申请/专利权人：喀斯玛(北京)科技有限公司

申请日：2022-08-31

公开（公告）日：2022-11-25

公开（公告）号：CN115130008B

主分类号：G06F16/9535

分类号：G06F16/9535;G06N20/20;G06F16/2458;G06F16/28;G06K9/62

优先权：

专利状态码：有效-授权

法律状态：2022.11.25#授权;2022.10.25#实质审查的生效;2022.09.30#公开

摘要：本发明提出了一种基于机器学习模型算法的搜索排序方法，包括：数据加工：利用数据仓库处理加工所需的商品和用户的静态特征、统计特征、交互特征；模型训练：对数据仓库加工好的数据进行探索性数据分析，根据分析结果进行机器学习的特征工程，选用合适的模型进行调参训练，并进行模型评估，将模型保存成为PMML模型文件；数据同步：将特征数据同步到数据，并定期更新；模型服务：接收搜索服务传递过来的请求，读取用户特征数据和加载读取PMML模型文件，模型服务进行预测，对预测的排序结果进行相关的策略处理，最终模型服务返回排序结果给搜索服务，由搜索服务将排序结果展示到前端。

主权项：1.一种基于机器学习模型算法的搜索排序方法，其特征在于，包括如下步骤：步骤S1，数据加工：利用数据仓库处理加工所需的商品和用户的静态特征、统计特征、交互特征；其中，采用hive数据仓库分层提取数据，包括ODS层、DIM层、DWD层、DWI层、DWS层和APP层，所述数据仓库采用维度建模，将数据分主题抽象为维度表和事实表，使用事实表关联维度表，维度表之间互不关联；其中，ODS层是业务数据存储层，DIM层是数仓维度表所在层，DWD层是数仓事实表所在层，DWI层是数据仓库轻度汇总层，DWI层数据来源于DIM和DWD层，DWS层是数据仓库汇总层；DWS层数据来源于DWI层，APP层是数据应用层；步骤S2，模型训练：对步骤S1中数据仓库加工好的数据进行探索性数据分析，根据分析结果进行机器学习的特征工程，选用合适的模型进行调参训练，并进行模型评估，将模型保存成为PMML模型文件；步骤S3，数据同步：将特征数据同步到数据，并定期更新；步骤S4，模型服务：接收搜索服务传递过来的请求，读取用户特征数据和加载读取PMML模型文件，模型服务进行预测，对预测的排序结果进行相关的策略处理，最终模型服务返回排序结果给搜索服务，由搜索服务将排序结果展示到前端。

全文数据：

权利要求：

百度查询： 喀斯玛(北京)科技有限公司 一种基于机器学习模型算法的搜索排序方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD