(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 202211533204.2 (22)申请日 2022.12.02 (71)申请人 云筑信息科技 （成 都） 有限公司 地址 610000 四川省成 都市高新区天府二 街151号1栋1单 元36层 (72)发明人 谷满昌　 (74)专利代理 机构 成都春夏知识产权代理事务 所(特殊普通 合伙) 51317 专利代理师 夏琴 (51)Int.Cl. G06Q 30/06(2012.01) G06F 16/335(2019.01) G06F 16/33(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种寻找供应商的搜索方法 (57)摘要 本发明公开了一种寻找供应商的搜索方法， 属于 供 应 搜 索技 术 领 域 ， 所 述 方 法 基 于 Transformer模型， 计算采购商的查询意图， 并初 步筛选出与查询意图相关联的候选文档； 构建精 准排序模型并训练， 采用精准排序模 型对初步筛 选出的候选文档进行精准排序， 精选出符合采购 商历史行为偏好的候选文档； 对符合采购商历史 行为偏好的候选文档重排再筛选。 本发明以采购 商长短期历史查询意图为依据， 个性化召回符合 该采购商兴趣的供应信息， 然后构建精准排序模 型进一步精排， 充分发掘采购商的历史行为偏 好， 并综合供应商的基本信息、 风控信息等达到 对采购商的个性化排序搜索效果， 确保搜索的有 效性和公平性。 权利要求书2页 说明书5页 附图1页 CN 115545853 A 2022.12.30 CN 115545853 A 1.一种寻找供应商的搜索方法， 其特 征在于， 包括以下步骤： 步骤1、 基于Transformer模型， 计算采购商的查询意图， 并初步筛选出与查询意图相关 联的候选文档； 步骤2、 构建精准排序模型并训练， 采用精准排序模型对初步筛选出的候选文档进行精 准排序， 精选出符合采购商历史行为偏好的候选文档； 步骤3、 计算符合采购商历史行为偏好的候选文档的重排阶段分数， 并根据重排阶段分 数排序再筛 选。 2.根据权利要求1所述的一种寻找供应商的搜索方法， 其特征在于， 所述步骤1包括： 步 骤11、 基于查询向量 qi和候选文档集合向量 Di， 构建短期历史查询日志 Us和长期历史查询日 志Ul；步骤12、 将查询向量 qi和历史查询日志 Us作为输入， 通过Transformer模 型得到采购商 当前的查询意图 qs； 步骤13、 将长期历史查询日志 Ul作为输入， 通 过Transformer模型得到采 购商的长期交互行为输出 Ol， 再由长期交互行为输出 Ol和查询意图 qs加权求和得到查询意 图qs的动态表征 ； 步骤14、 将查询意图 qs的动态表征 与候选文档 D进行匹配， 筛选出 与查询意图相关联的候选文档， 并结合查询意图 qs计算出采购商查询意图与候选文档的相 关性。 3.根据权利要求2所述的一种寻找供应商的搜索方法， 其特征在于， 所述短期历史查询 日志Us构建为： 将查询向量 qi和候选文档集合向量 Di的平均值相加， 得到搜索意图 hi=qi+ average(Di)，构建Us={hn+1,...ht‑1}， 其中n是历史会话中发出的查询数， t为当前时间戳； 所述长期历史查询日志 Ul构建为： 将查询向量 qi和候选文档集合向量 Di的平均值相加 得到搜索意图 hi=qi+average(Di)， 构建Ul={h1,...hn}， 其中n是历史会话中发出的查询数。 4.根据权利要求3所述的一种 寻找供应商的搜索方法， 其特征在于， 所述查询意图 qs构 建为： 将短期历史查询日志 Us={hn+1,...ht‑1}和查询向量 qi输入至Transformer 模型中， 由公 式qs=Transformerlast([Us,q])得到查询意图 qs， 其中q为当前查询关键词， last表示 Transformer模型输出最后位置表征向量。 5.根据权利要求4所述的一种寻找供应商的搜索方法， 其特征在于， 所述长期交互行为 输出Ol构建为： 将长期历史查询日志 Ul={h1,...hn}输入至Transformer模型中， 由公式 Ol= Transformer( Ul)得到长期交互行为输出 Ol； 所述动态表征 由公式 得到， 其 中，oi为长期交互行为输出 Ol的某个长期交互， 为长期交互 oi的权重； 所述 通过查询意 图qs和 对 应 的 长 期 交 互 oi作 为 M L P 网 络 的 输 入 获 取 得 到 ， 具 体 公 式 为 ： ， 其中 为激活函数。 6. 根据权利要求5所述的一种寻找供应商的搜索方法， 其特征在于， 所述候选文档的 相关性采用相关性分数进行评价， 所述相关性分数由公 式 计算， 其中 pd为文档的相关性分数、 d为候选文档集合向量 Di中的某个文档向量， q为当前查 询关键词， 函数 sim(·)通过余弦相 似度计算得到， c是一个闸门权重调节长期和当前兴趣 的因子。权　利　要　求　书 1/2 页 2 CN 115545853 A 27.根据权利要求1所述的一种寻找供应商的搜索方法， 其特征在于， 所述精准排序模型 构建为： 保留DeepFM模型的FM部分， 并将DeepFM模型的DNN部分替换为Share  Bottom模型的 共享底层结构， 并构建精准 排序模型的损失函数为： 其中xi为输入特征， yi为点击目标的类标， zi为供应商停留时长， 为采购商和供应商线 上发起时通信系统的会话轮数， fctr(xi, θ )为模型输出的预估点击概率， fdur(xi, θ )为模型输 出的预估停留时长， fim(xi, θ )为精准排序模型输出的预估会话轮数， L1为二分类交叉熵损 失函数， θ 为精准排序模型的排序参数， 分别为采购商的点击时长、 停留时长和会话 轮数的调节权 重， N为样本总数。 8.根据权利要求7所述的一种寻找供应商的搜索方法， 其特征在于， 所述精准排序模型 的的预测分数为： 为FM部分的输出 结果， 为DNN部分的输出 结果。 9.根据权利要求8所述的一种寻找供应商的搜索方法， 其特征在于， 所述重排阶段分数 计算公式为： ， ， 其中L为精排排序列表总长 度，I表示供应商位置的索引值， page表示供应商页数的索引值， 表示分页惩罚因子， γ是 位置惩罚因子， score为精准排序模型的 的预测分数。权　利　要　求　书 2/2 页 3 CN 115545853 A 3