所属的技术人员能够理解，本技术的各个方面可以实现为系统、方法或程序产品。因此，本技术的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。下面参照图6来描述根据本技术的这种实施方式的电子设备600。图6显示的电子设备600仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。如图6所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640等。其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述搜索排序方法部分中描述的根据本技术各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示的步骤。所述存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(rom)6203。所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。所述搜索排序设备中，所述存储器中的程序被处理器执行时实现所述的搜索排序方法的步骤，因此，所述设备也可以获得上述搜索排序方法的技术效果。本技术实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被处理器执行时实现所述的搜索排序方法的步骤。在一些可能的实施方式中，本技术的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上执行时，所述程序代码用于使所述终端设备执行本说明书上述搜索排序方法部分中描述的根据本技术各种示例性实施方式的步骤。参考图7所示，描述了根据本技术的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上执行。然而，本技术的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本技术操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。所述计算机存储介质中的程序被处理器执行时实现所述的搜索排序方法的步骤，因此，所述计算机存储介质也可以获得上述搜索排序方法的技术效果。以上内容是结合具体的优选实施方式对本技术所作的进一步详细说明，不能认定本技术的具体实施只局限于这些说明。对于本技术所属的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本技术的保护范围。
背景技术：
1、搜索排序在互联网在线平台有着广泛的应用与重要的作用。基于用户个性化的排序推荐，能帮助用户更精准、快速地匹配到适合的内容与产品，也为供应商更好地提供有效流量从而实现成交。譬如，在旅游行业，主次有序、人货相匹的排序算法，可以在酒店预订、跟团出游、景点门票等多业务线上帮助平台与供应商提升收益。在真实的销售场景中，不同人群与不同搜索场景的用户在选择产品时往往呈现出差异化，因此排序算法应该基于人群与场景呈现出个性化的产品展示。
2、现有技术中运用深度学习与人工智能算法，在探究用户个性化方面已有较为成熟的发展，比如构建神经网络对用户属性与产品进行特征交叉，对用户行为序列引入嵌入学习与注意力机制，提取用户的兴趣偏好等。但是一方面，深度学习由于其复杂的网络结构，用户行为与个性化特征可能在经过多层非线性计算后有信息损失，另一方面不同场景与不同人群用户比如新老客、搜词与空搜，在同一网络中学习时可能信息相互干扰，从而无法更好地区分场景的差异性。
3、需要说明的是，上述背景技术部分公开的信息仅用于加强对本技术的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、针对现有技术中的问题，本技术的目的在于提供一种搜索排序方法、系统、设备及存储介质，提高偏好预测准确率，为用户提供更符合人群的商品排序结果。
2、本技术实施例提供一种搜索排序方法，包括如下步骤：
3、响应于用户的商品搜索请求，召回候选商品；
4、将用户特征、候选商品特征和场景特征输入到偏好预测模型，获取各个候选商品对应的偏好预测结果；
5、根据所述候选商品对应的偏好预测结果对所述候选商品进行排序；
6、其中，所述偏好预测模型包括场景信息提取层、任务层和门控模块，所述用户特征、所述候选商品特征和所述场景特征输入至所述场景信息提取层，所述任务层包括对应各个场景的独有门控专家网络、一个共享门控专家网络和任务塔，所述场景信息提取层的输出特征输入至所述独有门控专家网络和所述共享门控专家网络，所述独有门控专家网络和所述共享门控专家网络的输出特征输入至所述任务塔，所述任务塔输出预测的对应各个候选商品的偏好预测结果，所述门控模块用于调整所述独有门控专家网络中各个子专家网络和所述共享门控专家网络中各个子专家网络的输出数据。
7、在一些实施例中，所述场景特征用于区分新用户场景或老用户场景。
8、在一些实施例中，所述场景信息提取层包括各个场景的独有特征提取专家网络和一个共享特征提取专家网络，所述场景信息提取层还包括特征融合专家网络a，所述特征融合专家网络a用于采用如下公式将各个所述独有特征提取专家网络的输出特征进行融合：
9、
10、其中，为所述特征融合专家网络a自学习的权重，dm表示第m个场景的场景指示器，sm表示第m个场景的独有门控专家网络的输出特征，m为场景的总数。
11、在一些实施例中，所述门控模块为基于偏自注意力机制的门控模块。
12、在一些实施例中，所述门控模块包括多个门控单元，各个门控专家网络的专家子网络的各个子网络层的输出特征和用户特征融合后输入至一门控单元，且该门控单元的输出特征与该子网络层的输出特征融合后输入下一子网络层。
13、在一些实施例中，该门控单元的输出特征与该子网络层的输出特征融合时，将该子网络层的输出特征融合与该门控单元的输出特征进行n次点乘，此处n为预设的调节系数。
14、在一些实施例中，所述偏好预测模型还包括特征交叉模块，所述特征交叉模块用于基于fm算法将所述场景信息提取层的输入特征进行交叉处理后，与所述场景信息提取层的输出特征一起输入至所述任务层。
15、在一些实施例中，所述任务层还包括门控融合模块，用于将所述独有门控专家网络的输出特征与所述共享门控专家网络的输出特征进行融合后输入至所述任务塔，所述门控模块还用于调整所述门控融合模块中各个层的输出数据。
16、本技术实施例还提供一种搜索排序系统，用于实现所述的搜索排序方法，所述系统包括：
17、商品召回模块，用于响应于用户的商品搜索请求，召回候选商品；
18、偏好预测模块，用于将用户特征、候选商品特征和场景特征输入到偏好预测模型，获取各个候选商品对应的偏好预测结果；
19、商品排序模块，用于根据所述候选商品对应的偏好预测结果对所述候选商品进行排序；
20、其中，所述偏好预测模型包括场景信息提取层、任务层和偏自注意力门控模块，所述用户特征、所述候选商品特征和所述场景特征输入至所述场景信息提取层，所述任务层包括对应各个场景的独有门控专家网络、一个共享门控专家网络和任务塔，所述场景信息提取层的输出特征输入至所述独有门控专家网络和所述共享门控专家网络，所述独有门控专家网络和所述共享门控专家网络的输出特征输入至所述任务塔，所述任务塔输出预测的对应各个候选商品的偏好预测结果，所述偏自注意力门控模块用于调整所述独有门控专家网络中各个子专家网络和所述共享门控专家网络中各个子专家网络的输出数据。
21、本技术实施例还提供一种搜索排序设备，包括：
22、处理器；
23、存储器，其中存储有所述处理器的可执行指令；
24、其中，所述处理器配置为经由执行所述可执行指令来执行所述的搜索排序方法的步骤。
25、本技术实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被处理器执行时实现所述的搜索排序方法的步骤。
26、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
27、本技术的搜索排序方法、系统、设备及存储介质具有如下有益效果：
28、本技术提供了一种偏好预测模型，分场景对用户的偏好进行预测，适用于不同场景下的商品偏好预测，在不同任务的专家网络中引入门控模块，对任务层中的专家网络特征输出进行控制，解决了网络商品活动列表页排序时新客的冷启动问题以及商品个性化不足的问题，提高偏好预测准确率，为用户提供更符合人群的商品排序结果。
1.一种搜索排序方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的搜索排序方法，其特征在于，所述场景特征用于区分新用户场景或老用户场景。
3.根据权利要求1所述的搜索排序方法，其特征在于，所述场景信息提取层包括各个场景的独有特征提取专家网络和一个共享特征提取专家网络，所述场景信息提取层还包括特征融合专家网络a，所述特征融合专家网络a用于采用如下公式将各个所述独有特征提取专家网络的输出特征进行融合：
4.根据权利要求1所述的搜索排序方法，其特征在于，所述门控模块为基于偏自注意力机制的门控模块。
5.根据权利要求4所述的搜索排序方法，其特征在于，所述门控模块包括多个门控单元，各个门控专家网络的专家子网络的各个子网络层的输出特征和用户特征融合后输入至一门控单元，且该门控单元的输出特征与该子网络层的输出特征融合后输入下一子网络层。
6.根据权利要求5所述的搜索排序方法，其特征在于，该门控单元的输出特征与该子网络层的输出特征融合时，将该子网络层的输出特征融合与该门控单元的输出特征进行n次点乘，此处n为预设的调节系数。
7.根据权利要求1所述的搜索排序方法，其特征在于，所述偏好预测模型还包括特征交叉模块，所述特征交叉模块用于基于fm算法将所述场景信息提取层的输入特征进行交叉处理后，与所述场景信息提取层的输出特征一起输入至所述任务层。
8.根据权利要求1所述的搜索排序方法，其特征在于，所述任务层还包括门控融合模块，用于将所述独有门控专家网络的输出特征与所述共享门控专家网络的输出特征进行融合后输入至所述任务塔，所述门控模块还用于调整所述门控融合模块中各个层的输出数据。
9.一种搜索排序系统，其特征在于，用于实现权利要求1至8中任一项所述的搜索排序方法，所述系统包括：
10.一种搜索排序设备，其特征在于，包括：
11.一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被处理器执行时实现权利要求1至8中任一项所述的搜索排序方法的步骤。
