CN113378015A - 搜索方法、装置、电子设备、存储介质和程序产品 - Google Patents

搜索方法、装置、电子设备、存储介质和程序产品 Download PDF

Info

Publication number
CN113378015A
CN113378015A CN202110718627.0A CN202110718627A CN113378015A CN 113378015 A CN113378015 A CN 113378015A CN 202110718627 A CN202110718627 A CN 202110718627A CN 113378015 A CN113378015 A CN 113378015A
Authority
CN
China
Prior art keywords
key information
media object
information
target
classification
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.)
Granted
Application number
CN202110718627.0A
Other languages
English (en)
Other versions
CN113378015B (zh
Inventor
李梦泽
邵世臣
李永恒
岳逸飞
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110718627.0A priority Critical patent/CN113378015B/zh
Publication of CN113378015A publication Critical patent/CN113378015A/zh
Priority to US17/847,051 priority patent/US20220318253A1/en
Application granted granted Critical
Publication of CN113378015B publication Critical patent/CN113378015B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24573—Query processing with adaptation to user needs using data annotations, e.g. user-defined metadata
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • 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
    • 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
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Library & Information Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开提供了一种搜索方法、装置、电子设备、存储介质和程序产品，涉及互联网技术领域，尤其涉及智能搜索技术领域。具体实现方案为：获取搜索信息；输出目标媒体对象的信息，其中，所述目标媒体对象的搜索关键信息与所述搜索信息匹配，且所述目标媒体对象的搜索关键信息与目标分类的分类关键信息匹配，所述目标媒体对象属于所述目标分类。本公开可以提高搜索的准确性。

Description

搜索方法、装置、电子设备、存储介质和程序产品
技术领域
本公开涉及互联网技术领域，尤其涉及智能搜索技术领域。
背景技术
随机互联网技术的发展，智能搜索应用越来越广泛，目前智能搜索技术主要采用的技术手段是将用户输入的搜索信息与媒体库中的媒体对象的内容进行直接匹配，以得到搜索结果。
发明内容
本公开提供了一种搜索方法、装置、电子设备、存储介质和程序产品。
根据本公开的一方面，提供了一种搜索方法，包括：
获取搜索信息；
输出目标媒体对象的信息，其中，所述目标媒体对象的搜索关键信息与所述搜索信息匹配，且所述目标媒体对象的搜索关键信息与目标分类的分类关键信息匹配，所述目标媒体对象属于所述目标分类。
根据本公开的另一方面，提供了一种搜索装置，包括：
获取模块，用于获取搜索信息；
输出模块，用于输出目标媒体对象的信息，其中，所述目标媒体对象的搜索关键信息与所述搜索信息匹配，且所述目标媒体对象的搜索关键信息与目标分类的分类关键信息匹配，所述目标媒体对象属于所述目标分类。
根据本公开的另一方面，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本公开提供的搜索方法。
根据本公开的另一方面，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，其中，所述计算机指令用于使所述计算机执行本公开提供的搜索方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开提供的搜索方法。
本公开中，由于目标媒体对象的搜索关键信息与搜索信息匹配，且目标媒体对象的搜索关键信息与目标分类的分类关键信息匹配，这样媒体对象的搜索关键信息更加准确，从而可以提高搜索的准确性。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开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，不构成对本公开的限定。其中：
图1是本公开提供的一种搜索方法的流程图；
图2是本公开提供的一种知识图谱建立方法的流程图；
图3是本公开提供的一种搜索装置的结构图；
图4是用来实现本公开实施例的搜索方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。
请参见图1，图1是本公开提供的一种搜索方法的流程图，如图1所示，包括以下步骤：
步骤S101、获取搜索信息。
其中，上述搜索信息可以是接收电子设备发送的搜索信息，或者可以是接收用户输入的搜索信息。
另外，上述搜索信息可以包括但不限于文字、语音、图像。
步骤S102、输出目标媒体对象的信息，其中，所述目标媒体对象的搜索关键信息与所述搜索信息匹配，且所述目标媒体对象的搜索关键信息与目标分类的分类关键信息匹配，所述目标媒体对象属于所述目标分类。
上述目标媒体对象可以是内容库中搜索关键信息与所述搜索信息匹配的媒体对象，该内容库可以是本地或者远端内容库，该内容库中包括大量的媒体对象。
本公开中，媒体内容包括但不限于文档、视频、页面或者语音。
上述目标媒体对象的搜索关键信息可以是预先在目标媒体对象中提取的关键信息。上述搜索关键信息与所述搜索信息匹配可以是，搜索关键信息与所述搜索信息的相似度大于预设阈值，或者上述搜索关键信息与所述搜索信息是相关联的。
上述搜索关键信息与目标分类的分类关键信息匹配可以是，搜索关键信息与分类关键信息的相似度大于预设阈值，或者上述搜索关键信息与分类关键信息是相关联的。本公开中，可以预先获取每个分类的分类关键信息。
上述输出所述目标媒体对象的信息可以是，确定与上述搜索信息匹配的搜索关键信息，进而确定上述目标媒体对象，再输出目标媒体对象的信息。或者，在一些实施方式中，在确定与上述搜索信息匹配的搜索关键信息后，可以直接输出目标媒体对象的搜索关键信息的全部或者部分。
另外，上述输出可以是显示目标媒体对象的信息，或者，向电子设备发送目标媒体对象的信息，或者播放目标媒体对象的信息。
本公开中，由于目标媒体对象的搜索关键信息与搜索信息匹配，且目标媒体对象的搜索关键信息与目标分类的分类关键信息匹配，这样媒体对象的搜索关键信息更加准确，从而可以提高搜索的准确性。
本公开提供的上述搜索方法可以应用于电子设备，例如：服务器、计算机、手机、平板电脑等电子设备。
作为一种可选的实施方式，所述目标媒体对象的搜索关键信息通过如下方式获取：
将所述目标媒体对象的第一关键信息与所述分类关键信息进行相似度比较，得到第二关键信息，所述第二关键信息为所述第一关键信息中与所述分类关键信息的相似度满足第一预设条件的关键信息；
在所述第二关键信息和所述目标媒体对象的生产者特征信息提取所述搜索关键信息。
其中，上述目标媒体对象的第一关键信息可以是从目标媒体对象的内容和标题中的至少一项提取的关键信息。
上述将所述目标媒体对象的第一关键信息与所述分类关键信息进行相似度比较可以是，计算第一关键信息中各关键词的词向量与分类关键信息中各关键词的词向量的相似度，例如：余弦相似度。其中，上述词向量可以是词频向量，即该向量中包括关键词出现的词频的加权。例如：通过TF-IDF(term frequency–inverse document frequency，词频-逆文本频率指数)算法提取关键词，以及统计每个关键词在组成部分中的词频，并生成词频向量。
上述第一关键信息中与所述分类关键信息的相似度满足第一预设条件的关键信息可以是，第一关键信息中与分类关键信息的相似度高于预设阈值的关键词。且上述第二关键信息中的关键词还可以满足预设词频条件，例如：第一关键信息中词频高于预设阈值或者位于按照由高到低的词频排序中前n位。
上述生产者特征信息可以是发表、上报上述目标媒体内容的作者、客户端或者电子设备的特征信息，例如：包括如下至少一项：
生产者的认证领域、自选分类、关注、浏览、购买上述目标媒体内容的用户所属领域画像、上述浏览目标媒体内容的用户所属领域画像等。
进一步的，上述生产者特征信息可以是生产者特征权重，例如：为上述至少一项特征信息设定的权重，最终得到生产者维度的特征集。
该实施方式中，由于执行关键信息是从第二关键信息和生产者特征信息提取的，且第二关键信息与所述分类关键信息的相似度满足第一预设条件，这样可以提高媒体对象的搜索关键信息的准确性。另外，由于加入了生产者特征信息，这样可以获取到一个包括第一关键信息中最优的、最高词频的关键信息，以及包括生产者特征的搜索关键信息，以确保提取的搜索关键信息与媒体内容本身主题以及面向用户的行为匹配，进一步提高关键信息提取的准确性，且还可以使得在搜索过程过匹配的维度更加全面，进而提高搜索效果。
需要说明的是，本公开中并不限定搜索关键信息通过上述方式获取，例如：在一些实施方式中，可以不加入生产者特征信息。
在一些实施方式中，各分类的分类关键信息可以为预先提取的，例如：以媒体对象为文档为例，可以在前期抽取每个分类下的一批文库文档进行关键词挖掘，建立基础词库集。如抽取一共10个分类共100万文档，这些文档可以是按照展现量(PV)及购买量进行选取的，挖掘各分类下高频词，再通过人工或者智能筛选后建立基础文库分类词库，该库中包括各分类的分类关键信息。另外，还可以定期抽取新的上传内容的分类关键信息，以及时更新维护基础文库分类词库。
可选的，所述目标媒体对象的第一关键信息通过如下方式获取：
对所述目标媒体对象的内容和标题中的至少一项进行关键信息提取，得到多个关键信息；
计算所述多个关键信息彼此之间的相似度，获取所述第一关键信息，其中，所述第一关键信息为所述多个关键信息中相似度满足第二预设条件的关键信息。
上述对所述目标媒体对象的内容和标题中的至少一项进行关键信息提取可以是，对目标媒体对象的内容和标题根据基础的语义理解算法，切分为一组内容片段，得到特征词组，并从特征词组提取关键信息。
进一步的，还可以分析和去除片段内容中无意义的内容，以提高关键信息提取的准确性，例如：去除片段内容的干扰内容，如对于中文句子中“空格”，以保证不同版本的相似内容可以匹配。
另外，上述从特征词组提取关键信息可以是，统计每个特征词在组成部分中的词频，并提取上述特征词组中有明确指向且词频高于一定阈值的词组。其中，有明确指词组可以是特征鲜明的词组，如信息量少或者信息含义唯一的词组。这样由于提取有明确指向且词频高于一定阈值的词组，从而可以进一步提高关键信息的准确性。
上述多个关键信息彼此之间的相似度可以是，关键信息的词向量之间的相似度，如词频向量的相似度。
上述多个关键信息中相似度满足第二预设条件的关键信息可以是，相似度高于预设阈值的关键信息对。
该实施方式中，由于提取相似度满足第二预设条件的关键信息，使得提取的关键信息更加准确反映媒体对象的内容，以提高关键信息提取的准确性。
需要说明的是，本公开中并不限定通过上述方式获取目标媒体对象的第一关键信息，例如：在一些实施方式中可以直接基于关键特征提取算法提取媒体对象的关键信息。
可选的，所述搜索关键信息包括结构化字段，所述在所述第二关键信息和所述目标媒体对象的生产者特征信息提取所述搜索关键信息，包括：
通过机器学习模型从所述第二关键信息和所述生产者特征信息提取所述结构化字段，其中，所述机器学习模型为预先获取的用于提取所述目标分类的媒体对象的结构化字段的模型。
其中，上述机器学习模型可以是预先训练的，或者预先接收其他电子设备配置的。
本公开可以预先获取每个分类的机器学习模型，以提取各分类下各媒体对象的结构化字段。例如：预先可以先人工准备符合各分类实际情况生产数据提取模板，如针对期刊论文，需要提取刊名、周期、创刊时间和ISSN等字段，针对基础教育文档，需要提取年级、学科等字段。对应不同分类的结构化字段，预先训练机器学习模型进行对应结构化字段的提取。在一些实施方式中，上述机器学习模型还可以用于包括上述目标分类在内的多个分类的结构化字段的提取，例如：一个机器学习模型可以用于所有分类的媒体内容的结构化字段提取。
另外，还可以对上述机器学习模型进行可用性校验和重复性校验，可用性校验和重复性校验可以包含人工评估及机器算法校验，从而使得机器学习模型更加准确，以实现针对不同分类下的各个信息字段的准确提取和存储。
该实施方式中，由于通过机器学习模型从所述第二关键信息和所述生产者特征信息提取所述结构化字段，这样可以使得在搜索时是将搜索信息与结构化字段进行匹配，从而使得搜索结果更加匹配，以提高搜索效果。
需要说明的是，本公开中并不限定，上述搜索关键信息包括结构化字段，例如：在一些实施方式中，搜索关键信息也可以为非结构化字段。
可选的，所述输出目标媒体对象的信息，包括：
基于预先建立的关键词与结构化字段的关联知识图谱，确定与所述搜索信息中的关键词匹配的目标结构化字段，并输出目标媒体对象的信息，其中，所述目标媒体对象为所述目标结构化字段对应的媒体对象。
上述关键词与结构化字段的关联知识图谱可以包括多个关键词与多个结构化字段的关联关系。例如：将存储的多个媒体对象的结构化字段和用户搜索的关键词集进行逐一匹配，并计算匹配度或者相似度，将匹配度或者相似度高于预设阈值的关键词和结构化字段进行关联。
上述实施方式中，由于基于关联知识图谱进行搜索，从而可以提高搜索的效率，且也可以提高搜索的准确性。
在一些实施方式中，上述输出所述目标媒体对象的信息，可以包括：
输出所述目标媒体对象的结构化信息。
其中，目标媒体对象的结构化信息可以包括目标媒体对象的结构化字段中的部分或者全部信息，也可以是针对搜索的输出单独定义的结构化信息。
该实施方式中，由于输出的目标媒体对象的结构化信息，这样可以提高搜索结果的呈现效果，使得用户可以更加直观地了解搜索出的媒体对象的关键信息。例如：如用户搜索某行业趋势，可直接向用户展现出从研究报告分类下文档中提取出的该行业趋势图表。
在一些实施方式中，上述关联知识图谱可以是基于媒体对象的结构化信息的参数进行动态调整的。上述结构化信息的参数可以包括如下至少一项：
召回率、点击率、媒体对象用户数据，其中，媒体对象用户数据可以包括下载、购买、收藏、评论等信息。
具体可以依据上述结构化信息的参数的加权计算以及人工抽查打分对上述关联知识图谱进行动态调整。由于对上述关联知识图谱进行动态调整，从而可以提高关联知识图谱的准确性，进而提高搜索的准确性。
作为一种可选的实施方式，所述目标媒体对象是基于分类模型确定属于所述目标分类，且所述分类模型为基于分类准确性和媒体对象的参数信息进行动态调整的模型，所述参数信息包括如下至少一项：
点击率、展现次数。
上述分类模型可以是采用邻近算法对目标媒体对象进行分类，例如：使用k-最近邻算法，在训练集中查找离目标媒体对象最近的k个邻近媒体对象，并且根据这些邻近媒体对象的分类确定目标媒体对象的候选分类评分。其中，每个候选分类评分等于在该分类的邻近媒体与目标媒体对象的相似度对应的权重，如果这k个邻近媒体对象中的部分媒体对象属于同一个分类，那么将该分类中每个邻近媒体对象的权重求和，并作为该分类和目标媒体对象的相似度。最后保留相似度最高分类作为目标媒体对象最终分类。其中，上述训练集中的媒体对象可以是人工对一批媒体对象进行分类得到的媒体对象集。
上述基于分类准确性和媒体对象的参数信息进行动态调整的模型可以是，根据分类准确性和媒体对象的参数信息计算一个分值，根据该分值的大小调整上述分类模型。具体可以是以某一时间单位统计的上述分类准确性和媒体对象的参数信息计算一个上述分类模型的分类效果评分，当该评分符合预期时，则不调整，当不符合预期时，则调整上述分类模型。例如：可以根据媒体对象加上分类标签后，按照月级别计算出每个媒体对象的分类效果F(e)，其中，F(e)可以表示为如下：
F(e)＝f(a,b)
其中，a表示分类的准确性，具体可以为人工对分类结果进行抽取评估，分非常准确(2分)、比较准确(1分)，毫不相关(0分)进行打分；
b为上述媒体对象的参数信息，具体可以用于表示媒体对象的点击率和展现的变化。在实际应用中，分类标签作为分发的关键字段，分类越准确，越有可能展现给适合的用户，点击和展现就会越高，因此，可以根据点击率和展现次数相比未分类前的变化率设定不同的分数，以对分类模型进行效果评估。
上述f()为根据实际场景需求预先设定的函数，具体对此不作限定，例如：a+b，或者a乘以b等。
上述基于分类准确性和媒体对象的参数信息进行动态调整的模型可以是，基于分类准确性和媒体对象的参数信息调整上述分类模型中的权重。其中，上述分类模型的初始权重可以为冷启动数据，之后，通过分类准确性和媒体对象的参数信息可以实现通过人工评测及线上效果及不断优化上述分类模型。
该实施方式中，由于分类模型为基于分类准确性和媒体对象的参数信息进行动态调整的模型，这样可以提高分类模型的分类准确性。
本公开中，由于目标媒体对象的搜索关键信息与搜索信息匹配，且目标媒体对象的搜索关键信息与目标分类的分类关键信息匹配，从而可以提高搜索的准确性。
请参见图2，图2是本公开提供的一种知识图谱建立方法的流程图，如图2所示，包括以下步骤：
步骤S201、提取媒体对象的关键信息；
其中，上述提取媒体对象的关键信息可以参见上述目标媒体对象的关键信息提取，此处不作赘述。
步骤S202、对媒体对象进行分类。
其中，上述对媒体对象进行分类可以参见上述目标媒体对象的分类，此处不作赘述。
步骤S203、提取媒体对象的结构化字段。
其中，上述提取媒体对象的结构化字段可以参见上述目标媒体对象的结构化字段的提取，此处不作赘述。
步骤S204、建立媒体对象的结构化字段与搜索词的关联知识图谱。
其中，上述关联知识图谱可以参见上述描述的关联知识图谱，此处不作赘述。上述搜索词可以是预先获取的搜索词，如用户历史搜索词。
请参见图3，图3是本公开提供的一种搜索装置，如图3所示，搜索装置300包括：
获取模块301，用于获取搜索信息；
输出模块302，用于输出目标媒体对象的信息，其中，所述目标媒体对象的搜索关键信息与所述搜索信息匹配，且所述目标媒体对象的搜索关键信息与目标分类的分类关键信息匹配，所述目标媒体对象属于所述目标分类。
可选的，所述目标媒体对象的搜索关键信息通过如下方式获取：
将所述目标媒体对象的第一关键信息与所述分类关键信息进行相似度比较，得到第二关键信息，所述第二关键信息为所述第一关键信息中与所述分类关键信息的相似度满足第一预设条件的关键信息；
在所述第二关键信息和所述目标媒体对象的生产者特征信息提取所述搜索关键信息。
可选的，所述目标媒体对象的第一关键信息通过如下方式获取：
对所述目标媒体对象的内容和标题中的至少一项进行关键信息提取，得到多个关键信息；
计算所述多个关键信息彼此之间的相似度，获取所述第一关键信息，其中，所述第一关键信息为所述多个关键信息中相似度满足第二预设条件的关键信息。
可选的，所述搜索关键信息包括结构化字段，所述在所述第二关键信息和所述目标媒体对象的生产者特征信息提取所述搜索关键信息，包括：
通过机器学习模型从所述第二关键信息和所述生产者特征信息提取所述结构化字段，其中，所述机器学习模型为预先获取的用于提取所述目标分类的媒体对象的结构化字段的模型。
可选的，输出模块302用于基于预先建立的关键词与结构化字段的关联知识图谱，确定与所述搜索信息中的关键词匹配的目标结构化字段，并输出目标媒体对象的结构化信息，其中，所述目标媒体对象为所述目标结构化字段对应的媒体对象。
可选的，所述目标媒体对象是基于分类模型确定属于所述目标分类，且所述分类模型为基于分类准确性和媒体对象的参数信息进行动态调整的模型，所述参数信息包括如下至少一项：
点击率、展现次数。
在此需要说明的是，本公开提供的上述搜索装置，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。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。
如图4所示，设备400包括计算单元401，其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序，来执行各种适当的动作和处理。在RAM 403中，还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400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401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401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401执行上文所描述的各个方法和处理，例如搜索方法。例如，在一些实施例中，搜索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408。在一些实施例中，计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时，可以执行上文描述的搜索方法的一个或多个步骤。备选地，在其他实施例中，计算单元401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)、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，也可以为分布式***的服务器，或者是结合了区块链的服务器。
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，本公开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，只要能够实现本公开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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (15)

1.一种搜索方法，包括：
获取搜索信息；
输出目标媒体对象的信息，其中，所述目标媒体对象的搜索关键信息与所述搜索信息匹配，且所述目标媒体对象的搜索关键信息与目标分类的分类关键信息匹配，所述目标媒体对象属于所述目标分类。
2.根据权利要求1所述的方法，其中，所述目标媒体对象的搜索关键信息通过如下方式获取：
将所述目标媒体对象的第一关键信息与所述分类关键信息进行相似度比较，得到第二关键信息，所述第二关键信息为所述第一关键信息中与所述分类关键信息的相似度满足第一预设条件的关键信息；
在所述第二关键信息和所述目标媒体对象的生产者特征信息提取所述搜索关键信息。
3.根据权利要求2所述的方法，其中，所述目标媒体对象的第一关键信息通过如下方式获取：
对所述目标媒体对象的内容和标题中的至少一项进行关键信息提取，得到多个关键信息；
计算所述多个关键信息彼此之间的相似度，获取所述第一关键信息，其中，所述第一关键信息为所述多个关键信息中相似度满足第二预设条件的关键信息。
4.根据权利要求2或3所述的方法，其中，所述搜索关键信息包括结构化字段，所述在所述第二关键信息和所述目标媒体对象的生产者特征信息提取所述搜索关键信息，包括：
通过机器学习模型从所述第二关键信息和所述生产者特征信息提取所述结构化字段，其中，所述机器学习模型为预先获取的用于提取所述目标分类的媒体对象的结构化字段的模型。
5.根据权利要求4所述的方法，其中，所述输出目标媒体对象的信息，包括：
基于预先建立的关键词与结构化字段的关联知识图谱，确定与所述搜索信息中的关键词匹配的目标结构化字段，并输出目标媒体对象的信息，其中，所述目标媒体对象为所述目标结构化字段对应的媒体对象。
6.根据权利要求1至4中任一项所述的方法，其中，所述目标媒体对象是基于分类模型确定属于所述目标分类，且所述分类模型为基于分类准确性和媒体对象的参数信息进行动态调整的模型，所述参数信息包括如下至少一项：
点击率、展现次数。
7.一种搜索装置，包括：
获取模块，用于获取搜索信息；
输出模块，用于输出目标媒体对象的信息，其中，所述目标媒体对象的搜索关键信息与所述搜索信息匹配，且所述目标媒体对象的搜索关键信息与目标分类的分类关键信息匹配，所述目标媒体对象属于所述目标分类。
8.根据权利要求7所述的装置，其中，所述目标媒体对象的搜索关键信息通过如下方式获取：
将所述目标媒体对象的第一关键信息与所述分类关键信息进行相似度比较，得到第二关键信息，所述第二关键信息为所述第一关键信息中与所述分类关键信息的相似度满足第一预设条件的关键信息；
在所述第二关键信息和所述目标媒体对象的生产者特征信息提取所述搜索关键信息。
9.根据权利要求8所述的装置，其中，所述目标媒体对象的第一关键信息通过如下方式获取：
对所述目标媒体对象的内容和标题中的至少一项进行关键信息提取，得到多个关键信息；
计算所述多个关键信息彼此之间的相似度，获取所述第一关键信息，其中，所述第一关键信息为所述多个关键信息中相似度满足第二预设条件的关键信息。
10.根据权利要求8或9所述的装置，其中，所述搜索关键信息包括结构化字段，所述在所述第二关键信息和所述目标媒体对象的生产者特征信息提取所述搜索关键信息，包括：
通过机器学习模型从所述第二关键信息和所述生产者特征信息提取所述结构化字段，其中，所述机器学习模型为预先获取的用于提取所述目标分类的媒体对象的结构化字段的模型。
11.根据权利要求10所述的装置，其中，所述输出模块用于基于预先建立的关键词与结构化字段的关联知识图谱，确定与所述搜索信息中的关键词匹配的目标结构化字段，并输出目标媒体对象的信息，其中，所述目标媒体对象为所述目标结构化字段对应的媒体对象。
12.根据权利要求7至11中任一项所述的装置，其中，所述目标媒体对象是基于分类模型确定属于所述目标分类，且所述分类模型为基于分类准确性和媒体对象的参数信息进行动态调整的模型，所述参数信息包括如下至少一项：
点击率、展现次数。
13.一种电子设备，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1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
CN202110718627.0A 2021-06-28 2021-06-28 搜索方法、装置、电子设备、存储介质和程序产品 Active CN113378015B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110718627.0A CN113378015B (zh) 2021-06-28 2021-06-28 搜索方法、装置、电子设备、存储介质和程序产品
US17/847,051 US20220318253A1 (en) 2021-06-28 2022-06-22 Search Method, Apparatus, Electronic Device, Storage Medium and Program Product

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110718627.0A CN113378015B (zh) 2021-06-28 2021-06-28 搜索方法、装置、电子设备、存储介质和程序产品

Publications (2)

Publication Number Publication Date
CN113378015A true CN113378015A (zh) 2021-09-10
CN113378015B CN113378015B (zh) 2023-06-20

Family

ID=77579464

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110718627.0A Active CN113378015B (zh) 2021-06-28 2021-06-28 搜索方法、装置、电子设备、存储介质和程序产品

Country Status (2)

Country Link
US (1) US20220318253A1 (zh)
CN (1) CN113378015B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115422933A (zh) * 2022-11-03 2022-12-02 中国雄安集团数字城市科技有限公司 一种成本数据提取方法、装置、电子设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109871483A (zh) * 2019-01-22 2019-06-11 珠海天燕科技有限公司 一种推荐信息的确定方法及装置
CN110188186A (zh) * 2019-04-24 2019-08-30 平安科技（深圳）有限公司 医疗领域的内容推荐方法、电子装置、设备及存储介质
US20190361952A1 (en) * 2018-08-08 2019-11-28 Baidu Online Network Technology (Beijing) Co., Ltd. Search Method, Device and Storage Medium
CN111625658A (zh) * 2020-07-28 2020-09-04 杭州翔毅科技有限公司 基于知识图谱的语音交互方法、装置、设备及存储介质
CN112925900A (zh) * 2021-02-26 2021-06-08 北京百度网讯科技有限公司 搜索信息处理方法、装置、设备及存储介质
CN112989076A (zh) * 2021-04-15 2021-06-18 北京字节跳动网络技术有限公司 多媒体内容搜索方法、装置、设备及介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9076148B2 (en) * 2006-12-22 2015-07-07 Yahoo! Inc. Dynamic pricing models for digital content
US10268763B2 (en) * 2014-07-25 2019-04-23 Facebook, Inc. Ranking external content on online social networks
US10516906B2 (en) * 2015-09-18 2019-12-24 Spotify Ab Systems, methods, and computer products for recommending media suitable for a designated style of use
CN110705477A (zh) * 2019-09-30 2020-01-17 深圳市商汤科技有限公司 行为分析方法、装置、电子设备和计算机存储介质
CN111723769B (zh) * 2020-06-30 2023-10-27 北京百度网讯科技有限公司 用于处理图像的方法、装置、设备以及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190361952A1 (en) * 2018-08-08 2019-11-28 Baidu Online Network Technology (Beijing) Co., Ltd. Search Method, Device and Storage Medium
CN109871483A (zh) * 2019-01-22 2019-06-11 珠海天燕科技有限公司 一种推荐信息的确定方法及装置
CN110188186A (zh) * 2019-04-24 2019-08-30 平安科技（深圳）有限公司 医疗领域的内容推荐方法、电子装置、设备及存储介质
CN111625658A (zh) * 2020-07-28 2020-09-04 杭州翔毅科技有限公司 基于知识图谱的语音交互方法、装置、设备及存储介质
CN112925900A (zh) * 2021-02-26 2021-06-08 北京百度网讯科技有限公司 搜索信息处理方法、装置、设备及存储介质
CN112989076A (zh) * 2021-04-15 2021-06-18 北京字节跳动网络技术有限公司 多媒体内容搜索方法、装置、设备及介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
丁伟;谢彦峰;张忠林;: "一种基于用户兴趣的搜索引擎输入信息处理方法", 电脑与信息技术, no. 05, pages 24 - 27 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115422933A (zh) * 2022-11-03 2022-12-02 中国雄安集团数字城市科技有限公司 一种成本数据提取方法、装置、电子设备及存储介质
CN115422933B (zh) * 2022-11-03 2023-01-17 中国雄安集团数字城市科技有限公司 一种成本数据提取方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN113378015B (zh) 2023-06-20
US20220318253A1 (en) 2022-10-06

Similar Documents

Publication Publication Date Title
US11361243B2 (en) Recommending machine learning techniques, features, and feature relevance scores
CN111104526A (zh) 一种基于关键词语义的金融标签提取方法及***
CN111753167B (zh) 搜索处理方法、装置、计算机设备和介质
CN107885717B (zh) 一种关键词提取方法及装置
CN112579729B (zh) 文档质量评价模型的训练方法、装置、电子设备和介质
CN112989235A (zh) 基于知识库的内链构建方法、装置、设备和存储介质
CN113660541A (zh) 新闻视频的摘要生成方法及装置
CN113392920B (zh) 生成作弊预测模型的方法、装置、设备、介质及程序产品
CN114116997A (zh) 知识问答方法、装置、电子设备及存储介质
US20220318253A1 (en) Search Method, Apparatus, Electronic Device, Storage Medium and Program Product
CN112925912A (zh) 文本处理方法、同义文本召回方法及装置
CN112528644B (zh) 实体挂载的方法、装置、设备以及存储介质
CN116881432A (zh) 文本推送方法、装置、电子设备和存储介质
CN112926297B (zh) 处理信息的方法、装置、设备和存储介质
CN114329206A (zh) 标题生成方法和装置、电子设备、计算机可读介质
CN110852078A (zh) 生成标题的方法和装置
CN115048523A (zh) 文本分类方法、装置、设备以及存储介质
CN114328855A (zh) 文档查询方法、装置、电子设备和可读存储介质
CN114661890A (zh) 一种知识推荐方法、装置、***及存储介质
CN114647739A (zh) 实体链指方法、装置、电子设备及存储介质
CN114329210A (zh) 信息推荐方法、装置及电子设备
CN114138976A (zh) 数据处理与模型训练方法、装置、电子设备和存储介质
CN114048315A (zh) 确定文档标签的方法、装置、电子设备和存储介质
CN114218431A (zh) 视频搜索方法、装置、电子设备以及存储介质
CN113326438A (zh) 信息查询方法、装置、电子设备以及存储介质

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