【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种查询相关的多方面可解释性的商品搜索方法。
技术介绍
1、在现代电子商务平台的重要工具中，商品搜索在帮助用户从广泛的选择中探索和购买商品方面发挥着至关重要的作用。在真实的商品搜索场景中，用户会向搜索引擎描述其需求，即输入查询。然后搜索引擎会响应与给定查询相关的完整商品列表，这些商品会显示在结果页面上。通过浏览这些结果页面，用户可以轻松选择并购买引起他们兴趣的商品。这种无缝流程增强了用户的整体在线购物体验，使其更高效、更方便地查找和购买他们想要的商品。
2、传统的商品搜索方法主要集中于将查询与商品信息的各个方面(例如品牌、类别和上下文)相匹配，并且通常为用户提供非个性化的搜索结果。在实际的商品搜索场景中，用户购买行为会受到个人兴趣和偏好的影响。这意味着用户对特定商品属性(例如颜色、品牌和价格)有不同的偏好，这会影响他们的决策过程。为了满足用户的多样化需求，人们提出了许多个性化商品搜索模型，利用用户的历史日志(包括他们的购买历史和商品/用户评论)来捕获和建模他们的个性化偏好。虽然个性化方法通过提...
【技术保护点】
1.一种查询相关的多方面可解释性的商品搜索方法，其特征在于：输入商品的搜索信息，使用可解释商品搜索的多路径查询感知图卷积网络进行搜索查询并反馈查询商品结果；
2.如权利要求1所述的一种查询相关的多方面可解释性的商品搜索方法，其特征在于：所述查询感知图卷积排序器中图卷积网络所基于的知识图谱定义为：由多个三元组组成，即G＝{(h，r，t)}，其中r∈R连接了头部实体h∈E和尾部实体t∈E，其中R和E分别是KG的关系集合和实体集合，具备五种实体类型：用户、产品、单词、类别和品牌，和八种实体之间的关系：Is_brand、Is_category、search&...
【技术特征摘要】
1.一种查询相关的多方面可解释性的商品搜索方法，其特征在于：输入商品的搜索信息，使用可解释商品搜索的多路径查询感知图卷积网络进行搜索查询并反馈查询商品结果；
2.如权利要求1所述的一种查询相关的多方面可解释性的商品搜索方法，其特征在于：所述查询感知图卷积排序器中图卷积网络所基于的知识图谱定义为：由多个三元组组成，即g＝{(h，r，t)}，其中r∈r连接了头部实体h∈e和尾部实体t∈e，其中r和e分别是kg的关系集合和实体集合，具备五种实体类型：用户、产品、单词、类别和品牌，和八种实体之间的关系：is_brand、is_category、search&purchase、write、mentioned、also_bought、also_viewed、bought_together共同构建用户-产品kg，一个查询由n个词组成，q＝{w1，w2，...，wn}，则查询的表示计算如下：
3.如权利要求2所述的一种查询相关的多方面可解释性的商品搜索方法，其特征在于：所述查询感知图卷积排序器包括表示建模和表征学习模块，所述表示建模通过搭建一个查询感知卷积并基于多个知识关系领域，来对用户和商品表示进行建模；所述表征学习分别考虑动态和静态关系，以优化和学习更准确的用户和商品表示。
4.如权利要求3所述的一种查询相关的多方面可解释性的商品搜索方法，其特征在于：所述表示建模模块在具有不同知识关系域的实体的多跳邻居上设计一个查询感知的分层图卷积，对于每层上的卷积，考虑基于当前查询对特定知识关系域中的实体表示进行建模，并基于当前查询集成来自不同知识关...
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。