多词搜索实现方法、装置、介质及设备与流程

1.本技术涉及数据处理技术领域，尤其是涉及到一种多词搜索实现方法、装置、介质及设备。


背景技术：

2.用户在使用app或小程序时，经常使用搜索功能来查找目标对象，比如，在零售、餐饮、医药等电商场景下，通过在搜索框输入查询词(query)，搜索目标对象(目标商品、目标菜品、目标药品)等。用户浏览和确定有效搜索项(item)的效率，会直接影响用户的转化效果，因此，如何提高搜索效率是需要解决的一个技术问题。


技术实现要素：

3.有鉴于此，本技术提供了一种多词搜索实现方法、装置、介质及设备，主要目的在于提高搜索效率。
4.依据本技术的一个方面，提供了一种多词搜索实现方法，用于终端侧，所述方法包括：确定搜索框接收到的多个查询词，其中，所述多个查询词至少包括不同语义、对应不同搜索项的第一查询词和第二查询词；响应于多词智能搭配模式的确认指令，向服务端发送所述多个查询词，请求基于所述多个查询词进行智能搭配搜索；接收服务端返回的至少一种智能搭配搜索结果，其中，根据表征查询词之间依赖关系的智能搭配策略，确定出目标第一搜索项和目标第二搜索项，得到所述智能搭配搜索结果；展示所述至少一种智能搭配搜索结果。
5.依据本技术的一个方面，提供了一种多词搜索实现方法，用于服务端侧，所述方法包括：接收终端发送的多个查询词，并确认终端请求进行多词智能搭配搜索，其中，所述多个查询词至少包括不同语义、对应不同搜索项的第一查询词和第二查询词；确定至少一种智能搭配搜索结果，并将所述至少一种智能搭配搜索结果返回给所述终端，其中，根据表征查询词之间依赖关系的智能搭配策略，确定出目标第一搜索项和目标第二搜索项，得到所述智能搭配搜索结果依据本技术的一个方面，提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述的方法。
6.依据本技术的一个方面，提供了一种多词智能搭配预估模型的训练方法，包括：获取样本数据，并对样本数据进行特征工程处理，得到预估模型的输入特征：用户端特征、商品端特征、查询词端特征、物流端特征和时空端特征中的至少一项；根据所述用户端特征、商品特征、查询词端特征、物流特征和时空特征中的至少一项，学习到多个查询词之间具有依赖关系的神经网络结构，得到点击通过率ctr预估模型。
7.依据本技术的一个方面，提供了一种多词搜索实现装置，用于终端侧，所述装置包括：查询词确定单元，用于确定搜索框接收到的多个查询词，其中，所述多个查询词至少包括不同语义、对应不同搜索项的第一查询词和第二查询词；智能搭配请求单元，用于响应于多词智能搭配模式的确认指令，向服务端发送所述多个查询词，请求基于所述多个查询词
进行智能搭配搜索；智能搭配确认单元，用于接收服务端返回的至少一种智能搭配搜索结果，其中，根据表征查询词之间依赖关系的智能搭配策略，确定出目标第一搜索项和目标第二搜索项，得到所述智能搭配搜索结果；智能搭配展示单元，用于展示所述至少一种智能搭配搜索结果。
8.依据本技术的一个方面，提供了一种多词搜索实现装置，用于服务端侧，所述装置包括：查询词接收单元，用于接收终端发送的多个查询词，其中，所述多个查询词至少包括不同语义、对应不同搜索项的第一查询词和第二查询词；智能搭配确定单元，用于确认终端请求进行多词智能搭配搜索，以及，确定至少一种智能搭配搜索结果并返回给所述终端，其中，根据表征查询词之间依赖关系的智能搭配策略，确定出目标第一搜索项和目标第二搜索项，得到所述智能搭配搜索结果。
9.依据本技术的一个方面，提供了一种多词智能搭配预估模型的训练装置，包括：样本获取单元，用于获取样本数据；特征工程处理单元，用于对样本数据进行特征工程处理，得到预估模型的输入特征：用户端特征、商品端特征、查询词端特征、物流端特征和时空端特征中的至少一项；学习单元，用于根据所述用户端特征、商品特征、查询词端特征、物流特征和时空特征中的至少一项，学习到多个查询词之间具有依赖关系的神经网络结构，得到点击通过率ctr预估模型。
10.依据本技术的一个方面，提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述方法。
11.依据本技术的一个方面，提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述方法。
12.借由上述技术方案，本技术提供的一种多词搜索实现方法、装置、介质及设备，可满足用户一键式下单，例如，在近场电商及外卖场景中，用户希望能够增加一站式跨店购的能力，通过多品搜索，找到同时有供给的商户，进行下单；或者帮助用户一键找到同时能满足下单的店铺组合(例如，满足配送时间更短、配送费低、性价比最优等不同维度)，降低用户搜索筛选的时间，减少搜索链路，提高搜索效率。
13.本技术实施例提供的多词搜索实现方法，在默认的智能搭配搜索模式下，根据多个查询词之间进行依赖关系，自动给出智能搭配搜索结果，可实现一键式搜索多个item，缩短搜索链路，提高搜索效率；除了提供智能搭配搜索模式，还向用户提供自主搭配搜索模式，在该模式下，用户可根据对各查询词对应的item(品)的选择，得到自主搭配搜索结果。可见，通过智能搭配搜索模式和自主搭配搜索模式这两种模式相结合的方式，可满足不同用户在多词搜索场景下的需求，对于智能搭配搜索模式，满足用户对于费用、配送时长等关注点的需求，对于自主搭配搜索模式，满足用户对于item本身品质的需求，满足个性化搭配需求。
14.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
15.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本申
请的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
16.图1示出了本技术实施例提供的一种多词搜索实现方法的实施场景示意图；
17.图2示出了本技术实施例提供的一种用于终端的多词搜索实现方法流程图；
18.图3出了本技术实施例提供的一种多词搜索实现方法中智能搭配模式示意图；
19.图4示出了本技术实施例提供的一种多词搜索实现方法中自主搭配模式示意图；
20.图5示出了本技术实施例提供的一种用于服务端的多词搜索实现方法流程图；
21.图6示出了本技术实施例提供的一种多词智能搭配预估模型的训练方法流程图；
22.图7示出了本技术实施例提供的一种多词智能搭配预估模型的训练方法示意图；
23.图8示出了本技术实施例提供的一种位于终端的多词搜索实现装置结构示意图；
24.图9示出了本技术实施例提供的一种位于服务端的多词搜索实现装置结构示意图；
25.图10示出了本技术实施例提供的一种多词智能搭配预估模型的训练装置结构示意图。
具体实施方式
26.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分的实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本技术保护的范围。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。
27.术语解释如下。
28.query：表示用户的查询词(或称为搜索词)。
29.item：表示召回展示的搜索项，例如商品、菜品、药品或服务。
30.相关性预估模型：计算用户查询词与召回的商品/服务等搜索项之间相关性的一个算法功能模块，例如根据点击通过率(ctr)算法训练得到相关性预估模型。
31.本技术发明人在研究过程中发现，用户在通过查询词搜索目标对象时，有时需要搜索多个目标对象，例如，用户在点餐场景下，有同时点取“排骨汤”和“红烧鱼”两个菜品的需求，如果按照传统搜索方式，用户需要分别进行两次搜索，并进行两次下单，不但操作繁琐、增加浏览和选取时间，而且很有可能延长配送时长、增加支付金额等。因此，本技术发明人基于此，提出一种多词搜索实现方法，可向用户提供在搜索框一次性输入多个查询词并基于多个查询词进行一键式搜索的方案，提高搜索效率。
32.参见图1，为本技术实施例提供的一种多词搜索实现方法的实施场景示意图。该场景示意出了终端和服务端，终端可以是用户终端，例如，手机、电脑、智能手表等终端设备，服务端是指响应于终端搜索请求而进行搜索并返回搜索项的网络侧设备，例如服务器。
33.在终端，示意性以某个app的搜索页面为例进行说明。在该app页面中，一般在顶部(也可以在其他位置)设置有搜索框，用户可以通过汉字输入、图片插入、语音输入等方式，提供查询词。特别的，本技术实施例中，该搜索框支持多词(多个查询词)输入功能，其中，可通过在查询词与查询词之间，通过特殊字符进行区分，例如空格符、“\”符、“、”符等。例如，
用户在搜索框输入“水煮鱼、宫保鸡丁”，水煮鱼作为第一查询词，宫保鸡丁作为第二查询词，二者之间以“、”区分。在app获取到用户输入的多个查询词之后，将多个查询词通过网络传输给网络侧服务端，由服务端基于推荐系统返回搜索结果。
34.在该场景下，服务端中示意出了一个推荐系统，该推荐系统包括召回模块、精排(ctr预估)模块和机制策略模块。针对查询词，召回模块针对全部item，而排序模块针对的是召回输出的item。精排模块根据查询与结果相关性模型，对item进行排序。本技术实施例中，针对多个查询词，在得到每个查询词召回输出的item之后，还进一步根据智能搭配策略，从查询词召回的多个item选取目标item，将各查询词对应的目标item进行组合，得到智能搭配搜索结果。如上述例子中，服务端针对用户输入的“水煮鱼、宫保鸡丁”这两个查询词，首先召回“水煮鱼”对应的多条item以及召回“宫保鸡丁”对应的多条item，然后，根据智能搭配策略，从“水煮鱼”对应的多条item中选择一条item，以及从“宫保鸡丁”对应的多条item中选择一条item，由这两条item构成智能搭配搜索结果。需要说明的是，智能搭配搜索结果一般包括多个，按照智能搭配策略的优先级，按照优先级高低确定第一智能搭配搜索结果、第二智能搭配搜索结果、第三智能搭配搜索结果等等，将这些智能搜索结果返回给终端，在终端进行显示，并供用户进行选取一个搜索结果并下单。
35.参见图2，示出了本技术实施例提供的一种用于终端的多词搜索实现方法流程图，该多词搜索实现方法包括如下步骤s201-s204。
36.s201：确定搜索框接收到的多个查询词，其中，多个查询词至少包括不同语义、对应不同搜索项的第一查询词和第二查询词。
37.在信息获取类搜索场景下，用户也可能在搜索框中输入多个查询词，例如，用户输入“北京儿童医院公交”，其中包括“北京”、“儿童医院”、“公交”三个查询词，目的在于获取到有关“去往北京儿童医院的公交”的信息，这三个查询词不是分别对应item(搜索项)，而是整体作为一个查询意图表示。与信息获取类搜索场景不同，本技术实施例可应用于商品搜索下单场景，例如，在近场电商及外卖场景中，通过输入查询词进行商品搜索并下单。其中每个查询词对应搜索一个商品或服务的item，不同的查询词对应不同的item。
38.查询词即用户在搜索框通过汉字或拼音输入、图片插入、语音输入等方式提供的待搜索的意思表示信息。在本技术实施例中，可提供多个查询词的输入，例如，用户一次性输入a、b、c三个查询词。每个查询词对应不同语义、不同搜索项，例如，查询词a代表菜品1、查询词b代表菜品2、查询词c代表饮料1，一般情况下，多个查询词对应一个商品类目下的商品，比如，上述三个查询词均对应餐饮类目商品，由此，方便尽量在同一个店铺召回所有商品。
39.为了区分出各个查询词，可以通过特殊字符识别的方式进行查询词之间的区分。在一种实现方式中，在确定搜索框接收到的多个查询词之后，还包括如下步骤：
40.1、识别搜索框中非文字的特殊字符；
41.2、判断特殊字符是否为预置的多词区分符，若是，以多词区分符区分各个查询词，得到第一查询词和所述第二查询词。
42.例如，该特殊字符可以为空格符、“、”符、“/”符，等等，本技术实施例对此不作限定。
43.s202：响应于多词智能搭配模式的确认指令，向服务端发送多个查询词，请求基于
多个查询词进行智能搭配搜索。
44.为了尽量减少用户交互，方便快捷地向用户提供多词搜索结果，提高搜索效率，可在app或小程序的搜索页面默认提供多词智能搭配模式。具体的，当在搜索框中获取并识别出是多词搜索情形，即默认启动多词智能搭配模式，自动给出满足多查询词的一键式搜索结果。与多词智能搭配模式相对应，还可以提供多词自主搭配模式，关于多词自主搭配模式的具体实现下文详细说明。
45.参见图3，出了本技术实施例提供的一种多词搜索实现方法中智能搭配模式示意图。其中，搜索框中输入了“鱼”、“鸡”、“牛肉”三个查询词，三个查询词之间以空格区分。默认选择智能搭配模式，并展示智能搭配结果。
46.s203：接收服务端返回的至少一种智能搭配搜索结果，其中，根据表征查询词之间依赖关系的智能搭配策略，确定出目标第一搜索项和目标第二搜索项，得到智能搭配搜索结果。
47.本技术发明人研究过程中发现，为了提高多词搜索场景下的搜索效率，相较于传统单(个)词搜索场景，多词搜索不但要考量“品(商品)”本身因素(item访购率等因素)，还需要考量查询词与查询词之间的依赖关系。查询词之间的依赖关系，可以理解为查询词与查询词之间受各item时空交互信息影响而存在的紧密度的关系，其中，时空交互信息可包括是否为同一个店铺，访购率、配送时长、价格，时空差异性等。例如，两个查询词a和查询词b，如果对应的item都存在于一家店铺，则这两个查询词依赖性较强，再比如，对于不同店铺进行组合搭配，则关注访购率和配送时长，满足访购率高且配送时长短的item组合，则对应的查询词之间的依赖性较强。
48.在一种实现方式中，确认智能搭配策略为：同店铺搭配优先的第一策略；根据同店铺搭配优先的第一策略，从第一查询词对应的至少一个第一搜索项中、第二查询词对应的至少一个第二搜索项中，分别确定出属于同一店铺的目标第一搜索项和目标第二搜索项。
49.在另一种实现方式中，确认智能搭配策略为：根据组合影响因子确定店铺间组合搭配的第二策略；根据店铺间组合搭配的第二策略，从第一查询词对应的至少一个第一搜索项中、第二查询词对应的至少一个第二搜索项中，确定出组合影响因子对应的目标第一搜索项和目标第二搜索项。其中，比如，组合影响因子是指访购率因子、配送因子、价格因子、时空因子中的至少一项。在一种实现方式中，可通过设置各个组合影响因子的优先级，通过优先级高低确定当前一个组合影响因子或多个组合影响因子组合，从而根据当前组合因子确定出目标搜索项；在另一种实现方式中，也可以向用户提供组合影响因子筛选界面，由用户进行影响因子的选择，例如，展示访购率因子(最受欢迎)、配送因子(时间最短)、价格因子(总价最低)等，根据用户筛选出的一个或多个组合影响因子，以筛选出的组合影响因子对item进行搭配，得到搭配结果。
50.因此，根据表征查询词之间依赖关系的智能搭配策略，确定出目标第一搜索项和目标第二搜索项，得到智能搭配搜索结果。例如，查询词包括第一查询词和第二查询词，假设针对第一查询词召回的第一搜索项为多个：第一搜索项1、第一搜索项2、
…
、第一搜索项n，针对第二查询词召回的第二搜索项为多个：第二搜索项1、第二搜索项2、
…
、第二搜索项n，在搜索项集合(第一搜索项1-n，第二搜索项1-n)中，根据查询词之间依赖关系，即根据第一查询词与第二查询词之间受各item时空交互信息影响而存在的紧密度的关系，假设选择
出第一搜索项i和第二搜索项i，则将第一搜索项i作为目标第一搜索项、第二搜索项i作为目标第二搜索项，组合目标第一搜索项和第二搜索项得到智能搭配搜索结果。
51.智能搭配搜索结果可以是多个。例如，第一组智能搭配搜索结果为{第一搜索项i、第二搜索项i}、第二组智能搭配搜素结果为{第一搜索项j、第二搜索项j}等等。其中，可以根据智能搭配策略，确定智能搭配搜索结果的优先排序方式，例如，优先将属于同一店铺的item组合作为第一组智能搭配搜素结果显示在前面，将不属于同一店铺但是配送时长最短的第二组智能搭配搜索结果紧随其后显示，以及，依据其他组合影响因素展示其他组智能搭配搜索结果等，对此不作限定。
52.s204：展示上述至少一种智能搭配搜索结果。
53.在多词智能搭配模式下，用户仅需要在搜索框中输入多个查询词，一键点击“搜索”等类似按钮，即可获得至少一种智能搭配搜索结果，该智能搭配搜索结果中包括每个查询词对应的item的组合，继而可以在多个智能搭配搜索结果中选择一个进行下单操作。
54.再以图3为例，根据“鱼”、“鸡”、“牛肉”三个查询词进行智能搭配搜索，给出了两组智能搭配结果，其中，第一组智能搭配结果中，给出的item分别为清蒸鲈鱼、红烧鸡块、西红柿炖牛腩，且三个item属于同一家店铺(店铺a)；第二组智能搭配结果中，给出的item分别为红烧带鱼、大盘鸡、酱牛肉，且三个item分别属于两家店铺(店铺b和店铺c)。当然，还可以示出更多组智能搭配搜索结果，此处不赘述。此外，在每组智能搭配搜索结果的显示过程中，可以提示总价格、总配送时长、评价信息等，供用户参考进行选择。比如，用户确认选择第一组智能搭配结果，则点击该组结果旁边的“去结算”按钮，即可一键式购买三个查询词对应的三个item，相较于传统单词搜索的方式，缩短了搜索链路，提高搜索效率。
55.本技术实施例提供的多词搜索实现方法的智能搭配模式下，具有以下几个特点：
56.(1)搜索框可以进行多词搜索，例如，通过空格进行区分，点击完“搜索”按钮，默认锚定到“智能搭配”模式；
57.(2)在进行智能搭配下的用户，对费用、时间相对敏感，品(item)的特性可降低；
58.(3)根据智能搭配策略，确定智能搭配逻辑：
59.(3.1)多个品供给都存在的同一店铺优先推出，配送费低，对运力影响较小；
60.(3.2)不同店铺的进行组合搭配，例如，关注访购率和配送时长；供给侧重同一个商圈，减少配送时长和费用；
61.(3.3)其他单一指标的推荐组合：例如价格最低、时间最短等；也可以通过筛选项进行筛选，例如，在界面展示组合影响因子，例如展示访购率因子(最受欢迎)、配送因子(时间最短)、价格因子(总价最低)等，根据用户筛选出的一个或多个组合影响因子，以筛选出的组合影响因子对item进行搭配，得到搭配结果。
62.可见，本技术实施例提出的一种多词搜索实现方法，可满足用户一键式下单，例如，在近场电商及外卖场景中，用户希望能够增加一站式跨店购的能力，通过多品搜索，找到同时有供给的商户，进行下单；或者帮助用户一键找到同时能满足下单的店铺组合(例如，满足配送时间更短、配送费低、性价比最优等不同维度)，降低用户搜索筛选的时间，减少搜索链路，提高搜索效率。
63.如前描述的，本技术实施例提供的多词搜索实现方法，除了提供多词智能搭配模式之外，还提供多词自主搭配模式。在多词自主搭配模式下，用户可自主对每个查询词对应
的item进行选取，从而将每个选取的item进行组合下单。
64.因此，在上述多词搜索实现方法基础上，还可以包括如下步骤：
65.s1：响应于多词自主搭配模式的切换指令，向服务端发送多个查询词，请求基于多个查询词进行自主搭配搜索；
66.s2：接收服务端针对第一查询词返回的至少一个第一搜索项、针对第二查询词返回的至少一个第二搜索项，并响应于目标第一搜索项和目标第二搜索项的选择指令，确定自主搭配搜索结果；
67.s3：展示自主搭配搜索结果。
68.在一种实现方式中，可针对各个查询词进行item分页面展示，并且通过选取查询词进行页面切换。因此，在上述s2“响应于目标第一搜索项和目标第二搜索项的选择指令”之前，还可以包括如下步骤：
69.s2-0：为第一查询词展示至少一个第一搜索项的第一选择页面、为第二查询词展示至少一个第二搜索项的第二选择页面，且控制第一选择页面和第二选择页面通过点击第一查询词和第二查询词而切换；
70.s2-1在第一选择页面接收选择目标第一搜索项的选择指令，以及，在第二选择页面接收选择目标第二搜索项的选择指令。
71.其中，s2-0中“控制第一选择页面和所述第二选择页面通过点击第一查询词和第二查询词而切换”，具体可包括：在确定接收到目标第一搜索项的选择指令之后，当第二查询词被点击时，切换到第二选择页面展示至少一个第二搜索项，其中，确定目标第一搜索项的组合影响因子，并根据组合影响因子确定至少一个第二搜索项在第二选择页面的排序。其中，组合影响因子包括同店铺因子、访购率因子、配送因子、价格因子中的至少一项；另外，还可以在第二选择页面排序显示至少一个第二搜索项时，对组合影响因子进行提示。也就是，根据前面选择的item，对后面查询词对应的item进行动态排序调整，从而使得与前面选择的item的依赖关系较强的item被排序在前，并可对组合影响因子进行提示。例如，对于“鸡”、“牛肉”两个查询词，当用户在“鸡”对应的item页面选择了某个“炸鸡块”item之后，在切换到“牛肉”对应的item页面时，对“牛肉”对应的多个item，根据所选择的“炸鸡块”item进行排序，比如，将与“炸鸡块”item属于同一店铺的“牛肉”item排序在前，并提示“属于同一店铺”等字样，或者，将与“炸鸡块”item属于同一商圈或配送费用最低的“牛肉”item显示在前，并进行相关提示，等等。这样操作的好处在于，可强化各个查询词之间的依赖关系，引导用户选择最优组合。
72.参见图4，示出了本技术实施例提供的一种多词搜索实现方法中自主搭配模式示意图。用户从默认的智能搭配搜索模式，切换自主搭配搜索模式。其中，可分别为不同查询词展示item选择页面。例如，根据“鱼”、“鸡”、“牛肉”三个查询词进行自主搭配搜索，当用户在“鱼“对应的item选择页面时，页面显示“鱼”对应的多个item，供用户勾选，例如，点击“+”添加至购物车，当用户选择完“鱼”对应的item之后，可点击“鸡”，页面切换到“鸡”对应的item选择页面，同理进行勾选；“牛肉”同理。此情况下，该类用户更看重特色品，费用相对不敏感，品的选择自由度更高；未选择前不知道配送时间和配送价格。用户进行品的加购，购物车计算整体价格，和配送时间。可以理解，在对某个查询词的item页面显示中，可一并显示每个item有关价格、配送时长等信息的提示。
73.本技术实施例提供的多词搜索实现方法，为用户提供一次性搜索多条查询词对应多item的方案，在默认的智能搭配搜索模式下，根据多个查询词之间进行依赖关系，自动给出智能搭配搜索结果，可实现一键式搜索多个item，缩短搜索链路，提高搜索效率；除了提供智能搭配搜索模式，还向用户提供自主搭配搜索模式，在该模式下，用户可根据对各查询词对应的item(品)的选择，得到自主搭配搜索结果。可见，通过智能搭配搜索模式和自主搭配搜索模式这两种模式相结合的方式，可满足不同用户在多词搜索场景下的需求，对于智能搭配搜索模式，满足用户对于费用、配送时长等关注点的需求，对于自主搭配搜索模式，满足用户对于item本身的需求，满足个性化搭配需求。
74.参见图5，示出了本技术实施例提供的一种用于服务端的多词搜索实现方法流程图，包括如下步骤：
75.s501：接收终端发送的多个查询词，并确认终端请求进行多词智能搭配搜索，其中，所述多个查询词至少包括不同语义、对应不同搜索项的第一查询词和第二查询词；
76.s502：确定至少一种智能搭配搜索结果，并将所述至少一种智能搭配搜索结果返回给所述终端，其中，根据表征查询词之间依赖关系的智能搭配策略，确定出目标第一搜索项和目标第二搜索项，得到所述智能搭配搜索结果。
77.在一种实现方式中，所述根据智能搭配策略，确定出目标第一搜索项和目标第二搜索项，包括：设置所述智能搭配策略为：同店铺搭配优先的第一策略；根据所述同店铺搭配优先的第一策略，从针对所述第一查询词召回的至少一个第一搜索项、所述第二查询词召回的至少一个第二搜索项中，确定出属于同一店铺的目标第一搜索项和目标第二搜索项。
78.在一种实现方式中，所述根据智能搭配策略，确定出目标第一搜索项和目标第二搜索项，包括：设置所述智能搭配策略为：根据组合影响因子确定店铺间组合搭配的第二策略；根据所述店铺间组合搭配的第二策略，从针对所述第一查询词召回的至少一个第一搜索项、针对所述第二查询词召回的至少一个第二搜索项中，确定出所述组合影响因子对应的目标第一搜索项和目标第二搜索项。
79.在一种实现方式中，所述确定出所述组合影响因子对应的目标第一搜索项和目标第二搜索项，包括：设置所述组合影响因子包括访购率因子、配送因子、价格因子、时空因子中的至少一项；根据访购率因子、配送因子、价格因子、时空因子中的至少一项，从所述至少一个第一搜索项和所述至少一个第二搜索项中分别确定对应的目标第一搜索项和目标第二搜索项。
80.在一种实现方式中，所述根据访购率因子、配送因子、价格因子、时空因子中的至少一项，从所述至少一个第一搜索项和所述至少一个第二搜索项中分别确定对应的目标第一搜索项和目标第二搜索项，包括：根据访购率因子、配送因子、价格因子、时空因子的优先级，确定当前至少一项组合影响因子，并根据当前至少一项组合影响因子，从所述至少一个第一搜索项和所述至少一个第二搜索项中分别确定对应的目标第一搜索项和目标第二搜索项；或者，接收终端发送的访购率因子、配送因子、价格因子、时空因子的筛选结果，确定当前至少一项组合影响因子，并根据当前至少一项组合影响因子，从所述至少一个第一搜索项和所述至少一个第二搜索项中分别确定对应的目标第一搜索项和目标第二搜索项。
81.在一种实现方式中，还包括：确认终端请求进行多词自主搭配搜索；针对所述第一
查询词召回至少一个第一搜索项、针对所述第二查询词召回至少一个第二搜索项，并将所述至少一个第一搜索项和所述至少一个第二搜索项返回给终端，控制终端分页面展示所述至少一个第一搜索项和所述至少一个第二搜索项，并提供目标第一搜索项和目标第二搜索项的选择按钮，确定自主搭配搜索结果。
82.在一种实现方式中，所述控制终端分页面展示所述至少一个第一搜索项和所述至少一个第二搜索项，包括：控制所述终端为第一查询词展示第一搜索项的第一选择页面、为第二查询词展示第二搜索项的第二选择页面，且控制所述第一选择页面和所述第二选择页面通过点击第一查询词和第二查询词而切换；控制在所述第一选择页面接收选择目标第一搜索项的选择指令，以及，在所述第二选择页面接收选择目标第二搜索项的选择指令。
83.在一种实现方式中，所述控制所述第一选择页面和所述第二选择页面通过点击第一查询词和第二查询词而切换，包括：控制所述终端在确定接收到目标第一搜索项的选择指令之后，当第二查询词被点击时，切换到所述第二选择页面展示至少一个第二搜索项，其中，确定所述目标第一搜索项的组合影响因子，并根据所述组合影响因子确定所述至少一个第二搜索项在所述第二选择页面的排序。
84.在一种实现方式中，所述组合影响因子包括同店铺因子、访购率因子、配送因子、价格因子中的至少一项；所述方法还包括：控制所述终端在所述第二选择页面排序显示所述至少一个第二搜索项时，对所述组合影响因子进行提示。
85.在一种实现方式中，在接收到多个查询词之后，还包括：识别所述多个查询词中非文字的特殊字符；判断所述特殊字符是否为预置的多词区分符，若是，以所述多词区分符区分各个查询词，得到所述第一查询词和所述第二查询词。
86.有关智能搭配模式和自主搭配模式下的具体实现原理和方式，可参考前述有关图1-4的描述，此处不赘述。
87.参见图6，示出了本技术实施例提供的一种多词智能搭配预估模型的训练方法流程图。该多词智能搭配预估模型的训练方法包括如下步骤：
88.s601：获取样本数据，并对样本数据进行特征工程处理，得到预估模型的输入特征：用户端特征、商品端特征、查询词端特征、物流端特征和时空端特征中的至少一项；
89.s602：根据用户端特征、商品特征、查询词端特征、物流特征和时空特征中的至少一项，学习到多个查询词之间具有依赖关系的神经网络结构，得到点击通过率(ctr)预估模型。
90.参考前述图1，该多词智能搭配预估模型可在精排模块实现。
91.其中，步骤s602“根据用户端特征、商品特征、查询词端特征、物流特征和时空特征中的至少一项，学习神经网络结构，得到点击通过率ctr预估模型”进一步可包括：
92.s602-1：根据用户端特征和商品特征，训练第一注意力网络，得到第一融合特征；
93.s602-2：将第一融合特征与查询词端特征、商品特征、物流特征进行交叉链接，得到交叉特征；
94.s602-3：根据查询词端特征和时空特征，训练第二注意力网络，得到第二融合特征；
95.s602-4：根据交叉特征以及所述第二融合特征，训练第三注意力网络，得到第三融合特征；
96.s602-5：根据第三融合特征，训练得到点击通过率ctr预估模型。
97.其中，用户端特征包括用户画像特征和用户行为序列，查询词端特征包括查询词特征和查询词序列，查询词序列为查询词特征与时空特征交叉得到的特征。
98.下面以一个具体例子，对多词智能搭配预估模型进行示例性描述。
99.参见图7，示出了本技术实施例提供的一种多词智能搭配预估模型的训练方法示意图。
100.多词搜索的难点在于，用户的意图是由多个query组成的，商品组合受多个query的交叉影响，比如用户在工作日办公地点搜索“煲仔饭”和“可乐”和在周末的居民区搜索“牛奶”和“可乐”，真实意图是，前者要的是330ml的可乐，后者要的是330ml*6的可乐套装。所以，基于query序列和时空信息对用户意图进行建模，引入物流信号(订单包含的店铺数、组合前配送费、组合后配送费、配送时长等信息)，并通过辅助loss，基于单搜索词场景辅助多搜索词场景建模。
101.该模型结构通常可包括以下部分：
102.1、嵌入层(embedding layer)
103.模型最底层为特征嵌入层，嵌入层中每个输入特征字段对应一个嵌入矩阵，可以把高维稀疏数据转换为低维稠密数据，根据每个特征值从嵌入矩阵中得到特征的embedding表征，其中用户行为序列和query序列进入第一注意力网络(target attention)及第二注意力网络(multi-head attention)，其余特征全部链接(concat)后进入全链接层(mlp layer)，其中输入特征主要包括以下几类：
104.(1)用户类特征：包括用户画像特征(如用户性别、用户是否会员)，以及用户行为序列，用户行为序列(
如是否多品下单，是否短时间多次下单)
等特征。
105.(2)查询词(query)类特征：包括查询词特征(如搜索词类别、搜索词月曝光次数、搜索词月访购率等特征)和查询词序列，其中，查询词序列为查询词特征与时空特征交叉得到的特征。
106.(3)商品(item)特征：如商品月销量、商品月访购率、商品价格、商品图等特征。
107.(4)物流特征：如配送方式、配送费、配送时长等
108.(5)时空特征：如地理散列(geohash)、城市id、用户在geohash的购买次数、时段等特征。
109.2、注意力网络
110.在该模型架构中利用了多attention(多头注意力)结构，包括用于学习用户历史行为的第一注意力网络、学习query依赖关系的第二注意力网络、刻画多意图下用户对item的偏好程度的第三注意力网络。第一注意力网络和第二注意力网络均处于embedding layer和mlp layer之间。用户行为序列和待组合的item(target)经过embedding后传入第一注意力网络结构中，学习target和行为序列的相关性。query依赖关系，通过输入多query，使用多头注意力机制让模型学习到不同query之间的依赖关系，将捕捉到的用户的兴趣信息输出到mlp层。此外，在第二注意力网络中，可通过增加时空特征及一些先验特征，经过浅层交互，直接作为这部分特征表征输出，同时作为特征裁判，筛选出对目标任务更重要的用户兴趣表征。第三注意力网络，基于单query和item之间的交叉特征及用户意图，增加一层attention操作，刻画多意图下对单品的偏好程度。
111.3、全链接层(mlp layer)
112.一般任务在获取用户的embedding表征后，需对特征进行高维特征交叉处理，通常采用多层mlp的结构，同时可增加batchnorm(加速收敛速度及稳定性的算法)和激活函数lrelu。
113.4、辅助损失模块(auxiliary loss)
114.考虑到直接学习多query对组合品之间行为建模样本不足或冷场景的问题，可以借助当前比较丰富的单query和商品之间丰富的行为交互数据，辅助模型学习，最终提升模型表达能力
115.从模型训练角度，首先，需要收集样本，实际中，上线初期无可用样本，因此可在基于策略的基础上积累一定周期的真实样本；其次，进行特征工程，主要是构建用户端特征、query端特征、商品特征、物流特征、时空特征等。其中用户端特征除用户画像数据外，还引入用户行为序列，捕捉用户行为习惯，通过已知知识指导模型学习用户历史购买行为，主要是用户成单序列特征，如是否多品下单，是否短时间多次下单。query端特征主要是用户实时多query序列，通过attention网络结构，学习query与query之间的依赖关系；最后，构建模型，引入多attention，分别学习用户个性化行为偏好及多query依赖关系，并捕捉用户时空行为差异。具体操作中，可学习神经网络结构，得到ctr预估模型。
116.在训练得到ctr预估模型之后，当用户进行多词搜索时，可根据ctr预估模型给出智能搭配方案。首先，接收用户前端多query请求，并基于召回模型确定召回商品集，然后，在召回商品集上，构建模型需要的输入，如用户类特征、query类特征、商品特征、物流特征、时空特征等，模型会对各个商品给出精排预估分供筛选，最后按照最优组合策略生成智能搭配结果透传给用户。
117.参见图8，示出了本技术实施例提供的一种位于终端的多词搜索实现装置结构示意图。该多词搜索实现装置，用于终端侧，所述方法包括：
118.查询词确定单元801，用于确定搜索框接收到的多个查询词，其中，所述多个查询词至少包括不同语义、对应不同搜索项的第一查询词和第二查询词；
119.智能搭配请求单元802，用于响应于多词智能搭配模式的确认指令，向服务端发送所述多个查询词，请求基于所述多个查询词进行智能搭配搜索；
120.智能搭配确认单元803，用于接收服务端返回的至少一种智能搭配搜索结果，其中，根据表征查询词之间依赖关系的智能搭配策略，确定出目标第一搜索项和目标第二搜索项，得到所述智能搭配搜索结果；
121.智能搭配展示单元804，用于展示所述至少一种智能搭配搜索结果。
122.在一种实现方式中，所述智能搭配确认单元803具体用于，确认所述智能搭配策略为：同店铺搭配优先的第一策略；根据所述同店铺搭配优先的第一策略，从所述第一查询词对应的至少一个第一搜索项中、所述第二查询词对应的至少一个第二搜索项中，分别确定出属于同一店铺的目标第一搜索项和目标第二搜索项。
123.在一种实现方式中，所述智能搭配确认单元803具体用于，确认所述智能搭配策略为：根据组合影响因子确定店铺间组合搭配的第二策略；根据所述店铺间组合搭配的第二策略，从所述第一查询词对应的至少一个第一搜索项中、所述第二查询词对应的至少一个第二搜索项中，确定出所述组合影响因子对应的目标第一搜索项和目标第二搜索项。
124.在一种实现方式中，所述智能搭配确认单元803具体用于，确认所述组合影响因子包括访购率因子、配送因子、价格因子、时空因子中的至少一项；根据访购率因子、配送因子、价格因子、时空因子中的至少一项，从所述至少一个第一搜索项和所述至少一个第二搜索项中分别确定对应的目标第一搜索项和目标第二搜索项。
125.在一种实现方式中，所述智能搭配确认单元803具体用于，根据访购率因子、配送因子、价格因子、时空因子的优先级，确定当前至少一项组合影响因子，并根据当前至少一项组合影响因子，从所述至少一个第一搜索项和所述至少一个第二搜索项中分别确定对应的目标第一搜索项和目标第二搜索项；或者，响应于访购率因子、配送因子、价格因子、时空因子的筛选结果，确定被筛选的当前至少一项组合影响因子，并根据当前至少一项组合影响因子，从所述至少一个第一搜索项和所述至少一个第二搜索项中分别确定对应的目标第一搜索项和目标第二搜索项。
126.在一种实现方式中，还包括：
127.自主搭配请求单元805，用于响应于多词自主搭配模式的切换指令，向服务端发送所述多个查询词，请求基于所述多个查询词进行自主搭配搜索；
128.自主搭配确认单元806，用于接收服务端针对所述第一查询词返回的至少一个第一搜索项、针对所述第二查询词返回的至少一个第二搜索项，并响应于目标第一搜索项和目标第二搜索项的选择指令，确定自主搭配搜索结果；
129.自主搭配展示单元807，用于展示所述自主搭配搜索结果。
130.在一种实现方式中，还包括：
131.切换控制单元808，用于为第一查询词展示至少一个第一搜索项的第一选择页面、为第二查询词展示至少一个第二搜索项的第二选择页面，且控制所述第一选择页面和所述第二选择页面通过点击第一查询词和第二查询词而切换；在所述第一选择页面接收选择目标第一搜索项的选择指令，以及，在所述第二选择页面接收选择目标第二搜索项的选择指令。
132.在一种实现方式中，所述切换控制单元808具体用于，在确定接收到目标第一搜索项的选择指令之后，当第二查询词被点击时，切换到所述第二选择页面展示至少一个第二搜索项，其中，确定所述目标第一搜索项的组合影响因子，并根据所述组合影响因子确定所述至少一个第二搜索项在所述第二选择页面的排序。
133.在一种实现方式中，所述组合影响因子包括同店铺因子、访购率因子、配送因子、价格因子中的至少一项；
134.所述装置还包括：影响因子提示单元809，用于在所述第二选择页面排序显示所述至少一个第二搜索项时，对所述组合影响因子进行提示。
135.在一种实现方式中，还包括：
136.查询词区分单元810，用于识别所述搜索框中非文字的特殊字符；判断所述特殊字符是否为预置的多词区分符，若是，以所述多词区分符区分各个查询词，得到所述第一查询词和所述第二查询词。
137.参见图9，示出了本技术实施例提供的一种位于服务端的多词搜索实现装置结构示意图。该多词搜索实现装置，用于服务端侧，所述装置包括：
138.查询词接收单元901，用于接收终端发送的多个查询词，其中，所述多个查询词至
少包括不同语义、对应不同搜索项的第一查询词和第二查询词；
139.智能搭配确定单元902，用于确认终端请求进行多词智能搭配搜索，以及确定至少一种智能搭配搜索结果并返回给所述终端，其中，根据表征查询词之间依赖关系的智能搭配策略，确定出目标第一搜索项和目标第二搜索项，得到所述智能搭配搜索结果。
140.在一种实现方式中，所述智能搭配确定单元902具体用于，设置所述智能搭配策略为：同店铺搭配优先的第一策略；根据所述同店铺搭配优先的第一策略，从针对所述第一查询词召回的至少一个第一搜索项、所述第二查询词召回的至少一个第二搜索项中，确定出属于同一店铺的目标第一搜索项和目标第二搜索项。
141.在一种实现方式中，所述智能搭配确定单元902具体用于，设置所述智能搭配策略为：根据组合影响因子确定店铺间组合搭配的第二策略；根据所述店铺间组合搭配的第二策略，从针对所述第一查询词召回的至少一个第一搜索项、针对所述第二查询词召回的至少一个第二搜索项中，确定出所述组合影响因子对应的目标第一搜索项和目标第二搜索项。
142.在一种实现方式中，所述智能搭配确定单元902具体用于，设置所述组合影响因子包括访购率因子、配送因子、价格因子、时空因子中的至少一项；根据访购率因子、配送因子、价格因子、时空因子中的至少一项，从所述至少一个第一搜索项和所述至少一个第二搜索项中分别确定对应的目标第一搜索项和目标第二搜索项。
143.在一种实现方式中，所述智能搭配确定单元902具体用于，根据访购率因子、配送因子、价格因子、时空因子的优先级，确定当前至少一项组合影响因子，并根据当前至少一项组合影响因子，从所述至少一个第一搜索项和所述至少一个第二搜索项中分别确定对应的目标第一搜索项和目标第二搜索项；或者，接收终端发送的访购率因子、配送因子、价格因子、时空因子的筛选结果，确定当前至少一项组合影响因子，并根据当前至少一项组合影响因子，从所述至少一个第一搜索项和所述至少一个第二搜索项中分别确定对应的目标第一搜索项和目标第二搜索项。
144.在一种实现方式中，还包括：
145.自主搭配确定单元903，用于确认终端请求进行多词自主搭配搜索；以及，针对所述第一查询词召回至少一个第一搜索项、针对所述第二查询词召回至少一个第二搜索项，并将所述至少一个第一搜索项和所述至少一个第二搜索项返回给终端，控制终端分页面展示所述至少一个第一搜索项和所述至少一个第二搜索项，并提供目标第一搜索项和目标第二搜索项的选择按钮，确定自主搭配搜索结果。
146.在一种实现方式中，所述自主搭配确定单元903具体用于，控制所述终端为第一查询词展示第一搜索项的第一选择页面、为第二查询词展示第二搜索项的第二选择页面，且控制所述第一选择页面和所述第二选择页面通过点击第一查询词和第二查询词而切换；控制在所述第一选择页面接收选择目标第一搜索项的选择指令，以及，在所述第二选择页面接收选择目标第二搜索项的选择指令。
147.在一种实现方式中，所述自主搭配确定单元903具体用于，控制所述终端在确定接收到目标第一搜索项的选择指令之后，当第二查询词被点击时，切换到所述第二选择页面展示至少一个第二搜索项，其中，确定所述目标第一搜索项的组合影响因子，并根据所述组合影响因子确定所述至少一个第二搜索项在所述第二选择页面的排序。
148.在一种实现方式中，所述组合影响因子包括同店铺因子、访购率因子、配送因子、价格因子中的至少一项；
149.所述自主搭配确定单元903具体用于，控制所述终端在所述第二选择页面排序显示所述至少一个第二搜索项时，对所述组合影响因子进行提示。
150.在一种实现方式中，还包括：
151.查询词区分单元904，用于识别所述多个查询词中非文字的特殊字符；以及，判断所述特殊字符是否为预置的多词区分符，若是，以所述多词区分符区分各个查询词，得到所述第一查询词和所述第二查询词。
152.参见图10，示出了本技术实施例提供的一种多词智能搭配预估模型的训练装置结构示意图。该多词智能搭配预估模型的训练装置，包括：
153.样本获取单元1001，用于获取样本数据；
154.特征工程处理单元1002，用于对样本数据进行特征工程处理，得到预估模型的输入特征：用户端特征、商品端特征、查询词端特征、物流端特征和时空端特征中的至少一项；
155.学习单元1003，用于根据所述用户端特征、商品特征、查询词端特征、物流特征和时空特征中的至少一项，学习到多个查询词之间具有依赖关系的神经网络结构，得到点击通过率ctr预估模型。
156.在一种实现方式中，所述学习单元1003具体用于，根据用户端特征和商品特征，训练第一注意力网络，得到第一融合特征；将所述第一融合特征与查询词端特征、商品特征、物流特征进行交叉链接，得到交叉特征；根据查询词端特征和时空特征，训练第二注意力网络，得到第二融合特征；根据所述交叉特征以及所述第二融合特征，训练第三注意力网络，得到第三融合特征；以及，根据所述第三融合特征，训练得到点击通过率ctr预估模型。
157.在一种实现方式中，所述用户端特征包括用户画像特征和用户行为序列，所述查询词端特征包括查询词特征和查询词序列，所述查询词序列为查询词特征与时空特征交叉得到的特征。
158.本技术的实施例还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述目标项方法实施例中的步骤。
159.可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下图2、图5或图6步骤的计算机程序。
160.可选地，在本实施例中，上述存储介质可以包括但不限于：u盘、只读存储器(read-only memory，简称为rom)、随机存取存储器(random access memory，简称为ram)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
161.本技术的实施例还提供了一种电子设备，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述目标项方法实施例中的步骤。
162.可选地，上述电子设备还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
163.可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行图2、图5或图6步骤的计算机程序。
164.可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的
示例，本实施例在此不再赘述。
165.上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
166.在本技术的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
167.在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如至少一个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
168.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到至少一个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
169.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
170.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
171.以上所述仅是本技术的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。

技术特征：
1.一种多词搜索实现方法，其特征在于，用于终端侧，所述方法包括：确定搜索框接收到的多个查询词，其中，所述多个查询词至少包括不同语义、对应不同搜索项的第一查询词和第二查询词；响应于多词智能搭配模式的确认指令，向服务端发送所述多个查询词，请求基于所述多个查询词进行智能搭配搜索；接收服务端返回的至少一种智能搭配搜索结果，其中，根据表征查询词之间依赖关系的智能搭配策略，确定出目标第一搜索项和目标第二搜索项，得到所述智能搭配搜索结果；展示所述至少一种智能搭配搜索结果。2.根据权利要求1所述的方法，其特征在于，所述根据智能搭配策略，确定出目标第一搜索项和目标第二搜索项，包括：确认所述智能搭配策略为：同店铺搭配优先的第一策略；根据所述同店铺搭配优先的第一策略，从所述第一查询词对应的至少一个第一搜索项中、所述第二查询词对应的至少一个第二搜索项中，分别确定出属于同一店铺的目标第一搜索项和目标第二搜索项。3.根据权利要求1所述的方法，其特征在于，所述根据智能搭配策略，确定出目标第一搜索项和目标第二搜索项，包括：确认所述智能搭配策略为：根据组合影响因子确定店铺间组合搭配的第二策略；根据所述店铺间组合搭配的第二策略，从所述第一查询词对应的至少一个第一搜索项中、所述第二查询词对应的至少一个第二搜索项中，确定出所述组合影响因子对应的目标第一搜索项和目标第二搜索项。4.一种多词搜索实现方法，其特征在于，用于服务端侧，所述方法包括：接收终端发送的多个查询词，并确认终端请求进行多词智能搭配搜索，其中，所述多个查询词至少包括不同语义、对应不同搜索项的第一查询词和第二查询词；确定至少一种智能搭配搜索结果，并将所述至少一种智能搭配搜索结果返回给所述终端，其中，根据表征查询词之间依赖关系的智能搭配策略，确定出目标第一搜索项和目标第二搜索项，得到所述智能搭配搜索结果。5.一种多词智能搭配预估模型的训练方法，其特征在于，包括：获取样本数据，并对样本数据进行特征工程处理，得到预估模型的输入特征：用户端特征、商品端特征、查询词端特征、物流端特征和时空端特征中的至少一项；根据所述用户端特征、商品特征、查询词端特征、物流特征和时空特征中的至少一项，学习到多个查询词之间具有依赖关系的神经网络结构，得到点击通过率ctr预估模型。6.一种多词搜索实现装置，其特征在于，用于终端侧，所述装置包括：查询词确定单元，用于确定搜索框接收到的多个查询词，其中，所述多个查询词至少包括不同语义、对应不同搜索项的第一查询词和第二查询词；智能搭配请求单元，用于响应于多词智能搭配模式的确认指令，向服务端发送所述多个查询词，请求基于所述多个查询词进行智能搭配搜索；智能搭配确认单元，用于接收服务端返回的至少一种智能搭配搜索结果，其中，根据表征查询词之间依赖关系的智能搭配策略，确定出目标第一搜索项和目标第二搜索项，得到所述智能搭配搜索结果；
智能搭配展示单元，用于展示所述至少一种智能搭配搜索结果。7.一种多词搜索实现装置，其特征在于，用于服务端侧，所述装置包括：查询词接收单元，用于接收终端发送的多个查询词，其中，所述多个查询词至少包括不同语义、对应不同搜索项的第一查询词和第二查询词；智能搭配确定单元，用于确认终端请求进行多词智能搭配搜索，以及，确定至少一种智能搭配搜索结果并返回给所述终端，其中，根据表征查询词之间依赖关系的智能搭配策略，确定出目标第一搜索项和目标第二搜索项，得到所述智能搭配搜索结果。8.一种多词智能搭配预估模型的训练装置，其特征在于，包括：样本获取单元，用于获取样本数据；特征工程处理单元，用于对样本数据进行特征工程处理，得到预估模型的输入特征：用户端特征、商品端特征、查询词端特征、物流端特征和时空端特征中的至少一项；学习单元，用于根据所述用户端特征、商品特征、查询词端特征、物流特征和时空特征中的至少一项，学习到多个查询词之间具有依赖关系的神经网络结构，得到点击通过率ctr预估模型。9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1至5目标项中所述的方法。10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至5目标项中所述的方法。

技术总结
本申请提供了一种多词搜索实现方法、装置、介质及设备，其中的方法包括：确定搜索框接收到的多个查询词，其中，所述多个查询词至少包括不同语义、对应不同搜索项的第一查询词和第二查询词；响应于多词智能搭配模式的确认指令，向服务端发送所述多个查询词，请求基于所述多个查询词进行智能搭配搜索；接收服务端返回的至少一种智能搭配搜索结果，其中，根据表征查询词之间依赖关系的智能搭配策略，确定出目标第一搜索项和目标第二搜索项，得到所述智能搭配搜索结果；展示所述至少一种智能搭配搜索结果。本申请可提高搜索效率。本申请可提高搜索效率。本申请可提高搜索效率。


技术研发人员：张鹏 吴镇乐 郑丽
受保护的技术使用者：拉扎斯网络科技（上海）有限公司
技术研发日：2023.04.26
技术公布日：2023/8/1