CN112528144A - 搜索推荐方法、装置、智能设备、电子设备及存储介质 - Google Patents

Abstract

本申请公开了一种搜索推荐方法、装置、智能设备、电子设备及存储介质，可应用于人工智能、云计算、大数据、计算机数据、智能搜索、信息流、以及知识图谱。具体实现方案为：获取用户的搜索任务，并根据搜索任务确定搜索目标对象，确定搜索目标对象的所属类别，并确定与所属类别存在关联关系的关联类别，根据搜索目标对象和关联类别，生成并输出推荐信息，其中，推荐信息中包括：搜索目标对象、以及归属于关联类别的对象，通过结合归属于关联类别的对象进行推荐，避免了相关技术中搜索推荐的局限性较大的问题，提高了搜索推荐的灵活性、多样性、丰富性、以及可靠性的技术效果，增强了用户的搜索体验。

Description

搜索推荐方法、装置、智能设备、电子设备及存储介质

技术领域

本申请涉及计算机和数据处理技术，尤其涉及一种搜索推荐方法、装置、智能设备、电子设备及存储介质，可应用于人工智能、云计算、大数据、计算机数据、智能搜索、信息流、以及知识图谱。

背景技术

随着互联网技术的发展以及信息量的增加，如何提高为用户推荐信息的全面性成了亟待解决的问题。

在现有技术中，通常采用的方法为：确定与搜索目标对象相似度较高的对象，并根据搜索目标对象、以及确定出的相似度较高的对象，生成并输出推荐信息，例如，搜索目标对象为XX型号的手机，确定出的相似度较高的对象可以为外观与XX型号的手机接近的YY型号的手机，则根据XX型号的手机和YY型号的手机，生成并输出推荐信息。

然而，通过相似度生成推荐信息，局限性相对较大，无法满足用户较为宽泛的需求。

发明内容

本申请提供了一种用于提高推荐的全面性的搜索推荐方法、装置、智能设备、电子设备及存储介质。

根据本申请的第一方面，提供了一种搜索推荐方法，包括：

获取用户的搜索任务，并根据所述搜索任务确定搜索目标对象；

确定所述搜索目标对象的所属类别，并确定与所述所属类别存在关联关系的关联类别；

根据所述搜索目标对象和所述关联类别，生成并输出推荐信息；其中，所述推荐信息中包括：所述搜索目标对象、以及归属于所述关联类别的对象。

通过本申请实施例提供的搜索推荐方法，实现了提高推荐的样性和灵活性的技术效果。

根据本申请的第二方面，提供了一种搜索推荐装置，包括：

第一获取模块，用于获取用户的搜索任务，并根据所述搜索任务确定搜索目标对象；

第一确定模块，用于确定所述搜索目标对象的所属类别，并确定与所述所属类别存在关联关系的关联类别；

生成模块，用于根据所述搜索目标对象和所述关联类别，生成推荐信息；其中，所述推荐信息中包括：所述搜索目标对象、以及归属于所述关联类别的对象；

输出模块，用于输出所述推荐信息。

根据本申请的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的方法。

根据本申请的第四方面，提供了一种智能设备，包括：

输出器、至少一个处理器、以及与所述至少一个处理器通信连接的存储器；其中，所述输出器与所述至少一个处理器连接；

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的方法；

所述输出器用于输出所述推荐信息。

根据本申请的第五方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如第一方面所述的方法。

根据本申请的第六方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上第一方面所述的方法。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请实施例的应用场景的示意图；

图2是根据本申请一个实施例的示意图；

图3是根据本申请又一实施例的示意图；

图4是根据本申请一个实施例的可视化图表的示意图；

图5是根据本申请另一实施例的可视化图表的示意图；

图6是根据本申请另一实施例的可视化图表的示意图；

图7是根据本申请又一实施例的示意图；

图8是根据本申请又一实施例的示意图；

图9是根据本申请又一实施例的示意图；

图10是根据本申请又一实施例的示意图；

图11是根据本申请又一实施例的示意图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

一个示例中，本申请实施例提供的搜索推荐方法，可以应用于物品推荐(如商品推荐)的应用场景。例如，服务器向用户推荐家具、电器、以及书籍等。

另一个示例中，本申请实施例提供的搜索推荐方法，可以应用于资讯推荐(如新闻推荐)的应用场景。例如，服务器向用户推荐最新新闻、天气信息、以及路况信息等。

再一个示例中，本申请实施例提供的搜索推荐方法，可以应用于人机交互的应用场景。例如，服务器基于用户发起的交互信息，向交互机器人推荐与交互信息相关的话题题材以及相关内容等。

值得说明地是，上述示例只是用于示范性地说明，本申请实施例的搜索推荐方法可以适用的应用场景，而不能理解为对本申请实施例的搜索推荐方法的应用场景的限定。

为加深读者对本申请实施例的搜索推荐方法的应用场景地理解，现以物品推荐(如商品推荐)为例，且结合图1(图1是根据本申请实施例的应用场景的示意图)对本申请实施例的搜索推荐方法的应用场景进行详细阐述如下。

在如图1所示的应用场景中，当用户101有搜索需求，如购买商品的需求时，可以基于用户终端102向服务器103发送搜索请求。

例如，如图1所示，用户101可以在用户终端102的显示界面上输入“XX空调”，并通过用户终端102的显示界面的虚拟按钮“搜索”向服务器103发送搜索请求。

服务器103接收由用户终端102发送的用于搜索“XX空调”的搜索请求，生成并向用户终端102反馈包括“XX空调”的推荐信息。

用户终端102可以对包括“XX空调”的推荐信息进行显示。

在相关技术中，为了提高用户的购物体验，服务器103可以确定与“XX空调”相似度较高的“YY空调”，生成并向用户终端102反馈包括“XX空调”和“YY空调”推荐信息。

其中，相似度较高可以表征，性能的相似度较高，也可以表征外观的相似度较高。

也就是说，在相关技术中，服务器在向用户推荐用户搜索的商品的同时，还可以向用户推荐与用户搜索的商品相关的商品。

然而，采用相似度推荐的方式为用户推荐商品，可能造成推荐的局限性较大，无法满足用户的较为宽泛的需求的技术问题，即采用相关技术中的方法为用户推荐相关信息，可能存在推荐的灵活性和全面性偏低的问题。

本申请的发明人经过创造性地劳动，得到了本申请的发明构思：确定待推荐的对象(如物品等)的所属类别，并确定与该所属类别存在关联关系的关联类别，并基于待推荐的对象、以及关联类别生成推荐信息，从而实现推荐的灵活性和全面性的技术效果。

下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。

本申请提供一种搜索推荐方法、装置、智能设备、电子设备及存储介质，应用于计算机和数据处理技术领域中的人工智能、云计算、大数据、计算机视觉、智能搜索、以及知识图谱，以达到搜索推荐的灵活性和全面性的技术效果。

图2是根据本申请一个实施例的示意图，如图2所示，本申请实施例的搜索推荐方法可以包括：

S201：获取用户的搜索任务，并根据搜索任务确定搜索目标对象。

示例性地，本实施例的执行主体可以搜索推荐装置，且搜索推荐装置可以为服务器(包括云端服务器和本地服务器)、计算机、终端设备、处理器、以及芯片等。

例如，当本实施例的搜索推荐方法应用于如图1所示的应用场景时，搜索推荐装置可以为如图1中所示的服务器。

一个示例中，搜索任务可以为用户主动触发的。例如，当用户有搜索需求时，基于用户设备(如移动终端等)向搜索推荐装置发起的搜索任务。

在本实施例中，搜索目标对象可以为用户此次搜索的对象。

例如，结合如图1所示的应用场景，当用户基于用户设备向搜索推荐装置发起“XX空调”的搜索任务时，搜索推荐装置将“XX空调”确定为搜索目标对象。

另一个示例中，搜索任务可以为搜索推荐装置基于用户的历史搜索纪录生成的。例如，搜索推荐装置基于时间间隔，且基于用户的历史搜索纪录，生成搜索任务。

在本实施例中，搜索目标对象可以为用户的历史搜索的对象。

例如，用户在近段时间(如一周内)，搜索了“XX空调”，但是一直未下单购买，则搜索推荐装置可以主动生成搜索任务，生成并向用户设备发送推荐信息。

且在搜索推荐装置主动生成搜索任务的基础上，搜索推荐装置可以在搜索目标对象的相关信息发生变化时，如价格信息等，生成并向用户设备发送推荐信息。

应该理解地是，上述示例只是用于示范性地说明，触发搜索任务的部分情况，而不能理解为对触发搜索任务、以及搜索任务的限定。

S202：确定搜索目标对象的所属类别，并确定与所属类别存在关联关系的关联类别。

值得说明地是，本实施例中的类别可以为基于行业分类标准确定的类别，如家装为一个类别，汽车为另一个类别；也可以为基于需求、历史记录、以及经验等设置的，如门窗是一个类别，家电是另一个类别。

而在本实施例中，当类别为基于行业分类标准的类别时，可以使得本实施例的搜索推荐方法的灵活性和全面性性相对偏高。

结合上述示例和图1所示的应用场景，所示搜索目标对象为“XX空调”，则可以确定出搜索目标对象的所属类别为家装。

相应地，在确定出所属类别之后，可以继续确定与所属类别存在关联关系的关联类别。也就是说，所属类别与关联类别之间存在关联，如家装和汽车等。

S203：根据搜索目标对象和关联类别，生成并输出推荐信息。

其中，推荐信息中包括：搜索目标对象、以及归属于关联类别的对象。

在本实施例中，推荐信息中可以包括两个维度的内容，一个维度的内容为搜索目标对象，另一个维度的内容为归属于关联类别的对象。

结合上述示例，若搜索目标对象为“XX空调”，关联类别为汽车，则推荐信息中包括：“XX空调”、以及归属于汽车的对象(如“XX汽车”)。

示例性地，搜索推荐装置可以通过交互界面输出推荐信息。例如，结合如图1所示的应用场景，搜索推荐装置可以将推荐信息发送给用户终端，并通过用户终端的交互界面(即显示界面)输出推荐信息。

值得说明地是，在本实施例中，引入了确定搜索目标对象的所属类别，并确定与所属类别存在关联关系的关联类别的特征，而通过引入该特征，可以生成包括搜索目标对象和归属于关联类别的对象的推荐信息，从而可以实现推荐信息中包括更多的推荐元素，进而实现推荐的全面性、灵活性、以及可靠性的技术效果。

图3是根据本申请又一实施例的示意图，如图3所示，本申请实施例的搜索推荐方法可以包括：

S301：针对每一类别的文本数据，对每一类别的文本数据进行对象提取处理，并基于对象提取处理得到的对象构建包括各类别的可视化图表。

示例性地，可以基于类别获取文本数据，且每一类别的文本数据可以包括：文本的内容、文本的标题、文本中关于对象的评论、以及文本中关于对象的描述，等等。

对象提取处理可以基于命名实体识别等技术实现，比如名词、地名、机构名、商品标签名等，可以作为对象事物的对象词，比如汽车之间里汽车的品牌名，各大旅游景点名，各部门名称，等等。

在本实施例中，不同的对象可以构成可视化图表，且可视化图表中的每一类别下均可包括多个不同的对象。即，可视化图表中包括多个类别，每一类别下包括多个不同的对象。

在一些实施例中，可视化图表的对象与可视化图表的类别之间具有所属关系，即可视化图表的对象归属于可视化图表的类别，且可以基于第二边连接关系表征所属关系。

图4是根据本申请一个实施例的可视化图表的示意图，如图4所示，可视化图表中可以包括两个类别，分别为家装和汽车，“XX空调”、“无框木门窗”为可视化图表的对象，且均归属于家装类别；“A汽车”、“B汽车”也为可视化图表的对象，且均归属于汽车类别。

图5是根据本申请另一实施例的可视化图表的示意图，如图5所示，在如图4所示的可视化图表的基础上，一些实施例中，针对每一类别，可以确定每一类别下的子分类。如家装类别下的子分类包括：门窗和家电；汽车类别下的子分类包括：燃油车和新能源车。

且如图5所示，子分类门窗下可以包括：“无框木门窗”对象和“有框木门窗”对象；子分类家电下可以包括：“XX空调”对象和“XX冰箱对象”；子分类燃油车下可以包括：“C汽车”和“D汽车”；子分类新能源车下可以包括“A汽车”和“B汽车”。

同理，子分类可以基于行业标准确定，也可以基于需求、历史记录、以及试验等确定。

S302：基于获取到的历史搜索记录，确定每一类别的共现频次。

其中，共现频次表征，在历史搜索记录中，不同类别在相邻搜索记录中出现的频次。

示例性地，历史搜索记录可以预设时间段内的历史搜索记录，如半年内的历史搜索记录。

频次可以表征，在历史搜索记录中，不同类别在相邻搜索记录中反复出现的次数。

例如，对象“XX空调”归属于家装类别，“A汽车”归属于汽车类别，在半年的历史搜索记录中，“XX空调”与“A汽车”为相邻搜索记录的次数为n(n为大于或等于1的整数)次，则家装类别与汽车类别的共现频次为n次。

S303：根据共现频次确定各类别的第一边连接关系，并基于各类别的第一连接关系更新可视化图表。

其中，第一边连接关系表征关联关系。

示例性地，本实施例可以理解为，可以基于共现频次确定两个类别之间是否具有关联关系，且当两个类别之间具有关联关系时，可以在可视化图表中，基于第一边连接关系进行表示。

结合上述示例，若基于共现频次确定家装类别与汽车类别之间存在关联关系，则如图6(图6是根据本申请另一实施例的可视化图表的示意图)所示，可以在如图5所示的基础上，在可视化图表中，增加家装类别与汽车类别之间的第一边连接关系，

应该理解地是，上述示例只是以两个类别为例进行示范性地说明，而不能理解为对类别的数量的限定。

值得说明地是，在本实施例中，通过基于共现频次确定各类别之间的关联关系，可以提高确定出的各类别之间的关联关系的准确性和可靠性，进而可以实现当基于具有关联关系的可视化图表确定推荐信息时，增加推荐信息的内容维度，提高推荐的灵活性、全面性、以及可靠性的技术效果，增强用户的体验。

S304：获取用户的搜索任务，并根据搜索任务确定搜索目标对象。

示例性地，关于S304地描述，可以参见S201，此次不再赘述。

S305：根据可视化图表，确定与搜索目标对象存在第二边连接关系的所属类别。

结合上述示例可知，可视化图表的对象与可视化图表的类别之间具有第二边连接关系，第二边连接关系表征对象与类别之间的所属关系，在本实施例中，当搜索推荐装置基于搜索任务确定出搜索目标对象时，可以基于搜索目标对象，从可视化图表中确定，与搜索目标对象存在第二边连接关系的所属类别。

例如，结合如图6所示的可视化图表，若搜索目标对象为“XX空调”，则与“XX空调”可以为家装类别。且如图6所示，搜索推荐装置可以基于“XX空调”确定其归属的家电子分类，并基于家电子分类确定其归属的家装类别。

值得说明地是，在本实施例中，通过从可视化图表中确定，与搜索目标对象存在第二边连接关系的所属类别，可以提高确定搜索目标对象的所属类别的效率和可靠性的技术效果。

S306：根据可视化图表，确定与所属类别存在第一边连接关系的关联类别。

结合上述示例可知，可视化图表的类别与类别之间具有第一边连接关系，第一边连接关系表征类别与类别之间的关联关系，在本实施例中，当搜索推荐装置基于可视化图表确定出搜索目标对象的所属类别时，可以基于所属类别，从可视化图表中确定，与所属类别存在第一边连接关系的关联类别，即从可视化图表中确定，与所属类别存在关联关系的关联类别。

例如，结合如图6所示的可视化图表，若所属类别为家装，则搜索推荐装置可以基于家装类别与汽车类别之间的第一边连接关系，确定关联类别即为汽车。

同理，通过从可视化图表中确定，与所属类别存在第一边连接关系的关联类别，可以提高确定关联类别的效率和可靠性的技术效果，且当结合关联类别生成推荐信息时，可以提高基于推荐信息为用户推荐的灵活性和全面性的技术效果。

S307：根据可视化图表，确定与关联类别存在第二边连接关系的对象。

结合上述示例和图6，若关联类别为汽车，则与汽车存在第二边连接关系的对象可以为“A汽车”、“B汽车”、“C汽车”、以及“D汽车”中的一种或多种。

S308：根据与关联类别存在第二边连接关系的对象、以及搜索目标对象，生成并输出推荐信息。

其中，推荐信息中包括：搜索目标对象、以及归属于关联类别的对象。

结合上述示例和图6，若与关联类别存在第二边连接关系的对象为“A汽车”、“B汽车”、“C汽车”、以及“D汽车”，搜索目标对象为“XX空调”，则推荐信息中可能包括：“XX空调”和“A汽车”，也可能包括：“XX空调”和“B汽车”，也可以包括：“XX空调”、“A汽车”、“B汽车”、“C汽车”，等等。

值得说明地是，在本实施例中，通过确定与关联类别存在第二边连接关系的对象，并基于该对象、以及搜索目标对象，生成并输出推荐信息，可以增加推荐信息的内容维度，从而满足用户较为宽泛的搜索需求，且通过基于关联类别为用户做推荐，可以使得推荐信息与用户的搜索需求高度贴合，从而挺高推荐的可靠性和准确性的技术效果。

图7是根据本申请又一实施例的示意图，如图7所示，本申请实施例的搜索推荐方法可以包括：

S701：获取历史搜索记录，基于历史搜索记录确定各类别的共现频次，并基于共现频次构建映射关系。

其中，共现频次表征，在历史搜索记录中，不同类别在相邻搜索记录中出现的频次。映射关系表征类别之间的关联关系。

示例性地，关于共现频次地描述，可以参见上述示例中共现频次地描述，此次不再赘述。

在本实施例中，可以基于共现频次构建，用于表征类别之间的关联关系的映射关系。在一些实施例中，可以通过链表的方式展现映射关系。

值得说明地是，在本实施例中，通过基于历史搜索记录确定共现频次，并基于共现频次构建映射关系，可以实现映射关系较为准确地表达各类别之间的关联关系，从而实现当基于映射关系确定推荐信息时，提高推荐信息的准确性和可靠性的技术效果。

在一些实施例中，基于共现频次构建映射关系，可以包括如下步骤：

步骤1：根据共现频次确定各类别之间的关联性概率。

其中，关联性概率表征，在历史搜索记录中，第一类别被搜索后，继续搜索第二类别的概率。

也就是说，在本实施例中，具有关联关系的类别之间具有指向性。

结合上述示例和图6，家装类别和汽车类别的共现频次为n次，在历史搜索记录中，搜索家装类别之后，继续搜索汽车类别的次数为m次，则家装类别与汽车类别之间的关联性概率＝m/n，相应地，汽车类别与家装类别之间的关联性概率＝(n-m)/n。

步骤2：根据关联性概率构建映射关系。

搜索推荐装置在确定出关联性概率之后，可以基于关联性概率构建映射关系。例如，可以预先设置关联性概率阈值，若确定出的类别之间的关联性概率大于关联性概率阈值，则构建类别之间的映射关系。

具体地，结合上述示例，若m/n大于关联性概率阈值，则构建包括家装类别与汽车类别之间的关联关系的映射关系，且在映射关系中，家装类别与汽车类别之间具有指向性，即当确定出归属类别为家装时，可以确定与家装类别具有关联关系的为汽车类别。

示例性地，关联性概率阈值可以基于需求、历史记录、以及试验等进行设置。

值得说明地是，在本实施例中，通过基于关联性概率确定类别之间的关联关系，可以提高确定出的关联关系的可靠性和准确性，使得关联关系与用户搜索需求高度贴合，从而实现为用户推荐的信息中的对象，为满足用户搜索需求的对象，从而提高推荐的灵活性和可靠性的技术效果。

S702：获取用户的搜索任务，并根据搜索任务确定搜索目标对象。

示例性地，关于S702地描述，可以参见S101，此次不再赘述。

S703：基于映射关系，确定与所属类别存在关联关系的关联类别。

值得说明地是，各不同的类别之间存在关联关系，而通过基于映射关系确定所属类别存在关联关系的关联类别，可以提高确定关联类别的效率的技术效果。

S704：获取基于搜索目标对象的二次搜索记录。

其中，二次搜索记录表征，在搜索了搜索目标对象之后，继续搜索对象的记录。

同理，二次搜索记录为预设时间段内的搜索记录，如一个月内的搜索记录，具体可以基于需求、历史记录、以及试验等进行设置，本实施例不做限定。

S705：基于关联类别，从二次搜索记录中选择归属于关联类别的对象。

例如，若搜索目标对象为“XX空调”，所属类别为家装，与家装类别具有关联关系的关联类别为汽车，二次搜索记录中包括“XX床垫”、“XX瓷砖”、以及“A汽车”等，则搜索推荐装置可以将“A汽车”确定为归属于关联类别的对象。

在一些实施例中，搜索推荐装置可以基于如图6所示的可视化图表，从二次搜索记录中选择归属于关联类别的对象。

值得说明地是，在本实施例中，通过从二次搜索记录中，选择归属于关联类别的对象，可以使得当基于归属于关联类别的对象生成推荐信息时，提高推荐信息的准确性和可靠性，使得推荐信息与用户的搜索需求存在高度贴合的可能性的技术效果。

在一些实施例中，S705可以包括如下步骤：

步骤1：从二次搜索记录中，选择归属于关联类别的搜索次数最多的对象。

步骤2：将搜索次数最多的对象确定为归属于关联类别的对象。

结合上述示例，若关联类别为汽车，且二次搜索记录中包括归属于汽车类别的“A汽车”、“B汽车”、以及“C汽车”，则搜索推荐装置可以确定“A汽车”、“B汽车”、以及“C汽车”的搜索次数，如“A汽车”的搜索次数为a次，“B汽车”的搜索次数为b次，“C汽车”的搜索次数为c次，且确定a、b、以及c中最大的为a，则搜索推荐装置可以选择的对象为“A汽车”。

相应地，在搜索推荐装置确定出归属于关联类别的搜索次数最多的为a时，则可以将“A汽车”确定为归属于关联类别的对象。

值得说明地是，在本实施例中，通过将归属于关联类别的搜索次数最多的对象，确定为归属于关联类别的对象，可以提高归属于关联类别的对象、与搜索目标对象之间的高度关联性，使得生成的推荐信息与用户的搜索需求高度关联，提高了推荐的准确性和可靠性的技术效果。

值得说明地是，确定归属于关联类别的对象的方法还可以为，购买次数最多的归属于关联类别的对象；还可以为，成交量最多的归属于关联类别的对象；还可以为，评价最优的归属于关联类别的对象，等等，本实施例不做限定。

S706：基于搜索目标对象和归属于关联类别的对象，生成并输出推荐信息。

结合上述示例，搜索推荐可以基于搜索目标对象“XX空调”、以及归属于关联类别的对象“A汽车”，生成输出推荐信息。

值得说明地是，在相关技术中，搜索推荐装置输出的推荐信息中仅包括搜索目标对象“XX空调”，或者与搜索目标对象“XX空调”功能相似(或者外观相似)的其他空调，而在本实施例中，推荐信息中还包括归属于关联类别的对象“A汽车”，从而可以避免相关技术中推荐的局限性，提高了推荐的灵活性和全面性的技术效果。

图8是根据本申请又一实施例的示意图，如图8所示，本申请实施例的搜索推荐装置800可以包括：

第一获取模块801，用于获取用户的搜索任务，并根据所述搜索任务确定搜索目标对象。

第一确定模块802，用于确定所述搜索目标对象的所属类别，并确定与所述所属类别存在关联关系的关联类别。

生成模块803，用于根据所述搜索目标对象和所述关联类别，生成推荐信息；其中，所述推荐信息中包括：所述搜索目标对象、以及归属于所述关联类别的对象。

输出模块804，用于输出所述推荐信息。

在一些实施例中，各不同的类别之间存在关联关系；所述第一确定模块802用于，基于预先设置的映射关系，确定与所述所属类别存在关联关系的关联类别，其中，所述映射关系表征类别之间的关联关系。

图9是根据本申请又一实施例的示意图，如图9所示，在如图8所示的实施例的基础上，本申请实施例的搜索推荐装置可以包括：

第二获取模块805，用于获取历史搜索记录。

第二确定模块806，用于基于所述历史搜索记录确定各类别的共现频次；其中，所述共现频次表征，在所述历史搜索记录中，不同类别在相邻搜索记录中出现的频次。

第一构建模块807，用于基于所述共现频次构建所述映射关系。

在一些实施例中，所述第一构建模块806用于，根据所述共现频次确定所述各类别之间的关联性概率，并根据所述关联性概率构建所述映射关系；其中，所述关联性概率表征，在所述历史搜索记录中，第一类别被搜索后，继续搜索第二类别的概率。

在一些实施例中，不同的类别构成可视化图表，所述可视化图表中的不同的类别之间具有第一边连接关系，所述第一边连接关系表征关联关系；所述第一确定模块802用于，根据所述可视化图表，确定与所述所属类别存在第一边连接关系的所述关联类别。

图10是根据本申请又一实施例的示意图，如图10所示，在如图9所示的实施例的基础上，本申请实施例的搜索推荐装置可以包括：

提取模块808，用于针对每一类别的文本数据，对每一类别的文本数据进行对象提取处理；

第二构建模块809用于，基于对象提取处理得到的对象构建包括各类别的可视化图表；

第三确定模块810，用于基于获取到的历史搜索记录，确定所述每一类别的共现频次，并根据所述共现频次确定各类别的第一边连接关系；其中，所述共现频次表征，在所述历史搜索记录中，不同类别在相邻搜索记录中出现的频次；

更新模块811，用于基于所述各类别的第一连接关系更新所述可视化图表。

在一些实施例中，不同的对象构成可视化图表，所述可视化图表中的类别下具有多个不同的对象，所述可视化图表的对象与所述可视化图表的类别之间具有第二边连接关系，所述第二边连接关系表征对象与类别之间的所属关系；所述第一确定模块802用于，根据所述可视化图表，确定与所述搜索目标对象存在第二边连接关系的所述所属类别。

在一些实施例中，所述生成模块803用于，根据所述可视化图表，确定与所述关联类别存在第二边连接关系的对象，并根据与所述关联类别存在第二边连接关系的对象、以及所述搜索目标对象，生成所述推荐信息。

在一些实施例中，所述生成模块803用于，获取基于所述搜索目标对象的二次搜索记录；其中，所述二次搜索记录表征，在搜索了所述搜索目标对象之后，继续搜索对象的记录，并基于所述关联类别，从所述二次搜索记录中选择归属于所述关联类别的对象，并基于所述搜索目标对象和所述归属于所述关联类别的对象，生成所述推荐信息。

在一些实施例中，所述生成模块803用于，从所述二次搜索记录中，选择归属于所述关联类别的搜索次数最多的对象，并将搜索次数最多的对象确定为归属于所述关联类别的对象。

根据本申请的实施例，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上第一方面所述的方法，例如，实现如图2、图3以及图7中任一实施例所示的表情预测模型的训练方法

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

图11是根据本申请又一实施例的示意图，如图11所示，该电子设备1100包括计算单元1101，其可以根据存储在只读存储器(ROM)1102中的计算机程序或者从存储单元1108加载到随机访问存储器(RAM)1103中的计算机程序，来执行各种适当的动作和处理。在RAM1103中，还可存储设备1100操作所需的各种程序和数据。计算单元1101、ROM 1102以及RAM1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。

设备1100中的多个部件连接至I/O接口1105，包括：输入单元1106，例如键盘、鼠标等；输出单元1107，例如各种类型的显示器、扬声器等；存储单元1108，例如磁盘、光盘等；以及通信单元1109，例如网卡、调制解调器、无线通信收发机等。通信单元1109允许设备1100通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元1101可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1101的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1101执行上文所描述的各个方法和处理，例如搜索推荐方法。例如，在一些实施例中，搜索推荐方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1108。在一些实施例中，计算机程序的部分或者全部可以经由ROM 1102和/或通信单元1109而被载入和/或安装到设备1100上。当计算机程序加载到RAM 1103并由计算单元1101执行时，可以执行上文描述的搜索推荐方法的一个或多个步骤。备选地，在其他实施例中，计算单元1101可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行搜索推荐方法。

本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、区块链服务网络(Block-chain-based Service Network，BSN)、广域网(WAN)和互联网。

计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式***的服务器，或者是结合了区块链的服务器

根据本申请实施例的另一个方面，本申请实施例还提供了一种智能设备，包括：

输出器、至少一个处理器、以及与所述至少一个处理器通信连接的存储器；其中，所述输出器与所述至少一个处理器连接；

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上任一实施例中任一实施例所述的方法；

所述输出器用于输出所述推荐信息。

在一些实施例中，所述智能设备还包括：接收器；

所述接收器用于接收搜索请求，所述搜索请求用于请求搜索所述搜索目标对象；

或者，所述接收器用于接收点击请求，所述点击请求用于请求打开应用程序。

在一些实施例中，所述接收器为以下的任意一种：麦克风、智能屏、以及用户接口。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (26)

1.一种搜索推荐方法，包括：

获取用户的搜索任务，并根据所述搜索任务确定搜索目标对象；

确定所述搜索目标对象的所属类别，并确定与所述所属类别存在关联关系的关联类别；

根据所述搜索目标对象和所述关联类别，生成并输出推荐信息；其中，所述推荐信息中包括：所述搜索目标对象、以及归属于所述关联类别的对象。

2.根据权利要求1所述的方法，其中，各不同的类别之间存在关联关系；确定与所述所属类别存在关联关系的关联类别，包括：

基于预先设置的映射关系，确定与所述所属类别存在关联关系的关联类别，其中，所述映射关系表征类别之间的关联关系。

3.根据权利要求2所述的方法，在基于预先设置的映射关系，确定与所述所属类别存在关联关系的关联类别之前，所述方法还包括：

获取历史搜索记录，基于所述历史搜索记录确定各类别的共现频次，并基于所述共现频次构建所述映射关系；其中，所述共现频次表征，在所述历史搜索记录中，不同类别在相邻搜索记录中出现的频次。

4.根据权利要求3所述的方法，其中，基于所述共现频次构建所述映射关系，包括：

根据所述共现频次确定所述各类别之间的关联性概率，并根据所述关联性概率构建所述映射关系；其中，所述关联性概率表征，在所述历史搜索记录中，第一类别被搜索后，继续搜索第二类别的概率。

5.根据权利要求1所述的方法，其中，不同的类别构成可视化图表，所述可视化图表中的不同的类别之间具有第一边连接关系，所述第一边连接关系表征关联关系；确定与所述所属类别存在关联关系的关联类别，包括：

根据所述可视化图表，确定与所述所属类别存在第一边连接关系的所述关联类别。

6.根据权利要求5所述的方法，在根据所述可视化图表，确定与所述所属类别存在第一边连接关系的所述关联类别之前，所述方法还包括：

针对每一类别的文本数据，对每一类别的文本数据进行对象提取处理，并基于对象提取处理得到的对象构建包括各类别的可视化图表；

基于获取到的历史搜索记录，确定所述每一类别的共现频次，并根据所述共现频次确定各类别的第一边连接关系，并基于所述各类别的第一连接关系更新所述可视化图表；其中，所述共现频次表征，在所述历史搜索记录中，不同类别在相邻搜索记录中出现的频次。

7.根据权利要求1至6中任一项所述的方法，其中，不同的对象构成可视化图表，所述可视化图表中的类别下具有多个不同的对象，所述可视化图表的对象与所述可视化图表的类别之间具有第二边连接关系，所述第二边连接关系表征对象与类别之间的所属关系；确定所述搜索目标对象的所属类别，包括：

根据所述可视化图表，确定与所述搜索目标对象存在第二边连接关系的所述所属类别。

8.根据权利要求7所述的方法，其中，根据所述搜索目标对象和所述关联类别，生成并输出推荐信息，包括：

根据所述可视化图表，确定与所述关联类别存在第二边连接关系的对象；

根据与所述关联类别存在第二边连接关系的对象、以及所述搜索目标对象，生成并输出所述推荐信息。

9.根据权利要求1至6中任一项所述的方法，其中，根据所述搜索目标对象和所述关联类别，生成并输出推荐信息，包括：

获取基于所述搜索目标对象的二次搜索记录；其中，所述二次搜索记录表征，在搜索了所述搜索目标对象之后，继续搜索对象的记录；

基于所述关联类别，从所述二次搜索记录中选择归属于所述关联类别的对象，并基于所述搜索目标对象和所述归属于所述关联类别的对象，生成并输出所述推荐信息。

10.根据权利要求9所述的方法，其中，基于所述关联类别，从所述二次搜索记录中选择归属于所述关联类别的对象，包括：

从所述二次搜索记录中，选择归属于所述关联类别的搜索次数最多的对象，并将搜索次数最多的对象确定为归属于所述关联类别的对象。

11.一种搜索推荐装置，包括：

第一获取模块，用于获取用户的搜索任务，并根据所述搜索任务确定搜索目标对象；

第一确定模块，用于确定所述搜索目标对象的所属类别，并确定与所述所属类别存在关联关系的关联类别；

生成模块，用于根据所述搜索目标对象和所述关联类别，生成推荐信息；其中，所述推荐信息中包括：所述搜索目标对象、以及归属于所述关联类别的对象；

输出模块，用于输出所述推荐信息。

12.根据权利要求11所述的装置，其中，各不同的类别之间存在关联关系；所述第一确定模块用于，基于预先设置的映射关系，确定与所述所属类别存在关联关系的关联类别，其中，所述映射关系表征类别之间的关联关系。

13.根据权利要求12所述的装置，所述装置还包括：

第二获取模块，用于获取历史搜索记录；

第二确定模块，用于基于所述历史搜索记录确定各类别的共现频次；其中，所述共现频次表征，在所述历史搜索记录中，不同类别在相邻搜索记录中出现的频次；

第一构建模块，用于基于所述共现频次构建所述映射关系。

14.根据权利要求13所述的装置，其中，所述第一构建模块用于，根据所述共现频次确定所述各类别之间的关联性概率，并根据所述关联性概率构建所述映射关系；其中，所述关联性概率表征，在所述历史搜索记录中，第一类别被搜索后，继续搜索第二类别的概率。

15.根据权利要求11所述的装置，其中，不同的类别构成可视化图表，所述可视化图表中的不同的类别之间具有第一边连接关系，所述第一边连接关系表征关联关系；所述第一确定模块用于，根据所述可视化图表，确定与所述所属类别存在第一边连接关系的所述关联类别。

16.根据权利要求15所述的装置，所述装置还包括：

提取模块，用于针对每一类别的文本数据，对每一类别的文本数据进行对象提取处理；

第二构建模块用于，基于对象提取处理得到的对象构建包括各类别的可视化图表；

第三确定模块，用于基于获取到的历史搜索记录，确定所述每一类别的共现频次，并根据所述共现频次确定各类别的第一边连接关系；其中，所述共现频次表征，在所述历史搜索记录中，不同类别在相邻搜索记录中出现的频次；

更新模块，用于基于所述各类别的第一连接关系更新所述可视化图表。

17.根据权利要求11至16中任一项所述的装置，其中，不同的对象构成可视化图表，所述可视化图表中的类别下具有多个不同的对象，所述可视化图表的对象与所述可视化图表的类别之间具有第二边连接关系，所述第二边连接关系表征对象与类别之间的所属关系；所述第一确定模块用于，根据所述可视化图表，确定与所述搜索目标对象存在第二边连接关系的所述所属类别。

18.根据权利要求17所述的装置，其中，所述生成模块用于，根据所述可视化图表，确定与所述关联类别存在第二边连接关系的对象，并根据与所述关联类别存在第二边连接关系的对象、以及所述搜索目标对象，生成所述推荐信息。

19.根据权利要求11至16中任一项所述的装置，其中，所述生成模块用于，获取基于所述搜索目标对象的二次搜索记录；其中，所述二次搜索记录表征，在搜索了所述搜索目标对象之后，继续搜索对象的记录，并基于所述关联类别，从所述二次搜索记录中选择归属于所述关联类别的对象，并基于所述搜索目标对象和所述归属于所述关联类别的对象，生成所述推荐信息。

20.根据权利要求19所述的装置，其中，所述生成模块用于，从所述二次搜索记录中，选择归属于所述关联类别的搜索次数最多的对象，并将搜索次数最多的对象确定为归属于所述关联类别的对象。

21.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-10中任一项所述的方法。

22.一种智能设备，包括：

输出器、至少一个处理器、以及与所述至少一个处理器通信连接的存储器；其中，所述输出器与所述至少一个处理器连接；

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-10中任一项所述的方法；

所述输出器用于输出所述推荐信息。

23.根据权利要求22所述的智能设备，所述智能设备还包括：接收器；

所述接收器用于接收搜索请求，所述搜索请求用于请求搜索所述搜索目标对象；

或者，所述接收器用于接收点击请求，所述点击请求用于请求打开应用程序。

24.根据权利要求23所述的智能设备，所述接收器为以下的任意一种：麦克风、智能屏、以及用户接口。

25.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-10中任一项所述的方法。

26.一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现权利要求1-10中任一项所述的方法。

Images