.根据权利要求29所述的装置，其中，所述后验模型包括点击率预估神经网络，所述点击率预估神经网络包括通用型预估网络和个性化预估网络；
31.根据权利要求30所述的装置，其中，所述个性化信息包括：站点偏好信息和重复搜索信息。
32.根据权利要求30所述的装置，其中，所述通用型预估网络包括预估子网络和位置纠偏子网络；
33.根据权利要求32所述的装置，其中，所述位置纠偏信息包括资源标识信息和展现位置信息。
34.根据权利要求27-33任一项所述的装置，其中，所述先验模型包括：需求满足网络和相关性网络；
35.一种点击率预估神经网络训练装置，所述点击率预估神经网络包括个性化预估网络和通用型预估网络，其中，所述个性化预估网络包括依次连接的第一...
【技术特征摘要】
1.一种搜索排序方法，包括：
2.根据权利要求1所述的方法，其中，所述先验信息包括以下至少一项：查询信息、召回资源信息和上下文信息；
3.根据权利要求1或2所述的方法，其中，所述个性化评估结果包括个性化打分结果；所述基于所述搜索结果的先验信息和后验信息进行结果排序，得到所述搜索结果的初始排序和个性化评估结果，包括：
4.根据权利要求3所述的方法，其中，所述后验模型包括点击率预估神经网络，所述点击率预估神经网络包括通用型预估网络和个性化预估网络；
5.根据权利要求4所述的方法，其中，所述个性化信息包括：站点偏好信息和重复搜索信息。
6.根据权利要求4所述的方法，其中，所述通用型预估网络包括预估子网络和位置纠偏子网络；
7.根据权利要求6所述的方法，其中，所述位置纠偏信息包括资源标识信息和展现位置信息。
8.根据权利要求1-7任一项所述的方法，其中，所述先验模型包括：需求满足网络和相关性网络；
9.一种搜索排序系统，包括：
10.根据权利要求9所述的系统，其中，所述后验模型包括点击率预估神经网络，所述点击率预估神经网络包括通用型预估网络和个性化预估网络；
11.根据权利要求10所述的方法，其中，所述个性化信息包括：站点偏好信息和重复搜索信息。
12.根据权利要求10所述的系统，其中，所述通用型预估网络包括预估子网络和位置纠偏子网络；
13.根据权利要求12所述的系统，其中，所述位置纠偏信息包括资源标识信息和展现位置信息。
14.根据权利要求9-13任一项所述的系统，其中，所述先验模型包括：需求满足网络和相关性网络；
15.一种点击率预估神经网络，包括：
16.根据权利要求15所述的网络，其中，所述个性化预估网络还包括第二嵌入层，所述第二嵌入层的输入包括个性化特征，所述第二嵌入层的输出端连接所述第一拼接层的输入端。
17.根据权利要求16所述的方法，其中，所述个性化特征包括：站点偏好特征和重复搜索特征。
18.根据权利要求16或17所述的网络，其中，所述第一网络结构包括依次连接的三个第一全连接层和一个第一输出层。
19.根据权利要求15或16所述的网络，其中，所述通用型预估网络包括预估子网络和位置纠偏子网络；
20.根据权利要求19所述的方法，其中，所述位置纠偏特征包括资源标识特征和展现位置特征。
21.根据权利要求19或20所述的网络，其中，所述第二网络结构包括依次连接的三个第二全连接层和一个第二输出层；
22.一种点击率预估神经网络训练方法，所述点击率预估神经网络包括个性化预估网络和通用型预估网络，其中，所述个性化预估网络包括依次连接的第一网络嵌入层、第一拼接层和第一网络结构，所述通用型预估网络包括依次连接的第二网络...
【专利技术属性】
技术研发人员：杨婉璐，李枚芳，
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。