CN113609370B - 数据处理方法、装置、电子设备及存储介质 - Google Patents
数据处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113609370B CN113609370B CN202110901941.2A CN202110901941A CN113609370B CN 113609370 B CN113609370 B CN 113609370B CN 202110901941 A CN202110901941 A CN 202110901941A CN 113609370 B CN113609370 B CN 113609370B
- Authority
- CN
- China
- Prior art keywords
- search
- data
- user
- search result
- search data
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims description 37
- 238000012549 training Methods 0.000 claims description 25
- 238000013145 classification model Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 4
- 239000003814 drug Substances 0.000 description 19
- 238000004590 computer program Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 229940079593 drug Drugs 0.000 description 11
- 206010019233 Headaches Diseases 0.000 description 7
- 231100000869 headache Toxicity 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 3
- 238000012217 deletion Methods 0.000 description 3
- 230000037430 deletion Effects 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; 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
- G06F16/906—Clustering; 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9532—Query formulation
-
- 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
- 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
- G06F16/9538—Presentation of query results
-
- 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
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
- G06F16/9562—Bookmark management
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种数据处理方法、装置、电子设备及存储介质,涉及人工智能领域,尤其涉及意图识别技术。实现方案为:一种数据处理方法,包括:获取与第一用户相关联的第一检索数据,以及由第一用户从对应于第一检索数据的至少一个检索结果中选择的第一检索结果,其中,第一检索数据被标注有用于指示第一用户的检索意图的意图标签;获取在预定时间段内由第二用户在进行检索并选择第一检索结果时所使用的第二检索数据;以及将意图标签赋予第二检索数据。
Description
技术领域
本公开涉及人工智能领域,尤其涉及意图识别技术,具体涉及一种数据处理方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
背景技术
当用户通过搜索引擎对所输入的检索数据进行检索时,针对这些检索数据的意图识别能够分析用户的检索需求,例如是要寻找电影、小说,还是要查找百科知识等等。不同的需求在底层的检索策略上会有较大区别。错误的意图识别可能导致检索不到能够满足用户需求的内容。因此,精准的意图识别在实际应用中是尤为重要的。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种数据处理方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
根据本公开的一方面,提供了一种数据处理方法,包括:获取与第一用户相关联的第一检索数据,以及由所述第一用户从对应于所述第一检索数据的至少一个检索结果中选择的第一检索结果,其中,所述第一检索数据被标注有用于指示所述第一用户的检索意图的意图标签;获取在预定时间段内由第二用户在进行检索并选择所述第一检索结果时所使用的第二检索数据;以及将所述意图标签赋予所述第二检索数据。
根据本公开的一方面,提供了一种训练分类模型的方法,包括:接收通过如上所述的方法获得的训练数据;以及利用所述训练数据训练所述分类模型。
根据本公开的另一方面,提供了一种数据处理装置,包括:第一获取模块,被配置为获取与第一用户相关联的第一检索数据,以及由所述第一用户从对应于所述第一检索数据的至少一个检索结果中选择的第一检索结果,其中,所述第一检索数据被标注有用于指示所述第一用户的检索意图的意图标签;第二获取模块,被配置为获取在预定时间段内由第二用户在进行检索并选择所述第一检索结果时所使用的第二检索数据;以及处理模块,被配置为将所述意图标签赋予所述第二检索数据。
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,所述存储器存储有能够被所述至少一个处理器执行的指令,所述指令在被所述至少一个处理器执行时,使所述至少一个处理器执行如上所述的方法。
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如上所述的方法。
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,其中,所述计算机程序在被处理器执行时实现如上所述的方法。
根据本公开的一个或多个实施例,可以生成或创建大量标注了检索意图的检索数据,实现了训练数据的数据增强。
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
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性***的示意图。
图2示出了根据本公开实施例的数据处理方法的流程图。
图3A和图3B示出了用于解释根据本公开实施例的数据处理方法的示意图。
图4示出了根据本公开一个实施例的数据处理方法的装置的框图。
图5示出了根据本公开另一个实施例的数据处理方法的装置的框图。
图6示出了能够应用于本公开实施例的电子设备的结构框图。
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。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。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
相关技术中,在检索数据为短文本的情况下,文本中通常可能缺乏上下文和严谨的语法结构,这可能导致对检索数据的意图识别存在困难。此外,意图识别通常需要是细粒度的,从而能够将用户需求进行细致的分类。而短文本的特点可能导致不易进行细粒度的意图识别。尤其是,对于某些专业性较强的检索数据而言,例如与医药相关的检索数据,不仅需要分析出该检索数据是关于用药查询,同时还需要分清用户需要的具体是服药指南、禁忌说明、药品比价还是其他需求等等。在此情况下,标注出这些细粒度的意图往往需要专业性较强的人员如医药专家的参与。然而,这可能导致时间上和成本上的较大耗费,因此使得对于这些专业性较强的检索数据而言,往往缺乏相应的标注数据或者标注数据的数据量较少,导致不利于进行后续的短文本分类模型训练。
针对上述问题,根据本公开的一方面,提供了一种数据处理方法。下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性***100的示意图。参考图1,该***100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行实现根据本公开实施例的数据处理方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的***配置是可能的,其可以与***100不同。因此,图1是用于实施本文所描述的各种方法的***的一个示例,并且不旨在进行限制。
根据本公开实施例的数据处理方法的数据源可以是用户使用客户端设备101、102、103、104、105和/或106提供的。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、游戏***、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作***,例如Microsoft Windows、AppleiOS、类UNIX操作***、Linux或类Linux操作***(例如Google Chrome OS);或包括各种移动操作***,例如Microsoft Windows Mobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器和其他设备。游戏***可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作***的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作***以及任何商业上可用的服务器操作***的一个或多个操作***。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式***的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决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。
***100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库130可以驻留在各种位置。例如,由服务器120使用的数据存储库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中,由服务器120使用的数据存储库可以是数据库,例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件***支持的常规存储库。
图1的***100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
图2示出了根据本公开实施例的数据处理方法200的流程图。如图2所示,根据本公开实施例的方法200的流程图可以包括如下步骤:
S202,获取与第一用户相关联的第一检索数据,以及由第一用户从对应于第一检索数据的至少一个检索结果中选择的第一检索结果,其中,第一检索数据被标注有用于指示第一用户的检索意图的意图标签;
S204,获取在预定时间段内由第二用户在进行检索并选择第一检索结果时所使用的第二检索数据;以及
S206,将意图标签赋予第二检索数据。
根据本公开的数据处理方法,考虑到选择同一检索结果的用户应具有相同的检索意图,在已知第一用户使用第一检索数据进行检索时选择某一检索结果的检索意图的情况下,如果其他的第二用户在检索时也选择了同一检索结果,则表明其与第一用户应当具有相同的检索意图。追溯到第二用户在进行该检索时所使用的第二检索数据,则该第二检索数据可以与第一检索数据具有相同的意图标签。由此,能够生成或创建大量标注了检索意图的检索数据,实现了训练数据的数据增强。此外,该数据增强的过程并不依赖于传统的自然语言处理方式(如同义词替换、增加噪声、随机增删词等),因此能够提升数据的多样性。
在步骤S202中,可以获取到第一用户使用过的第一检索数据及其从对应的至少一个检索结果中选择的第一检索结果。例如,第一检索数据可以来源于某一用户A。用户A通过搜索引擎(如百度公司所开发的搜索引擎)对第一检索数据进行检索的过程可以被该搜索引擎记录和保留。假设第一检索数据为“头疼应该吃什么药”这样的检索语句,在通过搜索引擎检索之后可以生成至少一个检索结果。相应地,也可以通过搜索引擎获取到由用户A从其中选择出的检索结果。
本文中,第一检索数据可以是一条检索数据,或者可以是包括多条检索数据的检索数据集合,本公开不对其数量进行限制。在第一检索数据为检索数据集合的情况下,其所包括的检索数据可以来自于相互不同的用户,例如还可以来自于与用户A不同的用户B、用户C等等。相应地,所获取到的检索结果也对应于上述各个用户。这些检索数据之间可以相互关联,也可以不具有任何关联性。另外,在第一检索数据为检索数据集合的情况下,其所包括的检索数据的数据量可能也较少。这是因为,如上所述,对于某些专业性较强的检索数据而言,例如与医药相关的检索数据,由于进行标注可能在时间上和成本上耗费较大,故本身的数据量可能就相对较少。
此外,第一检索数据可以是已经被标注有检索意图的检索数据。即,第一检索数据可以带有意图标签,该意图标签可以用于指示第一用户的检索意图。
根据一些实施例,第一检索数据可以是文本或图像。以此方式,能够利用搜索引擎所提供的文字搜索和图片搜索的功能,进行各种数据的数据增强,使得本公开的方法不仅适用于文本类型数据,同时也能够扩展到图像数据中。
在第一检索数据为文本的情况下,该第一检索数据可以是由一句完整的句子所构成的检索语句的形式,或者可以是由若干个离散的词所构成的检索词的形式。例如,第一检索数据可以是“头疼应该吃什么药”这样的检索语句,也可以是“头疼吃药”这样的检索词。相应地,意图标签可以指示出关于用户用药查询的检索意图。作为参考,如上所述,对于与医药相关的检索数据,其细粒度的检索意图可能较多,例如可以包含十几个细粒度的检索意图。除了如前述关于用户用药查询的检索意图之外,例如还可以包括关于服药指南、禁忌说明、药品比价等等其他的检索意图。
在第一检索数据为图像的情况下,该第一检索数据可以呈图像的形式。即,这种情况可以对应于搜索引擎所提供的“以图搜图”的功能。例如,第一检索数据可以是关于拉布拉多犬的照片。相应地,该第一检索数据所带有的意图标签可以指示出关于用户查询狗的种类的检索意图。
根据一些实施例,所述至少一个检索结果包括通过对第一检索数据进行检索所得到的至少一个网页链接。以如上所述用户A的第一检索数据为“头疼应该吃什么药”为例,通过检索可以在搜索引擎的界面上展示出若干个检索结果,即网页标题,其具有对应的网页链接。因此,能够获取到用户A在展示出的这些检索结果中所点击的网页链接。
本公开所利用的原理在于,假设点击同一个网页链接的用户具有相同的检索意图,在获取到已知检索意图的用户A所点击的网页链接的情况下,如果其他的用户,诸如用户X在检索时也点击了该同一网页链接,则表明其与用户A应当具有相同的检索意图。在此情况下,如果反向追溯到用户X在检索时所使用的检索数据,则该检索数据可以与第一检索数据具有相同的意图标签,继而能够生成或创建大量标注了检索意图的检索数据。
因此,借助于网页链接提供了对第二用户在检索时所使用的检索数据的可追溯性,从而为进行后续的数据增强提供基础。
根据一些实施例,第一检索结果包括所述至少一个网页链接之中的由第一用户首次选择的网页链接或最后一次选择的网页链接。
由于检索结果在搜索引擎的页面上通常以网页标题的形式展示,该网页标题往往能够较为准确地体现用户实际的检索意图,其中用户首次选择和最后一次选择的检索结果可以被认为是最佳体现用户检索意图的检索结果。因此,能够获取到带有精确意图标签的检索数据。
在步骤S204中,利用如上所述的原理:假设点击同一个网页链接的用户具有相同的检索意图,如果反向追溯到其他用户点击同一网页链接时所使用的检索数据,则该检索数据可以与第一检索数据具有相同的意图标签。
与获取第一用户的第一检索数据和第一检索结果类似,也可以通过搜索引擎来爬取出第二用户在检索时所使用的对应检索数据,即第二检索数据。
所述预定时间段可以根据实际情况设定,例如为3个月。考虑到网页链接可能存在随时间失效的情况,因此可以适当地调整该预定时间段的长度。举例而言,可以通过搜索引擎来爬取出在3个月内点击了用户A所选择的检索结果(即网页链接)的用户X所使用的检索数据,例如是“缓解头疼的药物有哪些”。
在步骤S206中,由于通过步骤S204获得了与步骤S202中的第一检索数据具有相同检索意图的第二检索数据,因此此时可以将第一检索数据的意图标签赋予第二检索数据,从而能够生成或创建大量标注了检索意图的检索数据。
根据一些实施例,将意图标签赋予第二检索数据还可以包括:确定第二用户与第一用户是否为同一用户;以及响应于确定第二用户与第一用户不为同一用户,以所述意图标签来标注第二检索数据。
以此方式,能够优先获取到不同于第一用户的第二用户所使用的检索数据,从而利用到这些具有不同个人背景、教育程度等方面差异的不同用户所使用的多样化的检索表达,由此带来更多的数据多样性,提升数据增强效果。
根据一些实施例,可以合并第一检索数据和第二检索数据以作为用于训练分类模型的训练数据。因此,能够生成或创建大量标注了检索意图的检索数据。
这里,分类模型例如可以是短文本分类模型。本公开不对模型所采用的神经网络类型进行限制,例如其可以是深度神经网络模型。
如上所述,根据本公开的数据处理方法,考虑到选择同一检索结果的用户应具有相同的检索意图,在已知第一用户使用第一检索数据进行检索时选择某一检索结果的检索意图的情况下,如果其他的第二用户在检索时也选择了同一检索结果,则表明其与第一用户应当具有相同的检索意图。追溯到第二用户在进行该检索时所使用的第二检索数据,则该第二检索数据可以与第一检索数据具有相同的意图标签。由此,能够生成或创建大量标注了检索意图的检索数据,实现了训练数据的数据增强。此外,该数据增强的过程并不依赖于传统的自然语言处理方式(如同义词替换、增加噪声、随机增删词等),因此能够提升数据的多样性。
图3A和图3B示出了用于解释根据本公开实施例的数据处理方法的示意图。
图3A示例性地示出了与用户A相关联的检索数据310“头疼应该吃什么药”及用户A从多个检索结果311至314之中选择检索结果313的示例。如图3A所示,示出了通过检索所得到的多个网页链接311至314,其中网页链接313为用户首次点击的网页链接。如上所述,检索数据310是已经被标注有用户A的检索意图的意图标签。例如,该意图标签可以指示出用户A进行用药查询的检索意图。
图3B示出了通过搜索引擎所爬取到的在3个月内点击了同一网页链接313的用户B的检索历史。如图3B所示,点击了同一网页链接313的用户B在检索时所使用的检索数据320如所示的“缓解头疼的药物有哪些”。即,用户B从多个网页链接321、313、322、323中点击了网页链接313。由此,可以使用户B的检索数据320与用户A的检索数据310具有相同的意图标签。该意图标签可以指示出用户B进行用药查询的检索意图。
以此方式,能够基于与用户A相关联的标注了检索意图的检索数据310,生成或创建更多的标注了检索意图的检索数据,如检索数据320,从而实现了训练数据的数据增强。此外,该数据增强的过程并不依赖于传统的自然语言处理方式(如同义词替换、增加噪声、随机增删词等),因此能够提升数据的多样性。
根据本公开的另一方面,还提供了一种训练分类模型的方法,包括:接收通过如上所述的方法获得的训练数据;以及利用所述训练数据训练所述分类模型。
根据本公开的另一方面,还提供了一种数据处理装置。图4示出了根据本公开一个实施例的数据处理装置400的框图。如图4所示,该装置400可以包括:第一获取模块402,被配置为获取与第一用户相关联的第一检索数据,以及由第一用户从对应于第一检索数据的至少一个检索结果中选择的第一检索结果,其中,第一检索数据被标注有用于指示第一用户的检索意图的意图标签;第二获取模块404,被配置为获取在预定时间段内由第二用户在进行检索并选择第一检索结果时所使用的第二检索数据;以及处理模块406,被配置为将所述意图标签赋予第二检索数据。
根据一些实施例,第一检索数据包括文本或图像。
根据一些实施例,所述至少一个检索结果包括通过对第一检索数据进行检索所得到的至少一个网页链接。
根据一些实施例,第一检索结果包括所述至少一个网页链接之中的由第一用户首次选择的网页链接或最后一次选择的网页链接。
上述模块402、404及406所执行的操作与参考图2及图3A和3B所描述的步骤S202、S204、S206相对应,因此不再赘述其细节。
图5示出了根据本公开另一个实施例的数据处理装置500的框图。图5所示的模块502、504及506可以分别对应于图4所示的模块402、404及406。除此之外,装置500还可以包括进一步的功能模块508,且模块506还可以包括进一步的子功能模块,如下将具体说明。
根据一些实施例,处理模块506还可以包括:确定模块5062,被配置为确定第二用户与第一用户是否为同一用户;以及标注模块5064,被配置为响应于确定第二用户与第一用户不为同一用户,使用所述意图标签来标注第二检索数据。
根据一些实施例,装置500还可以包括合并模块508,被配置为:合并所述第一检索数据和所述第二检索数据以作为用于训练分类模型的训练数据。
结合图5描述的各个模块所执行的操作可以对应于参考图2及图3A和3B所描述的各个方法步骤,因此不再赘述其细节。
根据本公开的另一方面,还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如上所述的方法。
根据本公开的另一方面,还提供了一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现如上所述的方法。
根据本公开的另一方面,还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,所述存储器存储有能够被所述至少一个处理器执行的指令,所述指令在被所述至少一个处理器执行时,使所述至少一个处理器执行如上所述的方法。
参考图6,将描述可以应用于本公开的电子设备600的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,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6所示,电子设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储电子设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
电子设备600中的多个部件连接至I/O接口605,包括:输入单元606、输出单元607、存储单元608以及通信单元609。输入单元606可以是能向电子设备600输入信息的任何类型的设备,输入单元606可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元607可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元608可以包括但不限于磁盘、光盘。通信单元609允许电子设备600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,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、1302.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元601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601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601执行上文所描述的各个方法和处理,例如数据处理方法。例如,在一些实施例中,数据处理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608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到电子设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的数据处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行数据处理方法。
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。
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、也可以顺序地或以不同的次序执行,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。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用,均符合相关法律法规的规定,且不违背公序良俗。本公开的意图是,应以使无意或未经授权的使用访问风险最小化的方式来管理和处理个人信息数据。通过限制数据收集并在不再需要时删除数据,从而将风险降到最低。需要说明的是,本申请中与人员有关的所有信息,均在人员知情且同意的情况下收集。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、***和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (13)
1.一种数据处理方法,包括:
获取与第一用户相关联的第一检索数据,以及对应于所述第一检索数据的第一检索结果,其中,所述第一用户使用所述第一检索数据进行检索以得到至少一个检索结果,所述第一检索结果由所述第一用户从对应于所述第一检索数据的所述至少一个检索结果中选择得到,所述第一检索数据被标注有用于指示所述第一用户的检索意图的意图标签;
基于所述第一检索结果,反向追溯到对应于所述第一检索结果的第二检索数据,其中,所述第二检索数据是在预定时间段内由第二用户在进行检索时所使用的;
将所述意图标签赋予所述第二检索数据;以及
合并所述第一检索数据和所述第二检索数据以作为用于训练分类模型的训练数据。
2.如权利要求1所述的方法,其中,所述第一检索数据包括文本或图像。
3.如权利要求1或2所述的方法,其中,所述至少一个检索结果包括通过对所述第一检索数据进行检索所得到的至少一个网页链接。
4.如权利要求3所述的方法,其中,所述第一检索结果包括所述至少一个网页链接之中的由所述第一用户首次选择的网页链接或最后一次选择的网页链接。
5.如权利要求1所述的方法,其中,所述将所述意图标签赋予所述第二检索数据包括:
确定所述第二用户与所述第一用户是否为同一用户;以及
响应于确定所述第二用户与所述第一用户不为同一用户,使用所述意图标签来标注所述第二检索数据。
6.一种训练分类模型的方法,包括:
接收通过如权利要求1所述的方法获得的所述训练数据;以及
利用所述训练数据训练所述分类模型。
7.一种数据处理装置,包括:
第一获取模块,被配置为获取与第一用户相关联的第一检索数据,以及对应于所述第一检索数据的第一检索结果,其中,所述第一用户使用所述第一检索数据进行检索以得到至少一个检索结果,所述第一检索结果由所述第一用户从对应于所述第一检索数据的所述至少一个检索结果中选择得到,所述第一检索数据被标注有用于指示所述第一用户的检索意图的意图标签;
第二获取模块,被配置为基于所述第一检索结果,反向追溯到对应于所述第一检索结果的第二检索数据,其中,所述第二检索数据是在预定时间段内由第二用户在进行检索时所使用的;
处理模块,被配置为将所述意图标签赋予所述第二检索数据;以及
合并模块,被配置为合并所述第一检索数据和所述第二检索数据以作为用于训练分类模型的训练数据。
8.如权利要求7所述的装置,其中,所述第一检索数据包括文本或图像。
9.如权利要求7或8所述的装置,其中,所述至少一个检索结果包括通过对所述第一检索数据进行检索所得到的至少一个网页链接。
10.如权利要求9所述的装置,其中,所述第一检索结果包括所述至少一个网页链接之中的由所述第一用户首次选择的网页链接或最后一次选择的网页链接。
11.如权利要求7所述的装置,其中,所述处理模块包括:
确定模块,被配置为确定所述第二用户与所述第一用户是否为同一用户;以及
标注模块,被配置为响应于确定所述第二用户与所述第一用户不为同一用户,使用所述意图标签来标注所述第二检索数据。
12.一种电子设备,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,所述存储器存储有能够被所述至少一个处理器执行的指令,所述指令在被所述至少一个处理器执行时,使所述至少一个处理器执行如权利要求1-5中任一项所述的方法。
13.一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如权利要求1-5中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110901941.2A CN113609370B (zh) | 2021-08-06 | 2021-08-06 | 数据处理方法、装置、电子设备及存储介质 |
US17/829,113 US11599594B2 (en) | 2021-08-06 | 2022-05-31 | Method, apparatus, electronic device and storage medium for data processing |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110901941.2A CN113609370B (zh) | 2021-08-06 | 2021-08-06 | 数据处理方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113609370A CN113609370A (zh) | 2021-11-05 |
CN113609370B true CN113609370B (zh) | 2023-12-12 |
Family
ID=78307438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110901941.2A Active CN113609370B (zh) | 2021-08-06 | 2021-08-06 | 数据处理方法、装置、电子设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11599594B2 (zh) |
CN (1) | CN113609370B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20040042065A (ko) * | 2002-11-12 | 2004-05-20 | 하창승 | 사례기반추론기법과 연관규칙탐사기법을 이용한 지능형정보검색방법 |
CN101281523A (zh) * | 2007-04-25 | 2008-10-08 | 北大方正集团有限公司 | 查询扩展方法和装置以及相关检索词库 |
CN101685448A (zh) * | 2008-09-28 | 2010-03-31 | 国际商业机器公司 | 在用户的查询操作与搜索结果之间建立关联的方法和设备 |
CN111091006A (zh) * | 2019-12-20 | 2020-05-01 | 北京百度网讯科技有限公司 | 一种实体意图体系的建立方法、装置、设备和介质 |
CN111428027A (zh) * | 2020-02-26 | 2020-07-17 | 中国平安财产保险股份有限公司 | 查询意图确定方法及相关装置 |
CN111611492A (zh) * | 2020-05-26 | 2020-09-01 | 北京字节跳动网络技术有限公司 | 一种触发搜索的方法、装置、电子设备及存储介质 |
CN113094604A (zh) * | 2021-04-15 | 2021-07-09 | 支付宝(杭州)信息技术有限公司 | 搜索结果排序方法、搜索方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4200933B2 (ja) * | 2004-04-27 | 2008-12-24 | コニカミノルタホールディングス株式会社 | 情報検索装置 |
US20170039502A1 (en) * | 2013-06-28 | 2017-02-09 | Healthtap, Inc. | Systems and methods for evaluating and selecting a healthcare professional using a healthcare operating system |
-
2021
- 2021-08-06 CN CN202110901941.2A patent/CN113609370B/zh active Active
-
2022
- 2022-05-31 US US17/829,113 patent/US11599594B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20040042065A (ko) * | 2002-11-12 | 2004-05-20 | 하창승 | 사례기반추론기법과 연관규칙탐사기법을 이용한 지능형정보검색방법 |
CN101281523A (zh) * | 2007-04-25 | 2008-10-08 | 北大方正集团有限公司 | 查询扩展方法和装置以及相关检索词库 |
CN101685448A (zh) * | 2008-09-28 | 2010-03-31 | 国际商业机器公司 | 在用户的查询操作与搜索结果之间建立关联的方法和设备 |
CN111091006A (zh) * | 2019-12-20 | 2020-05-01 | 北京百度网讯科技有限公司 | 一种实体意图体系的建立方法、装置、设备和介质 |
CN111428027A (zh) * | 2020-02-26 | 2020-07-17 | 中国平安财产保险股份有限公司 | 查询意图确定方法及相关装置 |
CN111611492A (zh) * | 2020-05-26 | 2020-09-01 | 北京字节跳动网络技术有限公司 | 一种触发搜索的方法、装置、电子设备及存储介质 |
CN113094604A (zh) * | 2021-04-15 | 2021-07-09 | 支付宝(杭州)信息技术有限公司 | 搜索结果排序方法、搜索方法及装置 |
Non-Patent Citations (1)
Title |
---|
博物馆中面向图像需求表达的标签分类研究;邓三鸿;刘齐进;夏立新;;图书情报工作(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113609370A (zh) | 2021-11-05 |
US20220292145A1 (en) | 2022-09-15 |
US11599594B2 (en) | 2023-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220237376A1 (en) | Method, apparatus, electronic device and storage medium for text classification | |
CN116501960B (zh) | 内容检索方法、装置、设备及介质 | |
CN114595686A (zh) | 知识抽取方法、知识抽取模型的训练方法及装置 | |
CN112836072A (zh) | 信息展示方法及装置、电子设备和介质 | |
CN114443989B (zh) | 排序方法、排序模型的训练方法、装置、电子设备及介质 | |
US20190227634A1 (en) | Contextual gesture-based image searching | |
CN115759100A (zh) | 数据处理方法、装置、设备及介质 | |
CN113609370B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN116152607A (zh) | 目标检测方法、训练目标检测模型的方法及装置 | |
CN113868453B (zh) | 对象推荐方法和装置 | |
CN114238745A (zh) | 一种提供搜索结果的方法及装置、电子设备和介质 | |
CN113641933B (zh) | 异常网页识别方法、异常站点识别方法及装置 | |
CN112954025B (zh) | 基于分层知识图谱推送信息方法、装置、设备、介质 | |
CN114218516B (zh) | 网页处理方法、装置、电子设备以及存储介质 | |
US20230044508A1 (en) | Data labeling processing | |
CN115809364B (zh) | 对象推荐方法和模型训练方法 | |
CN113326417B (zh) | 用于更新网页库的方法和装置 | |
CN112559883B (zh) | 用于评估推荐***的方法、装置、电子设备以及可读介质 | |
CN114780819A (zh) | 对象推荐方法和装置 | |
CN113918760A (zh) | 视觉搜索方法和装置 | |
CN117992675A (zh) | 内容推荐方法、装置、电子设备及存储介质 | |
CN118277670A (zh) | 内容推荐方法、装置、电子设备、介质 | |
CN115146201A (zh) | 页面时间作弊筛选方法及装置、电子设备和介质 | |
CN114238793A (zh) | 轨迹点数据挖掘方法及装置、电子设备和介质 | |
CN113946498A (zh) | 兴趣点识别方法和装置、推荐方法和装置、设备及介质 |
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 |