CN109033372A - 一种基于人工智能的内容信息检索方法及系统 - Google Patents
一种基于人工智能的内容信息检索方法及系统 Download PDFInfo
- Publication number
- CN109033372A CN109033372A CN201810842716.4A CN201810842716A CN109033372A CN 109033372 A CN109033372 A CN 109033372A CN 201810842716 A CN201810842716 A CN 201810842716A CN 109033372 A CN109033372 A CN 109033372A
- Authority
- CN
- China
- Prior art keywords
- information
- retrieval
- data
- artificial intelligence
- data repository
- 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.)
- Pending
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种基于人工智能的内容信息检索方法及系统,所述方法包括:获取用于检索的检索信息,基于人工智能通过数据算法对检索信息进行分析,提取出检索信息中的核心信息,基于核心信息检索出数据资源库。本申请能够结合人工智能对检索信息进行分析,提取出检索信息中的核心信息,再基于核心信息进行检索,相对于现有技术直接通过检索信息进行检索,提升了检索的效率和准确率。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种基于人工智能的内容信息检索方法及系统。
背景技术
目前,知识获取通常是由知识工程师与系统中的知识获取机构共同完成的。知识工程师负责从领域专家那里抽取知识,并用适当的模式把知识表示出来,而系统中的知识获取机构负责把知识转化为计算机可存储的内部形式,然后把它们存入知识库,在存储过程中要对知识进行一致性,完整性的检测。
知识获取的任务是为信息系统或者专家系统获取知识,建立起健全,完善,有效的知识库。以满足求解领域的问题需要,对智能信息检索系统来说,就必须满足信息检索这一领域的需要。为了完成这个任务,知识获取必须做到:抽取知识:即把蕴含于知识源(领域专家,书本相关论文以及系统的运行实践等)中的知识经识别、理解、筛选、归纳等抽取出来,以便建立知识库。知识转换:即把知识由一种表示形式转化为另一种表示形式。知识的输入:即把用适当模式表示的知识经编辑,编译送入知识库的过程。知识的检索:知识库的建立是通过对知识进行抽取、转化和输入等环节实现的,这一过程中的任何环节的失误都会造成知识的错误,直接影响系统的性能,因此必须对知识进行检测,以便尽早的发现纠正可能出现的错误。
综上所述,现有的信息检索方式效率和准确率都比较低,因此,如何提高信息检索的效率和准确率是一项亟待解决的问题。
发明内容
有鉴于此,本申请提供了一种基于人工智能的内容信息检索方法,能够结合人工智能对信息进行检索,提升了检索的效率和准确率。
本申请提供了一种基于人工智能的内容信息检索方法,所述方法包括:
获取用于检索的检索信息;
基于人工智能通过数据算法对所述检索信息进行分析,提取出所述检索信息中的核心信息;
基于所述核心信息检索出数据资源库。
优选地,所述基于所述核心信息检索出数据资源库包括:
以所述核心信息为初始原点信息,查找出所述初始原点信息周围距离所述初始原点信息最近的信息点;
将距离所述初始原点信息最近的信息点作为新的原点信息,重复上述步骤,直至检索出数据资源库。
优选地,所述方法还包括:
预先构建数据资源库。
优选地,所述预先构建数据资源库包括:
通过爬虫数据建立所述数据资源库。
优选地,所述数据资源库包括:人物、物品、场景、科普数据、数据模型和数据属性。
一种基于人工智能的内容信息检索系统,包括:
获取模块,用于获取用于检索的检索信息;
人工智能模块,用于基于人工智能通过数据算法对所述检索信息进行分析,提取出所述检索信息中的核心信息;
检索模块,用于基于所述核心信息检索出数据资源库。
优选地,所述检索模块具体用于:
以所述核心信息为初始原点信息,查找出所述初始原点信息周围距离所述初始原点信息最近的信息点;
将距离所述初始原点信息最近的信息点作为新的原点信息,重复上述步骤,直至检索出数据资源库。
优选地,所述系统还包括:
构建模块,用于预先构建数据资源库。
优选地,所述构建模块具体用于:
通过爬虫数据建立所述数据资源库。
优选地,所述数据资源库包括:人物、物品、场景、科普数据、数据模型和数据属性。
综上所述,本申请公开了一种基于人工智能的内容信息检索方法,当需要对信息进行检索时,首先获取用于检索的检索信息,然后基于人工智能通过数据算法对检索信息进行分析,提取出检索信息中的核心信息,根据核心信息检索出数据资源库。本申请能够结合人工智能对信息进行检索,提升了检索的效率和准确率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请公开的一种基于人工智能的内容信息检索方法实施例1的流程图;
图2为本申请公开的一种基于人工智能的内容信息检索方法实施例2的流程图;
图3为本申请公开的一种基于人工智能的内容信息检索方法实施例3的流程图;
图4为本申请公开的一种基于人工智能的内容信息检索系统实施例1的结构示意图;
图5为本申请公开的一种基于人工智能的内容信息检索系统实施例2的结构示意图;
图6为本申请公开的一种基于人工智能的内容信息检索系统实施例3的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
如图1所示,为本申请公开的一种基于人工智能的内容信息检索方法实施例1的流程图,所述方法可以包括以下步骤:
S101、获取用于检索的检索信息;
当需要进行内容信息检索时,首先获取到用于检索的检索信息,用于检索的检索信息可以是用户在检索时输入的信息。即,用户检索时需要输入检索的内容,通过关键词检索,或者是输入检索人物、图片等的属性,得到用于检索的检索信息。
S102、基于人工智能通过数据算法对检索信息进行分析,提取出检索信息中的核心信息;
当获取到用于检索的检索信息后,进一步基于人工智能通过数据算法对检索信息进行分析。需要说明的是,人工智能学科是涉及数学、计算机科学、控制论、心理学、哲学等学科的交叉学科和边缘学科,其应用领域包括问题求解、专家系统、机器学习、模式识别、自动定理证明、自然语言理解、人工神经网络和智能检索等。人工智能用于信息检索主要有基于本体论、神经网络、遗传算法、自然语言理解和ID3算法等的智能检索方法。运用人工智能检索信息,人工智能会模拟人脑所从事的感觉,认知,记忆,学习,联想,计算,推理,判断,概括等思维活动,解决人类专家才能处理的问题实现数据检索,存储,推理的准确性,可预测性,人性化。人工智能的目标就是在一定的程度上代替人的思考能力,构建数学模型,选择相应的学习方式和训练方法,学习输入数据的数据结构和内在模式,不断调整数据参数,通过数学工具求解模型最优化的预测反馈,提高泛化能力、防止过拟合,以提高学习的效率和转化结果的可信度。因此,通过人工智能技术能够提取出检索信息中的核心信息。
S103、基于核心信息检索出数据资源库。
当获取到核心信息后,通过核心信息检索出数据库资源。
综上所述,在上述实施例中,当需要对信息进行检索时,首先获取用于检索的检索信息,然后基于人工智能通过数据算法对检索信息进行分析,提取出检索信息中的核心信息,根据核心信息检索出数据资源库。本申请能够结合人工智能对检索信息进行分析,提取出检索信息中的核心信息,再基于核心信息进行检索,相对于现有技术直接通过检索信息进行检索,提升了检索的效率和准确率。
如图2所示,为本申请公开的一种基于人工智能的内容信息检索方法实施例2的流程图,所述方法可以包括以下步骤:
S201、预先构建数据资源库;
在需要通过人工智能进行内容信息检索时,需要预先构建数据资源库,即预先构建存储检索结果的数据资源库。
S202、获取用于检索的检索信息;
在进行内容信息检索时,首先获取到用于检索的检索信息,用于检索的检索信息可以是用户在检索时输入的信息。即,用户检索时需要输入检索的内容,通过关键词检索,或者是输入检索人物、图片等的属性,得到用于检索的检索信息。
S203、基于人工智能通过数据算法对检索信息进行分析,提取出检索信息中的核心信息;
当获取到用于检索的检索信息后,进一步基于人工智能通过数据算法对检索信息进行分析。需要说明的是,人工智能学科是涉及数学、计算机科学、控制论、心理学、哲学等学科的交叉学科和边缘学科,其应用领域包括问题求解、专家系统、机器学习、模式识别、自动定理证明、自然语言理解、人工神经网络和智能检索等。人工智能用于信息检索主要有基于本体论、神经网络、遗传算法、自然语言理解和ID3算法等的智能检索方法。运用人工智能检索信息,人工智能会模拟人脑所从事的感觉,认知,记忆,学习,联想,计算,推理,判断,概括等思维活动,解决人类专家才能处理的问题实现数据检索,存储,推理的准确性,可预测性,人性化。人工智能的目标就是在一定的程度上代替人的思考能力,构建数学模型,选择相应的学习方式和训练方法,学习输入数据的数据结构和内在模式,不断调整数据参数,通过数学工具求解模型最优化的预测反馈,提高泛化能力、防止过拟合,以提高学习的效率和转化结果的可信度。因此,通过人工智能技术能够提取出检索信息中的核心信息。
S204、基于核心信息检索出数据资源库。
当获取到核心信息后,通过核心信息检索出数据库资源。
综上所述,在上述实施例中,当需要基于人工智能对信息检索时,需要预先构建数据资源库,即预先构建存储检索结果的数据资源库,在对信息进行检索时,获取用于检索的检索信息,然后基于人工智能通过数据算法对检索信息进行分析,提取出检索信息中的核心信息,根据核心信息检索出数据资源库。本申请能够结合人工智能对检索信息进行分析,提取出检索信息中的核心信息,在基于核心信息进行检索,相对于现有技术直接通过检索信息进行检索,提升了检索的效率和准确率。
如图3所示,为本申请公开的一种基于人工智能的内容信息检索方法实施例3的流程图,所述方法可以包括以下步骤:
S301、通过爬虫数据建立数据资源库;
在需要通过人工智能进行内容信息检索时,需要预先构建数据资源库,即预先构建存储检索结果的数据资源库。在预先构建数据资源库时,数据资源库来自爬虫数据建立的内容资源数据。其中,数据资源库包括人物、物品、场景、科普数据、建立不同的数据模型和数据属性。
S302、获取用于检索的检索信息;
在进行内容信息检索时,首先获取到用于检索的检索信息,用于检索的检索信息可以是用户在检索时输入的信息。即,用户检索时需要输入检索的内容,通过关键词检索,或者是输入检索人物、图片等的属性,得到用于检索的检索信息。
S303、基于人工智能通过数据算法对检索信息进行分析,提取出检索信息中的核心信息;
当获取到用于检索的检索信息后,进一步基于人工智能通过数据算法对检索信息进行分析。需要说明的是,人工智能学科是涉及数学、计算机科学、控制论、心理学、哲学等学科的交叉学科和边缘学科,其应用领域包括问题求解、专家系统、机器学习、模式识别、自动定理证明、自然语言理解、人工神经网络和智能检索等。人工智能用于信息检索主要有基于本体论、神经网络、遗传算法、自然语言理解和ID3算法等的智能检索方法。运用人工智能检索信息,人工智能会模拟人脑所从事的感觉,认知,记忆,学习,联想,计算,推理,判断,概括等思维活动,解决人类专家才能处理的问题实现数据检索,存储,推理的准确性,可预测性,人性化。人工智能的目标就是在一定的程度上代替人的思考能力,构建数学模型,选择相应的学习方式和训练方法,学习输入数据的数据结构和内在模式,不断调整数据参数,通过数学工具求解模型最优化的预测反馈,提高泛化能力、防止过拟合,以提高学习的效率和转化结果的可信度。因此,通过人工智能技术能够提取出检索信息中的核心信息。
S304、以核心信息为初始原点信息,查找出初始原点信息周围距离初始原点信息最近的信息点;
S305、将距离初始原点信息最近的信息点作为新的原点信息,重复上述步骤S304,直至检索出数据资源库。
当获取到核心信息后,通过核心信息检索出数据库资源。在通过核心信息检索出数据库资源时,将核心信息作为初始原点信息,将每一个分析数据看作一个信息点,对每一个信息点周围类似数据进行分析距离初始原点信息点的距离是多少,信息的相似程度类似成为信息距离,信息点周围的数据愈加类似于信息点则数据的距离越近,把最初的信息点看待成为原点,即将核心信息作为初始原点信息。接下来寻找最短的距离,然后求算出估值,然后把距离最近的信息点作为原点信息按照原来的方式进行对比,一层一层找到最终的数据资源库,计算机将最终的结果输出。
综上所述,在上述实施例中,当需要基于人工智能对信息检索时,通过爬虫数据建立数据资源库,即预先构建存储检索结果的数据资源库,在对信息进行检索时,获取用于检索的检索信息,然后基于人工智能通过数据算法对检索信息进行分析,提取出检索信息中的核心信息,然后,以核心信息为初始原点信息,查找出初始原点信息周围距离所述初始原点信息最近的信息点,将距离初始原点信息最近的信息点作为新的原点信息,重复上述步骤,直至检索出数据资源库。本申请能够结合人工智能对检索信息进行分析,提取出检索信息中的核心信息,在基于核心信息进行检索,相对于现有技术直接通过检索信息进行检索,提升了检索的效率和准确率。
如图4所示,为本申请公开的一种基于人工智能的内容信息检索系统实施例1的结构示意图,所述系统可以包括:
获取模块401,用于获取用于检索的检索信息;
当需要进行内容信息检索时,首先获取到用于检索的检索信息,用于检索的检索信息可以是用户在检索时输入的信息。即,用户检索时需要输入检索的内容,通过关键词检索,或者是输入检索人物、图片等的属性,得到用于检索的检索信息。
人工智能模块402,用于基于人工智能通过数据算法对检索信息进行分析,提取出检索信息中的核心信息;
当获取到用于检索的检索信息后,进一步基于人工智能通过数据算法对检索信息进行分析。需要说明的是,人工智能学科是涉及数学、计算机科学、控制论、心理学、哲学等学科的交叉学科和边缘学科,其应用领域包括问题求解、专家系统、机器学习、模式识别、自动定理证明、自然语言理解、人工神经网络和智能检索等。人工智能用于信息检索主要有基于本体论、神经网络、遗传算法、自然语言理解和ID3算法等的智能检索方法。运用人工智能检索信息,人工智能会模拟人脑所从事的感觉,认知,记忆,学习,联想,计算,推理,判断,概括等思维活动,解决人类专家才能处理的问题实现数据检索,存储,推理的准确性,可预测性,人性化。人工智能的目标就是在一定的程度上代替人的思考能力,构建数学模型,选择相应的学习方式和训练方法,学习输入数据的数据结构和内在模式,不断调整数据参数,通过数学工具求解模型最优化的预测反馈,提高泛化能力、防止过拟合,以提高学习的效率和转化结果的可信度。因此,通过人工智能技术能够提取出检索信息中的核心信息。
检索模块403,用于基于核心信息检索出数据资源库。
当获取到核心信息后,通过核心信息检索出数据库资源。
综上所述,在上述实施例中,当需要对信息进行检索时,首先获取用于检索的检索信息,然后基于人工智能通过数据算法对检索信息进行分析,提取出检索信息中的核心信息,根据核心信息检索出数据资源库。本申请能够结合人工智能对检索信息进行分析,提取出检索信息中的核心信息,在基于核心信息进行检索,相对于现有技术直接通过检索信息进行检索,提升了检索的效率和准确率。
如图5所示,为本申请公开的一种基于人工智能的内容信息检索系统实施例2的结构示意图,所述系统可以包括:
构建模块501,用于预先构建数据资源库;
在需要通过人工智能进行内容信息检索时,需要预先构建数据资源库,即预先构建存储检索结果的数据资源库。
获取模块502,用于获取用于检索的检索信息;
在进行内容信息检索时,首先获取到用于检索的检索信息,用于检索的检索信息可以是用户在检索时输入的信息。即,用户检索时需要输入检索的内容,通过关键词检索,或者是输入检索人物、图片等的属性,得到用于检索的检索信息。
人工智能模块503,用于基于人工智能通过数据算法对检索信息进行分析,提取出检索信息中的核心信息;
当获取到用于检索的检索信息后,进一步基于人工智能通过数据算法对检索信息进行分析。需要说明的是,人工智能学科是涉及数学、计算机科学、控制论、心理学、哲学等学科的交叉学科和边缘学科,其应用领域包括问题求解、专家系统、机器学习、模式识别、自动定理证明、自然语言理解、人工神经网络和智能检索等。人工智能用于信息检索主要有基于本体论、神经网络、遗传算法、自然语言理解和ID3算法等的智能检索方法。运用人工智能检索信息,人工智能会模拟人脑所从事的感觉,认知,记忆,学习,联想,计算,推理,判断,概括等思维活动,解决人类专家才能处理的问题实现数据检索,存储,推理的准确性,可预测性,人性化。人工智能的目标就是在一定的程度上代替人的思考能力,构建数学模型,选择相应的学习方式和训练方法,学习输入数据的数据结构和内在模式,不断调整数据参数,通过数学工具求解模型最优化的预测反馈,提高泛化能力、防止过拟合,以提高学习的效率和转化结果的可信度。因此,通过人工智能技术能够提取出检索信息中的核心信息。
检索模块504,用于基于核心信息检索出数据资源库。
当获取到核心信息后,通过核心信息检索出数据库资源。
综上所述,在上述实施例中,当需要基于人工智能对信息检索时,需要预先构建数据资源库,即预先构建存储检索结果的数据资源库,在对信息进行检索时,获取用于检索的检索信息,然后基于人工智能通过数据算法对检索信息进行分析,提取出检索信息中的核心信息,根据核心信息检索出数据资源库。本申请能够结合人工智能对检索信息进行分析,提取出检索信息中的核心信息,在基于核心信息进行检索,相对于现有技术直接通过检索信息进行检索,提升了检索的效率和准确率。
如图6所示,为本申请公开的一种基于人工智能的内容信息检索系统实施例3的结构示意图,所述系统可以包括:
构建模块601,用于通过爬虫数据建立数据资源库;
在需要通过人工智能进行内容信息检索时,需要预先构建数据资源库,即预先构建存储检索结果的数据资源库。在预先构建数据资源库时,数据资源库来自爬虫数据建立的内容资源数据。其中,数据资源库包括人物、物品、场景、科普数据、建立不同的数据模型和数据属性。
获取模块602,用于获取用于检索的检索信息;
在进行内容信息检索时,首先获取到用于检索的检索信息,用于检索的检索信息可以是用户在检索时输入的信息。即,用户检索时需要输入检索的内容,通过关键词检索,或者是输入检索人物、图片等的属性,得到用于检索的检索信息。
人工智能模块603,用于基于人工智能通过数据算法对检索信息进行分析,提取出检索信息中的核心信息;
当获取到用于检索的检索信息后,进一步基于人工智能通过数据算法对检索信息进行分析。需要说明的是,人工智能学科是涉及数学、计算机科学、控制论、心理学、哲学等学科的交叉学科和边缘学科,其应用领域包括问题求解、专家系统、机器学习、模式识别、自动定理证明、自然语言理解、人工神经网络和智能检索等。人工智能用于信息检索主要有基于本体论、神经网络、遗传算法、自然语言理解和ID3算法等的智能检索方法。运用人工智能检索信息,人工智能会模拟人脑所从事的感觉,认知,记忆,学习,联想,计算,推理,判断,概括等思维活动,解决人类专家才能处理的问题实现数据检索,存储,推理的准确性,可预测性,人性化。人工智能的目标就是在一定的程度上代替人的思考能力,构建数学模型,选择相应的学习方式和训练方法,学习输入数据的数据结构和内在模式,不断调整数据参数,通过数学工具求解模型最优化的预测反馈,提高泛化能力、防止过拟合,以提高学习的效率和转化结果的可信度。因此,通过人工智能技术能够提取出检索信息中的核心信息。
检索模块604,用于以核心信息为初始原点信息,查找出初始原点信息周围距离初始原点信息最近的信息点;将距离初始原点信息最近的信息点作为新的原点信息,重复上述步骤,直至检索出数据资源库。
当获取到核心信息后,通过核心信息检索出数据库资源。在通过核心信息检索出数据库资源时,将核心信息作为初始原点信息,将每一个分析数据看作一个信息点,对每一个信息点周围类似数据进行分析距离初始原点信息点的距离是多少,信息的相似程度类似成为信息距离,信息点周围的数据愈加类似于信息点则数据的距离越近,把最初的信息点看待成为原点,即将核心信息作为初始原点信息。接下来寻找最短的距离,然后求算出估值,然后把距离最近的信息点作为原点信息按照原来的方式进行对比,一层一层找到最终的数据资源库,计算机将最终的结果输出。
综上所述,在上述实施例中,当需要基于人工智能对信息检索时,通过爬虫数据建立数据资源库,即预先构建存储检索结果的数据资源库,在对信息进行检索时,获取用于检索的检索信息,然后基于人工智能通过数据算法对检索信息进行分析,提取出检索信息中的核心信息,然后,以核心信息为初始原点信息,查找出初始原点信息周围距离所述初始原点信息最近的信息点,将距离初始原点信息最近的信息点作为新的原点信息,重复上述步骤,直至检索出数据资源库。本申请能够结合人工智能对检索信息进行分析,提取出检索信息中的核心信息,在基于核心信息进行检索,相对于现有技术直接通过检索信息进行检索,提升了检索的效率和准确率。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于人工智能的内容信息检索方法,其特征在于,所述方法包括:
获取用于检索的检索信息;
基于人工智能通过数据算法对所述检索信息进行分析,提取出所述检索信息中的核心信息;
基于所述核心信息检索出数据资源库。
2.根据权利要求1所述的方法,其特征在于,所述基于所述核心信息检索出数据资源库包括:
以所述核心信息为初始原点信息,查找出所述初始原点信息周围距离所述初始原点信息最近的信息点;
将距离所述初始原点信息最近的信息点作为新的原点信息,重复上述步骤,直至检索出数据资源库。
3.根据权利要求1所述的方法,其特征在于,还包括:
预先构建数据资源库。
4.根据权利要求3所述的方法,其特征在于,所述预先构建数据资源库包括:
通过爬虫数据建立所述数据资源库。
5.根据权利要求4所述的方法,其特征在于,所述数据资源库包括:人物、物品、场景、科普数据、数据模型和数据属性。
6.一种基于人工智能的内容信息检索系统,其特征在于,包括:
获取模块,用于获取用于检索的检索信息;
人工智能模块,用于基于人工智能通过数据算法对所述检索信息进行分析,提取出所述检索信息中的核心信息;
检索模块,用于基于所述核心信息检索出数据资源库。
7.根据权利要求6所述的系统,其特征在于,所述检索模块具体用于:
以所述核心信息为初始原点信息,查找出所述初始原点信息周围距离所述初始原点信息最近的信息点;
将距离所述初始原点信息最近的信息点作为新的原点信息,重复上述步骤,直至检索出数据资源库。
8.根据权利要求6所述的系统,其特征在于,还包括:
构建模块,用于预先构建数据资源库。
9.根据权利要求8所述的系统,其特征在于,所述构建模块具体用于:
通过爬虫数据建立所述数据资源库。
10.根据权利要求9所述的系统,其特征在于,所述数据资源库包括:人物、物品、场景、科普数据、数据模型和数据属性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810842716.4A CN109033372A (zh) | 2018-07-27 | 2018-07-27 | 一种基于人工智能的内容信息检索方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810842716.4A CN109033372A (zh) | 2018-07-27 | 2018-07-27 | 一种基于人工智能的内容信息检索方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109033372A true CN109033372A (zh) | 2018-12-18 |
Family
ID=64646070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810842716.4A Pending CN109033372A (zh) | 2018-07-27 | 2018-07-27 | 一种基于人工智能的内容信息检索方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109033372A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101377776A (zh) * | 2007-08-29 | 2009-03-04 | 中国科学院自动化研究所 | 一种交互式图像检索方法 |
CN102073692A (zh) * | 2010-12-16 | 2011-05-25 | 北京农业信息技术研究中心 | 基于农业领域本体库的语义检索系统和方法 |
CN103778433A (zh) * | 2014-01-15 | 2014-05-07 | 东莞华中科技大学制造工程研究院 | 基于点到直线距离的广义点集匹配方法 |
CN104508661A (zh) * | 2012-02-06 | 2015-04-08 | 汤姆逊许可公司 | 使用比较的交互式内容搜索 |
CN106156179A (zh) * | 2015-04-20 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 一种信息检索方法及装置 |
CN106446018A (zh) * | 2016-08-29 | 2017-02-22 | 北京百度网讯科技有限公司 | 基于人工智能的查询信息处理方法和装置 |
CN107193873A (zh) * | 2017-04-17 | 2017-09-22 | 吉林工程技术师范学院 | 一种基于语义网技术的网络搜索方法 |
-
2018
- 2018-07-27 CN CN201810842716.4A patent/CN109033372A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101377776A (zh) * | 2007-08-29 | 2009-03-04 | 中国科学院自动化研究所 | 一种交互式图像检索方法 |
CN102073692A (zh) * | 2010-12-16 | 2011-05-25 | 北京农业信息技术研究中心 | 基于农业领域本体库的语义检索系统和方法 |
CN104508661A (zh) * | 2012-02-06 | 2015-04-08 | 汤姆逊许可公司 | 使用比较的交互式内容搜索 |
CN103778433A (zh) * | 2014-01-15 | 2014-05-07 | 东莞华中科技大学制造工程研究院 | 基于点到直线距离的广义点集匹配方法 |
CN106156179A (zh) * | 2015-04-20 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 一种信息检索方法及装置 |
CN106446018A (zh) * | 2016-08-29 | 2017-02-22 | 北京百度网讯科技有限公司 | 基于人工智能的查询信息处理方法和装置 |
CN107193873A (zh) * | 2017-04-17 | 2017-09-22 | 吉林工程技术师范学院 | 一种基于语义网技术的网络搜索方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Clancey | Model construction operators | |
CN109992779B (zh) | 一种基于cnn的情感分析方法、装置、设备及存储介质 | |
JP2021108096A (ja) | 情報を出力する方法および装置 | |
CN108536681A (zh) | 基于情感分析的智能问答方法、装置、设备及存储介质 | |
CN103176963B (zh) | 基于crf++汉语句义结构模型自动标注方法 | |
CN113127624B (zh) | 问答模型的训练方法及装置 | |
CN105631468A (zh) | 一种基于rnn的图片描述自动生成方法 | |
CN109063032B (zh) | 一种远程监督检索数据的降噪方法 | |
CN109325040A (zh) | 一种faq问答库泛化方法、装置及设备 | |
JP7191443B2 (ja) | 機械学習に基づくターゲットオブジェクト属性予測方法、関連機器及びコンピュータプログラム | |
CN107451230A (zh) | 一种问答方法以及问答系统 | |
Pardos et al. | Imputing KCs with representations of problem content and context | |
CN113392197B (zh) | 问答推理方法、装置、存储介质及电子设备 | |
CN107688583A (zh) | 创建用于自然语言处理装置的训练数据的方法和设备 | |
Zhou et al. | ICRC-HIT: A deep learning based comment sequence labeling system for answer selection challenge | |
Simpson et al. | Structural modeling | |
CN110909174B (zh) | 一种基于知识图谱的简单问答中实体链接的改进方法 | |
Dori | AND SYSTEM | |
Ali et al. | Using text comprehension model for learning concepts, context, and topic of web content | |
CN109033372A (zh) | 一种基于人工智能的内容信息检索方法及系统 | |
Martinez-Cruz et al. | A first approach to the generation of linguistic summaries from glucose sensors using GPT-4 | |
CN110414628A (zh) | 一种自创课程的学习过程规划和管理方法及系统 | |
Karam et al. | Episodic memory based continual learning without catastrophic forgetting for environmental sound classification | |
Ogiela et al. | Cognitive informatics in automatic pattern understanding | |
Zhao | [Retracted] System Construction of Mind Map in English Vocabulary Teaching Based on Machine Learning Algorithm |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181218 |