搜索热词确定方法、装置及电子设备与流程

本发明涉及智能热词推荐领域，具体而言，涉及一种搜索热词确定方法、装置及电子设备。

背景技术：

1、目前，用户越来越关注信息化交互体验，通常情况下业务活动会伴随大量用户对业务服务访问请求，对服务资源带来重大的压力，为了缓解因用户访问量的激增对服务带来的影响，通常需要筹备更多的服务资源，会导致有较大的成本花费开销。

2、电商业务场景下，传统搜索推荐热词方法往往是通过人为配置、或者基于用户历史时序行为，计算商品兴趣权重特征的方式获取推荐词汇信息，用于电商搜索页为账户提供商品推荐，但是传统电商热词推荐方法往往依赖于商品数据标注，依赖较大的人力支出。同时传统推荐方法通常采用单一热词召回模型对所有账户进行搜索热词推荐结果预测，存在的预测准确性低且适用性差。针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种搜索热词确定方法、装置及电子设备，以至少解决相关技术中采用单一热词召回模型对所有账户进行搜索热词推荐结果预测，存在的预测准确性低且适用性差的技术问题。

2、根据本发明实施例的一个方面，提供了一种搜索热词确定方法，包括：获取目标账户在预设时段内的对象行为数据，其中，所述对象行为数据包括：所述目标账户在所述预设时段内的发生对象行为的次数，发生对象行为的时刻和触发对象行为的触发类型，所述预设时段为当前时刻之前预定时长的时段；按照对象标识，对对象信息和所述对象行为数据进行合并处理，得到对象详情，其中，所述对象详情用于指示所述目标账户的对象行为与所述对象信息之间的对应关系；基于所述目标账户在所述预设时段内的发生对象行为的次数，确定所述目标账户的账户类型，以及所述账户类型对应的热词召回模型；基于所述对象详情，采用所述热词召回模型，得到所述目标账户的对象推荐结果；基于所述对象推荐结果，得到所述目标账户的搜索热词。

3、可选的，所述基于所述目标账户在所述预设时段内的发生对象行为的次数，确定所述目标账户的账户类型，以及所述账户类型对应的热词召回模型，包括：在所述触发次数大于第一预设次数的情况下，确定所述账户类型为第一类账户，对应的热词召回模型为时序召回模型；在所述触发次数小于或等于所述第一预设次数，并且大于第二预设次数的情况下，确定所述账户类型为第二类账户，对应的热词召回模型为牛顿冷却定律模型。

4、可选的，所述方法还包括：在所述触发次数小于或等于所述第二预设次数的情况下，获取电子商务平台内包括的账户分别对应的搜索记录热度词，其中，所述搜索记录热度词是基于电子商务平台内包括的账户的历史搜索记录确定的；基于所述电子商务平台内包括的账户分别对应的所述搜索记录热度词，确定所述目标账户的所述搜索热词。

5、可选的，在所述账户类型为所述第一类账户的情况下，所述基于所述对象详情，采用所述热词召回模型，得到所述目标账户的对象推荐结果，包括：基于所述对象详情，得到所述目标账户在所述预设时段内的每一个发生对象行为的时刻对应的模型输入特征，其中，所述模型输入特征中包括：特征三元组，以及以下至少之一：对象类目、对象价格销量、对象营销分值、对象标题、目标账户信息，所述特征三元组包括目标账户标识、对象标识以及时间戳信息；基于所述目标账户在所述每一个发生对象行为的时刻对应的所述模型输入特征，采用所述时序召回模型，得到所述目标账户的所述对象推荐结果。

6、可选的，所述基于所述目标账户在所述每一个发生对象行为的时刻对应的所述模型输入特征，采用所述时序召回模型，得到所述对象推荐结果，包括：对所述目标账户在所述每一个发生对象行为的时刻对应的所述模型输入特征进行编码处理，得到所述目标账户在所述每一个发生对象行为的时刻的向量表示；确定损失函数为：

7、

8、其中，τ表示模型损失值，hs表示对所述预设时段内的任意一个发生对象行为的时刻的合并向量表示，为所述任意一个发生对象行为的时刻的下一时刻的向量表示，为所述任意一个发生对象行为的时刻之后的任一时刻的所述合并向量表示，e为预设的相似度阈值，其中，所述合并向量表示是通过所述预设时段内对应时刻之前的所有时刻的向量表示合并得到的；基于所述目标账户在所述每一个发生对象行为的时刻的向量表示，以及所述损失函数，采用所述时序召回模型，得到所述对象推荐结果。

9、可选的，在所述账户类型为所述第二类账户的情况下，所述基于所述对象详情，采用所述热词召回模型，得到所述目标账户的对象推荐结果，包括：基于所述对象详情，采用词频-逆文档频率方法，得到所述目标账户在所述预设时段内触发的多个对象类目，所述多个对象类目分别对应的第一权重；确定所述多个对象类目分别对应的行为路径，所述行为路径对应的行为权重和行为次数，其中，所述行为路径用于指示所述目标账户的对象行为变化情况；根据所述多个对象类目，所述多个对象类目分别对应的所述第一权重，以及所述多个对象类目分别对应的所述行为权重和所述行为次数，采用所述牛顿冷却定律模型，得到所述多个对象类目分别对应的第二权重；基于所述多个对象类目分别对应的所述第二权重，确定所述目标账户的所述对象推荐结果。

10、可选的，所述根据所述多个对象类目，所述多个对象类目分别对应的所述第一权重，以及所述多个对象类目分别对应的所述行为权重和所述行为次数，采用所述牛顿冷却定律模型，得到所述多个对象类目分别对应的第二权重，包括：根据所述多个对象类目，所述多个对象类目分别对应的所述第一权重，以及所述多个对象类目分别对应的所述行为权重和所述行为次数，采用所述牛顿冷却定律模型，通过如下方式得到所述多个对象类目中，任意一个对象类目对应的所述第二权重：

11、

12、其中，εj为所述任意一个对象类目对应的所述第二权重，θb为所述任意一个对象类目对应的所述行为权重，ν为所述任意一个对象类目对应的所述行为次数，j为所述任意一个对象类目对应的标识，ωtf为所述任意一个对象类目对应的所述第一权重，k为预设的时间衰减系数，t0为所述任意一个对象类目对应的所述行为路径的发生时刻，t为所述当前时刻。

13、可选的，所述基于所述对象推荐结果，得到所述目标账户的搜索热词，包括：获取电子商务平台内的对象标题；对所述对象标题进行命名实体识别，得到实体标签映射表，其中，所述实体标签映射表中包括所述对象标题对应的实体标签，以及实体标签对应的实体值；从所述实体标签映射表中确定与所述对象推荐结果对应的目标实体标签；基于所述对象推荐结果和所述目标实体标签，确定所述目标账户的所述搜索热词。

14、根据本发明实施例的另一方面，还提供了一种搜索热词确定装置，包括：第一获取模块，用于获取目标账户在预设时段内的对象行为数据，其中，所述对象行为数据包括：所述目标账户在所述预设时段内的发生对象行为的次数，发生对象行为的时刻和触发对象行为的触发类型，所述预设时段为当前时刻之前预定时长的时段；合并模块，用于按照对象标识，对对象信息和所述对象行为数据进行合并处理，得到对象详情，其中，所述对象详情用于指示所述目标账户的对象行为与所述对象信息之间的对应关系；第一确定模块，用于基于所述目标账户在所述预设时段内的发生对象行为的次数，确定所述目标账户的账户类型，以及所述账户类型对应的热词召回模型；第二获取模块，用于基于所述对象详情，采用所述热词召回模型，得到所述目标账户的对象推荐结果；第三获取模块，用于基于所述对象推荐结果，得到所述目标账户的搜索热词。

15、根据本发明实施例的另一方面，还提供了一种电子设备，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现任意一项所述的搜索热词确定方法。

16、在本发明实施例中，通过获取目标账户在预设时段内的对象行为数据，其中，所述对象行为数据包括：所述目标账户在所述预设时段内的发生对象行为的次数，发生对象行为的时刻和触发对象行为的触发类型，所述预设时段为当前时刻之前预定时长的时段；按照对象标识，对对象信息和所述对象行为数据进行合并处理，得到对象详情，其中，所述对象详情用于指示所述目标账户的对象行为与对象信息之间的对应关系；基于所述目标账户在所述预设时段内的发生对象行为的次数，确定所述目标账户的账户类型，以及所述账户类型对应的热词召回模型；基于所述对象详情，采用所述热词召回模型，得到所述目标账户的对象推荐结果；基于所述对象推荐结果，得到所述目标账户的搜索热词，达到了按照不同的账户类型选取相应的热词召回模型准确进行热词推荐的目的，从而实现了提升搜索热词推荐结果推荐准确性，进而提升用户体验的技术效果，进而解决了相关技术中采用单一热词召回模型对所有账户进行搜索热词推荐结果预测，存在的预测准确性低且适用性差的技术问题。