CN107480162B - 基于人工智能的搜索方法、装置、设备及计算机可读存储介质 - Google Patents
基于人工智能的搜索方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN107480162B CN107480162B CN201710452050.7A CN201710452050A CN107480162B CN 107480162 B CN107480162 B CN 107480162B CN 201710452050 A CN201710452050 A CN 201710452050A CN 107480162 B CN107480162 B CN 107480162B
- Authority
- CN
- China
- Prior art keywords
- search
- requirement
- user
- type
- requirement type
- 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.)
- Active
Links
Images
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
- G06F16/903—Querying
- G06F16/9032—Query formulation
- G06F16/90324—Query formulation using system suggestions
-
- 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
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种基于人工智能的搜索方法、装置、设备及计算机可读存储介质。本发明实施例通过根据用户所提供的搜索关键词,获得搜索需求类型,进而根据所述搜索关键词和所述搜索需求类型的搜索模式,获得需求关键词,使得能够根据所述需求关键词,获得搜索结果,并输出所述搜索结果,由于不再完全依赖用户所提供的搜索关键词执行搜索操作,而是结合根据搜索关键词所属搜索需求类型所获得的需求关键词,执行搜索操作,使得搜索结果基本满足用户的真正意图,因此,能够避免现有技术中由于用户通过应用反复进行搜索而导致的增加应用与搜索引擎之间的数据交互的问题,从而降低了搜索引擎的处理负担。
Description
【技术领域】
本发明涉及搜索技术,尤其涉及一种基于人工智能的搜索方法、装置、设备及计算机可读存储介质。
【背景技术】
人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用***的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家***等。
搜索引擎是指根据一定的策略、运用特定的计算机程序从互联网上搜集信息,在对信息进行组织和处理后,为用户提供搜索服务,将用户搜索相关的信息展示给用户的***。据国家***的报道,中国网民人数已经超过了4亿,这个数据意味着中国已经超过美国成为世界上第一大网民国,且中国的网站总数量已经超过了200万。因此,如何利用搜索服务最大限度满足用户需求,对于互联网企业而言,始终是一个重要的课题。用户可以将搜索关键词提供给相关应用,由应用将搜索关键词,发送给搜索引擎。搜索引擎则根据搜索关键词,在数据库中进行搜索,以获得与搜索关键词匹配的搜索结果,并返回给应用进行输出。
然而,由于用户所提供的搜索关键词可能不是很恰当,例如,过于口语化、语法不严格、关键词不完整等情况,完全依赖搜索关键词执行搜索操作,可能会使得搜索结果无法满足用户的真正意图,使得用户需要通过应用反复进行搜索,这样,会增加应用与搜索引擎之间的数据交互,从而导致了搜索引擎的处理负担的增加。
【发明内容】
本发明的多个方面提供一种基于人工智能的搜索方法、装置、设备及计算机可读存储介质,用以降低搜索引擎的处理负担。
本发明的一方面,提供一种基于人工智能的搜索方法,包括:
根据用户所提供的搜索关键词,获得搜索需求类型;
根据所述搜索关键词和所述搜索需求类型的搜索模式,获得需求关键词;
根据所述需求关键词,获得搜索结果;
输出所述搜索结果。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述根据用户所提供的搜索关键词,获得搜索需求类型之前,还包括:
获取指定领域的常用关键词;
对所述常用关键词进行分类处理,以获得所述指定领域的至少一个搜索需求类型。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述指定领域包括古诗词领域。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述搜索需求类型包括精确需求类型、类型需求类型或泛需求类型。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述输出所述搜索结果,包括:
根据所述搜索结果的热度数据和所述用户的用户偏好,对所述搜索结果进行排序;
输出排序之后的搜索结果。
本发明的另一方面,提供一种基于人工智能的搜索装置,包括:
语义解析单元,用于根据用户所提供的搜索关键词,获得搜索需求类型;
语义匹配单元,用于根据所述搜索关键词和所述搜索需求类型的搜索模式,获得需求关键词;
结果获得单元,用于根据所述需求关键词,获得搜索结果;
结果输出单元,用于输出所述搜索结果。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述语义解析单元,还用于
获取指定领域的常用关键词;以及
对所述常用关键词进行分类处理,以获得所述指定领域的至少一个搜索需求类型。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述指定领域包括古诗词领域。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述搜索需求类型包括精确需求类型、类型需求类型或泛需求类型。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述输出单元,具体用于
根据所述搜索结果的热度数据和所述用户的用户偏好,对所述搜索结果进行排序;以及
输出排序之后的搜索结果。
本发明的另一方面,提供一种设备,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述一方面所提供的基于人工智能的搜索方法。
本发明的另一方面,提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述一方面所提供的基于人工智能的搜索方法。
由上述技术方案可知,本发明实施例通过根据用户所提供的搜索关键词,获得搜索需求类型,进而根据所述搜索关键词和所述搜索需求类型的搜索模式,获得需求关键词,使得能够根据所述需求关键词,获得搜索结果,并输出所述搜索结果,由于不再完全依赖用户所提供的搜索关键词执行搜索操作,而是结合根据搜索关键词所属搜索需求类型所获得的需求关键词,执行搜索操作,使得搜索结果基本满足用户的真正意图,因此,能够避免现有技术中由于用户通过应用反复进行搜索而导致的增加应用与搜索引擎之间的数据交互的问题,从而降低了搜索引擎的处理负担。
另外,采用本发明所提供的技术方案,由于不再完全依赖用户所提供的搜索关键词执行搜索操作,而是结合根据搜索关键词所属搜索需求类型所获得的需求关键词,执行搜索操作,使得搜索结果基本满足用户的真正意图,从而提高了搜索结果的有效性。
另外,采用本发明所提供的技术方案,由于不再完全依赖用户所提供的搜索关键词执行搜索操作,而是结合根据搜索关键词所属搜索需求类型所获得的需求关键词,执行搜索操作,使得搜索结果基本满足用户的真正意图,从而提高了搜索的效率。
另外,采用本发明所提供的技术方案,能够有效地提高用户的体验。
【附图说明】
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的基于人工智能的搜索方法的流程示意图;
图2为本发明另一实施例提供的基于人工智能的搜索装置的结构示意图;
图3为适于用来实现本发明实施方式的示例性计算机***/服务器12的框图。
【具体实施方式】
为使本发明实施例的目的、技术方案和优点更加清楚,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作出创造性劳动前提下所获得的全部其他实施例,都属于本发明保护的范围。
需要说明的是,本发明实施例中所涉及的终端可以包括但不限于手机、个人数字助理(Personal Digital Assistant,PDA)、无线手持设备、平板电脑(Tablet Computer)、个人电脑(Personal Computer,PC)、MP3播放器、MP4播放器、可穿戴设备(例如,智能眼镜、智能手表、智能手环等)等。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
图1为本发明一实施例提供的基于人工智能的搜索方法的流程示意图,如图1所示。
101、根据用户所提供的搜索关键词,获得搜索需求类型;
102、根据所述搜索关键词和所述搜索需求类型的搜索模式,获得需求关键词;
103、根据所述需求关键词,获得搜索结果;
104、输出所述搜索结果。
需要说明的是,101~104的执行主体的部分或全部可以为位于本地终端的应用,或者还可以为设置在位于本地终端的应用中的插件或软件开发工具包(SoftwareDevelopment Kit,SDK)等功能单元,或者还可以为位于网络侧服务器中的搜索引擎,或者还可以为位于网络侧的分布式***,本实施例对此不进行特别限定。
可以理解的是,所述应用可以是安装在终端上的本地程序(nativeApp),或者还可以是终端上的浏览器的一个网页程序(webApp),本实施例对此不进行特别限定。
这样,通过根据用户所提供的搜索关键词,获得搜索需求类型,进而根据所述搜索关键词和所述搜索需求类型的搜索模式,获得需求关键词,使得能够根据所述需求关键词,获得搜索结果,并输出所述搜索结果,由于不再完全依赖用户所提供的搜索关键词执行搜索操作,而是结合根据搜索关键词所属搜索需求类型所获得的需求关键词,执行搜索操作,使得搜索结果基本满足用户的真正意图,因此,能够避免现有技术中由于用户通过应用反复进行搜索而导致的增加应用与搜索引擎之间的数据交互的问题,从而降低了搜索引擎的处理负担。
可选地,在本实施例的一个可能的实现方式中,在101之前,还可以进一步获取用户所提供的搜索关键词。具体地,具体可以采集用户所提供的所述搜索关键词。具体来说,具体可以通过用户所触发的搜索命令实现。具体可以采用但不限于下述几种方式触发搜索命令:
方式一:
用户可以在当前应用所展现的页面上所输入所述搜索关键词,然后,通过点击该页面上的搜索按钮例如,百度一下,以触发搜索命令,该搜索命令中包含所述搜索关键词。其中,用户输入所述搜索关键词的顺序可以为任意顺序。这样,在接收到该搜索命令之后,则可以解析出其中所包含的所述搜索关键词。
方式二:
采用异步加载技术例如,Ajax异步加载或Jsonp异步加载等,实时获取用户在当前应用所展现的页面上所输入的输入内容,为了与搜索关键词进行区分,此时的输入内容可以称为是输入关键词。其中,用户输入所述搜索关键词的顺序可以为任意顺序。具体地,具体可以提供Ajax接口或Jsonp接口等接口,这些接口可以使用Java、超级文本预处理(Hypertext Preprocessor,PHP)语言等语言进行编写,其具体的调用可以使用Jquery,或者原生的JavaScript等语言进行编写。
方式三:用户可以通过长按当前应用所展现的页面上的语音搜索按钮,说出想要输入的语音内容,然后,松开语音搜索按钮,以触发搜索命令,该搜索命令中包含根据所说出的语音内容转换的文本形式的搜索关键词。这样,在接收到该搜索命令之后,则可以解析出其中所包含的所述搜索关键词。
方式四:用户可以通过点击当前应用所展现的页面上的语音搜索按钮,说出想要输入的语音内容,待结束说出语音内容一段时间例如,2秒钟之后,则触发搜索命令,该搜索命令中包含根据所说出的语音内容转换的文本形式的搜索关键词。这样,在接收到该搜索命令之后,则可以解析出其中所包含的所述搜索关键词。
在获取到所述输入关键词之后,则可以执行后续操作即101~104。
可选地,在本实施例的一个可能的实现方式中,在101之前,还可以进一步获取指定领域的常用关键词,例如,古诗词领域等,进而,则可以对所述常用关键词进行分类处理,以获得所述指定领域的至少一个搜索需求类型。
其中,所述搜索需求类型可以包括但不限于精确需求类型、类型需求类型(包括不同类型的组合)或泛需求类型,本实施例对此不进行特别限定。
例如,古诗词领域的类型需求可以包括但不限于朝代类型、作者类型、主旨或情感类型以及体裁类型中的至少一项,本发明对此不进行特别限定。
具体来说,具体可以采集指定领域的常用关键词,对这些常用关键词进行分类处理,以获得所述指定领域的至少一个搜索需求类型。
在获得每个常用关键词的搜索需求类型之后,可以其作为训练样本,分别构建语义解析模型和语义匹配模型。
例如,具体可以利用训练样本集中所包含的训练样本,进行训练,以分别构建语义解析模型和语义匹配模型。
需要说明的是,训练样本集中所包含的训练样本,可以为经过标注的已知样本,这样,可以直接利用这些已知样本进行训练,以构建目标模型即语义解析模型或语义匹配模型;或者还可以一部分为经过标注的已知样本,另一部分为没有经过标注的未知样本,那么,则可以先利用已知样本进行训练,以构建初始模型,然后,再利用初始模型对未知样本进行预测,以获得分类结果,进而则可以根据未知样本的分类结果,对未知样本进行标注,以形成已知样本,作为新增加的已知样本,利用新增加的已知样本,以及原始的已知样本重新进行训练,以构建新的模型,直到所构建的模型或已知样本满足目标模型的截止条件为止,如分类准确率大于或等于预先设置的准确率阈值或已知样本的数量大于或等于预先设置的数量阈值等,本实施例对此不进行特别限定。
所谓的语义解析模型,用于对用户所提供的搜索关键词,进行分类处理,以获得所述搜索关键词所属的搜索需求类型。
所谓的语义匹配模型,用于利用所述搜索需求类型的搜索模式(pattern),对搜索关键词进行匹配处理,以获得槽位,作为需求关键词。具体来说,可以在语义匹配模型中定义多个搜索模式,每个搜索需求类型都可以对应一个搜索模式,每个搜索模式中可以包含若干个因子,这些因子中,存在一个或多个关键因子,可以称之为槽位,可以用来作为需求关键词。
一个pattern能够覆盖一种表达的方式(而非特定的一句话),初期构造合理的pattern即可使搜索关键词的召回率达到80%,后期通过用户实际使用的搜索关键词收集,完善pattern,可使得搜索关键词的召回率达到95%。
其中,pattern中每一个因子可以由自构造的词典来满足,例如,author因子对应的词典包含了所有诗人的名字。
需要说明的是,所述语义解析模型与所述语义匹配模型,可以是两个独立的功能模型,或者还可以是一个完整的融合模型,本实施例对此不进行特别限定。
以古诗词领域作为举例,对本发明所提供的技术方案进行详细说明。
A、用户所提供的搜索关键词为“我想听李白的静夜思”。
利用语义解析模型,对搜索关键词“我想听李白的静夜思”进行解析处理,获得该搜索关键词所对应的搜索需求类型为精确需求类型。进而,再利用语义匹配模型中所定义的搜索模式pattern=want_words+author+title,对搜索关键词“我想听李白的静夜思”进行匹配处理,以匹配出各个因子的值,即want_words因子为想听,author因子为李白,title因子为静夜思。其中,槽位可以为author因子“李白”和title因子“静夜思”。“我”、“的”属于忽视词。这样,就可以利用槽位即author因子“李白”和title因子“静夜思”,在古诗资源库中进行检索,精确返回用户想要的某一首古诗词。
B、用户所提供的搜索关键词为“我想听唐代描写竹子的诗”。
利用语义解析模型,对搜索关键词“我想听唐代描写竹子的诗”进行解析处理,获得该搜索关键词所对应的搜索需求类型为类型需求类型,即朝代类型为唐代,主旨类型为写竹。进而,再利用语义匹配模型中所定义的搜索模式pattern=want_words+dynasty+describe+tag+poem,对搜索关键词“我想听唐代描写竹子的诗”进行匹配处理,以匹配出各个因子的值,即want_words因子为想听,dynasty因子为唐代,describe因子为描写,tag因子为竹子,poem因子为诗。其中,槽位可以为,dynasty因子“唐代”和tag因子“竹子”。“我”、“的”属于忽视词。这样,就可以利用槽位即,dynasty因子“唐代”和tag因子“竹子”,在古诗资源库中进行检索,返回相应的古诗词列表。
C、用户所提供的搜索关键词为“我想听古诗”。
利用语义解析模型,对搜索关键词“我想听古诗”进行解析处理,获得该搜索关键词所对应的搜索需求类型为泛需求类型。进而,再利用语义匹配模型中所定义的搜索模式pattern=want_words+poem,对搜索关键词“我想听古诗”进行匹配处理,以匹配出各个因子的值,即want_words因子为想听,poem因子为古诗。其中,槽位可以为,poem因子“古诗”。“我”属于忽视词。这样,就可以利用槽位即,poem因子“古诗”,在古诗资源库中进行检索,返回相应的古诗词列表。
可选地,在本实施例的一个可能的实现方式中,在104中,具体可以根据所述搜索结果的热度数据和所述用户的用户偏好,对所述搜索结果进行排序,进而,输出排序之后的搜索结果。
具体来说,再104之前,还可以进一步获取所述搜索结果的热度数据和所述用户的用户偏好。
在一个具体的实现过程中,具体可以采集采用现有技术中的各种算法所生成的所述搜索结果的热度数据,此处不再赘述。
在另一个具体的实现过程中,具体可以通过用户反复提供搜索关键词,进行多轮搜索,进而分析获得用户的用户偏好。
例如,用户提供第一个搜索关键词:给我推荐几首古诗吧;
搜索引擎返回文字搜索结果:静夜思、望岳等。或者搜索引擎返回语音搜索结果:静夜思、望岳等等,你喜欢哪首?
用户提供第二个搜索关键词:静夜思吧(此时可以记录用户偏好);
搜索引擎输出/播放搜索结果:静夜思。
本发明,搜索关键词的召回率高,在古诗词方面的搜索场景中,能够好理解用户尤其是儿童的需求,在精确需求类型、类型需求类型和泛需求类型方面能满足用户的预期。另外,由于引入了多轮搜索,并通过推荐反馈机制获取用户偏好,提高了用户体验。。
本实施例中,通过根据用户所提供的搜索关键词,获得搜索需求类型,进而根据所述搜索关键词和所述搜索需求类型的搜索模式,获得需求关键词,使得能够根据所述需求关键词,获得搜索结果,并输出所述搜索结果,由于不再完全依赖用户所提供的搜索关键词执行搜索操作,而是结合根据搜索关键词所属搜索需求类型所获得的需求关键词,执行搜索操作,使得搜索结果基本满足用户的真正意图,因此,能够避免现有技术中由于用户通过应用反复进行搜索而导致的增加应用与搜索引擎之间的数据交互的问题,从而降低了搜索引擎的处理负担。
另外,采用本发明所提供的技术方案,由于不再完全依赖用户所提供的搜索关键词执行搜索操作,而是结合根据搜索关键词所属搜索需求类型所获得的需求关键词,执行搜索操作,使得搜索结果基本满足用户的真正意图,从而提高了搜索结果的有效性。
另外,采用本发明所提供的技术方案,由于不再完全依赖用户所提供的搜索关键词执行搜索操作,而是结合根据搜索关键词所属搜索需求类型所获得的需求关键词,执行搜索操作,使得搜索结果基本满足用户的真正意图,从而提高了搜索的效率。
另外,采用本发明所提供的技术方案,能够有效地提高用户的体验。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中,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。
图2为本发明另一实施例提供的基于人工智能的搜索装置的结构示意图,如图2所示。本实施例的基于人工智能的搜索装置可以包括语义解析单元21、语义匹配单元22、结果获得单元23和结果输出单元24。其中,语义解析单元21,用于根据用户所提供的搜索关键词,获得搜索需求类型;语义匹配单元22,用于根据所述搜索关键词和所述搜索需求类型的搜索模式,获得需求关键词;结果获得单元23,用于根据所述需求关键词,获得搜索结果;结果输出单元24,用于输出所述搜索结果。
需要说明的是,本实施例所提供的基于人工智能的搜索装置的部分或全部可以为位于本地终端的应用,或者还可以为设置在位于本地终端的应用中的插件或软件开发工具包(Software Development Kit,SDK)等功能单元,或者还可以为位于网络侧服务器中的搜索引擎,或者还可以为位于网络侧的分布式***,本实施例对此不进行特别限定。
可以理解的是,所述应用可以是安装在终端上的本地程序(nativeApp),或者还可以是终端上的浏览器的一个网页程序(webApp),本实施例对此不进行特别限定。
可选地,在本实施例的一个可能的实现方式中,所述语义解析单元21,还可以进一步用于获取指定领域的常用关键词;以及对所述常用关键词进行分类处理,以获得所述指定领域的至少一个搜索需求类型。
其中,所述指定领域可以包括但不限于古诗词领域,本实施例对此不进行特别限定。
其中,所述搜索需求类型可以包括但不限于精确需求类型、类型需求类型(包括不同类型的组合)或泛需求类型,本实施例对此不进行特别限定。
例如,古诗词领域的类型需求可以包括但不限于朝代类型、作者类型、主旨或情感类型以及体裁类型中的至少一项,本发明对此不进行特别限定。
可选地,在本实施例的一个可能的实现方式中,所述输出单元24,具体可以用于根据所述搜索结果的热度数据和所述用户的用户偏好,对所述搜索结果进行排序;以及输出排序之后的搜索结果。
需要说明的是,图1对应的实施例中方法,可以由本实施例提供的基于人工智能的搜索装置实现。详细描述可以参见图1对应的实施例中的相关内容,此处不再赘述。
本实施例中,通过语义解析单元根据用户所提供的搜索关键词,获得搜索需求类型,进而由语义匹配单元根据所述搜索关键词和所述搜索需求类型的搜索模式,获得需求关键词,使得结果获得单元能够根据所述需求关键词,获得搜索结果,并由结果输出单元输出所述搜索结果,由于不再完全依赖用户所提供的搜索关键词执行搜索操作,而是结合根据搜索关键词所属搜索需求类型所获得的需求关键词,执行搜索操作,使得搜索结果基本满足用户的真正意图,因此,能够避免现有技术中由于用户通过应用反复进行搜索而导致的增加应用与搜索引擎之间的数据交互的问题,从而降低了搜索引擎的处理负担。
另外,采用本发明所提供的技术方案,由于不再完全依赖用户所提供的搜索关键词执行搜索操作,而是结合根据搜索关键词所属搜索需求类型所获得的需求关键词,执行搜索操作,使得搜索结果基本满足用户的真正意图,从而提高了搜索结果的有效性。
另外,采用本发明所提供的技术方案,由于不再完全依赖用户所提供的搜索关键词执行搜索操作,而是结合根据搜索关键词所属搜索需求类型所获得的需求关键词,执行搜索操作,使得搜索结果基本满足用户的真正意图,从而提高了搜索的效率。
另外,采用本发明所提供的技术方案,能够有效地提高用户的体验。
图3示出了适于用来实现本发明实施方式的示例性计算机***/服务器12的框图。图3显示的计算机***/服务器12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,计算机***/服务器12以通用计算设备的形式表现。计算机***/服务器12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,存储装置或者***存储器28,连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及***组件互连(PCI)总线。
计算机***/服务器12典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机***/服务器12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
***存储器28可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机***/服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图3未显示,通常称为“硬盘驱动器”)。尽管图3中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。***存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如***存储器28中,这样的程序模块42包括——但不限于——操作***、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。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机***/服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机***/服务器12交互的设备通信,和/或与使得该计算机***/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,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44进行。并且,计算机***/服务器12还可以通过网络适配器20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。如图所示,网络适配器20通过总线18与计算机***/服务器12的其它模块通信。应当明白,尽管图中未示出,可以结合计算机***/服务器12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***、磁带驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现图1所对应的实施例所提供的基于人工智能的搜索方法。
本发明另一实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现图1所对应的实施例所提供的基于人工智能的搜索方法。
具体来说,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机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、便携式计算机磁盘、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、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机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***、装置或者器件使用或者与其结合使用。
计算机可读的信号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,其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读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、电线、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或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以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,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,例如多个单元或页面组件可以结合或者可以集成到另一个***,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,机械或其它的形式。
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,在本发明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,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一个计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (12)
1.一种基于人工智能的搜索方法,其特征在于,包括:
通过语义解析模型,对用户所提供的搜索关键词进行分类处理,获得搜索需求类型;
通过语义匹配模型,利用所述搜索需求类型的搜索模式对所述搜索关键词进行匹配处理,获得需求关键词;其中,所述语义解析模型和所述语义匹配模型,由对指定领域的常用关键词进行分类处理获得所述指定领域的至少一个搜索需求类型后作为训练样本,分别构建得到;
根据所述需求关键词,获得搜索结果;
输出所述搜索结果。
2.根据权利要求1所述的方法,其特征在于,所述通过语义解析模型,对用户所提供的搜索关键词进行分类处理,获得搜索需求类型之前,还包括:
获取指定领域的常用关键词;
对所述常用关键词进行分类处理,以获得所述指定领域的至少一个搜索需求类型。
3.根据权利要求2所述的方法,其特征在于,所述指定领域包括古诗词领域。
4.根据权利要求1所述的方法,其特征在于,所述搜索需求类型包括精确需求类型、类型需求类型或泛需求类型。
5.根据权利要求1~4任一权利要求所述的方法,其特征在于,所述输出所述搜索结果,包括:
根据所述搜索结果的热度数据和所述用户的用户偏好,对所述搜索结果进行排序;
输出排序之后的搜索结果。
6.一种基于人工智能的搜索装置,其特征在于,包括:
语义解析单元,用于通过语义解析模型,对用户所提供的搜索关键词进行分类处理,获得搜索需求类型;
语义匹配单元,用于通过语义匹配模型,利用所述搜索需求类型的搜索模式对所述搜索关键词进行匹配处理,获得需求关键词;其中,所述语义解析模型和所述语义匹配模型,由对指定领域的常用关键词进行分类处理获得所述指定领域的至少一个搜索需求类型后作为训练样本,分别构建得到;
结果获得单元,用于根据所述需求关键词,获得搜索结果;
结果输出单元,用于输出所述搜索结果。
7.根据权利要求6所述的装置,其特征在于,所述语义解析单元,还用于
获取指定领域的常用关键词;以及
对所述常用关键词进行分类处理,以获得所述指定领域的至少一个搜索需求类型。
8.根据权利要求7所述的装置,其特征在于,所述指定领域包括古诗词领域。
9.根据权利要求6所述的装置,其特征在于,所述搜索需求类型包括精确需求类型、类型需求类型或泛需求类型。
10.根据权利要求6~9任一权利要求所述的装置,其特征在于,所述输出单元,具体用于
根据所述搜索结果的热度数据和所述用户的用户偏好,对所述搜索结果进行排序;以及
输出排序之后的搜索结果。
11.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1~5中任一所述的方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1~5中任一所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710452050.7A CN107480162B (zh) | 2017-06-15 | 2017-06-15 | 基于人工智能的搜索方法、装置、设备及计算机可读存储介质 |
US16/008,603 US20180365258A1 (en) | 2017-06-15 | 2018-06-14 | Artificial intelligence-based searching method and apparatus, device and computer-readable storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710452050.7A CN107480162B (zh) | 2017-06-15 | 2017-06-15 | 基于人工智能的搜索方法、装置、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107480162A CN107480162A (zh) | 2017-12-15 |
CN107480162B true CN107480162B (zh) | 2021-09-21 |
Family
ID=60594017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710452050.7A Active CN107480162B (zh) | 2017-06-15 | 2017-06-15 | 基于人工智能的搜索方法、装置、设备及计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20180365258A1 (zh) |
CN (1) | CN107480162B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11409749B2 (en) * | 2017-11-09 | 2022-08-09 | Microsoft Technology Licensing, Llc | Machine reading comprehension system for answering queries related to a document |
CN108197284B (zh) * | 2018-01-12 | 2022-01-25 | 北京百度网讯科技有限公司 | 搜索处理方法及装置 |
CN110659353A (zh) * | 2018-06-13 | 2020-01-07 | 钉钉控股(开曼)有限公司 | 搜索方法及装置 |
CN110737671A (zh) * | 2018-07-03 | 2020-01-31 | 百度在线网络技术(北京)有限公司 | 基于表格的检索方法和装置 |
CN108932335B (zh) * | 2018-07-10 | 2022-01-07 | 北京京东尚科信息技术有限公司 | 一种生成文案的方法和装置 |
CN110765312A (zh) * | 2018-07-10 | 2020-02-07 | 阿里巴巴集团控股有限公司 | 人机交互及内容搜索方法、装置、设备以及存储介质 |
CN109191201A (zh) * | 2018-08-28 | 2019-01-11 | 深圳市元征科技股份有限公司 | 一种信息匹配方法及相关设备 |
CN109255019B (zh) * | 2018-09-07 | 2021-06-08 | 广州爱易学智能信息科技有限公司 | 一种在线查询题库及其应用方法 |
CN109684357B (zh) * | 2018-12-21 | 2021-03-19 | 上海智臻智能网络科技股份有限公司 | 信息处理方法及装置、存储介质、终端 |
US20210319098A1 (en) * | 2018-12-31 | 2021-10-14 | Intel Corporation | Securing systems employing artificial intelligence |
CN111475536B (zh) * | 2019-01-23 | 2023-10-17 | 百度在线网络技术(北京)有限公司 | 基于搜索引擎的数据分析方法和装置 |
CN111694932A (zh) * | 2019-03-13 | 2020-09-22 | 百度在线网络技术(北京)有限公司 | 对话方法和装置 |
CN111581544A (zh) * | 2019-04-08 | 2020-08-25 | 众巢医学科技(上海)股份有限公司 | 搜索结果优化方法、装置、计算机设备及存储介质 |
CN113366467A (zh) * | 2019-06-26 | 2021-09-07 | 深圳市欢太科技有限公司 | 信息推荐方法、装置、电子设备以及存储介质 |
CN112434137B (zh) * | 2020-12-11 | 2023-04-11 | 乐山师范学院 | 一种基于人工智能的诗词检索方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102012900A (zh) * | 2009-09-04 | 2011-04-13 | 阿里巴巴集团控股有限公司 | 信息检索方法和*** |
CN103106220A (zh) * | 2011-11-15 | 2013-05-15 | 阿里巴巴集团控股有限公司 | 一种搜索方法、搜索装置及一种搜索引擎*** |
CN105956047A (zh) * | 2016-04-26 | 2016-09-21 | 北京橙鑫数据科技有限公司 | 搜索方法和装置 |
CN106844482A (zh) * | 2016-12-23 | 2017-06-13 | 北京奇虎科技有限公司 | 一种基于搜索引擎的检索信息匹配方法及装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7593939B2 (en) * | 2006-04-07 | 2009-09-22 | Google Inc. | Generating specialized search results in response to patterned queries |
US8423538B1 (en) * | 2009-11-02 | 2013-04-16 | Google Inc. | Clustering query refinements by inferred user intent |
US20110208715A1 (en) * | 2010-02-23 | 2011-08-25 | Microsoft Corporation | Automatically mining intents of a group of queries |
CN102096717B (zh) * | 2011-02-15 | 2013-01-16 | 百度在线网络技术(北京)有限公司 | 搜索方法及搜索引擎 |
CN102385636A (zh) * | 2011-12-22 | 2012-03-21 | 陈伟 | 一种智能搜索方法和装置 |
CN102880723B (zh) * | 2012-10-22 | 2015-08-05 | 深圳市宜搜科技发展有限公司 | 一种识别用户检索意图的搜索方法和*** |
CN103514299B (zh) * | 2013-10-18 | 2018-04-17 | 北京奇虎科技有限公司 | 信息搜索方法和装置 |
CN104462272B (zh) * | 2014-11-25 | 2018-05-04 | 百度在线网络技术(北京)有限公司 | 搜索需求分析方法和装置 |
CN104615645A (zh) * | 2014-12-18 | 2015-05-13 | 百度在线网络技术(北京)有限公司 | 搜索实现方法、装置、***以及计算机设备 |
CN105589972B (zh) * | 2016-01-08 | 2019-03-15 | 天津车之家科技有限公司 | 训练分类模型的方法及装置、对搜索词分类的方法及装置 |
US10102256B2 (en) * | 2016-09-29 | 2018-10-16 | International Business Machines Corporation | Internet search result intention |
US10467262B2 (en) * | 2016-11-29 | 2019-11-05 | Accenture Global Solutions Limited | Customized visualization based intelligence augmentation |
US10642913B2 (en) * | 2016-12-21 | 2020-05-05 | Accenture Global Solutions Limited | Intent and bot based query guidance |
-
2017
- 2017-06-15 CN CN201710452050.7A patent/CN107480162B/zh active Active
-
2018
- 2018-06-14 US US16/008,603 patent/US20180365258A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102012900A (zh) * | 2009-09-04 | 2011-04-13 | 阿里巴巴集团控股有限公司 | 信息检索方法和*** |
CN103106220A (zh) * | 2011-11-15 | 2013-05-15 | 阿里巴巴集团控股有限公司 | 一种搜索方法、搜索装置及一种搜索引擎*** |
CN105956137A (zh) * | 2011-11-15 | 2016-09-21 | 阿里巴巴集团控股有限公司 | 一种搜索方法、搜索装置及一种搜索引擎*** |
CN105956047A (zh) * | 2016-04-26 | 2016-09-21 | 北京橙鑫数据科技有限公司 | 搜索方法和装置 |
CN106844482A (zh) * | 2016-12-23 | 2017-06-13 | 北京奇虎科技有限公司 | 一种基于搜索引擎的检索信息匹配方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107480162A (zh) | 2017-12-15 |
US20180365258A1 (en) | 2018-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107480162B (zh) | 基于人工智能的搜索方法、装置、设备及计算机可读存储介质 | |
CN110287278B (zh) | 评论生成方法、装置、服务器及存储介质 | |
CN108363790B (zh) | 用于对评论进行评估的方法、装置、设备和存储介质 | |
KR102288249B1 (ko) | 정보 처리 방법, 단말기, 및 컴퓨터 저장 매체 | |
US9792279B2 (en) | Methods and systems for analyzing communication situation based on emotion information | |
CN111797226B (zh) | 会议纪要的生成方法、装置、电子设备以及可读存储介质 | |
CN107506402B (zh) | 搜索结果的排序方法、装置、设备及计算机可读存储介质 | |
CN111221983A (zh) | 时序知识图谱生成方法、装置、设备和介质 | |
CN111046656B (zh) | 文本处理方法、装置、电子设备及可读存储介质 | |
CN111611468B (zh) | 页面交互方法、装置和电子设备 | |
CN111144120A (zh) | 一种训练语句的获取方法、装置、存储介质及电子设备 | |
CN111783471B (zh) | 自然语言的语义识别方法、装置、设备及存储介质 | |
CN108228808B (zh) | 确定热点事件的方法、装置和存储介质以及电子设备 | |
US11651015B2 (en) | Method and apparatus for presenting information | |
CN107908743B (zh) | 人工智能应用构建方法和装置 | |
CN114861677B (zh) | 信息抽取方法、装置、电子设备以及存储介质 | |
CN109190123B (zh) | 用于输出信息的方法和装置 | |
CN111415747A (zh) | 电子病历的构建方法及装置 | |
CN110377750B (zh) | 评论生成及评论生成模型训练方法、装置及存储介质 | |
CN114430832A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN113609833B (zh) | 文件的动态生成方法、装置、计算机设备及存储介质 | |
CN111898762B (zh) | 深度学习模型目录创建 | |
CN107729499A (zh) | 信息处理方法、介质、***和电子设备 | |
CN108255917A (zh) | 图像管理方法、设备及电子设备 | |
CN105975610A (zh) | 场景识别方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |