(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210986655.5 (22)申请日 2022.08.17 (71)申请人 广州华多网络科技有限公司 地址 511442 广东省广州市番禺区南村镇 万达广场B1栋24层 (72)发明人 王锋　 (74)专利代理 机构 广州利能知识产权代理事务 所(普通合伙) 44673 专利代理师 王增鑫 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/9532(2019.01) G06F 16/9538(2019.01) G06F 40/289(2020.01) G06F 40/30(2020.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06Q 30/06(2012.01) (54)发明名称 商品搜索方法及其装置、 设备、 介质 (57)摘要 本申请涉及计算机技术领域中一种商品搜 索方法及其装置、 设备、 介质， 所述方法包括： 响 应用户搜索请求， 获取该请求所指向的搜索文本 及该用户的历史访问行为相对应的商品的多维 度的商品信息， 构造历史商品数据序列； 采用双 塔模型中的用户分支获得所述搜索文本与所述 历史商品数据序列相对应的特征进行交互生成 的用户特征向量； 采用双塔模型中的商品分支获 得商品数据库中的商品的多维度的商品信息相 对应的特征进行交互生成的商品特征向量； 根据 所述用户特征向量与商品数据库中各个商品的 所述商品特征向量之间的相似度， 召回相似度较 高的商品， 构造为商品集。 本申请能够精准表示 商品与用户输入的搜索关键词之间的相关性， 使 得搜索到更多相关的商品。 权利要求书2页 说明书14页 附图5页 CN 115292603 A 2022.11.04 CN 115292603 A 1.一种商品搜索方法， 其特 征在于， 包括如下步骤： 响应用户搜索请求， 获取该请求所指向的搜索文本及该用户的历史访问行为相对应的 商品的多维度的商品信息， 构 造历史商品数据序列， 所述商品的商品信息包含商品标识码、 商品标题及商品图片； 采用双塔模型中的用户分支获得所述搜索文本与所述历史商品数据序列相对应的特 征进行交 互生成的用户特 征向量； 采用双塔模型中的商品分支获得商品数据库中的商品的多维度的商品信息相对应的 特征进行交 互生成的商品特 征向量； 根据所述用户特征向量与商品数据库中各个商 品的所述商 品特征向量之间的相似度， 召回相似度较高的商品， 构造为商品集。 2.根据权利要求1所述的商 品搜索方法， 其特征在于， 采用双塔模型中的用户分支获得 所述搜索文本与所述历史商品数据序列相对应的特征进行交互生成的用户特征向量的步 骤中， 包括如下步骤： 采用多种分词粒度对所述搜索文本进行分词， 对应获得不同粒度相对应的分词序列， 分别提取 各个分词序列的序列特 征向量； 基于所述以分词粒度进行分词获得的分词序列的编码特征信 息提取其深层语义信 息， 获得相应的深层语义向量； 对所述用户的历史搜索行为相对应的历史搜索文本进行分词获得相应的分词序列， 提 取该分词序列相对应的编码特 征信息； 将所述搜索文本的以分词粒度进行分词获得的分词序列的序列特征向量作为查询向 量， 将所述历史搜索文本进行分词获得 的分词序列的编码特征信息作为键 向量和值向量， 通过注意力层查询出 所述编码特 征信息中的关键特 征信息； 综合所述序列特 征向量、 深层语义向量以及关键特 征信息， 构造出综合特 征信息； 提取所述历史商 品数据序列对应的个性化行为特征， 应用至少一个注意力层对所述个 性化行为特 征与所述综合特 征信息进行交 互， 获得所述用户特 征向量。 3.根据权利要求2所述的商 品搜索方法， 其特征在于， 提取所述历史商品数据序列对应 的个性化行为特征， 应用至少一个注意力 层对所述个性化行为特征与所述综合特征信息进 行交互， 获得所述用户特 征向量， 包括如下步骤： 提取所述历史商 品数据序列对应的个性化行为特征， 应用注意力层对所述个性化行为 特征与所述综合特 征信息进行交 互， 获得关联 行为特征； 拼接所述关联行为特征与综合特征信 息， 应用多头自注意力层对该拼接的特征进行特 征交互， 获得所述用户特 征向量。 4.根据权利要求1所述的商 品搜索方法， 其特征在于， 采用双塔模型中的商 品分支获得 商品数据库中的商品的多维度的商品信息相对应的特征进行交互生成的商品特征向量的 步骤中， 包括如下步骤： 采用双塔模型中的商品分支提取所述商品的商品信息中商品标识码、 商品标题、 商品 图片相对应的特 征， 相应获得 标识特征向量、 文本特 征向量、 图片特 征向量； 应用注意力层对所述文本特征向量、 图片特征向量进行交互， 从所述图片特征向量查 询出所述文本特 征向量相对应的关联 特征向量；权　利　要　求　书 1/2 页 2 CN 115292603 A 2将所述关联 特征向量与标识特 征向量相加作为商品特 征向量。 5.根据权利要求4所述的商 品搜索方法， 其特征在于， 采用双塔模型中的商 品分支提取 所述商品的商品信息中商品标识码、 商品标题、 商品图片相对应的特征， 相应获得标识特征 向量、 文本特 征向量、 图片特 征向量的步骤中， 包括如下步骤： 应用编码层对所述商品标识码进行编码， 获得相应的编码信息作为标题特 征向量； 将商品图片切分为多个等 规格的子图， 构成子图序列； 应用图片编码器对所述子图序列中的各个子图提取深层语义特征， 获得由各个子图相 对应的特 征向量构成的图片特 征向量； 应用所述编码层对所述商品标题进行编码， 对该编码所得的编码信息进行池化， 将池 化结果输入至多层感知 层提取相应的深层语义信息， 获得文本特 征向量。 6.根据权利要求4所述的商 品搜索方法， 其特征在于， 应用注意力层对所述文本特征向 量、 图片特征向量进行交互， 从所述图片特征向量查询出所述文本特征向量相对应的关联 特征向量的步骤中， 包括如下步骤： 将所述文本特征向量作为查询向量， 将所述图片特征向量作为键向量和值向量， 将查 询向量与键向量进行交 互以确定出商品图片的关键向量； 将所述关键向量进行归一 化以获得权 重向量； 将所述权 重向量叠加所述 值向量获得关联 特征向量。 7.根据权利要求1所述的商 品搜索方法， 其特征在于， 根据 所述用户特征向量与商品数 据库中各个商品的所述商品特征向量之间的相似度， 召回相似度较高的商品， 构造为商品 集的步骤中， 包括如下步骤： 计算所述用户特征向量与商品数据库中各个商品的所述商品特征向量之间的点积作 为相似度； 筛选出所述相似度超过 预设阈值的商品构造为商品集。 8.一种商品搜索装置， 其特 征在于， 包括： 请求响应模块， 用于响应用户搜索请求， 获取该请求所指向的搜索文本及该用户的历 史访问行为相对应的商品的多维度的商品信息， 构造历史商品数据序列， 所述商品的商品 信息包含商品标识码、 商品标题及商品图片； 用户分支模块， 用于采用双塔模型中的用户分支获得所述搜索文本与 所述历史商品数 据序列相对应的特 征进行交 互生成的用户特 征向量； 商品分支模块， 用于采用双塔模型中的商品分支获得商品数据库中的商 品的多维度的 商品信息相对应的特 征进行交 互生成的商品特 征向量； 商品召回模块， 用于根据所述用户特征向量与商品数据库中各个商 品的所述商 品特征 向量之间的相似度， 召回相似度较高的商品， 构造为商品集。 9.一种计算机设备， 包括中央处理器和存储器， 其特征在于， 所述中央处理器用于调用 运行存储于所述存储器中的计算机程序以执行如权利要求1至7中任意一项所述的方法的 步骤。 10.一种计算机可读存储介质， 其特征在于， 其以计算机可读指令的形式存储有依据权 利要求1至7中任意一项 所述的方法所实现的计算机程序， 该计算机程序被计算机调用运行 时， 执行相应的方法所包括的步骤。权　利　要　求　书 2/2 页 3 CN 115292603 A 3