CN110019888A - 一种搜索方法及装置 - Google Patents

一种搜索方法及装置 Download PDF

Info

Publication number
CN110019888A
CN110019888A CN201711250141.9A CN201711250141A CN110019888A CN 110019888 A CN110019888 A CN 110019888A CN 201711250141 A CN201711250141 A CN 201711250141A CN 110019888 A CN110019888 A CN 110019888A
Authority
CN
China
Prior art keywords
semantic space
label
search key
vector
label semantic
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
Application number
CN201711250141.9A
Other languages
English (en)
Inventor
沈炎军
贺宇
周泽南
苏雪峰
佟子健
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 Sogou Technology Development Co Ltd
Original Assignee
Beijing Sogou Technology Development 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 Sogou Technology Development Co Ltd filed Critical Beijing Sogou Technology Development Co Ltd
Priority to CN201711250141.9A priority Critical patent/CN110019888A/zh
Publication of CN110019888A publication Critical patent/CN110019888A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information

Abstract

本发明实施例提供一种搜索方法和装置，所述方法包括：确定检索关键词对应的标签语义空间向量，所述标签语义空间向量用于描述所述检索关键词的语义；根据所述标签语义空间向量计算所述检索关键词的标签语义空间特征，所述标签语义空间特征用于描述所述检索关键词与检索结果的相似度；根据所述标签语义空间特征，对与所述检索关键词对应的搜索结果进行排序。本发明实施例可以有效提高搜索结果准确性，优化模糊意义的搜索词的搜索结果。

Description

一种搜索方法及装置
技术领域
本发明实施例涉及计算机技术领域，具体涉及一种搜索方法及装置。
背景技术
现有的图片搜索方法中，通过衡量检索词和图片检索结果的相关性来对搜索结果排序。检索词和图片检索结果的相关性又主要包括文本相关性和图片相关性。由于图像分析算法复杂，因此目前的图片搜索方法更多使用文本相关性优化搜索结果。
然而，在计算检索词与图片搜索结果的文本相关性时，由于检索词可能具有多重含义，尽管检索词在搜索结果中高频出现，但该检索结果却有可能不是用户期望的结果。例如，用户搜索“飞机头”，有可能返回许多飞机头部的图片，但用户实际上希望检索的是飞机头发型的图片。因此，现有技术提供的图片搜索方法，在面对具有模糊意义或者多重意义的检索词时，获得的检索结果不够准确。
发明内容
本发明实施例提供了一种搜索方法及装置，旨在解决现有技术的图片搜索方法提供的搜索结果不准确的技术问题。
为此，本发明实施例提供如下技术方案：
第一方面，本发明实施例提供了一种搜索方法，包括：确定检索关键词对应的标签语义空间向量，所述标签语义空间向量用于描述所述检索关键词的语义；根据所述标签语义空间向量计算所述检索关键词的标签语义空间特征，所述标签语义空间特征用于描述所述检索关键词与检索结果的相似度；根据所述标签语义空间特征，对与所述检索关键词对应的搜索结果进行排序。
第二方面，本发明实施例提供了一种搜索装置，包括：向量确定单元，用于确定检索关键词对应的标签语义空间向量，所述标签语义空间向量用于描述所述检索关键词的语义；特征确定单元，用于根据所述标签语义空间向量计算所述检索关键词的标签语义空间特征，所述标签语义空间特征用于描述所述检索关键词与检索结果的相似度；排序单元，用于根据所述标签语义空间特征，对与所述检索关键词对应的搜索结果进行排序。
第三方面，本发明实施例提供了一种用于搜索的装置，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：确定检索关键词对应的标签语义空间向量，所述标签语义空间向量用于描述所述检索关键词的语义；根据所述标签语义空间向量计算所述检索关键词的标签语义空间特征，所述标签语义空间特征用于描述所述检索关键词与检索结果的相似度；根据所述标签语义空间特征，对与所述检索关键词对应的搜索结果进行排序。
第四方面，本发明实施例提供了一种机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得装置执行如第一方面所示的搜索方法。
本发明实施例提供的搜索方法及装置，可以确定检索关键词对应的标签语义空间向量，所述标签语义空间向量用于描述所述检索关键词的语义；根据所述标签语义空间向量计算所述检索关键词的标签语义空间特征，所述标签语义空间特征用于描述所述检索关键词与检索结果的相似度；根据所述标签语义空间特征，对与所述检索关键词对应的搜索结果进行排序。在本发明实施例中，使用标签语义空间向量描述、解释、扩展检索关键词的语义，并根据检索词的标签语义空间向量计算检索词与检索结果的相似度，用于优化排序结果，使得搜索结果更加符合用户的期望。特别是对具有模糊意义的搜索词而言，能够有效优化搜索结果。
附图说明
为了更清楚地说明本发明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发明中记载的一些实施例，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为本发明一实施例提供的搜索方法流程图；
图2为本发明另一实施例提供的搜索方法流程图；
图3A为现有技术提供的搜索方法效果示意图；
图3B为本发明实施例提供的搜索方法效果示意图；
图4为本发明一实施例提供的搜索装置示意图；
图5是根据一示例性实施例示出的一种用于搜索装置的框图；
图6是根据一示例性实施例示出的服务器的框图。
具体实施方式
在图片搜索中，针对模糊意义的检索词进行搜索一直是一个难点。模糊意义的搜索词一般是指多义词或词语指向性不明确的搜索词。例如，搜索词“李娜”，可以指向网球运动员李娜，也可以指向歌手“李娜”。又如，搜索词“飞机头”可以解释为“飞机头部”，也可以解释为“飞机头发型”。由于搜索词的语义模糊或者可能指向多重语义，不易得到准确的搜索结果。因此，如何对模糊意义的检索词进行搜索，得到准确的搜索结果成为一个重要的问题。
基于此，本发明实施例提供了一种搜索方法及装置，可以有效提高搜索结果准确性，优化模糊意义的搜索词的搜索结果。
为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明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，都应当属于本发明保护的范围。
下面将结合附图1至附图2对本发明示例性实施例示出的搜索方法进行介绍。
参见图1，为本发明一实施例提供的搜索方法流程图。如图1所示，可以包括：
S101，确定检索关键词对应的标签语义空间向量，所述标签语义空间向量用于描述所述检索关键词的语义。
具体实现时，可以接收用户的输入数据，确定搜索关键词。所述输入数据可以是语音输入，也可以是文本输入。
在一种可能的实现方式中，确定检索关键词对应的标签语义空间向量包括：根据所述检索关键词的语料库，计算预先建立的标签语义空间包括的各标签词语对应的词频-逆向文件频率TF-IDF值；根据所述各标签词语以及所述TF-IDF值，生成与所述检索关键词对应的标签语义空间向量。
在一种可能的实现方式中，所述确定检索关键词对应的标签语义空间向量包括：根据所述检索关键词的语料库，确定与所述检测关键词具有强关联关系、排在前N位的标签词语；确定所述标签词语的词向量，将所述词向量作为所述检索关键词对应的标签语义空间向量。其中，N为正整数。需要说明的是，与检索关键词具有强关联关系的标签词语，是指能够描述、解释、扩展检索关键词的语义，与检索关键词关联度强的词语。一般地，可以按照关联度从大到小排序，选取排在前N位的标签词语作为与所述检索关键词具有强关联关系的词语。这样，每个检索关键词的标签语义空间向量不再由固定的标签生成，而是可以根据与该检索关键词的关联度、选取能够表征其语义的词语作为标签词语，能够更好地描述检索关键词的语义，而且提高了覆盖度。
S102，根据所述标签语义空间向量计算所述检索关键词的标签语义空间特征，所述标签语义空间特征用于描述所述检索关键词与检索结果的相似度。
其中，所述标签语义空间特征用于描述检索关键词与检索结果在标签语义空间的相似度。在本发明实施例中，使用标签语义空间向量描述、解释检索关键词，因此可以用标签语义空间向量与搜索结果的相似度，来表征搜索关键词与搜索结果的相似度。
在一些实施方式中，若所述检索关键词对应多个标签语义空间向量，根据所述检索关键词的上下文信息或者所述检索关键词的热度属性确定至少一个标签语义空间向量。所述根据所述标签语义空间向量计算所述检索关键词的标签语义空间特征可以包括：根据确定的至少一个标签语义空间向量计算所述检索关键词的标签语义空间特征。
在一种可能的实现方式中，所述根据所述标签语义空间向量计算所述检索关键词的标签语义空间特征可以包括：计算所述标签语义空间向量对应的各标签与检索结果的相关性得分；根据所述相关性得分的和值，确定标签语义空间特征。
在一种可能的实现方式中，所述根据所述标签语义空间向量计算所述检索关键词的标签语义空间特征可以包括：计算标签词语的词向量与搜索结果对应的词向量的相似度；将所述相似度作为所述检索关键词的标签语义空间特征。
在一些实施方式中，若用户搜索请求例如为图片搜索请求，则所述根据所述标签语义空间向量计算所述检索关键词的标签语义空间特征包括：根据所述标签语义空间向量，计算所述标签语义空间向量与图片检索结果的文本特征的相似度；将所述相似度作为所述检索关键词和图片检索结果的标签语义空间相似度特征。
S103，根据所述标签语义空间特征，对与所述检索关键词对应的搜索结果进行排序。
具体实现时，可以利用该标签语义空间特征对搜索结果进行单特征排序，也可以将该标签语义空间特征与其他一个或一个以上特征结合，用于对搜索结果进行排序。
进一步的，还可以输出排在前M位的搜索结果，展示给用户；其中，M为正整数。
为了便于本领域技术人员更清楚地理解本发明在具体场景下的实施方式，下面以一个具体示例对本发明实施方式进行介绍。需要说明的是，该具体示例仅为使得本领域技术人员更清楚地了解本发明，但本发明的实施方式不限于该具体示例。
S201，建立标签语义空间。
在人类语言中，词和词之间是有关联且相互解释的，比如“铲球”的语义对应的是足球，“投篮”的语义对应的是“篮球”。人脑在进行实体区分的时候也是利用了这样的信息。例如，当说“欧文”的时候，我们不知道是谁，但说“篮球欧文”我们就知道说的是NBA运动员欧文。而语义空间的使用就是为了更好的定位和表达实体词。
在语料库中，可以使用标签词语(tag)解释、描述、扩展词条(item)。例如，对于词条“李娜”，可以使用“网球”、“运动员”“名人”“体育”“内地”等标签词语描述词条“李娜”的语义。又如，对于词语“铲球”，则可以使用“足球术语”“足球”“体育项目”“体育”等标签词语扩展其语义。
一般地，语义空间可以由一组比较固定、词义明确标签词语组成，比如“篮球”、“足球”、“演员”、“歌手”等。在语料库中各词语对应的标签词语中，可以利用该标签词语的词频(英文全称为Term Frequency，简称为TF)来对各标签词语进行排序。一般地，TF值指的是某一个给定的词语在该文件中出现的频率。对于在某一特定文件里的词语ti来说，它的重要性可表示为：
其中ni,j是该词在文件dj中的出现次数，而分母则是在文件dj中所有字词的出现次数之和。
在利用各标签词语的TF值排序后，可以选择排在前P位的词语作为语义空间的候选词。然后可以使用词条的义项(anchor)表述词，对该候选词进行过滤，得到Q维的语义空间。例如，对于词条“李娜”而言，其具有多个义项表述词，例如“网球选手”“击剑选手”“青年歌手”“辽宁影视演员”“中国女子跳水运动员”，标签词语“网球”“运动员”出现在义项表述词的描述里，因此，可以提高这两个标签词语的权重。其中，P和Q的正整数，其取值可以根据需要设定。此外，还可以对标签词语进行同义词和近义词扩展，例如将“北京”扩展为“帝都”“京城”等，以扩展搜索结果的多样性、广泛性。
S202，确定各词语对应的标签语义空间向量。
仍以语料库中包括的各词条为例，在建立标签语义空间的基础上，可以针对每个词条建立标签语义向量，用于描述该词条对应的文本。
具体实现时，可以将该词条的语料库中的文本内容提取出来，进行分词处理，统计词频。对关键区域如摘要(abstract)和标签部分适当增加权重，计算得到语义空间包括的各标签词语在文本中的词频。然后，计算标签词语的IDF值，进而确定该标签词语的TF-IDF值。根据各标签词语以及各标签词语的TF-IDF值生成词条的标签语义空间向量。此外，可以将命中词条义项表述词(anchor)和词条标签(tag)的标签权重置为1。
需要说明的是，同一个词语可以对应多个语义空间向量。例如，针对词条可以针对每一个义项表述词均生成一个标签语义空间向量。举例说明，对于词语“大宝”，其对应义项表述词“演员大宝”的标签语义空间向量为{(演员：0.7749)，(导演：0.4309)，(上海/shanghai/沪上/东方巴黎/魔都/大上海：0.2078)，(电视剧：0.2050)……}；其对应义项表述词“北京大宝化妆品有限公司”的标签语义空间向量为{(化妆品：0.7384)，(护肤品：0.2822)，(公司：0.2150)、(企业：0.2101)，(美容：0.1975)，(公益：0.1834)，皮肤(0.1775)……}。
S203，接收用户输入，确定检索关键词对应的标签语义空间向量。
一般地，语义固定的词条一般具有唯一的语义空间向量，若词条语义多样，可能对应多个语义空间向量。需要说明的是，若所述检索关键词对应多个标签语义空间向量，可以根据所述检索关键词的上下文信息或者所述检索关键词的热度属性，确定至少一个标签语义空间向量。例如，若检索关键词为“大宝护肤”，则根据关键词“大宝”的上下文“护肤”命中了标签语义空间向量中的标签“护肤”，定位该检索关键词“大宝”在语义空间的语义向量为“护肤品大宝”。此外，所述根据所述检索关键词的热度属性确定至少一个标签语义空间向量还可以包括：获取与所述检索关键词对应的多个义项表述词，所述义项表述词与标签语义空间向量具有对应关系；获取所述多个义项表述词的热度属性值，根据所述热度属性值的大小确定至少一个义项表述词，将所述至少一个义项表述词对应的标签语义空间向量作为所述至少一个标签语义空间向量。举例说明，在信息不够的情况下，比如直接检索“运动员李娜”，在百科词条中有就有网球运动员、击剑运动员、跳水运动员三个义项表述词，分别对应三个标签语义空间向量。此时可以结合词条各义项表述词的热度来进行筛选，这也是符合用户日常生活的实体词判断模式。比如提到“科比”一般指NBA篮球员动员科比·布莱恩特，而不是成都动物园的大熊猫科比。因此，可以根据各义项表述词的热度属性进行排序，将热度最高的或者排在前几位的义项表述词对应的标签语义空间向量作为所述至少一个标签语义空间向量。类似地，检索词“大宝”也可以根据义项的热度属性，定位到语义空间向量为“护肤品大宝”。
S204，计算检索关键词的标签语义空间特征。
具体实现时，在计算标签语义空间特征时，可以根据检索关键词(query)的标签语义空间向量，再对召回文档(对应检索结果)进行特征统计，计算检索词和检索结果在语义空间的相似程度。
具体计算可以采用Bm25变体公式，来计算搜索相关性。本发明实施例中，可以利用下述公式计算检索词(query)的标签语义空间向量和文档(doc)的相关性，计算公式参见公式(1)。
其中，T表示query的标签空间向量，ti表示具体的某一维度的标签词语；d表示索引中的文档doc,Wi表示tag的权重，如在检索词(query)“大宝”中tag“化妆品”的权重为0.6992；R(ti·d)表示第i维tag和文档d的相关性得分，具体算法参见公式(2)。
其中，k1，b为调节因子，通常根据经验设置，一般k1＝2，b＝0.75；tfi为ti在doc中的出现频率。dl为文档d的长度，avgdl为所有文档的平均长度。
根据以上公式，就可以得到tag扩展空间特征，并在排序模型使用、优化排序效果。
S205，使用标签语义空间特征优化排序结果。
Tag语义空间特征在搜索引擎中，作为rank模型中的一个特征来使用。该特征反应了检索词query和文档doc在tag语义空间中的相似性，提高了相应优质文档doc的排序分值。
下面以一个实例进行说明。具体实现时，可以抽取搜狗百科标签(tag)，从10w+过滤扩展后得到1982维的tag语义空间；然后使用百科文本，计算词条(item)中tag的tf-idf为权重，得到230W+的tag空间向量。输入端根据搜索关键词item的匹配和相似度选择标签语义空间向量，文档doc端统计tag命中情况，使用BM25变体公式计算tag_bm25_rank特征。在实际搜索引擎的应用中，tag语义空间特征会结合其他特征一起使用。为了说明tag语义空间特征的效果，下面结合单特征排序实验结果进行分析。
表1 语义空间单特征排序效果示意表
文本域选择 NDCG评价指标 覆盖率
标题(title)、义项(anchor)、内容(content) 0.595 84.33％
标题(title)、义项(anchor) 0.638 74.13％
在实验中，可以选用不同的文本域。从表1可以看出，文本较少时排序效果更好，但特征覆盖的文档减少。综合考虑，为了提高覆盖率，可以考虑使用title、anchor、content三个文本域进行计算。
举例说明，对检索词“飞机头”，在常规排序和使用tag语义空间特征排序上的效果如图3A和图3B所示。在图3A中，可以看出，使用常规排序，飞机头部的图片被排在前面，很有可能不符合用户期望。在图3B中，使用本发明实施例提供的标签语义空间特征优化排序。由于该发明的基本方法是通过标签语义空间对检索词进行语义解析和定位，比如在检索词“飞机头”的召回图片中，通过语义空间特征可以发现“飞机头”和“时尚”、“发型”、“潮流”等标签维度上权重很大，那么在排序中和这些标签相关性强的图片排名就应该更靠前，使得搜索结果符合用户期望。而常规排序由于只是对“飞机头”做分析，因此会出现“飞机头部”相关图片。
从以上实例可以看出，标签语义空间特征在相关性搜索排序中，主要体现了两个作用：(1)根据tag语义空间对模糊语义、有歧义的词条进行了语义定位，如通过“发型”、“时尚”等标签语义空间特征，来扩展“飞机头”这个检索关键词，提高召回doc中是飞机头发型图片的分值；(2)对常规query，如“成龙”，也可以使用相关tag如“功夫”、“电影”等标签语义空间特征对召回结果进行优化。
申请人在实现本发明的过程中发现，在标签语义空间特征的计算上，标签语义空间的覆盖能力和表达能力很大程度上决定了特征计算的优劣。标签语义空间的维度是有限的，虽然通过各种过滤和扩展的方式来优化该空间，但完备的语义空间是不存在的，且很难量化去评价语义空间的性能。
针对这些问题，可以采用替代的实现方式。例如，可以结合百科语料，使用词向量(word embedding)的方式来表示标签tag，同时文档doc和检索关键词query也都可以用词向量表示，这样只需要计算二者文本向量(由词向量组成)的相似性，就可以达到歧义消解的目的。这样就不需要具体的语义空间，同时由于词向量的特性，特征覆盖也可以得到提升。根据标签tag和文档doc表达方式的变化，在二者相似性的计算上，即特征计算公式中的R(t·d)部分，将会使用深度学习模型DSSM(Deep Structured Semantic Models)来进行替代，dssm模型可以将不同的文本向量映射到同一语义空间来计算语义相似性。因为词向量是可以提前训练得到的，因此标签语义空间就可不限制于固定的维度，比如和词条相近的有意义的词都可以作为标签，这样标签语义空间的维度能得到极大的扩充。而由于文档文本是固定的，即文档的文本向量的表达是固定的，因此不需要增加文档保存的信息量。
以上对本发明实施例提供的搜索方法进行了详细的介绍，下面对本发明实施例提供的方法对应的设备和装置进行介绍，下述设备和装置各单元或模块的设置可以参照图1至图2所示的方法对应实现。
下面对本发明实施例提供的方法对应的装置和设备进行介绍。
参见图4，为本发明一实施例提供的搜索装置示意图。
一种搜索装置400，包括：
向量确定单元401，用于确定检索关键词对应的标签语义空间向量，所述标签语义空间向量用于描述所述检索关键词的语义。其中，所述向量确定401的具体实现可以参照图1所示实施例的步骤101而实现。
特征确定单元402，用于据所述标签语义空间向量计算所述检索关键词的标签语义空间特征，所述标签语义空间特征用于描述所述检索关键词与检索结果的相似度。其中，所述特征确定402的具体实现可以参照图1所示实施例的步骤102而实现。
排序单元403，用于根据所述标签语义空间特征，对与所述检索关键词对应的搜索结果进行排序。其中，所述排序单元403的具体实现可以参照图1所示实施例的步骤103而实现。
在一些实施方式中，所述向量确定单元包括：
第一向量确定单元，用于根据所述检索关键词的语料库，计算预先建立的标签语义空间包括的各标签词语对应的词频-逆向文件频率TF-IDF值；根据所述各标签词语以及所述TF-IDF值，生成与所述检索关键词对应的标签语义空间向量。
在一些实施方式中，所述特征确定单元包括：
第一特征确定单元，用于计算所述标签语义空间向量对应的各标签与检索结果的相关性得分；根据所述相关性得分的和值确定标签语义空间特征。
在一些实施方式中，所述向量确定单元包括：
第二向量确定单元，用于根据所述检索关键词的语料库，确定与所述检测关键词具有强关联关系、排在前N位的标签词语；其中，N为正整数；确定所述标签词语的词向量，将所述词向量作为所述检索关键词对应的标签语义空间向量。
在一些实施方式中，所述特征确定单元包括：
第二特征确定单元，用于计算标签词语的词向量与搜索结果对应的词向量的相似度；将所述相似度作为所述检索关键词的标签语义空间特征。
在一些实施方式中，所述装置还包括：
向量定位单元，用于若所述检索关键词对应多个标签语义空间向量，根据所述检索关键词的上下文信息或者所述检索关键词的热度属性确定至少一个标签语义空间向量；
所述特征确定单元具体用于：根据确定的至少一个标签语义空间向量计算所述检索关键词的标签语义空间特征。
在一些实施方式中，所述向量定位单元具体用于：
获取与所述检索关键词对应的多个义项表述词，所述义项表述词与标签语义空间向量具有对应关系；获取所述多个义项表述词的热度属性值，根据所述热度属性值的大小确定至少一个义项表述词，将所述至少一个义项表述词对应的标签语义空间向量作为所述至少一个标签语义空间向量。
在一些实施方式中，所述特征确定单元具体用于：
根据所述标签语义空间向量，计算所述标签语义空间向量与图片检索结果的文本特征的相似度；将所述相似度作为所述检索关键词和图片检索结果的标签语义空间相似特征。
在一些实施方式中，所述装置还包括：
输出单元，用于输出排在前M位的搜索结果；其中，M为正整数。
其中，本发明装置各单元或模块的设置可以参照图1至图3所示的方法而实现，在此不赘述。
参见图5，为根据一示例性实施例示出的一种用于搜索装置的框图。参见图5，为根据一示例性实施例示出的一种用于语音合成装置的框图。例如，装置500可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图5，装置500可以包括以下一个或多个组件：处理组件502，存储器504，电源组件506，多媒体组件508，音频组件510，输入/输出(I/O)的接口512，传感器组件514，以及通信组件516。
处理组件502通常控制装置500的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件502可以包括一个或多个处理器520来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件502可以包括一个或多个模块，便于处理组件502和其他组件之间的交互。例如，处理部件502可以包括多媒体模块，以方便多媒体组件508和处理组件502之间的交互。
存储器504被配置为存储各种类型的数据以支持在设备500的操作。这些数据的示例包括用于在装置500上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器504可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件506为装置500的各种组件提供电力。电源组件506可以包括电源管理系统，一个或多个电源，及其他与为装置500生成、管理和分配电力相关联的组件。
多媒体组件508包括在所述装置500和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件508包括一个前置摄像头和/或后置摄像头。当设备500处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件510被配置为输出和/或输入音频信号。例如，音频组件510包括一个麦克风(MIC)，当装置500处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器504或经由通信组件516发送。在一些实施例中，音频组件510还包括一个扬声器，用于输出音频信号。
I/O接口512为处理组件502和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件514包括一个或多个传感器，用于为装置500提供各个方面的状态评估。例如，传感器组件514可以检测到设备500的打开/关闭状态，组件的相对定位，例如所述组件为装置500的显示器和小键盘，传感器组件514还可以检测装置500或装置500一个组件的位置改变，用户与装置500接触的存在或不存在，装置500方位或加速/减速和装置500的温度变化。传感器组件514可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件514还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件514还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件516被配置为便于装置500和其他设备之间有线或无线方式的通信。装置500可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信部件514经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件514还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置500可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
具体地，本发明实施例提供了一种搜索装置500，包括有存储器504，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器504中，且经配置以由一个或者一个以上处理器520执行所述一个或者一个以上程序包含用于进行以下操作的指令：确定检索关键词对应的标签语义空间向量，所述标签语义空间向量用于描述所述检索关键词的语义；根据所述标签语义空间向量计算所述检索关键词的标签语义空间特征，所述标签语义空间特征用于描述所述检索关键词与检索结果的相似度；根据所述标签语义空间特征，对与所述检索关键词对应的搜索结果进行排序。
进一步地，所述处理器520具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：根据所述检索关键词的语料库，计算预先建立的标签语义空间包括的各标签词语对应的词频-逆向文件频率TF-IDF值；根据所述各标签词语以及所述TF-IDF值，生成与所述检索关键词对应的标签语义空间向量。
进一步地，所述处理器520具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：计算所述标签语义空间向量对应的各标签与检索结果的相关性得分；根据所述相关性得分的和值确定标签语义空间特征。
进一步地，所述处理器520具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：根据所述检索关键词的语料库，确定与所述检测关键词具有强关联关系、排在前N位的标签词语；确定所述标签词语的词向量，将所述词向量作为所述检索关键词对应的标签语义空间向量。其中，N为正整数。
进一步地，所述处理器520具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：计算标签词语的词向量与搜索结果对应的词向量的相似度；将所述相似度作为所述检索关键词的标签语义空间特征。
进一步地，所述处理器520具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：若所述检索关键词对应多个标签语义空间向量，根据所述检索关键词的上下文信息或者所述检索关键词的热度属性确定至少一个标签语义空间向量；根据确定的至少一个标签语义空间向量计算所述检索关键词的标签语义空间特征。
进一步地，所述处理器520具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：获取与所述检索关键词对应的多个义项表述词，所述义项表述词与标签语义空间向量具有对应关系；获取所述多个义项表述词的热度属性值，根据所述热度属性值的大小确定至少一个义项表述词，将所述至少一个义项表述词对应的标签语义空间向量作为所述至少一个标签语义空间向量。
进一步地，所述处理器520具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：根据所述标签语义空间向量，计算所述标签语义空间向量与图片检索结果的文本特征的相似度；将所述相似度作为所述检索关键词和图片检索结果的标签语义空间相似度特征。
进一步地，所述处理器520具体还用于执行所述一个或者一个以上程序包含用于进行以下操作的指令：输出排在前M位的搜索结果；其中，M为正整数。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器504，上述指令可由装置500的处理器520执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种机器可读介质，例如该机器可读介质可以为非临时性计算机可读存储介质，当所述介质中的指令由装置(终端或者服务器)的处理器执行时，使得装置能够执行一种搜索方法，所述方法包括：确定检索关键词对应的标签语义空间向量，所述标签语义空间向量用于描述所述检索关键词的语义；根据所述标签语义空间向量计算所述检索关键词的标签语义空间特征，所述标签语义空间特征用于描述所述检索关键词与检索结果的相似度；根据所述标签语义空间特征，对与所述检索关键词对应的搜索结果进行排序。
图6是本发明实施例中服务器的结构示意图。该服务器600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processing units，CPU)622(例如，一个或一个以上处理器)和存储器632，一个或一个以上存储应用程序642或数据644的存储介质630(例如一个或一个以上海量存储设备)。其中，存储器632和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器622可以设置为与存储介质630通信，在服务器600上执行存储介质630中的一系列指令操作。
服务器600还可以包括一个或一个以上电源626，一个或一个以上有线或无线网络接口660，一个或一个以上输入输出接口668，一个或一个以上键盘666，和/或，一个或一个以上操作系统641，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。以上所述仅是本发明的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种搜索方法，其特征在于，包括：
确定检索关键词对应的标签语义空间向量，所述标签语义空间向量用于描述所述检索关键词的语义；
根据所述标签语义空间向量计算所述检索关键词的标签语义空间特征，所述标签语义空间特征用于描述所述检索关键词与检索结果的相似度；
根据所述标签语义空间特征，对与所述检索关键词对应的搜索结果进行排序。
2.根据权利要求1所述的方法，其特征在于，所述确定检索关键词对应的标签语义空间向量包括：
根据所述检索关键词的语料库，计算预先建立的标签语义空间包括的各标签词语对应的词频-逆向文件频率TF-IDF值；
根据所述各标签词语以及所述TF-IDF值，生成与所述检索关键词对应的标签语义空间向量。
3.根据权利要求2所述的方法，其特征在于，所述根据所述标签语义空间向量计算所述检索关键词的标签语义空间特征包括：
计算所述标签语义空间向量对应的各标签与检索结果的相关性得分；
根据所述相关性得分的和值，确定标签语义空间特征。
4.根据权利要求1所述的方法，其特征在于，所述确定检索关键词对应的标签语义空间向量包括：
根据所述检索关键词的语料库，确定与所述检测关键词具有强关联关系、排在前N位的标签词语；其中，N为正整数；
确定所述标签词语的词向量，将所述词向量作为所述检索关键词对应的标签语义空间向量。
5.根据权利要求4所述的方法，其特征在于，所述根据所述标签语义空间向量计算所述检索关键词的标签语义空间特征包括：
计算标签词语的词向量与搜索结果对应的词向量的相似度；
将所述相似度作为所述检索关键词的标签语义空间特征。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若所述检索关键词对应多个标签语义空间向量，根据所述检索关键词的上下文信息或者所述检索关键词的热度属性确定至少一个标签语义空间向量；
所述根据所述标签语义空间向量计算所述检索关键词的标签语义空间特征包括：
根据确定的至少一个标签语义空间向量计算所述检索关键词的标签语义空间特征。
7.根据权利要求6所述的方法，其特征在于，所述根据所述检索关键词的热度属性确定至少一个标签语义空间向量包括：
获取与所述检索关键词对应的多个义项表述词，所述义项表述词与标签语义空间向量具有对应关系；
获取所述多个义项表述词的热度属性值，根据所述热度属性值的大小确定至少一个义项表述词，将所述至少一个义项表述词对应的标签语义空间向量作为所述至少一个标签语义空间向量。
8.一种搜索装置，其特征在于，包括：
向量确定单元，用于确定检索关键词对应的标签语义空间向量，所述标签语义空间向量用于描述所述检索关键词的语义；
特征确定单元，用于根据所述标签语义空间向量计算所述检索关键词的标签语义空间特征，所述标签语义空间特征用于描述所述检索关键词与检索结果的相似度；
排序单元，用于根据所述标签语义空间特征，对与所述检索关键词对应的搜索结果进行排序。
9.一种用于搜索的装置，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：
确定检索关键词对应的标签语义空间向量，所述标签语义空间向量用于描述所述检索关键词的语义；
根据所述标签语义空间向量计算所述检索关键词的标签语义空间特征，所述标签语义空间特征用于描述所述检索关键词与检索结果的相似度；
根据所述标签语义空间特征，对与所述检索关键词对应的搜索结果进行排序。
10.一种机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得装置执行如权利要求1至7中一个或多个所述的搜索方法。
CN201711250141.9A 2017-12-01 2017-12-01 一种搜索方法及装置 Pending CN110019888A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711250141.9A CN110019888A (zh) 2017-12-01 2017-12-01 一种搜索方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711250141.9A CN110019888A (zh) 2017-12-01 2017-12-01 一种搜索方法及装置

Publications (1)

Publication Number Publication Date
CN110019888A true CN110019888A (zh) 2019-07-16

Family

ID=67185937

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711250141.9A Pending CN110019888A (zh) 2017-12-01 2017-12-01 一种搜索方法及装置

Country Status (1)

Country Link
CN (1) CN110019888A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110717029A (zh) * 2019-10-15 2020-01-21 支付宝(杭州)信息技术有限公司 一种信息处理方法和系统
CN110765301A (zh) * 2019-11-06 2020-02-07 腾讯科技（深圳）有限公司 图片处理方法、装置、设备及存储介质
CN111177351A (zh) * 2019-12-20 2020-05-19 北京淇瑀信息科技有限公司 基于规则的自然语言表达意图获取方法、装置和系统
CN111324768A (zh) * 2020-02-12 2020-06-23 新华智云科技有限公司 一种视频搜索系统和方法
CN111506812A (zh) * 2020-03-26 2020-08-07 口口相传(北京)网络技术有限公司 一种推荐词的生成方法、装置、存储介质及计算机设备
CN112447173A (zh) * 2019-08-16 2021-03-05 阿里巴巴集团控股有限公司 语音交互方法、装置及计算机存储介质
CN112989224A (zh) * 2021-03-25 2021-06-18 北京百度网讯科技有限公司 一种检索方法、装置、电子设备和存储介质
CN113127761A (zh) * 2019-12-31 2021-07-16 中国科学技术信息研究所 用于科技要素检索的智能排序方法、电子设备和存储介质
CN113486253A (zh) * 2021-07-30 2021-10-08 北京字节跳动网络技术有限公司 搜索结果展示方法、装置、设备和介质
CN113868447A (zh) * 2021-09-27 2021-12-31 新智认知数据服务有限公司 图片检索方法、电子设备及计算机可读存储介质
CN114186023A (zh) * 2021-12-07 2022-03-15 北京金堤科技有限公司 针对特定搜索场景的搜索处理方法、装置、设备及介质
CN117851692A (zh) * 2024-03-07 2024-04-09 深圳市华师兄弟教育科技有限公司 一种基于互联网的网络课程用课件管理系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020164A (zh) * 2012-11-26 2013-04-03 华北电力大学 一种基于多语义分析和个性化排序的语义检索方法
CN103279504A (zh) * 2013-05-10 2013-09-04 百度在线网络技术（北京）有限公司 一种基于歧义消解的搜索方法及装置
CN104750819A (zh) * 2015-03-31 2015-07-01 大连理工大学 一种基于词分组排序算法的生物医学文献检索方法及系统
CN104899322A (zh) * 2015-06-18 2015-09-09 百度在线网络技术（北京）有限公司 搜索引擎及其实现方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020164A (zh) * 2012-11-26 2013-04-03 华北电力大学 一种基于多语义分析和个性化排序的语义检索方法
CN103279504A (zh) * 2013-05-10 2013-09-04 百度在线网络技术（北京）有限公司 一种基于歧义消解的搜索方法及装置
CN104750819A (zh) * 2015-03-31 2015-07-01 大连理工大学 一种基于词分组排序算法的生物医学文献检索方法及系统
CN104899322A (zh) * 2015-06-18 2015-09-09 百度在线网络技术（北京）有限公司 搜索引擎及其实现方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
唐晓波等: "基于语义查询扩展的微博检索", 《情报资料工作》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112447173A (zh) * 2019-08-16 2021-03-05 阿里巴巴集团控股有限公司 语音交互方法、装置及计算机存储介质
CN110717029A (zh) * 2019-10-15 2020-01-21 支付宝(杭州)信息技术有限公司 一种信息处理方法和系统
CN110765301A (zh) * 2019-11-06 2020-02-07 腾讯科技（深圳）有限公司 图片处理方法、装置、设备及存储介质
CN111177351A (zh) * 2019-12-20 2020-05-19 北京淇瑀信息科技有限公司 基于规则的自然语言表达意图获取方法、装置和系统
CN113127761A (zh) * 2019-12-31 2021-07-16 中国科学技术信息研究所 用于科技要素检索的智能排序方法、电子设备和存储介质
CN111324768A (zh) * 2020-02-12 2020-06-23 新华智云科技有限公司 一种视频搜索系统和方法
CN111506812B (zh) * 2020-03-26 2023-09-26 口口相传(北京)网络技术有限公司 一种推荐词的生成方法、装置、存储介质及计算机设备
CN111506812A (zh) * 2020-03-26 2020-08-07 口口相传(北京)网络技术有限公司 一种推荐词的生成方法、装置、存储介质及计算机设备
CN112989224A (zh) * 2021-03-25 2021-06-18 北京百度网讯科技有限公司 一种检索方法、装置、电子设备和存储介质
CN113486253A (zh) * 2021-07-30 2021-10-08 北京字节跳动网络技术有限公司 搜索结果展示方法、装置、设备和介质
CN113486253B (zh) * 2021-07-30 2024-03-19 抖音视界有限公司 搜索结果展示方法、装置、设备和介质
CN113868447A (zh) * 2021-09-27 2021-12-31 新智认知数据服务有限公司 图片检索方法、电子设备及计算机可读存储介质
CN114186023A (zh) * 2021-12-07 2022-03-15 北京金堤科技有限公司 针对特定搜索场景的搜索处理方法、装置、设备及介质
CN117851692A (zh) * 2024-03-07 2024-04-09 深圳市华师兄弟教育科技有限公司 一种基于互联网的网络课程用课件管理系统
CN117851692B (zh) * 2024-03-07 2024-05-03 深圳市华师兄弟教育科技有限公司 一种基于互联网的网络课程用课件管理系统

Similar Documents

Publication Publication Date Title
CN110019888A (zh) 一种搜索方法及装置
CN104572905B (zh) 照片索引创建方法、照片搜索方法及装置
US11394675B2 (en) Method and device for commenting on multimedia resource
KR20180107147A (ko) 다변수 서치용 사용자 인터페이스
CN109189987A (zh) 视频搜索方法和装置
WO2020232796A1 (zh) 多媒体数据匹配方法、装置和存储介质
KR20140093957A (ko) 상호작용 멀티-모달 이미지 검색 기법
WO2012033820A2 (en) Internet search related methods and apparatus
CN109918555B (zh) 用于提供搜索建议的方法、装置、设备和介质
CN110134792B (zh) 文本识别方法、装置、电子设备以及存储介质
CN108446320A (zh) 一种数据处理方法、装置和用于数据处理的装置
CN108121736A (zh) 一种主题词确定模型的建立方法、装置及电子设备
CN110019675A (zh) 一种关键词提取的方法及装置
CN108345608A (zh) 一种搜索方法、装置及设备
CN109783656A (zh) 音视频数据的推荐方法、系统及服务器和存储介质
CN109308334A (zh) 信息推荐方法及装置、搜索引擎系统
Mironică et al. Fisher kernel temporal variation-based relevance feedback for video retrieval
CN109582869A (zh) 一种数据处理方法、装置和用于数据处理的装置
CN108073292A (zh) 一种智能组词方法和装置、一种用于智能组词的装置
CN108241690A (zh) 一种数据处理方法和装置、一种用于数据处理的装置
CN110389667A (zh) 一种输入方法及装置
CN108628819A (zh) 处理方法和装置、用于处理的装置
CN113596601A (zh) 一种视频画面的定位方法、相关装置、设备及存储介质
CN110309324A (zh) 一种搜索方法及相关装置
JP5455232B2 (ja) 画像選定装置、方法及びプログラム

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