[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN110222260A - 一种搜索方法、装置及存储介质 - Google Patents

一种搜索方法、装置及存储介质 Download PDF

Info

Publication number
CN110222260A
CN110222260A CN201910421974.XA CN201910421974A CN110222260A CN 110222260 A CN110222260 A CN 110222260A CN 201910421974 A CN201910421974 A CN 201910421974A CN 110222260 A CN110222260 A CN 110222260A
Authority
CN
China
Prior art keywords
current search
search
feature
sample data
text
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910421974.XA
Other languages
English (en)
Inventor
刘利
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
OneConnect Smart Technology Co Ltd
Original Assignee
OneConnect Smart Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by OneConnect Smart Technology Co Ltd filed Critical OneConnect Smart Technology Co Ltd
Priority to CN201910421974.XA priority Critical patent/CN110222260A/zh
Publication of CN110222260A publication Critical patent/CN110222260A/zh
Priority to PCT/CN2020/086677 priority patent/WO2020233344A1/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Biology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明实施例公开了一种搜索方法和装置，其中搜索方法包括：将样本数据集结合卷积神经网络进行训练，获得目标模型，样本数据集根据当前搜索用户的历史搜索记录获取；获取当前搜索关键字，将当前搜索关键字输入目标模型中，得到多个当前搜索特征；将多个当前搜索特征采用二类分类算法进行分类排序，并根据多个当前搜索特征的排序确定当前搜索关键字对应的当前搜索结果。采用本发明，能够通过将当前搜索关键字输入目标模型中，获得当前搜索特征，然后对搜索特征进行分类排序，确定搜索结果，这个过程中避免了手动获取搜索特征的过程，简化了搜索过程，提升了搜索效率。

Description

一种搜索方法、装置及存储介质
技术领域
本发明涉及数据处理领域，具体涉及一种搜索方法、装置及存储介质。
背景技术
个性化搜索是指基于用户之前的搜索记录为其定制搜索结果。通过个性化搜索可以根据用户的历史搜索记录、历史浏览情况、点击情况或交互行为，为用户的下一次搜索行为提供搜索结果。在这个过程中，采用传统的个性化搜索方法，
需要手动提取适合个性化搜索行为的特征，但是针对不同领域的搜索行为特征的提取需要花费大量的时间，并且需要大量的相关领域的经验，这使得在获取搜索结果时需要耗费大量的时间成本和运算成本，亟待发现一种优化方法以便更高效地进行个性化搜索。
发明内容
本发明实施例提供一种搜索方法、装置及存储介质，能够通过将当前搜索关键字输入目标模型中，获得当前搜索特征，然后对搜索特征进行分类排序，确定搜索结果，这个过程中避免了手动获取搜索特征的过程，简化了搜索过程，提升了搜索效率。
本发明实施例的第一方面提供了一种搜索方法，所述方法包括：
将样本数据集结合卷积神经网络进行训练，获得目标模型，所述样本数据集根据当前搜索用户的历史搜索记录获取；
获取当前搜索关键字，将所述当前搜索关键字输入所述目标模型中，得到多个当前搜索特征；
将所述多个当前搜索特征采用二类分类算法进行分类排序，并根据所述多个当前搜索特征的排序确定所述当前搜索关键字对应的当前搜索结果。
本发明实施例的第二方面提供了一种搜索装置，所述搜索装置包括：
训练单元，用于将样本数据集结合卷积神经网络进行训练，获得目标模型，，所述样本数据集根据当前搜索用户的历史搜索记录获取；
获取单元，用于获取当前搜索关键字，将所述当前搜索关键字输入所述目标模型中，得到多个当前搜索特征；
搜索单元，用于将所述多个当前搜索特征采用二类分类算法进行分类排序，并根据所述多个当前搜索特征的排序确定所述当前搜索关键字对应的当前搜索结果。
本发明实施例第三方面提供了一种电子装置，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行第一方面任一方法中的步骤的指令。
本发明实施例第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其中，所述计算机程序被处理器执行以实现第一方面任一方法所述的步骤的指令。
本申请实施例中提供的搜索方法和装置，首先将样本数据集结合卷积神经网络进行训练，获得目标模型；然后获取当前搜索关键字，将搜索方法当前搜索关键字输入搜索方法目标模型中，得到多个当前搜索特征；最后将搜索方法多个当前搜索特征采用二类分类算法进行分类排序，并根据搜索方法多个当前搜索特征的排序确定搜索方法当前搜索关键字对应的当前搜索结果。因为搜索方法样本数据集根据当前搜索用户的历史搜索记录获取的，因此目标模型是当前搜索用户对应的个性化目标模型，将当前搜索关键字输入目标模型后，可以自动提取出多个当前搜索特征而不需要人工参与，简化了特征获取的步骤，提升了特征获取的效率，最后将多个当前搜索特征进行分类排序获得当前搜索结果，提升了搜索效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1A为本发明实施例提供的一种搜索方法流程示意图；
图1B本申请实施例提供的一种卷积神经网络结构示意图；
图2为本发明实施例提供的另一种搜索方法的流程示意图；
图3为本发明实施例提供的另一种搜索方法的流程示意图；
图4为本发明实施例提供的另一种搜索方法的流程示意图；
图5为本发明实施例提供的一种电子装置的结构示意图；
图6为本发明实施例提供的一种搜索装置的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置展示该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
下面对本发明实施例进行详细介绍。
请参阅图1A，图1A为本发明实施例中一种搜索方法流程示意图，如图1A所示，所述搜索方法包括：
101、将样本数据集结合卷积神经网络进行训练，获得目标模型，所述样本数据集根据当前搜索用户的历史搜索记录获取。
用户在进行搜索的过程中，将产生一系列的历史搜索记录，包括用户在搜索界面输入的搜索关键字，根据搜索关键字获得的搜索结果，用户点击搜索页面的概率、次数，用户点击链接的路线，在每个页面停留的时间，在页面是否进行消费、评论等互动行为等。收集这些历史搜索记录，然后进行预处理或向量化，即可作为样本数据集，用于进行卷积神经网络运算，训练出目标模型，用于进行后续的搜索任务。
请参阅图1B，图1B为本申请实施例提供的一种卷积神经网络的结构示意图，卷积神经网络的训练过程中，采用反向传播算法和随机梯度下降方法，根据前向传播的loss值的大小，来进行反向传播迭代更新每一层的权重，直到模型的loss值趋向于收敛时，停止训练模型，得到深度学习模型。如图1B所示，卷积神经网络中包括卷积层、池化层和全连接层，经过不同层对样本数据集的训练，获得卷积神经网络中的参数，得出目标模型，即为样本数据集对应的目标模型。样本数据集为用户历史搜索记录，将历史输入关键字作为输入值，将历史搜索结果作为输出值，对历史搜索行为结合卷积神经网络进行特征提取，进而训练出历史搜索记录对应的目标模型。
可选的，在将样本数据集结合卷积神经网络进行训练之前，所述方法还包括：根据当前搜索用户的历史搜索记录采集样本数据，历史搜索记录包括历史输入关键字，历史搜索行为，历史搜索结果；对样本数据进行预处理，得到清洁样本数据；对清洁样本数据进行向量化，得到文本向量数据，文本向量数据组成样本数据集。
具体地，用户的历史搜索记录是多种多样的，包括搜索关键字，搜索行为，搜索结果等，这些数据的种类繁多，并不能直接用于进行目标模型的训练。因此首先要对这些数据进行标准化。标准化的方法包括预处理和向量化，其中，因为搜索过程中涉及的都是网页，而网页中包括大量文本内容，因此涉及文本的预处理和向量化。文本的预处理方法包括分词，取出停用词，过滤低频词，编码归一化等；文本向量化即使用向量空间模型VSM或者概率统计模型对文本进行表示，使计算机能够理解计算，用的方法基于集合论模型、基于代数轮模型、基于频率统计模型等等。此外，除了对网页的标准化，还包括对搜索行为的标准化，例如根据用户点击搜索页面的概率、次数，确定网页的搜索有效性，根据用户在搜索页面停留的时间，在页面是否进行消费、评论等互动行为，确定用户对网页的满意度等。
可选的，对清洁样本数据进行向量化，得到文本向量数据，包括：获取清洁样本数据对应的样本文本；对样本文本采用文本加权技术进行加权统计，获得样本文本评分；将样本文本评分作为文本向量数据。
具体地，清洁样本数据表示进行预处理后去除无效数据的样本数据。假设样本数据为网页，其中无效数据包括无效浏览网页，网页中的无效文本等。在用户的历史搜索记录中，可能输入一个搜索关键字，但是在这个过程中进行了多次点击链接，那么就涉及到很多网页，对这些网页进行向量化，然后提取特征，并根据提取的特征进行排序，在用户下次进行搜索的时候，可以直接根据特征的排序将排序靠前的特征对应的网页设定为用户输入关键字的搜索结果，可以提升用户的搜索效率。
在这个过程中，假设清洁样本数据为网页，一个网页对应一个样本文本，对网页进行向量化的方法包括对样本文本的向量化，可以通过文本挖掘的方法来实现。TF-IDF(termfrequency–inverse document frequency)是一种用于信息检索与数据挖掘的常用加权技术。TF意思是词频(Term Frequency)，IDF意思是逆文本频率指数(Inverse DocumentFrequency)。其中，词频表示词语在样本文本中出现的频率，记为
其中ni,j表示文档j中第i个词语A出现的次数，nk,j表示文档j中第k个词语出现的次数。逆文本频率指数是指一个词语普遍重要性的度量。记为：
其中|D|表示输入搜索关键字后用户浏览的所有网页个数，|{j:ti∈dj}|表示输入搜索关键字后用户浏览的所有网页中，包含词语A的文档个数。
样本文本评分为TF-IDF值，记做:
R1＝TF*IDF (1)
最后将样本文本评分作为清洁样本数据对应的文本向量数据，完成清洁样本数据的向量化。
可选的，对清洁样本数据进行向量化，得到文本向量数据，包括：获取清洁样本数据对应网页的链接关系，链接关系包括链接对象或链接数量；采用网页排名算法计算清洁样本数据对应网页的排名值；将排名值作为文本向量数据。
具体地，用户在输入搜索关键字后，搜索引擎会给出搜索结果，用户根据搜索结果进行点击，然后进行链接点击，在这个过程中，用户点击的每个网页的重要程度不同，即用户点击的每个网页，引用该网页的网页数量和和引用该网页的网页重要程度不同，因此造成每个网页的重要程度也不同。可以对网页进行排名，然后根据排名值对网页文本进行向量化。网页排名算法为PageRank算法，根据该算法得到的网页向量值为排名值，即PageRank值。一个网页的PageRank值计算公式如下：
其中PR(pi)表示网页pi的PageRank值，Mpi是所有对网页pi有出链的网页集合，L(pj)是网页pj的出链数目，N是网页总数，a是阻尼系数。
另外，可选的，对所述清洁样本数据进行向量化，得到文本向量数据还包括：根据用户点击网页的相关数据，确定网页的有效性，相关数据包括点击概率和停留时长；将搜索有效性采用二值法进行表示；将二值法表示结果作为文本的向量数据。
可选的，对所述清洁样本数据进行向量化，得到文本向量数据还包括：根据用户在搜索页面的操作数据，确定页面满意度，操作数据包括页面点击次数，页面评论或页面付费。
具体地，用户点击网页的相关数据包括页面点击概率和停留时长，点击概率可以根据页面显示次数和用户点击次数进行确定，例如P＝m/k*100％，其中k表示页面显示次数，m表示用户点击次数，设置第一概率阈值p1，将p与p1的大小对比结果进行二值化，当p<p1时，y1＝0，当p≥p1时，y1＝1。用户点击了页面后，如果在页面停留时间过短，则可能是刷机操作，因此要确保用户在页面的停留时间达到一定的时长。设置第一时长阈值为t1，用户在页面停留的时长为t，当t<t1时，y2＝0,当t≥t1时，y2＝1。页面B对应的文本的向量数据R2＝y1&y2，即只有当y1和y2同时为1时，文本的向量数据为1。
用户在搜索页面的操作数据包括页面点击次数，页面评论或页面付费。页面点击次数为s1，页面评论数为s2，页面付费次数为s3，然后对这三个参数赋予对应的权值α，β，γ，并进行加权求和，可获得R3＝α*s1+β*s2+γ*s3，R3即为页面满意度。其中因为付费的可能性最低，其次评论，再次点击，因此权值γ>β>α，或者可以直接设置为γ＝10β＝100α。
根据上述实施例中确定的文本向量数据，可以直接根据上述每一个文本向量数据结合卷积神经网络进行模型训练，也可以结合上述所有文本向量数据进行模型训练。上述所有文本向量数据可以组成一个文本向量，如表1所示：
表1网页对应的文本向量表
将上述文本向量结合卷积神经网络进行训练，确定模型中的各个参数，即可获得目标模型。
可见，在本申请实施例中，通过对用户历史搜索记录进行向量化，获得网页对应的文本向量，然后将本文向量作为样本数据集结合卷积神经网络进行训练，获得目标模型，使得模型训练过程数值化，提升了模型训练的效率和可靠性。
102、获取当前搜索关键字，将所述当前搜索关键字输入所述目标模型中，得到多个当前搜索特征。
在目标模型训练的过程中，将样本数据集进行卷积神经网络时，卷积层需要进行特征提取，对于文本数据，提取的特征即为各类表现文本内容的数值，以及数值之间的关联关系，数值权重等。对于输入的每一个样本数据，都可以获得其对应的特征，而对于输入的当前搜索关键字，在与样本数据集对应的历史输入关键字进行匹配后，可以获得样本数据集对应的特征作为当前搜索关键字的特征。
可选的，将当前搜索关键字输入目标模型中，得到多个当前搜索特征，包括：将当前搜索关键字进行语义分析，得到至少一个目标分词；将多个目标分词输入目标模型，进行一次或多次卷积运算；获取最后一次卷积运算的特征作为多个目标分词对应的多个当前搜索特征。
具体地，用户输入的当前搜索关键字可能是一个长句，历史输入关键字可能不包括能够与该长句直接匹配的内容，因此要对长句进行语义分析，然后将长句拆分为多个目标分词。将多个目标分词一次输入目标模型，即可匹配到历史输入关键字对应的文本，亦即可获得历史输入关键字对应的文本特征，获取所有目标分词对应的文本特征，即为当前搜索关键字对应的文本特征。其中，目标模型中可能包括多个卷积层，每个卷积层对应一次卷积运算，最后一个卷积层进行的最后一次卷积运算得到的文本特征最高级，因此作为最后的当前搜索特征。
103、将所述多个当前搜索特征采用二类分类算法进行分类排序，并根据所述多个当前搜索特征的排序确定所述当前搜索关键字对应的当前搜索结果。
获得当前搜索关键字对应的当前搜索特征后，对多个搜索特征进行分类排序，即可确定搜索特征对应的搜索结果的排序，进而获得当前搜索关键字对应的搜索结果推荐顺序。
可选的，二类分类算法为支持向量机SVM算法，将多个当前搜索特征采用二类分类算法进行分类排序，包括：将多个当前搜索特征中的每两个当前搜索特征进行成对组合，获得多个特征组；对多个特征组中的每个特征组采用SVM算法进行评分排序，确定每个特征组中的两个当前搜索特征的相对大小；根据每个特征组中的两个当前搜索特征的相对大小确定多个当前搜索特征的排序。
具体地，采用二分类算法，可以将多个当前搜索特征进行两两组合，获得多个特征组，假设一个特征组中的两个当前搜索特征分别为dj和di，当dj>di时，为其赋值为1，否者为其赋值为-1，那么对多个当前搜索特征的排序问题转化为分类问题。支持向量机(Support Vector Machine,SVM)广泛用于二元分类问题，可以完成每个特征组的大小对比，进而完成所有当前搜索特征的大小排序问题。
确定所有当前搜索特征的大小排序后，选择排序最前的TOP-K作为目标特征，然后获取目标特征对应的输出值，即历史搜索结果，作为当前搜索关键字对应的搜索结果推荐。其中TOP-K中的K可以是1，也可以是其他正整数，即搜索结果可以是一个搜索结果，也可以是多个搜索结果。
可见，在本申请实施例中，首先将样本数据集结合卷积神经网络进行训练，获得目标模型；然后获取当前搜索关键字，将搜索方法当前搜索关键字输入搜索方法目标模型中，得到多个当前搜索特征；最后将搜索方法多个当前搜索特征采用二类分类算法进行分类排序，并根据搜索方法多个当前搜索特征的排序确定搜索方法当前搜索关键字对应的当前搜索结果。因为搜索方法样本数据集根据当前搜索用户的历史搜索记录获取的，因此目标模型是当前搜索用户对应的个性化目标模型，将当前搜索关键字输入目标模型后，可以自动提取出多个当前搜索特征而不需要人工参与，简化了特征获取的步骤，提升了特征获取的效率，最后将多个当前搜索特征进行分类排序获得当前搜索结果，提升了搜索效率。
请参阅图2，图2是本发明实施例提供的另一种搜索方法的流程示意图，如图2所示，本实施例中的搜索方法包括：
201、根据当前搜索用户的历史搜索记录采集样本数据，所述历史搜索记录包括历史输入关键字，历史搜索行为，历史搜索结果；
202、对所述样本数据进行预处理，得到清洁样本数据；
203、获取所述清洁样本数据对应的样本文本,并对所述样本文本采用文本加权技术进行加权统计，获得样本文本评分；
204、将所述样本文本评分作为所述清洁样本数据的文本向量数据，所述文本向量数据组成所述样本数据集；
205、将样本数据集结合卷积神经网络进行训练，获得目标模型，所述样本数据集根据当前搜索用户的历史搜索记录获取；
206、获取当前搜索关键字，将所述当前搜索关键字输入所述目标模型中，得到多个当前搜索特征；
207、将所述多个当前搜索特征采用二类分类算法进行分类排序，并根据所述多个当前搜索特征的排序确定所述当前搜索关键字对应的当前搜索结果。
其中，上述步骤201-步骤207的具体描述可以参照图1A所描述的搜索方法的相应描述，在此不再赘述。
在本申请实施例中，通过获取当前搜索用户的历史搜索记录，对历史搜索记录进行预处理，并通过TF-IDF方法对历史搜索记录中的网页文本进行加权统计，获得网页文本对应的文本向量数据，再将文本向量数据作为样本数据集进行卷积神经网络训练，获得目标模型并进行搜索推荐，这个过程中，通过TF-IDF方法对网页文本进行向量化，通过词频统计确定网页文本的重要性，提升了目标模型构建的针对性和可靠性。
请参阅图3，图3是本发明实施例提供的另一种搜索方法的流程示意图，如图3所示，本实施例中的搜索方法包括：
301、根据当前搜索用户的历史搜索记录采集样本数据，所述历史搜索记录包括历史输入关键字，历史搜索行为，历史搜索结果；
302、获取所述清洁样本数据对应网页的链接关系，所述链接关系包括链接对象或链接数量；
303、采用网页排名算法计算所述清洁样本数据对应网页的排名值；
304、将所述排名值作为所述文本向量数据，所述文本向量数据组成所述样本数据集；
305、将样本数据集结合卷积神经网络进行训练，获得目标模型，所述样本数据集根据当前搜索用户的历史搜索记录获取；
306、获取当前搜索关键字，将所述当前搜索关键字输入所述目标模型中，得到多个当前搜索特征；
307、将所述多个当前搜索特征采用二类分类算法进行分类排序，并根据所述多个当前搜索特征的排序确定所述当前搜索关键字对应的当前搜索结果。
其中，上述步骤301-步骤307的具体描述可以参照图1A所描述的搜索方法的相应描述，在此不再赘述。
在本申请实施例中，通过获取当前搜索用户的历史搜索记录，对历史搜索记录进行预处理，并通过PageRank算法对历史搜索记录中的网页文本重要程度评分，获得网页文本对应的文本向量数据，再将文本向量数据作为样本数据集进行卷积神经网络训练，获得目标模型并进行搜索推荐，这个过程中，通过PageRank算法对网页文本进行向量化，通过网页链接关系确定网页文本的重要性，提升了目标模型构建的针对性和可靠性。
请参阅图4，图4是本发明实施例提供的另一种搜索方法的流程示意图，如图4所示，本实施例中的搜索方法包括：
401、将样本数据集结合卷积神经网络进行训练，获得目标模型，所述样本数据集根据当前搜索用户的历史搜索记录获取；
402、将所述当前搜索关键字进行语义分析，得到至少一个目标分词；
403、将所述多个目标分词输入所述目标模型，进行一次或多次卷积运算；
404、获取最后一次卷积运算的特征作为所述多个目标分词对应的多个当前搜索特征；
405、将所述多个当前搜索特征中的每两个当前搜索特征进行成对组合，获得多个特征组；
406、对所述多个特征组中的每个特征组采用SVM算法进行评分排序，确定所述每个特征组中的两个当前搜索特征的相对大小；
407、根据所述每个特征组中的两个当前搜索特征的相对大小确定所述多个当前搜索特征的排序，并根据所述多个当前搜索特征的排序确定所述当前搜索关键字对应的当前搜索结果。
其中，上述步骤401-步骤407的具体描述可以参照图1A所描述的搜索方法的相应描述，在此不再赘述。
在本申请实施例中，在训练获得目标模型后，将当前搜索关键字输入目标模型中进行特征提取，在将当前搜索关键字输入目标模型之前，将其进行语义分析并拆分得到至少一个目标分词，然后将目标分词依次输入目标模型，得到与构建目标模型的历史输入关键字对应的特征作为当前搜索关键字对应的当前搜索特征，对当前搜索特征采用SVM算法进行评分排序，进而获得搜索推荐结果。这个过程中，对当前搜索关键字进行拆分并依次获得对应的历史输入关键字的特征组成当前搜索特征，提升了当前搜索特征提取的准确性，采用SVM算法对当前搜索特征进行评分排序进而获得推荐结果，简化了人工获取特征的步骤，提升了获得搜索推荐结果的效率，进而提升了搜索效率。
图5是本发明实施例提供的一种电子装置的结构示意图，如图5所示，该电子装置包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行以下步骤的指令：
将样本数据集结合卷积神经网络进行训练，获得目标模型，所述样本数据集根据当前搜索用户的历史搜索记录获取；
获取当前搜索关键字，将所述当前搜索关键字输入所述目标模型中，得到多个当前搜索特征；
将所述多个当前搜索特征采用二类分类算法进行分类排序，并根据所述多个当前搜索特征的排序确定所述当前搜索关键字对应的当前搜索结果。
可以看出，在本申请实施例中，电子装置首先将样本数据集结合卷积神经网络进行训练，获得目标模型；然后获取当前搜索关键字，将搜索方法当前搜索关键字输入搜索方法目标模型中，得到多个当前搜索特征；最后将搜索方法多个当前搜索特征采用二类分类算法进行分类排序，并根据搜索方法多个当前搜索特征的排序确定搜索方法当前搜索关键字对应的当前搜索结果。因为搜索方法样本数据集根据当前搜索用户的历史搜索记录获取的，因此目标模型是当前搜索用户对应的个性化目标模型，将当前搜索关键字输入目标模型后，可以自动提取出多个当前搜索特征而不需要人工参与，简化了特征获取的步骤，提升了特征获取的效率，最后将多个当前搜索特征进行分类排序获得当前搜索结果，提升了搜索效率。
在一个可能的示例中，所述将所述当前搜索关键字输入所述目标模型中，得到多个当前搜索特征，包括：
将所述当前搜索关键字进行语义分析，得到至少一个多个目标分词；
将所述多个目标分词输入所述目标模型，进行一次或多次卷积运算；
获取最后一次卷积运算的特征作为所述多个目标分词对应的多个当前搜索特征。
在一个可能的示例中，所述二类分类算法为支持向量机SVM算法，所述将所述多个当前搜索特征采用二类分类算法进行分类排序，包括：
将所述多个当前搜索特征中的每两个当前搜索特征进行成对组合，获得多个特征组；
对所述多个特征组中的每个特征组采用SVM算法进行评分排序，确定所述每个特征组中的两个当前搜索特征的相对大小；
根据所述每个特征组中的两个当前搜索特征的相对大小确定所述多个当前搜索特征的排序。
在一个可能的示例中，在将样本数据集结合卷积神经网络进行训练之前，所述方法还包括：
根据当前搜索用户的历史搜索记录采集样本数据，所述历史搜索记录包括历史输入关键字，历史搜索行为，历史搜索结果；
对所述样本数据进行预处理，得到清洁样本数据；
对所述清洁样本数据进行向量化，得到文本向量数据，所述文本向量数据组成所述样本数据集。
在一个可能的示例中，所述对所述清洁样本数据进行向量化，得到文本向量数据，包括：
获取所述清洁样本数据对应的样本文本；
对所述样本文本进行TF-IDF加权统计，获得样本文本评分；
将所述样本文本评分作为所述清洁样本数据的文本向量数据。
在一个可能的示例中，所述对所述清洁样本数据进行向量化，得到文本向量数据，包括：
获取所述清洁样本数据对应网页的链接关系，所述链接关系包括链接对象或链接数量；
采用PageRank算法计算所述清洁样本数据对应网页的PageRank值；
将所述PageRank值作为所述文本向量数据。
图6是本发明实施例中所涉及的搜索装置600的功能单元组成框图。该搜索装置600应用于业务系统，业务系统包括服务器和客户端，所述搜索装置包括：
训练单元601，用于将样本数据集结合卷积神经网络进行训练，获得目标模型，所述样本数据集根据当前搜索用户的历史搜索记录获取；
获取单元602，用于获取当前搜索关键字，将所述当前搜索关键字输入所述目标模型中，得到多个当前搜索特征；
搜索单元603，用于将所述多个当前搜索特征采用二类分类算法进行分类排序，并根据所述多个当前搜索特征的排序确定所述当前搜索关键字对应的当前搜索结果。
在此需要说明的是，上述训练单元601、获取单元602和搜索单元603的具体工作过程参见上述步骤101-103的相关描述。在此不再赘述。
可以看出，本申请实施例中，搜索装置首先将样本数据集结合卷积神经网络进行训练，获得目标模型；然后获取当前搜索关键字，将搜索方法当前搜索关键字输入搜索方法目标模型中，得到多个当前搜索特征；最后将搜索方法多个当前搜索特征采用二类分类算法进行分类排序，并根据搜索方法多个当前搜索特征的排序确定搜索方法当前搜索关键字对应的当前搜索结果。因为搜索方法样本数据集根据当前搜索用户的历史搜索记录获取的，因此目标模型是当前搜索用户对应的个性化目标模型，将当前搜索关键字输入目标模型后，可以自动提取出多个当前搜索特征而不需要人工参与，简化了特征获取的步骤，提升了特征获取的效率，最后将多个当前搜索特征进行分类排序获得当前搜索结果，提升了搜索效率。
在可选情况下，所述获取单元602具体用于：
将所述当前搜索关键字进行语义分析，得到至少一个多个目标分词；
将所述多个目标分词输入所述目标模型，进行一次或多次卷积运算；
获取最后一次卷积运算的特征作为所述多个目标分词对应的多个当前搜索特征。
在可选情况下，所述二类分类算法为支持向量机SVM算法，所述搜索单元603具体用于：
将所述多个当前搜索特征中的每两个当前搜索特征进行成对组合，获得多个特征组；
对所述多个特征组中的每个特征组采用SVM算法进行评分排序，确定所述每个特征组中的两个当前搜索特征的相对大小；
根据所述每个特征组中的两个当前搜索特征的相对大小确定所述多个当前搜索特征的排序。
在可选情况下，所述搜索装置还包括数据处理单元604，具体用于：
根据当前搜索用户的历史搜索记录采集样本数据，所述历史搜索记录包括历史输入关键字，历史搜索行为，历史搜索结果；
对所述样本数据进行预处理，得到清洁样本数据；
对所述清洁样本数据进行向量化，得到文本向量数据，所述文本向量数据组成所述样本数据集。
在可选情况下，所述数据处理单元604还具体用于：
获取所述清洁样本数据对应的样本文本；
对所述样本文本进行TF-IDF加权统计，获得样本文本评分；
将所述样本文本评分作为所述清洁样本数据的文本向量数据。
在可选情况下，所述数据处理单元604还具体用于：
获取所述清洁样本数据对应网页的链接关系，所述链接关系包括链接对象或链接数量；
采用PageRank算法计算所述清洁样本数据对应网页的PageRank值；
将所述PageRank值作为所述文本向量数据。
本发明实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤，上述计算机包括移动终端。
本发明实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括移动终端。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，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，例如多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，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
上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，或者也可以分布到多个网络单元上。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。
另外，在本申请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。
上述集成的单元若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器中。基于这样的理解，本申请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器中，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)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、ROM、RAM、磁盘或光盘等。
以上对本发明实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种搜索方法，其特征在于，所述方法包括：
将搜索用户的样本数据集结合卷积神经网络进行训练，获得目标模型，所述样本数据集根据所述搜索用户的历史搜索记录获取；
获取当前搜索关键字，将所述当前搜索关键字输入所述目标模型中，得到多个当前搜索特征；
将所述多个当前搜索特征采用二类分类算法进行分类排序，并根据所述多个当前搜索特征的排序确定所述当前搜索关键字对应的当前搜索结果。
2.根据权利要求1所述的方法，其特征在于，所述将所述当前搜索关键字输入所述目标模型中，得到多个当前搜索特征，包括：
将所述当前搜索关键字进行语义分析，得到至少一个目标分词；
将所述多个目标分词输入所述目标模型，进行一次或多次卷积运算；
获取最后一次卷积运算的特征作为所述多个目标分词对应的多个当前搜索特征。
3.根据权利要求2所述的方法，其特征在于，所述二类分类算法为支持向量机SVM算法，所述将所述多个当前搜索特征采用二类分类算法进行分类排序，包括：
将所述多个当前搜索特征中的每两个当前搜索特征进行成对组合，获得多个特征组；
对所述多个特征组中的每个特征组采用SVM算法进行评分排序，确定所述每个特征组中的两个当前搜索特征的相对大小；
根据所述每个特征组中的两个当前搜索特征的相对大小确定所述多个当前搜索特征的排序。
4.根据权利要求1所述的方法，其特征在于，在将样本数据集结合卷积神经网络进行训练之前，所述方法还包括：
根据当前搜索用户的历史搜索记录采集样本数据，所述历史搜索记录包括历史输入关键字，历史搜索行为，历史搜索结果；
对所述样本数据进行预处理，得到清洁样本数据；
对所述清洁样本数据进行向量化，得到文本向量数据，所述文本向量数据组成所述样本数据集。
5.根据权利要求4所述的方法，其特征在于，所述对所述清洁样本数据进行向量化，得到文本向量数据，包括：
获取所述清洁样本数据对应的样本文本；
对所述样本文本采用文本加权技术进行加权统计，获得样本文本评分；
将所述样本文本评分作为所述清洁样本数据的文本向量数据。
6.根据权利要求4或5所述的方法，其特征在于，所述对所述清洁样本数据进行向量化，得到文本向量数据，包括：
获取所述清洁样本数据对应网页的链接关系，所述链接关系包括链接对象或链接数量；
采用网页排名算法计算所述清洁样本数据对应网页的排名值；
将所述排名值作为所述文本向量数据。
7.一种搜索装置，其特征在于，所述搜索装置包括：
训练单元，用于将样本数据集结合卷积神经网络进行训练，获得目标模型，所述样本数据集根据当前搜索用户的历史搜索记录获取；
获取单元，用于获取当前搜索关键字，将所述当前搜索关键字输入所述目标模型中，得到多个当前搜索特征；
搜索单元，用于将所述多个当前搜索特征采用二类分类算法进行分类排序，并根据所述多个当前搜索特征的排序确定所述当前搜索关键字对应的当前搜索结果。
8.根据权利要求7所述的装置，其特征在于，所述获取单元具体用于：
将所述当前搜索关键字进行语义分析，得到至少一个目标分词；
将所述多个目标分词输入所述目标模型，进行一次或多次卷积运算；
获取最后一次卷积运算的特征作为所述多个目标分词对应的多个当前搜索特征。
9.一种电子装置，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行权利要求1-6任意方法中的步骤的指令。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现权利要求1-6任意一项所述的方法。
CN201910421974.XA 2019-05-21 2019-05-21 一种搜索方法、装置及存储介质 Pending CN110222260A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910421974.XA CN110222260A (zh) 2019-05-21 2019-05-21 一种搜索方法、装置及存储介质
PCT/CN2020/086677 WO2020233344A1 (zh) 2019-05-21 2020-04-24 一种搜索方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910421974.XA CN110222260A (zh) 2019-05-21 2019-05-21 一种搜索方法、装置及存储介质

Publications (1)

Publication Number Publication Date
CN110222260A true CN110222260A (zh) 2019-09-10

Family

ID=67821526

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910421974.XA Pending CN110222260A (zh) 2019-05-21 2019-05-21 一种搜索方法、装置及存储介质

Country Status (2)

Country Link
CN (1) CN110222260A (zh)
WO (1) WO2020233344A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111143695A (zh) * 2019-12-31 2020-05-12 腾讯科技（深圳）有限公司 一种搜索方法、装置、服务器及存储介质
CN111460264A (zh) * 2020-03-30 2020-07-28 口口相传(北京)网络技术有限公司 语义相似度匹配模型的训练方法及装置
WO2020233344A1 (zh) * 2019-05-21 2020-11-26 深圳壹账通智能科技有限公司 一种搜索方法、装置及存储介质
CN112733531A (zh) * 2020-12-15 2021-04-30 平安银行股份有限公司 虚拟资源分配方法、装置、电子设备及计算机存储介质
CN112989232A (zh) * 2019-12-17 2021-06-18 北京搜狗科技发展有限公司 一种搜索结果排序方法及装置
CN116431930A (zh) * 2023-06-13 2023-07-14 天津联创科技发展有限公司 科技成果转化数据查询方法、系统、终端及存储介质

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115002897B (zh) * 2021-03-02 2024-12-24 大唐移动通信设备有限公司 终端定位方法、装置、设备及存储介质
CN113343082B (zh) * 2021-05-25 2024-07-02 北京字节跳动网络技术有限公司 可热字段预测模型生成方法、装置、存储介质及设备
CN113849744A (zh) * 2021-10-15 2021-12-28 上海大参林医疗健康科技有限公司 一种匿名推荐装置和方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101930438A (zh) * 2009-06-19 2010-12-29 阿里巴巴集团控股有限公司 一种搜索结果生成方法及信息搜索系统
CN106649760A (zh) * 2016-12-27 2017-05-10 北京百度网讯科技有限公司 基于深度问答的提问型搜索词搜索方法及装置
CN108121814A (zh) * 2017-12-28 2018-06-05 北京百度网讯科技有限公司 搜索结果排序模型生成方法和装置
CN108536678A (zh) * 2018-04-12 2018-09-14 腾讯科技（深圳）有限公司 文本关键信息提取方法、装置、计算机设备和存储介质
CN108804443A (zh) * 2017-04-27 2018-11-13 安徽富驰信息技术有限公司 一种基于多特征融合的司法类案搜索方法
US20190057159A1 (en) * 2017-08-15 2019-02-21 Beijing Baidu Netcom Science And Technology Co., Ltd. Method, apparatus, server, and storage medium for recalling for search

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102737090B (zh) * 2012-03-21 2014-12-03 袁行远 网页搜索结果排序方法及装置
CN108460389B (zh) * 2017-02-20 2021-12-03 阿里巴巴集团控股有限公司 一种识别图像中对象的类型预测方法、装置及电子设备
CN107066553B (zh) * 2017-03-24 2021-01-01 北京工业大学 一种基于卷积神经网络与随机森林的短文本分类方法
CN109543190B (zh) * 2018-11-29 2023-06-16 北京羽扇智信息科技有限公司 一种意图识别方法、装置、设备及存储介质
CN110222260A (zh) * 2019-05-21 2019-09-10 深圳壹账通智能科技有限公司 一种搜索方法、装置及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101930438A (zh) * 2009-06-19 2010-12-29 阿里巴巴集团控股有限公司 一种搜索结果生成方法及信息搜索系统
CN106649760A (zh) * 2016-12-27 2017-05-10 北京百度网讯科技有限公司 基于深度问答的提问型搜索词搜索方法及装置
CN108804443A (zh) * 2017-04-27 2018-11-13 安徽富驰信息技术有限公司 一种基于多特征融合的司法类案搜索方法
US20190057159A1 (en) * 2017-08-15 2019-02-21 Beijing Baidu Netcom Science And Technology Co., Ltd. Method, apparatus, server, and storage medium for recalling for search
CN108121814A (zh) * 2017-12-28 2018-06-05 北京百度网讯科技有限公司 搜索结果排序模型生成方法和装置
CN108536678A (zh) * 2018-04-12 2018-09-14 腾讯科技（深圳）有限公司 文本关键信息提取方法、装置、计算机设备和存储介质

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020233344A1 (zh) * 2019-05-21 2020-11-26 深圳壹账通智能科技有限公司 一种搜索方法、装置及存储介质
CN112989232A (zh) * 2019-12-17 2021-06-18 北京搜狗科技发展有限公司 一种搜索结果排序方法及装置
CN111143695A (zh) * 2019-12-31 2020-05-12 腾讯科技（深圳）有限公司 一种搜索方法、装置、服务器及存储介质
CN111143695B (zh) * 2019-12-31 2024-09-20 腾讯科技（深圳）有限公司 一种搜索方法、装置、服务器及存储介质
CN111460264A (zh) * 2020-03-30 2020-07-28 口口相传(北京)网络技术有限公司 语义相似度匹配模型的训练方法及装置
CN112733531A (zh) * 2020-12-15 2021-04-30 平安银行股份有限公司 虚拟资源分配方法、装置、电子设备及计算机存储介质
CN112733531B (zh) * 2020-12-15 2023-08-18 平安银行股份有限公司 虚拟资源分配方法、装置、电子设备及计算机存储介质
CN116431930A (zh) * 2023-06-13 2023-07-14 天津联创科技发展有限公司 科技成果转化数据查询方法、系统、终端及存储介质

Also Published As

Publication number Publication date
WO2020233344A1 (zh) 2020-11-26

Similar Documents

Publication Publication Date Title
CN110222260A (zh) 一种搜索方法、装置及存储介质
CN112131350B (zh) 文本标签确定方法、装置、终端及可读存储介质
CN103440329B (zh) 权威作者和高质量论文推荐系统和推荐方法
CN110390052B (zh) 搜索推荐方法、ctr预估模型的训练方法、装置及设备
CN110032632A (zh) 基于文本相似度的智能客服问答方法、装置及存储介质
CN110532451A (zh) 针对政策文本的检索方法和装置、存储介质、电子装置
CN101944099B (zh) 一种使用本体进行文本文档自动分类的方法
CN108345702A (zh) 实体推荐方法和装置
CN109062994A (zh) 推荐方法、装置、计算机设备和存储介质
CN108363790A (zh) 用于对评论进行评估的方法、装置、设备和存储介质
CN108073568A (zh) 关键词提取方法和装置
US20100235343A1 (en) Predicting Interestingness of Questions in Community Question Answering
CN106815297A (zh) 一种学术资源推荐服务系统与方法
CN106156372B (zh) 一种互联网网站的分类方法及装置
CN103605665A (zh) 一种基于关键词的评审专家智能检索与推荐方法
EP2842060A1 (en) Recommending keywords
CN102855282B (zh) 一种文档推荐方法及装置
EP2307951A1 (en) Method and apparatus for relating datasets by using semantic vectors and keyword analyses
US20160154798A1 (en) Method of automatically constructing content for web sites
CN109325146A (zh) 一种视频推荐方法、装置、存储介质和服务器
CN109255012A (zh) 一种机器阅读理解的实现方法以及装置
CN106815265A (zh) 裁判文书的搜索方法及装置
Basnet et al. Improving Nepali news recommendation using classification based on LSTM recurrent neural networks
Dehru et al. Text summarization techniques and applications
CN112800226A (zh) 用于获取文本分类模型的方法、用于文本分类的方法、装置及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190910

WD01 Invention patent application deemed withdrawn after publication