技术摘要：
本公开提供了一种信息分配方法及装置，包括：获取多条待生产的搜索信息；其中，所述待生产的搜索信息对应的搜索结果不符合预设条件；确定所述多条待生产的搜索信息分别对应的交互参数和属性信息；基于所述多条待生产的搜索信息分别对应的交互参数和属性信息，确定每条  全部
背景技术：
用户在进行信息搜索时，通过用户端向服务器发起搜索请求，服务器再向用户端 发送搜索结果。为了提高用户的浏览效率，可以通过从多条搜索结果中筛选出符合预设条 件的搜索结果，并将筛选出的搜索结果进行特殊格式的展示的方式，来方便用户对于筛选 出的搜索结果的查看。 对于一些没有符合预设条件的搜索结果的搜索请求，一般会直接根据搜索请求所 属的领域，将这些搜索请求发送至与该搜索请求所属的领域对应的用户端，由用户端进行 生产，然而当待处理的搜索请求较多时，由于生产能力有限，可能会导致一些比较重要的搜 索请求无法被及时处理，从而导致用户在基于搜索请求查找搜索结果时，无法查找到满足 条件的搜索结果，影响搜索效率。
技术实现要素：
本公开实施例至少提供一种信息分配方法及装置。 第一方面，本公开实施例提供了一种信息分配方法，包括： 获取多条待生产的搜索信息；其中，所述待生产的搜索信息对应的搜索结果不符 合预设条件； 确定所述多条待生产的搜索信息分别对应的交互参数和属性信息； 基于所述多条待生产的搜索信息分别对应的交互参数和属性信息，确定每条所述 待生产的搜索信息的重要度； 基于每条所述待生产的搜索信息的重要度，确定所述多条待生产的搜索信息的优 先级信息，并按照所述优先级信息，向用户端依次发送所述待生产的搜索信息。 一种可能的实施方式中，当所述待生产的搜索信息包括第一搜索信息时，待生产 的搜索信息对应的交互参数包括第一搜索信息对应的搜索次数，待生产的搜索信息对应的 属性信息包括所述第一搜索信息的稳定性信息和/或生产需求信息；其中，所述第一搜索信 息为不具有目标搜索结果的搜索信息，所述目标搜索结果为满足预设条件的搜索结果； 当所述待生产的搜索信息包括第二搜索信息时，待生产的搜索信息对应的交互参 数包括所述第二搜索信息对应的目标搜索结果的浏览次数，待生产的搜索信息对应的属性 信息包括所述第一搜索信息的稳定性信息和/或生产需求信息；其中，所述第二搜索信息为 具有目标搜索结果，但所述目标搜索结果不满足目标条件的搜索信息； 其中，所述稳定性信息用于表示，所述待生产的搜索信息从当前时刻往后的预设 时长内的所述交互参数的取值，相比所述待生产的搜索信息从当前时刻往前的预设时长内 的所述交互参数的取值高的概率；所述生产需求信息用于表示所述待生产的搜索信息对应 的待生产的搜索结果的需求类型。 4 CN 111581514 A 说　明　书 2/13 页 一种可能的实施方式中，所述基于所述多条待生产的搜索信息分别对应的交互参 数和属性信息，确定每条所述待生产的搜索信息的重要度，包括： 将所述待生产的搜索信息的交互参数作为初始重要度； 基于所述属性信息、以及预先设置的调整规则，对所述初始重要度进行调整，得到 所述待生产的搜索信息的重要度。 一种可能的实施方式中，所述待生产的搜索信息的稳定性信息是基于预先训练好 的神经网络模型得到的； 所述方法还包括，根据以下方法训练所述神经网络模型： 获取预设时长内的样本搜索信息、所述样本搜索信息对应的特征信息、以及所述 样本搜索信息对应的稳定性标签，其中，所述样本搜索信息具有对应的目标搜索结果，所述 样本搜索信息对应的稳定性标签用于表示所述样本搜索信息的交互参数的取值是否稳定； 将所述样本搜索信息对应的特征信息、以及所述样本搜索信息对应的交互参数输 入至待训练的神经网络模型中，输出得到预测的所述样本搜索信息从当前时刻往后的所述 预设时长内的所述交互参数的取值，相比所述样本搜索信息从当前时刻往前的所述预设时 长内的所述交互参数的取值高的预测概率； 基于所述预测概率和所述稳定性标签对所述神经网络模型进行训练。 一种可能的实施方式中，所述样本搜索信息对应的特征信息包括以下信息中的至 少一种： 样本搜索信息对应的词向量、样本搜索信息对应的目标搜索结果的至少一个查询 请求的词向量、样本搜索信息对应的目标搜索结果在不同查询请求下的排序信息、样本搜 索信息对应的目标搜索结果的统一资源定位符。第二方面，本公开实施例还提供一种信息 分配装置，包括： 获取模块，用于获取多条待生产的搜索信息，其中，所述待生产的搜索信息对应的 搜索结果不符合预设条件； 第一确定模块，用于确定所述多条待生产的搜索信息分别对应的交互参数和属性 信息； 第二确定模块，用于基于所述多条待生产的搜索信息分别对应的交互参数和属性 信息，确定每条所述待生产的搜索信息的重要度； 发送模块，用于基于每条所述待生产的搜索信息的重要度，确定所述多条待生产 的搜索信息的优先级信息，并按照所述优先级信息，向用户端依次发送所述待生产的搜索 信息。 一种可能的实施方式中，当所述待生产的搜索信息包括第一搜索信息时，待生产 的搜索信息对应的交互参数包括第一搜索信息对应的搜索次数，待生产的搜索信息对应的 属性信息包括所述第一搜索信息的稳定性信息和/或生产需求信息；其中，所述第一搜索信 息为不具有目标搜索结果的搜索信息，所述目标搜索结果为满足预设条件的搜索结果； 当所述待生产的搜索信息包括第二搜索信息时，待生产的搜索信息对应的交互参 数包括所述第二搜索信息对应的目标搜索结果的浏览次数，待生产的搜索信息对应的属性 信息包括所述第一搜索信息的稳定性信息和/或生产需求信息；其中，所述第二搜索信息为 具有目标搜索结果，但所述目标搜索结果不满足目标条件的搜索信息； 5 CN 111581514 A 说　明　书 3/13 页 其中，所述稳定性信息用于表示，所述待生产的搜索信息从当前时刻往后的预设 时长内的所述交互参数的取值，相比所述待生产的搜索信息从当前时刻往前的预设时长内 的所述交互参数的取值高的概率；所述生产需求信息用于表示所述待生产的搜索信息对应 的待生产的搜索结果的需求类型。 一种可能的实施方式中，所述第二确定模块，在基于所述多条待生产的搜索信息 分别对应的交互参数和属性信息，确定每条所述待生产的搜索信息的重要度时，用于： 将所述待生产的搜索信息的交互参数作为初始重要度； 基于所述属性信息、以及预先设置的调整规则，对所述初始重要度进行调整，得到 所述待生产的搜索信息的重要度。 一种可能的实施方式中，所述待生产的搜索信息的稳定性信息是基于预先训练好 的神经网络模型得到的； 所述装置还包括，训练模块，所述训练模块，用于根据以下方法训练所述神经网络 模型： 获取预设时长内的样本搜索信息、所述样本搜索信息对应的特征信息、以及所述 样本搜索信息对应的稳定性标签，其中，所述样本搜索信息具有对应的目标搜索结果，所述 样本搜索信息对应的稳定性标签用于表示所述样本搜索信息的交互参数的取值是否稳定； 将所述样本搜索信息对应的特征信息、以及所述样本搜索信息对应的交互参数输 入至待训练的神经网络模型中，输出得到预测的所述样本搜索信息从当前时刻往后的所述 预设时长内的所述交互参数的取值，相比所述样本搜索信息从当前时刻往前的所述预设时 长内的所述交互参数的取值高的预测概率； 基于所述预测概率和所述稳定性标签对所述神经网络模型进行训练。 一种可能的实施方式中，所述样本搜索信息对应的特征信息包括以下信息中的至 少一种： 样本搜索信息对应的词向量、样本搜索信息对应的目标搜索结果的至少一个查询 请求的词向量、样本搜索信息对应的目标搜索结果在不同查询请求下的排序信息、样本搜 索信息对应的目标搜索结果的统一资源定位符。 第三方面，本公开实施例还提供一种计算机设备，包括：处理器、存储器和总线，所 述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与 所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方 面，或第一方面中任一种可能的实施方式中的步骤。 第四方面，本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介 质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面中 任一种可能的实施方式中的步骤。 本公开实施例提供的信息分配方法及装置中，可以根据多条待生产的搜索信息分 别对应的交互参数和属性信息，确定每条待生产的搜索信息的重要度，然后基于每条待生 产的搜索信息的重要度，确定待生产的搜索信息的优先级信息，并按照优先级信息，依次发 送待生产的搜索信息，对于重要度较高的待生产的搜索信息，其对应的优先级较高，这样， 就可以对这些待生产的搜索信息进行优先分配，从而可以提高对重要度较高的搜索信息的 分配和生产的及时性，提高用户在进行搜索时的搜索效率。 6 CN 111581514 A 说　明　书 4/13 页 为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合 所附附图，作详细说明如下。 附图说明 为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附 图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出 了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图 仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人 员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。 图1示出了本公开实施例所提供的一种信息分配方法的流程图； 图2示出了本公开实施例所提供的一种神经网络模型的训练方法的流程图； 图3示出了本公开实施例提供的一种重要度的确定方法的示意图； 图4示出了本公开实施例所提供的一种信息分配装置的架构示意图； 图5示出了本公开实施例所提供的一种计算机设备500的结构示意图。