(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 202210638768.6 (22)申请日 2022.06.07 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 马圣杰　瞿康　刘丽　阳锋　 (74)专利代理 机构 北京英赛 嘉华知识产权代理 有限责任公司 1 1204 专利代理师 王达佐　马晓亚 (51)Int.Cl. G06Q 30/02(2012.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G06F 40/30(2020.01) (54)发明名称 落地页特征生 成方法、 落地页搜索方法及相 关装置 (57)摘要 本公开提供了一种落地页特征生 成方法、 落 地页搜索方法及相关装置， 涉及数据搜索、 深度 学习等人工智能技术领域。 该方法包括： 从用户 的搜索会话中提取出会话内不同查询词之间的 第一对应关系， 以及查询词、 相关词、 落地页三者 中任意两者之间的第二对应关系； 构建由查询 词、 相关词、 落地页的语义特征充当节点、 第一对 应关系和第二对应关系充当节点之间的边的原 始节点关联图； 基于随机游走算法对原始节点关 联图进行节 点邻域采样， 并通过对采样结果进行 迭代更新得到目标节点关联图； 利用预设的图神 经网络处理目标节点关联图， 得到目标落地页特 征。 应用该方法可使落地页特征在语义特征的基 础上具有知识推理和认知关联的能力。 权利要求书3页 说明书11页 附图5页 CN 114926223 A 2022.08.19 CN 114926223 A 1.一种落 地页特征生成方法， 包括： 从用户的搜索会话中提取出会话内不同查询词之间的第一对应关系， 以及查询词、 相 关词、 落地页三者中任意两者之间的第二对应关系； 构建由所述查询词、 所述相关词、 所述落地页的语义特征充当节点、 所述第 一对应关系 和所述第二对应关系充当节点之间的边的原 始节点关联图； 基于随机游走算法对所述原始节点关联图进行节点邻域采样， 并通过对采样结果进行 迭代更新得到目标节点关联图； 利用预设的图神经网络处 理所述目标节点关联图， 得到目标落 地页特征。 2.根据权利要求1所述的方法， 其中， 所述从用户的搜索会话中提取出会话内不同查询 词之间的第一对应关系， 以及查询词、 相关词、 落地页三者中任意两者之间的第二对应关 系， 包括： 将用户的搜索会话中相邻 输入的两个不同查询词之间的关系， 确定为所述第 一对应关 系； 将用户的搜索会话中分别提取出查询词与相关词之间的关系、 查询词与落地页之间的 关系、 相关词与落 地页之间的关系， 得到所述第二对应关系。 3.根据权利要求1所述的方法， 其中， 所述构建由所述查询词、 所述相关词、 所述落地页 的语义特征充当节点、 所述第一对应关系和所述第二对应关系充当节点之 间的边的原始节 点关联图， 包括： 以构建无向无权图的方式， 构建由所述查询词、 所述相关词、 所述落地页的语义特征充 当节点、 所述第一对应关系和所述第二对应关系充当节点之间的边的原 始无向无权图； 对应的， 所述基于随机游走算法对所述原始节点关联图进行节点邻域采样， 并通过对 采样结果进行迭代更新得到目标节点关联图， 包括： 基于随机游走算法对所述原始无向无权图进行节点邻域采样， 并通过对采样结果进行 迭代更新得到所述目标节点关联图。 4.根据权利要求1所述的方法， 其中， 所述基于随机游走算法对所述原始节点关联图进 行节点邻域采样， 并通过对 采样结果进行迭代更新得到目标节点关联图， 包括： 初始化所述原 始节点关联图中各节点间的相关性， 得到原 始相关性数值； 基于随机游走算法迭代更新所述原 始相关性数值， 得到更新后相关性数值； 将与所述更新后相关性数值对应的节点关联图， 确定为所述目标节点关联图。 5.根据权利要求1 ‑4任一项所述的方法， 其中， 所述利用预设的图神经网络处理所述目 标节点关联图， 得到目标落 地页特征， 包括： 利用所述图神经网络对邻域进行信 息融合， 并将经信 息融合后的邻域特征与 所述中心 节点的特 征进行拼接， 得到拼接后中心 节点特征； 利用所述图神经网络对所述拼接后中心节点特征进行非线性变换， 得到更新后中心节 点特征； 将落地页节点作为中心 节点的更新后中心 节点特征， 输出为所述目标落 地页特征。 6.一种落 地页搜索方法， 包括： 确定用于查询落 地页的实际查询词的语义特 征； 将拥有匹配于所述查询词语义特征的目标落地页特征的落地页， 作为搜索结果返回；权　利　要　求　书 1/3 页 2 CN 114926223 A 2其中， 所述目标落 地页特征根据权利要求1 ‑5任一项所述的落 地页特征生成方法得到 。 7.一种落 地页特征生成装置， 包括： 对应关系提取单元， 被配置成从用户的搜索会话中提取出会话内不同查询词之间的第 一对应关系， 以及查询词、 相关词、 落 地页三者中任意两者之间的第二对应关系； 原始节点关联图构建单元， 被配置成构建由所述查询词、 所述相关词、 所述落地页的语 义特征充当节点、 所述第一对应关系和所述第二对应关系充当节点之 间的边的原始节点关 联图； 目标节点关联图生成单元， 被配置成基于随机游走算法对所述原始节点关联图进行节 点邻域采样， 并通过对 采样结果进行迭代更新得到目标节点关联图； 目标落地页特征生成单元， 被配置成利用预设的图神经网络处理所述目标节点关联 图， 得到目标落 地页特征。 8.根据权利要求7 所述的装置， 其中， 所述对应关系提取 单元被进一 步配置成： 将用户的搜索会话中相邻 输入的两个不同查询词之间的关系， 确定为所述第 一对应关 系； 将用户的搜索会话中分别提取出查询词与相关词之间的关系、 查询词与落地页之间的 关系、 相关词与落 地页之间的关系， 得到所述第二对应关系。 9.根据权利要求7 所述的装置， 其中， 所述原 始节点关联图构建单 元被进一 步配置成： 以构建无向无权图的方式， 构建由所述查询词、 所述相关词、 所述落地页的语义特征充 当节点、 所述第一对应关系和所述第二对应关系充当节点之间的边的原 始无向无权图； 对应的， 所述目标节点关联图生成单 元被进一 步配置成： 基于随机游走算法对所述原始无向无权图进行节点邻域采样， 并通过对采样结果进行 迭代更新得到所述目标节点关联图。 10.根据权利要求7 所述的装置， 其中， 所述目标节点关联图生成单 元被进一 步配置成： 初始化所述原 始节点关联图中各节点间的相关性， 得到原 始相关性数值； 基于随机游走算法迭代更新所述原 始相关性数值， 得到更新后相关性数值； 将与所述更新后相关性数值对应的节点关联图， 确定为所述目标节点关联图。 11.根据权利要求7 ‑10任一项所述的装置， 其中， 所述目标落地页 特征生成单元被进一 步配置成： 利用所述图神经网络对邻域进行信 息融合， 并将经信 息融合后的邻域特征与 所述中心 节点的特 征进行拼接， 得到拼接后中心 节点特征； 利用所述图神经网络对所述拼接后中心节点特征进行非线性变换， 得到更新后中心节 点特征； 将落地页节点作为中心 节点的更新后中心 节点特征， 输出为所述目标落 地页特征。 12.一种落 地页搜索装置， 包括： 语义特征提取单元， 被配置成确定用于查询落 地页的实际查询词的语义特 征； 搜索结果返回单元， 被配置成将拥 有匹配于所述查询词语义特征的目标落地页 特征的 落地页， 作为搜索结果返回； 其中， 所述目标落地页特征根据权利要求7 ‑11任一项 所述的落 地页特征生成装置得到 。 13.一种电子设备， 包括：权　利　要　求　书 2/3 页 3 CN 114926223 A 3