CN110472006A - 捐助对象搜索方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明涉及一种捐助对象搜索方法、装置、电子设备及存储介质。所述方法包括：获取针对捐助对象的搜索信息；对所述搜索信息进行分词以获取至少一个关键词；基于至少一个所述关键词获得至少一个人物标签，其中，每个关键词与一个或多个人物标签相对应；根据所述至少一个人物标签查找人物列表确定目标人物对象，其中，所述人物列表包括至少一个人物对象，每一人物对象包括至少一人物标签；及显示所述目标人物对象。本发明能够针对人物的搜索信息进行检索以搜索符合要求的捐助对象，从而使得用户了解捐助对象的具体身份，以及有利于捐助过程透明化。

Description

捐助对象搜索方法、装置、电子设备及存储介质

技术领域

本发明涉及网络信息领域，具体涉及一种捐助对象搜索方法、装置、电子设备及存储介质。

背景技术

慈善事业的发展有重要意义，尤其是在社会资源分配、维护社会公平、缓解社会矛盾、促进精神文明建设等方面发挥着不可低估的作用。传统的捐助方式包括银行付款、邮局汇款、短信支付、现场捐款、物品捐助等多种方式。然而，由于传统的物品捐助通常由捐助方捐献至捐助机构，再由捐助机构将这些捐助物品送达他们确认要捐助的捐助对象上，使得捐助者不清楚捐助对象具体的身份，造成捐助过程不透明。

发明内容

鉴于以上内容，有必要提出一捐助对象搜索方法、装置、电子设备及存储介质，以搜索符合要求的捐助对象，从而使得用户了解捐助对象的具体身份，从而使得捐助过程透明。

本申请的第一方面提供一种捐助对象搜索方法，所述方法包括：

获取针对捐助对象的搜索信息；

对所述搜索信息进行分词以获取至少一个关键词；

基于至少一个所述关键词获得至少一个人物标签，其中，每个关键词与一个或多个人物标签相对应；

根据所述至少一个人物标签查找人物列表确定目标人物对象，其中，所述人物列表包括至少一个人物对象，每一人物对象包括至少一人物标签；及

显示所述目标人物对象。

优选的，所述基于至少一个所述关键词获得至少一个人物标签，根据所述至少一个人物标签查找人物列表确定目标人物对象包括：

获取与每个关键词匹配的所有人物列表；及

将所有人物列表中均存在的人物对象，作为所述目标人物对象。

优选的，所述显示所述目标人物对象包括：

获取所述目标人物对象的人物标签的权重信息，根据所述目标人物对象的人物标签的权重信息，对所述目标人物对象进行排序，及将排序后的目标人物对象进行显示。

优选的，所述根据所述目标人物对象的人物标签的权重信息，对所述目标人物对象进行排序，及将排序后的目标人物对象进行显示包括：

将所述目标人物对象中的所有人物标签的权重进行累加求和得出所述目标人物对象相对应的权重信息；及

根据所述目标人物对象的权重信息，对所述目标人物对象进行排序。

优选的，所述获取针对捐助对象的搜索信息包括：

接收并识别用户的语音信息并将识别出的语音信息作为所述搜索信息。

优选的，所述接收并识别用户的语音信息并将识别出的语音信息作为所述搜索信息包括：

通过麦克风接收用户的语音信息，并根据接收的语音信息识别出所述语音信息所对应的句子文本；

识别所述句子文本中的错词；及

确定错词所对应的替换词，并将错词更改为替换词。

优选的，所述识别所述句子文本中的错词包括：

确定所述句子文本中的词语与训练语料库中的词语之间的相似度，并将相似度小于预设值的词语确定为错词，其中，所述训练语料库中的每一词语及所述句子文本中的词语分别对应一个词向量模型，根据每一词语所对应的词向量模型，通过公式计算所述句子文本中的词语与训练语料库中的词语之间的余弦距离，并将计算出的余弦距离作为两个词语之间的相似度，其中，cosθ为相似度，n标识所述词语为一个n维的词向量模型，Ai为所述两个词语中的第一个词语的词向量模型中的第i维的数据，Bi为所述两个词语中的第二个词语的词向量模型中的第i维的数据。

本申请的第二方面提供一种捐助对象搜索装置，所述装置包括：

获取模块，用于获取针对捐助对象的搜索信息；

分词模块，用于对所述搜索信息进行分词以获取至少一个关键词；

人物标签确定模块，用于基于至少一个所述关键词获得至少一个人物标签，其中，每个关键词与一个或多个人物标签相对应；

人物对象确定模块，用于根据所述至少一个人物标签查找人物列表确定目标人物对象，其中，所述人物列表包括至少一个人物对象，每一人物对象包括至少一人物标签；及

显示模块，用于显示所述目标人物对象。

本申请的第三方面提供一种电子设备，所述电子设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现所述捐助对象搜索方法。

本申请的第四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，所述计算机程序被处理器执行时实现所述捐助对象搜索方法。

本发明能够针对人物的搜索信息进行检索以搜索符合要求的捐助对象，从而使得用户了解捐助对象的具体身份，以及有利于捐助过程透明化。

附图说明

图1为本发明一实施方式中捐助对象搜索方法的流程图。

图2为本发明一实施方式中捐助对象搜索方法的应用环境图。

图3为本发明一实施方式中搜索界面的示意图。

图4为本发明一实施方式中捐助对象搜索装置的结构图。

图5为本发明一实施方式中获取模块的示意图。

图6为本发明一实施方式中电子设备的示意图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施例对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，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。

除非另有所述，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。

优选地，本发明捐助对象搜索方法应用在一个或者多个电子设备中。所述电子设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(DigitalSignal Processor，DSP)、嵌入式设备等。

所述电子设备可以是桌上型计算机、笔记本电脑、平板电脑及云端服务器等计算设备。所述设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。

实施例1

图1是本发明一实施方式中捐助对象搜索方法的流程图。根据不同的需求，所述流程图中步骤的顺序可以改变，某些步骤可以省略。

参阅图1所示，所述捐助对象搜索方法具体包括以下步骤：

步骤S11、获取针对捐助对象的搜索信息。

请参考图2，所示为本发明一实施方式中捐助对象搜索方法的应用环境图。

本实施方式中，所述方法应用在用户终端1中。所述用户终端1通过网络2与服务器3通信连接。所述用户终端1获取针对捐助对象的搜索信息，并根据获取的搜索信息从所述服务器3中搜索与搜索信息相匹配的捐助对象。本实施方式中，用于提供所述用户终端1与服务器3通信连接的网络2可以是有线网络，也可以是无线网络，例如无线电、无线保真(Wireless Fidelity,WIFI)、蜂窝、卫星、广播等。所述用户终端1可以是笔记本电脑、台式电脑、平板电脑、移动手机等装置。

在一实施方式中，所述获取针对捐助对象的搜索信息包括：

显示一搜索界面，并通过所述搜索界面20接收用户输入的针对捐助对象的搜索信息。

具体的，所述用户终端1显示有所述搜索界面20。请参考图3，所示为本发明一实施方式中所述搜索界面20的示意图。所述搜索界面20包括一搜索栏位输入框201。所述搜索栏位输入框201用于接收用户输入的针对捐助对象的搜索信息。当用户在所述搜索栏位输入框201中输入搜索信息时，所述用户终端1获取所述搜索栏位输入框201接收的搜索信息。

在另一实施方式中，所述获取针对捐助对象的搜索信息包括：

接收并识别用户的语音信息并将识别出的语音信息作为搜索信息。

具体的，所述接收并识别用户的语音信息并将识别出的语音信息作为搜索信息包括：

(S111)通过所述用户终端1的麦克风接收用户的语音信息，并根据接收的语音信息识别出所述语音信息所对应的句子文本。

本实施方式中，可以根据第三方语音识别公司提供的云端服务器或本地识别功能，根据用户终端1的麦克风接收的语音信息识别出与语音信息对应的句子文本。具体地，可以根据通用的现有的语音转文本软件对所述语音信息进行识别得到句子文本，在此不做具体限定。

(S112)识别所述句子文本中的错词。

本实施方式中，所述用户终端1根据识别出的语音信息确定语音环境，将所述句子文本中的每一个词语进行识别，确定不符合所述语言环境中的错词。本发明实施例中的错词可以为一个汉字，或者多个汉字组成的词语。本实施方式中，可以通过识别出的语音信息确定所述语音环境。例如，通过用户终端1的麦克风接收用户的语音信息为“你中午吃什么了，我吃了鸡肉”时，通过识别出所述语音信息可以确定所述语音信息的语言环境为吃东西的询问环境，依据所识别出的语音环境可以将与“鸡肉”同音的错词“肌肉”识别出。

在另一实施方式中，所述用户终端1根据预先设定好的语音环境对所述句子文本中的每一个词语进行识别，并确定不符合所述语言环境中的错词。

在一实施方式中，用户终端1针对不同语言环境设置不同的训练语料库，例如针对艺术环境，设置与艺术环境相关的多个词语，将所述多个词语组成的语言库称为训练语料库。本实施方式中，所述训练语料库中包括在相同语言环境中的多个词语，每一词语对应一个词向量模型。其中，通过对训练语料库中的各词进行“Distributed representation”分散式表示得到每一个词语的词向量模型。

在一实施方式中，所述识别句子文本中的错词包括：

确定句子文本中的词语与所述训练语料库中的词语之间的相似度，并将相似度小于预设值的词语确定为错词。其中，所述训练语料库中的每一词语及所述句子文本中的词语分别对应一个词向量模型，根据每一词语所对应的词向量模型，通过两个词语之间的余弦距离计算出两个词语之间相似度。具体的，可以通过如下公式计算两个词语之间的相似度：

其中，cosθ为相似度，n标识每一词语为一个n维的词向量模型，Ai为第一个词语的词向量模型中的第i维的数据，Bi为第二个词语的词向量模型中的第i维的数据。本实施方式中，对词向量模型中的维数不作限定。

(S113)确定错词所对应的替换词，并将错词更改为替换词。

本实施方式中，所述用户终端1识别句子文本中的错词时依次对句子文本中的每一个词语进行识别且确定每一个错词所对应的替换词，并将句子文本中的每一个错词进行替换。

本实施方式中，所述确定错词所对应的替换词包括：

确定与所述句子文本对应的语音信息的语音环境，根据所述语音环境确定与所述语音环境对应的训练语料库，从所述训练语料库中确定与所述句子文本中的词语相似度最大的词语，并将所述相似度最大的词语作为替换词。

本发明实施方式中，确定与语音环境相同的训练语料库，并从所述训练语料库对应的预设的拼音词语映射表中，查找与所述句子文本中的词语相似度最大的词语作为替换词，从而提高了语音识别的正确率。

本实施方式中，所述拼音词语映射表是根据训练语料库中的词语，将每一个词语转换成拼音，并将拼音相同的所有词语作为一组而建立的拼音与词语的映射关系表。如，“实验”、“试验”、“十堰”等词的拼音完全相同，将所述拼音相同的词语作为一组进行存储。具体地，将训练语料库中的每一个词语标注对应的拼音表示方法，将所有词语所对应的拼音进行顺序排列，得到词语的拼音表示方法，并将拼音相同的词语作为一组进行顺序排列，得到拼音词语一对多的映射关系。在所述拼音词语映射表查找词语时，可以根据所述词语对应的拼音索引出对应的词语。本实施方式中，拼音词语映射表与所述训练语料库一一对应，语音的语音环境不同，预设的拼音词语映射表不同。

步骤S12、对所述搜索信息进行分词以获取至少一个关键词。

在一实施方式中，采用中文分词法对所述搜索信息进行分词处理。其中，中文分词方法包括基于字符串匹配的分词方法、基于统计的分词方法。本实施方式中，基于字符串的分词方法主要依据词典的信息，按照一定的策略将待切分的汉字串与词典中的词条逐一匹配，若在词典中找到所述词条，则匹配成功，否则做其它相应的处理。本实施方式中，基于统计的分词方法通过对语料中相邻共现的各个字的组合频度进行统计，计算它们的互现信息，互现信息体现了汉字之间结合关系的紧密程度，当紧密程度高于某一个阈值时，可判定所述字组构成一个词。基于统计的分词方法的优点是不受待处理文本领域的限制，不需要专门的词典。进一步地，本发明实施例中，可使用IK分词器进行分词处理。

在具体实施方式中，所述步骤S12“对所述搜索信息进行分词以获取至少一个关键词”包括：

(S121)对所述搜索信息进行分词，获得分词列表。

本实施方式中，用户终端1根据语义分析以及预定分词词库，对所述搜索信息进行分词，获取分词列表。例如，用户终端1对搜索信息“贫穷的男孩”根据语义分析以及预定分词词库，对所述搜索信息进行分词，获取分词列表包含“贫穷”、“的”以及“男孩”的分词列表。

(S122)从所述分词列表中选择重要分词，作为所述至少一个关键词。

本实施方式中，用户终端1可通过多种方式来确定分词列表中的分词是否为重要关键词。例如用户终端1可通过将分词列表中的分词与预定分词词库中的分词匹配，和/或基于对搜索信息的语义分析、对分词列表中的分词本身的语义分析以及基于分词列表中的分词在搜索信息中的语法位置分析等，来确定分词列表中的分词是否为重要的关键词。例如，用户终端1将上述分词列表中的“贫穷”、“的”以及“男孩”等分词与预定分词词库中的分词进行匹配，并根据匹配结果选择重要分词“贫穷”和“男孩”，作为搜索信息“贫穷的男孩”所对应的两个关键词。

本实施方式中，所述方法还包括：将字数少于或等于预设字数的关键词词语删除。本实施方式中，由于生僻字为单字的可能性很大，通过直接将字数少于或等于1的关键词词语删除，降低生僻字在搜索匹配过程中对搜索结果的影响，并提高搜索匹配的效率。

步骤S13、基于至少一个所述关键词获得至少一个人物标签，其中，每个关键词与一个或多个人物标签相对应。

本实施方式中，所述用户终端1中预先存储有一人物标签对应关系表，所述人物标签对应关系表中包括关键词与一个或多个人物标签的对应关系，所述用户终端1基于至少一个所述关键词查找所述人物标签对应关系表获得至少一个人物标签。

步骤S14、根据所述至少一个人物标签查找人物列表确定目标人物对象，其中，所述人物列表包括至少一个人物对象，所述每一人物对象包括至少一人物标签。

本实施方式中，所述目标人物对象或人物对象可为实际的自然人，如一个明星；也可为虚拟人物，如一个法人组织。

在一具体实施方式中，所述“根据所述至少一个人物标签查找人物列表确定目标人物对象”包括：

(S141)获取与每个人物标签所匹配的所有人物列表。

本实施方式中，一个人物标签对应的人物列表可以包括多个人物对象，所述多个人物列表中的每一个人物对象均具有所述人物标签；例如，若人物标签“贫穷男孩”所对应的人物列表中具有10个人物对象，则所述10个人物列表中的每个人物对象，均具有人物标签“贫穷男孩”。

例如，用户终端1在上述步骤中获取的关键词为“贫穷”和“男孩”时，则对于关键词“男孩”所对应的人物标签，用户终端1将所述关键词“男孩”所对应的人物标签与各个人物列表对应的人物标签进行匹配，获得与关键词“男孩”所对应的人物标签所匹配的人物列表；对于关键词“贫穷”，用户终端1同样执行上述步骤，获得与关键词“贫穷”所对应的人物标签所匹配的人物列表。

需要说明的是，上述举例仅为更好地说明本发明的技术方案，而非对本发明的限制，本领域技术人员应该理解，任何获取与所述至少一个关键词中的每个关键词所匹配的人物列表的实现方式，均应包含在本发明的范围内。

(S142)将所有人物列表中均存在的人物对象，作为所述目标人物对象。

在一具体实施方式中，用户终端1获得关键词“男孩”对应的人物列表和关键词“贫穷”所述对应的人物列表中时，当与“男孩”对应的人物列表包括人物对象A、B、C，及与“贫穷”对应的人物列表包括人物对象A、B、D时，则用户终端1将所述两个人物列表所共有的人物对象A、B作为目标人物对象。

步骤S15、显示所述目标人物对象。

本实施方式中，用户设备1在显示所述目标人物对象时，还将目标人物对象的附加信息一并进行显示，其中，所述附加信息可包括所述目标人物的描述信息，例如目标人物对象的家庭描述信息。

本实施方式中，所述步骤S15还包括：

获取所述目标人物对象的人物标签的权重信息，根据所述目标人物对象的人物标签的权重信息，对所述目标人物对象进行排序，及将排序后的目标人物对象进行显示。

本实施方式中，所述目标人物对象的人物标签的权重信息可由用户终端1预先确定。本实施方式中，对于一个目标人物对象，其与关键词匹配的人物标签的权重信息越高，则其排序越高。

本实施方式中，所述“根据所述目标人物对象的人物标签的权重信息，对所述目标人物进行排序”包括：

a)将所述目标人物对象中的所有人物标签的权重进行累加求和得出所述目标人物对象相对应的权重信息。例如，目标人物对象A、B均具有人物标签“男孩”和“贫穷”。用户终端1获得的目标人物对象A、B的权重信息如下：目标人物对象A的人物标签“贫穷”的权重值为WA1，人物标签“男孩”的权重值为WA2；目标人物对象B的人物标签“男孩”的权重值为WB1，人物标签“贫穷”的权重值为WB2；用户终端1根据上述权重信息确定：目标人物对象A的权重信息为WA1+WA2；目标人物对象B的权重信息为WB1+WB2。

b)根据所述目标人物对象的权重信息，对所述目标人物对象进行排序。

本实施方式中，所述方法还包括步骤：

获取人物对象的用户信息，从获取的用户信息中挖掘关键词，通过构造关键词与人物标签的对应关系来构造人物对象的人物标签。

本实施方式中，所述人物对象的用户信息包括用户身体数据及用户外在数据。其中，用户的身体数据包括性别、五官数据，用户外在数据包括性格、星座、出生年份、地点、家庭经济情况、学***台或互联网上获取人物对象的用户身体数据及用户外在数据，从获取的用户身体数据及用户外在数据中挖掘关键词，通过构造关键词与人物标签的对应关系来构造人物对象的人物标签。

本发明能够针对人物进行检索，并能够基于与搜索信息匹配的人物标签的权重，来对目标人物对象进行排序，从而使得人物检索结果的可靠度更高。

实施例2

图4为本发明一实施方式中捐助对象搜索装置40的结构图。

在一些实施例中，所述捐助对象搜索装置40运行于用户终端1中。所述捐助对象搜索装置40可以包括多个由程序代码段所组成的功能模块。所述捐助对象搜索装置40中的各个程序段的程序代码可以存储于存储器中，并由至少一个处理器所执行。

本实施例中，所述捐助对象搜索装置40根据其所执行的功能，可以被划分为多个功能模块。参阅图4所示，所述捐助对象搜索装置40可以包括获取模块401、分词模块402、人物标签确定模块403、人物对象确定模块404、显示模块405及人物标签构建模块406。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段，其存储在存储器中。所述在一些实施例中，关于各模块的功能将在后续的实施例中详述。

所述获取模块401用于获取针对捐助对象的搜索信息。

在一实施方式中，所述获取模块401所述获取针对捐助对象的搜索信息包括：

显示一搜索界面，并通过所述搜索界面20接收用户输入的针对捐助对象的搜索信息。

具体的，所述获取模块401显示有所述搜索界面20。请参考图3，所示为本发明一实施方式中所述搜索界面20的示意图所述搜索界面20包括一搜索栏位输入框201。所述搜索栏位输入框201用于接收用户输入的针对捐助对象的搜索信息。当用户在所述搜索栏位输入框201中输入搜索信息时，所述获取模块401获取所述搜索栏位输入框201接收的搜索信息。

在另一实施方式中，所述获取模块401获取针对捐助对象的搜索信息包括：

接收并识别用户的语音信息并将识别出的语音信息作为搜索信息。

请参考图5，所示为本发明一实施方式获取模块401的示意图。所述获取子模块包括句子文本识别子模块4011、错词识别子模块4012及替换子模块4013。

具体的，所述接收并识别用户的语音信息并将识别出的语音信息作为搜索信息包括：

所述句子文本识别子模块4011用于通过所述用户终端1的麦克风接收用户的语音信息，并根据接收的语音信息识别出所述语音信息所对应的句子文本。

本实施方式中，所述句子文本识别子模块4011可以根据第三方语音识别公司提供的云端服务器或本地识别功能，根据用户终端1的麦克风接收的语音信息识别出与语音信息对应的句子文本。具体地，可以根据通用的现有的语音转文本软件对所述语音信息进行识别得到句子文本，在此不做具体限定。

所述错词识别子模块4012用于识别所述句子文本中的错词。

本实施方式中，所述错词识别子模块4012根据识别出的语音信息确定语音环境，将所述句子文本中的每一个词语进行识别，确定不符合所述语言环境中的错词。本发明实施例中的错词可以为一个汉字，或者多个汉字组成的词语。本实施方式中，可以通过识别出的语音信息确定所述语音环境。例如，所述错词识别子模块4012通过用户终端1的麦克风接收用户的语音信息为“你中午吃什么了，我吃了鸡肉”时，通过识别出所述语音信息可以确定所述语音信息的语言环境为吃东西的询问环境，依据所识别出的语音环境可以将与“鸡肉”同音的错词“肌肉”识别出。

在另一实施方式中，所述错词识别子模块4012根据预先设定好的语音环境对所述句子文本中的每一个词语进行识别，并确定不符合所述语言环境中的错词。

在一实施方式中，所述错词识别子模块4012针对不同语言环境设置不同的训练语料库，例如针对艺术环境，设置与艺术环境相关的多个词语，将所述多个词语组成的语言库称为训练语料库。本实施方式中，所述训练语料库中包括在相同语言环境中的多个词语，每一词语对应一个词向量模型。其中，通过对训练语料库中的各词进行“Distributedrepresentation”分散式表示得到每一个词语的词向量模型。

在一实施方式中，所述错词识别子模块4012识别句子文本中的错词包括：

确定句子文本中的词语与所述训练语料库中的词语之间的相似度，并将相似度小于预设值的词语确定为错词。其中，所述训练语料库中的每一词语及所述句子文本中的词语分别对应一个词向量模型，根据每一词语所对应的词向量模型，通过两个词语之间的余弦距离计算出两个词语之间相似度。具体的，可以通过如下公式计算两个词语之间的相似度：

其中，cosθ为相似度，n标识每一词语为一个n维的词向量模型，Ai为第一个词语的词向量模型中的第i维的数据，Bi为第二个词语的词向量模型中的第i维的数据。本实施方式中，对词向量模型中的维数不作限定。

所述替换子模块4013确定错词所对应的替换词，并将错词更改为替换词。

本实施方式中，在识别句子文本中的错词时依次对句子文本中的每一个词语进行识别且确定每一个错词所对应的替换词，并将句子文本中的每一个错词进行替换。

本实施方式中，所述替换子模块4013确定错词所对应的替换词包括：

确定与所述句子文本对应的语音信息的语音环境，根据所述语音环境确定与所述语音环境对应的训练语料库，从所述训练语料库中确定与所述句子文本中的词语相似度最大的词语，并将所述相似度最大的词语作为替换词。

本发明实施方式中，确定与语音环境相同的训练语料库，并从所述训练语料库对应的预设的拼音词语映射表中，查找与所述句子文本中的词语相似度最大的词语作为替换词，从而提高了语音识别的正确率。

本实施方式中，所述拼音词语映射表是根据训练语料库中的词语，将每一个词语转换成拼音，并将拼音相同的所有词语作为一组而建立的拼音与词语的映射关系表。如，“实验”、“试验”、“十堰”等词的拼音完全相同，将所述拼音相同的词语作为一组进行存储。具体地，将训练语料库中的每一个词语标注对应的拼音表示方法，将所有词语所对应的拼音进行顺序排列，得到词语的拼音表示方法，并将拼音相同的词语作为一组进行顺序排列，得到拼音词语一对多的映射关系。在所述拼音词语映射表查找词语时，可以根据所述词语对应的拼音索引出对应的词语。本实施方式中，拼音词语映射表与所述训练语料库一一对应，语音的语音环境不同，预设的拼音词语映射表不同。

所述分词模块402用于对所述搜索信息进行分词以获取至少一个关键词。

在一实施方式中，采用中文分词法对所述搜索信息进行分词处理。其中，中文分词方法包括基于字符串匹配的分词方法、基于统计的分词方法。本实施方式中，基于字符串的分词方法主要依据词典的信息，按照一定的策略将待切分的汉字串与词典中的词条逐一匹配，若在词典中找到所述词条，则匹配成功，否则做其它相应的处理。本实施方式中，基于统计的分词方法通过对语料中相邻共现的各个字的组合频度进行统计，计算它们的互现信息，互现信息体现了汉字之间结合关系的紧密程度，当紧密程度高于某一个阈值时，可判定所述字组构成一个词。基于统计的分词方法的优点是不受待处理文本领域的限制，不需要专门的词典。进一步地，本发明实施例中，可使用IK分词器进行分词处理。

在具体实施方式中，所述分词模块402对所述搜索信息进行分词，获得分词列表，并从所述分词列表中选择重要分词，作为所述至少一个关键词。

本实施方式中，所述分词模块402根据语义分析以及预定分词词库，对所述搜索信息进行分词，获取分词列表。例如，所述分词模块402对搜索信息“贫穷的男孩”根据语义分析以及预定分词词库，对所述搜索信息进行分词，获取分词列表包含“贫穷”、“的”以及“男孩”的分词列表。

本实施方式中，所述分词模块402可通过多种方式来确定分词列表中的分词是否为重要关键词。例如，所述分词模块402可通过将分词列表中的分词与预定分词词库中的分词匹配，和/或基于对搜索信息的语义分析、对分词列表中的分词本身的语义分析以及基于分词列表中的分词在搜索信息中的语法位置分析等，来确定分词列表中的分词是否为重要的关键词。例如，所述分词模块402将上述分词列表中的“贫穷”、“的”以及“男孩”等分词与预定分词词库中的分词进行匹配，并根据匹配结果选择重要分词“贫穷”和“男孩”，作为搜索信息“贫穷的男孩”所对应的两个关键词。

本实施方式中，所述分词模块402还包括：将字数少于或等于预设字数的关键词词语删除。本实施方式中，由于生僻字为单字的可能性很大，通过直接将字数少于或等于1的关键词词语删除，降低生僻字在搜索匹配过程中对搜索结果的影响，并提高搜索匹配的效率。

所述人物标签确定模块403用于基于至少一个所述关键词获得至少一个人物标签，其中，每个关键词与一个或多个人物标签相对应。

本实施方式中，所述用户终端1中预先存储有一人物标签对应关系表，所述人物标签对应关系表中包括关键词与一个或多个人物标签的对应关系，所述人物标签确定模块403基于至少一个所述关键词查找所述人物标签对应关系表获得至少一个人物标签。

所述人物对象确定模块404用于根据所述至少一个人物标签查找人物列表确定目标人物对象，其中，所述人物列表包括至少一个人物对象，所述每一人物对象包括至少一人物标签。

本实施方式中，所述目标人物对象或人物对象可为实际的自然人，如一个明星；也可为虚拟人物，如一个法人组织。

在一具体实施方式中，所述人物对象确定模块404获取与每个人物标签所匹配的所有人物列表，并将所有人物列表中均存在的人物对象作为所述目标人物对象。

本实施方式中，一个人物标签对应的人物列表可以包括多个人物对象，所述多个人物列表中的每一个人物对象均具有所述人物标签；例如，若人物标签“贫穷男孩”所对应的人物列表中具有10个人物对象，则所述10个人物列表中的每个人物对象，均具有人物标签“贫穷男孩”。

例如，当获取的关键词为“贫穷”和“男孩”时，则对于关键词“男孩”，所述人物对象确定模块404将关键词“男孩”所对应的人物标签与各个人物列表对应的人物标签进行匹配，获得与关键词“男孩”所对应的人物标签所匹配的人物列表；对于关键词“贫穷”，所述人物对象确定模块404同样执行上述步骤，获得与关键词“贫穷”所对应的人物标签所匹配的人物列表。

在一具体实施方式中，所述人物对象确定模块404获得关键词“男孩”对应的人物列表和关键词“贫穷”所述对应的人物列表中时，当与“男孩”对应的人物列表包括人物对象A、B、C，及与“贫穷”对应的人物列表包括人物对象A、B、D时，则所述人物对象确定模块403将所述两个人物列表所共有的人物对象A、B作为目标人物对象。

所述显示模块405用于显示所述目标人物对象。

本实施方式中，所述显示模块405在显示所述目标人物对象时，还将目标人物对象的附加信息一并进行显示，其中，所述附加信息可包括所述目标人物的描述信息，例如目标人物对象的家庭描述信息。

本实施方式中，所述显示模块405还用于获取所述目标人物对象的人物标签的权重信息，根据所述目标人物对象的人物标签的权重信息，对所述目标人物对象进行排序，及将排序后的目标人物对象进行显示。

本实施方式中，所述目标人物对象的人物标签的权重信息可由用户终端1预先确定。本实施方式中，对于一个目标人物对象，其与关键词匹配的人物标签的权重信息越高，则其排序越高。

本实施方式中，所述“根据所述目标人物对象的人物标签的权重信息，对所述目标人物进行排序”包括：

a)将所述目标人物对象中的所有人物标签的权重进行累加求和得出所述目标人物对象相对应的权重信息。例如，目标人物对象A、B均具有人物标签“男孩”和“贫穷”。用户终端1获得的目标人物对象A、B的权重信息如下：目标人物对象A的人物标签“贫穷”的权重值为WA1，人物标签“男孩”的权重值为WA2；目标人物对象B的人物标签“男孩”的权重值为WB1，人物标签“贫穷”的权重值为WB2；用户终端1根据上述权重信息确定：目标人物对象A的权重信息为WA1+WA2；目标人物对象B的权重信息为WB1+WB2。

b)根据所述目标人物对象的权重信息，对所述目标人物对象进行排序。

本实施方式中，所述人物标签构建模块406用于获取人物对象的用户信息，从获取的用户信息中挖掘关键词，通过构造关键词与人物标签的对应关系来构造人物对象的人物标签。

本实施方式中，所述人物对象的用户信息包括用户身体数据及用户外在数据。其中，用户的身体数据包括性别、五官数据，用户外在数据包括性格、星座、出生年份、地点、家庭经济情况、学***台或互联网上获取人物对象的用户身体数据及用户外在数据，从获取的用户身体数据及用户外在数据中挖掘关键词，通过构造关键词与人物标签的对应关系来构造人物对象的人物标签。

本发明能够针对人物进行检索，并能够基于与搜索信息匹配的人物标签的权重，来对目标人物对象进行排序，从而使得人物检索结果的可靠度更高。

实施例3

图6为本发明一实施方式中电子设备6的示意图。

所述电子设备6包括存储器61、处理器62以及存储在所述存储器61中并可在所述处理器62上运行的计算机程序63。所述处理器62执行所述计算机程序63时实现上述捐助对象搜索方法实施例中的步骤，例如图1所示的步骤S11～S15。或者，所述处理器62执行所述计算机程序63时实现上述捐助对象搜索装置实施例中各模块/单元的功能，例如图4中的模块401～406。

示例性的，所述计算机程序63可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器61中，并由所述处理器62执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，所述指令段用于描述所述计算机程序63在所述电子设备6中的执行过程。例如，所述计算机程序63可以被分割成图4中的获取模块401、分词模块402、人物标签确定模块403、人物对象确定模块404、显示模块405及人物标签构建模块406，各模块具体功能参见实施例2。

本实施方式中，所述电子设备6与所述用户终端1是同一设备。在其他实施方式中，所述电子设备6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。本领域技术人员可以理解，所述示意图仅仅是电子设备6的示例，并不构成对电子设备6的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备6还可以包括输入输出设备、网络接入设备、总线等。

所称处理器62可以是中央处理模块(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者所述处理器62也可以是任何常规的处理器等，所述处理器62是所述电子设备6的控制中心，利用各种接口和线路连接整个电子设备6的各个部分。

所述存储器61可用于存储所述计算机程序63和/或模块/单元，所述处理器62通过运行或执行存储在所述存储器61内的计算机程序和/或模块/单元，以及调用存储在存储器61内的数据，实现所述计电子设备6的各种功能。所述存储器61可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备6的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器61可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

所述电子设备6集成的模块/单元如果以软件功能模块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介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，所述计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

在本发明所提供的几个实施例中，应该理解到，所揭露的电子设备和方法，可以通过其它的方式实现。例如，以上所描述的电子设备实施例仅仅是示意性的，例如，所述模块的划分，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。

另外，在本发明各个实施例中的各功能模块可以集成在相同处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在相同模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他模块或步骤，单数不排除复数。电子设备权利要求中陈述的多个模块或电子设备也可以由同一个模块或电子设备通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

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限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种捐助对象搜索方法，其特征在于，所述方法包括：

获取针对捐助对象的搜索信息；

对所述搜索信息进行分词以获取至少一个关键词；

基于至少一个所述关键词获得至少一个人物标签，其中，每个关键词与一个或多个人物标签相对应；

根据所述至少一个人物标签查找人物列表确定目标人物对象，其中，所述人物列表包括至少一个人物对象，每一人物对象包括至少一人物标签；及

显示所述目标人物对象。

2.如权利要求1所述的捐助对象搜索方法，其特征在于，所述基于至少一个所述关键词获得至少一个人物标签，根据所述至少一个人物标签查找人物列表确定目标人物对象包括：

获取与每个关键词匹配的所有人物列表；及

将所有人物列表中均存在的人物对象，作为所述目标人物对象。

3.如权利要求1所述的捐助对象搜索方法，其特征在于，所述显示所述目标人物对象包括：

获取所述目标人物对象的人物标签的权重信息，根据所述目标人物对象的人物标签的权重信息，对所述目标人物对象进行排序，及将排序后的目标人物对象进行显示。

4.如权利要求3所述的捐助对象搜索方法，其特征在于，所述根据所述目标人物对象的人物标签的权重信息，对所述目标人物对象进行排序，及将排序后的目标人物对象进行显示包括：

将所述目标人物对象中的所有人物标签的权重进行累加求和得出所述目标人物对象相对应的权重信息；及

根据所述目标人物对象的权重信息，对所述目标人物对象进行排序。

5.如权利要求1所述的捐助对象搜索方法，其特征在于，所述获取针对捐助对象的搜索信息包括：

接收并识别用户的语音信息并将识别出的语音信息作为所述搜索信息。

6.如权利要求5所述的捐助对象搜索方法，其特征在于，所述接收并识别用户的语音信息并将识别出的语音信息作为所述搜索信息包括：

通过麦克风接收用户的语音信息，并根据接收的语音信息识别出所述语音信息所对应的句子文本；

识别所述句子文本中的错词；及

确定错词所对应的替换词，并将错词更改为替换词。

7.如权利要求6所述的捐助对象搜索方法，其特征在于，所述识别所述句子文本中的错词包括：

确定所述句子文本中的词语与训练语料库中的词语之间的相似度，并将相似度小于预设值的词语确定为错词，其中，所述训练语料库中的每一词语及所述句子文本中的词语分别对应一个词向量模型，根据每一词语所对应的词向量模型，通过公式计算所述句子文本中的词语与训练语料库中的词语之间的余弦距离，并将计算出的余弦距离作为两个词语之间的相似度，其中，cosθ为相似度，n标识所述词语为一个n维的词向量模型，Ai为所述两个词语中的第一个词语的词向量模型中的第i维的数据，Bi为所述两个词语中的第二个词语的词向量模型中的第i维的数据。

8.一种捐助对象搜索装置，其特征在于，所述装置包括：

获取模块，用于获取针对捐助对象的搜索信息；

分词模块，用于对所述搜索信息进行分词以获取至少一个关键词；

人物标签确定模块，用于基于至少一个所述关键词获得至少一个人物标签，其中，每个关键词与一个或多个人物标签相对应；

人物对象确定模块，用于根据所述至少一个人物标签查找人物列表确定目标人物对象，其中，所述人物列表包括至少一个人物对象，每一人物对象包括至少一人物标签；及

显示模块，用于显示所述目标人物对象。

9.一种电子设备，其特征在于：所述电子设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1-7中任一项所述捐助对象搜索方法。

10.一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：所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述捐助对象搜索方法。