CN110457339A - 数据搜索方法及装置、电子设备、存储介质 - Google Patents

Abstract

本公开是关于一种数据搜索方法及装置、电子设备、存储介质，涉及电子商务技术领域，该方法包括：获取搜索数据；通过词形和词义计算所述搜索数据与多个历史搜索数据之间的相似度；通过所述相似度从所述历史搜索数据中确定所述搜索数据的近义词；根据所述近义词进行搜索，以返回搜索结果。本公开能够提高数据搜索准确率。

Description

数据搜索方法及装置、电子设备、存储介质

技术领域

本公开涉及电子商务技术领域，具体而言，涉及一种数据搜索方法、数据搜索装置、电子设备以及计算机可读存储介质。

背景技术

随着互联网技术的快速发展，用户通过网络进行搜索的需求逐渐提高。由于用户的搜索查询query会存在多样性，同时有些用户的搜索query系统无法识别，因此如何根据用户搜索的query挖掘出用户真实的意图是急需解决的问题。

为了解决上述问题，相关技术中在接收到用户输入的搜索词之后，通过正则表达式匹配的方法获取搜索词的近义词。正则表达式指的是对字符串和特殊字符操作的一种逻辑公式，其只可以在搜索查询query的形式比较相似时才可以使用。

上述方式中，由于正则表达式不能从搜索词的词义层面确定其近义词，也不能确定缩写形式的搜索词的近义词，因此导致确定的近义词不准确，进而影响数据搜索的准确率，与此同时，由于不能准确确定近义词，导致搜索过程效率较低；除此之外，由于正则表达式的局限性，导致数据搜索的应用范围受到限制，因此降低了用户满意度和用户体验。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种数据搜索方法及装置、电子设备、存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的数据搜索不准确的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种数据搜索方法，包括：获取搜索数据；通过词形和词义计算所述搜索数据与多个历史搜索数据之间的相似度；通过所述相似度从所述历史搜索数据中确定所述搜索数据的近义词；根据所述近义词进行搜索，以返回搜索结果。

在本公开的一种示例性实施例中，通过词形和词义计算所述搜索数据与多个历史搜索数据之间的相似度包括：对所述搜索数据进行分词处理，以获取第一词序列；对所述历史搜索数据进行分词处理，以获取第二词序列；通过词形和词义计算所述第一词序列与所述第二词序列之间的相似度。

在本公开的一种示例性实施例中，通过词形和词义计算所述第一词序列与所述第二词序列之间的相似度包括：计算所述第一词序列与所述第二词序列之间的匹配度；计算所述第一词序列与所述第二词序列之间的编辑距离；确定所述第一词序列与所述第二词序列之间的词义相似度。

在本公开的一种示例性实施例中，所述匹配度的计算公式包括：

s＝P_i/len(term)，

其中，s为匹配度，P_i为第一词序列与第二词序列中相同词的数量，len(term)为第一词序列中词的数量。

在本公开的一种示例性实施例中，所述编辑距离的计算公式包括：

d＝0.1×Edit(a,b)，

其中，a为第一词序列，b为第二词序列。

在本公开的一种示例性实施例中，确定所述第一词序列与所述第二词序列之间的词义相似度包括：通过将第一词序列中的每个词输入一搜索词模型，以确定第一词序列的目标向量；计算所述目标向量与第二词序列的参考向量之间的余弦相似度，以得到所述词义相似度。

在本公开的一种示例性实施例中，所述余弦相似度的计算公式包括：

其中，A_i为目标向量，B_i为参考向量。

在本公开的一种示例性实施例中，通过将第一词序列中的每个词输入一搜索词模型，以确定第一词序列的目标向量包括：通过将第一词序列中的每个词输入所述搜索词模型，确定与第一词序列中每个词对应的搜索词向量；将所述第一词序列中所有词对应的所述搜索词向量进行加权求和，得到求和向量；将所述求和向量作为所述第一词序列的所述目标向量。

在本公开的一种示例性实施例中，所述方法还包括：通过预设类别的样本数据对一卷积神经网络模型进行训练，以得到所述搜索词模型。

在本公开的一种示例性实施例中，通过所述相似度从所述历史搜索数据中确定所述搜索数据的近义词包括：通过所述相似度，确定所述搜索数据与每个各所述历史搜索数据之间的实际排名；根据所述实际排名确定所述搜索数据的近义词。

在本公开的一种示例性实施例中，所述实际排名的计算公式包括：

Score＝w1×s+w2×d+w3×cosθ，

其中，w1为第一权重，w2为第二权重，w3为第三权重，s为匹配度，d为编辑距离，cosθ为余弦相似度。

在本公开的一种示例性实施例中，所述相似度和所述实际排名通过分布式计算框架计算。

在本公开的一种示例性实施例中，所述方法还包括：按照预设规则对所述搜索数据以及所述历史搜索数据进行数据清洗。

根据本公开的一个方面，提供一种数据搜索装置，包括：数据获取模块，用于获取搜索数据；相似度计算模块，用于通过词形和词义计算所述搜索数据与多个历史搜索数据之间的相似度；近义词确定模块，用于通过所述相似度从所述历史搜索数据中确定所述搜索数据的近义词；搜索控制模块，用于根据所述近义词进行搜索，以返回搜索结果。

根据本公开的一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的数据搜索方法。

根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的数据搜索方法。

本公开示例性实施例中提供的一种数据搜索方法、数据搜索装置、电子设备以及计算机可读存储介质中，通过词形和词义计算搜索数据与多个历史搜索数据之间的相似度，进而根据相似度从历史搜索数据中确定该搜索数据的近义词，并根据近义词返回搜索结果。一方面，通过搜索数据与历史搜索数据之间的相似度确定搜索数据的近义词，进而确定搜索结果，提高了数据搜索的精准度和数据搜索效率；另一方面，能够从词形和词义两个维度确定搜索数据的近义词，增加了数据搜索的应用范围，提高了用户满意度和用户体验。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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示意性示出本公开示例性实施例中一种数据搜索方法示意图；

图2示意性示出本公开示例性实施例中数据搜索的总体流程图；

图3示意性示出本公开示例性实施例中一种数据搜索装置的框图；

图4示意性示出本公开示例性实施例中一种电子设备的框图；

图5示意性示出本公开示例性实施例中一种程序产品。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

本示例实施方式中首先提供了一种数据搜索方法，可以应用于所有搜索平台的数据搜索场景，例如各个电商平台中商品的搜索场景以及各个网站或者是搜索引擎中搜索信息的场景。参考图1所示，该数据搜索方法可以包括以下步骤：

在步骤S110中，获取搜索数据；

在步骤S120中，通过词形和词义计算所述搜索数据与多个历史搜索数据之间的相似度；

在步骤S130中，通过所述相似度从所述历史搜索数据中确定所述搜索数据的近义词；

在步骤S140中，根据所述近义词进行搜索，以返回搜索结果。

在本示例性实施例中提供的数据搜索方法中，一方面，通过搜索数据与历史搜索数据之间的相似度确定搜索数据的近义词，进而确定搜索结果，提高了数据搜索的精准度和数据搜索效率；另一方面，能够从词形和词义两个维度确定搜索数据的近义词，增加了数据搜索的应用范围，提高了用户满意度和用户体验。

接下来，结合附图对本示例性实施例中的数据搜索方法进行进一步解释说明。

在步骤S110中，获取搜索数据。

本示例中，服务器可以获取用户通过例如智能手机、电脑等各种终端，在各个电商平台、电商网站、电商APP或者是各种网站或者是搜索引擎中搜索框的位置处输入的搜索数据，其中，搜索数据可以通过多种方式产生，例如，可以是通过获得用户使用键盘或者触摸屏所输入文字的方式产生的，还可以通过用户声音的方式产生，也可以通过将用户声音通过自动语音识别技术转化为文本的方式产生，本示例性实施例对此不做特殊限定。本示例中以用户在电商平台上的搜索数据为例进行说明。搜索数据可以包括用户输入的模糊类搜索数据，例如“补钙”；也可以为用户输入的精确类搜索数据，例如“吃哪些食物补钙”等等。

在步骤S120中，通过词形和词义计算所述搜索数据与多个历史搜索数据之间的相似度。

本示例性实施例中，历史搜索数据指的是同一个搜索平台上预设时长内的多个搜索数据，此处的历史搜索数据可以为所有历史搜索数据中的优质词，即与当前用户输入的搜索数据相关性较大的历史搜索数据。预设时长例如可以为一个星期、一个月或者是一年内的所有搜索数据。举例而言，服务器获取的用户A在搜索平台1上的搜索数据为“补钙”，则在接收到该搜索数据时，服务器可以从该搜索平台1对应的数据库中获取一个月内存储的所有历史搜索数据日志，进而获取多个历史搜索数据。

在得到多个历史搜索数据之后，为了保证搜索数据的规范性，提高数据的质量和完整性，可以按照预设规则对搜索数据以及历史搜索数据进行数据清洗。预设规则例如可以包括繁简转化、多空格变单空格、标点符号以及特殊符号处理或者其它规则等等。举例而言，如果搜索数据为“吃哪些@食物补&钙”，为了提高数据的规范性，更便于得到搜索结果，可以按照标点符号和特殊符号处理规则将搜索数据中的“@”以及“&”删除，得到合法搜索数据“吃哪些食物补钙”。可以通过数据清洗工具或者是编写程序对搜索数据和历史搜索数据进行数据清洗。

进一步地，在对搜索数据进行数据清洗后，可以通过词形和词义两个维度计算搜索数据与多个历史搜索数据之间的相似度。具体来说，可以只根据搜索数据与历史搜索数据的词形确定相似度，也可以只根据搜索数据与历史搜索数据的词义确定二者的相似度，还可以同时根据搜索数据与历史搜索数据的词形和词义确定二者之间的相似度。为了提高确定的相似度的准确率，本示例中以同时根据词形和词义两个维度确定相似度为例进行说明。

具体而言，在通过词形和词义计算搜索数据与多个历史搜索数据之间的相似度时，首先需要对搜索数据和历史搜索数据进行分词处理，例如对搜索数据进行分词处理，以获取第一词序列；再对历史搜索数据进行分词处理，以获取第二词序列；进一步通过词形和词义所述第一词序列与第二词序列之间的相似度。举例而言，搜索数据为“A品牌羽毛球鞋多少钱”，可通过分词算法对该搜索数据进行分词处理。分词算法例如可以包括邻近匹配算法、逆向最大匹配算法、双向最大匹配法、最短路径匹配算法或者是神经网络算法中的任意一种。对搜索数据“A品牌羽毛球鞋多少钱”进行分词处理得到的第一词序列可以为“A品牌|羽毛球|鞋|多少|钱”；对历史搜索数据“A品牌羽毛球鞋”进行分词处理得到的第二词序列可以为“A品牌|羽毛球|鞋”。接下来，可以通过词形和词义两个维度计算第一词序列“A品牌|羽毛球|鞋|多少|钱”与第二词序列“A品牌|羽毛球|鞋”之间的相似度。

进一步地，通过词形和词义计算所述第一词序列与所述第二词序列之间的相似度包括：计算所述第一词序列与所述第二词序列之间的匹配度；计算所述第一词序列与所述第二词序列之间的编辑距离；确定所述第一词序列与所述第二词序列之间的词义相似度。也就是说，可以通过匹配度、编辑距离以及词义相似度三个方面确定第一词序列和第二词序列之间的相似度，以提高相似度的精准度。

具体而言，可以通过公式(1)计算第一词序列和第二词序列之间的匹配度，此处的匹配度指的是第一词序列和第二词序列之间的重合度。公式(1)可以包括：

s＝P_i/len(term)， (1)

其中，s为匹配度，P_i为第一词序列与第二词序列中相同词的数量，len(term)为第一词序列中词的数量。

举例而言，第一词序列“A品牌|羽毛球|鞋|多少|钱”与第二词序列“A品牌|羽毛球|鞋”之间的相同词的数量为3个，第一词序列中词的数量为5个，则二者之间的匹配度为3/5＝0.6。

除此之外，还可以通过公式(2)计算第一词序列和第二词序列之间的编辑距离。此处的编辑距离指的是两个字符串之间，由一个转成另一个所需的最少编辑操作次数。允许的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个字符。一般来说，编辑距离越小，两个串的相似度越大。公式(2)包括：

d＝0.1×Edit(a,b)， (2)

其中，a为第一词序列，b为第二词序列。

举例而言，根据公式(2)计算的第一词序列“A品牌|羽毛球|鞋|多少|钱”与第二词序列“A品牌|羽毛球|鞋”之间的编辑距离为0.2。

需要说明的是，匹配度和编辑距离均是从此词形的维度计算第一词序列和第二词序列之间的相似度，除此之外，还可以从词义维度计算相似度。其中，确定所述第一词序列与所述第二词序列之间的词义相似度包括：通过将第一词序列中的每个词输入一搜索词模型，以确定第一词序列的目标向量；计算所述目标向量与第二词序列的参考向量之间的余弦相似度，以得到所述词义相似度。

具体而言，可以将第一词序列中的每一个词输入一个搜索词模型，该搜索词模型例如可以为训练好的word2vec模型。进而通过将每一个词输入该word2vec模型，可获得与第一词序列对应的搜索词向量。为了得到更准确的搜索词向量，可以通过预设类别的样本数据对一卷积神经网络模型进行训练，以得到性能更优的搜索词模型，进而提高搜索词向量的准确率。

训练好的word2vec模型可以为各个领域的搜索词模型，例如医疗领域或者是其他各种领域，本示例中以电商平台的搜索数据为例进行说明。搜索词模型，即训练好的word2vec模型可以为与电商领域相关的word2vec模型。通过这种方式，可以扩展近义词计算模型，扩大应用范围。预设类别的样本数据例如可以为与电商领域相关的样本数据，例如广告支持类、商品品牌类样本数据等等。其中，卷积神经网络模型例如可以为事先设置好的未确定参数的预设模型。通过将第一词序列中的每个词输入一搜索词模型，以确定第一词序列的目标向量包括：通过将第一词序列中的每个词输入所述搜索词模型，确定与第一词序列中每个词对应的搜索词向量；将所述第一词序列中所有词对应的所述搜索词向量进行加权求和，得到求和向量；将所述求和向量作为所述第一词序列的所述目标向量。

首先可以确定第一词序列中每个词对应的搜索词向量，例如通过将每个词输入搜索词模型，获得“A品牌”对应的搜索词向量X1，“羽毛球”对应的搜索词向量X2，“鞋”对应的搜索词向量X3，“多少”对应的搜索词向量X4，“钱”对应的搜索词向量X5。进一步可以通过加权平均计算公式将所有的搜索词向量进行加权求和，得到求和向量，进而可以将求和向量作为目标向量X’。

类似地，可以通过上述方法计算多个历史搜索数据对应的第二词序列对应的参考向量。接下来，可以计算目标向量与第二词序列的参考向量之间的余弦相似度，以得到第一词序列和第二词序列之间的词义相似度。其中，可根据公式(3)计算其余弦相似度，公式(3)包括：

其中，A_i为目标向量，B_i为参考向量。

接下来，在步骤S130中，通过所述相似度从所述历史搜索数据中确定所述搜索数据的近义词。

基于上述由匹配度、编辑距离以及词义相似度确定的第一词序列和第二词序列之间的相似度，可以从多个历史搜索数据中确定搜索数据的近义词。具体而言，通过所述相似度从所述历史搜索数据中确定所述搜索数据的近义词包括：通过所述相似度，确定所述搜索数据与每个各所述历史搜索数据之间的实际排名；根据所述实际排名确定所述搜索数据的近义词。

其中，实际排名指的是每一个历史搜索数据与当前的搜索数据之间的实际相似度。可以根据匹配度、编辑距离以及词义相似度确定实际排名。具体可以通过公式(4)计算实际排名，公式(4)如下所示：

Score＝w1×s+w2×d+w3×cosθ， (4)

其中，w1为第一权重，w2为第二权重，w3为第三权重，s为匹配度，d为编辑距离，cosθ为余弦相似度。需要说明的是，第一权重，第二权重，第三权重可以通过人工标注一定量样本，通过建立线性分类模型方式来进行拟合相应的权重值。

接下来，可以将实际排名比较大的第二词序列对应的历史搜索数据作为该搜索数据的近义词。举例而言，第一词序列1“A品牌|羽毛球|鞋|多少|钱”与第二词序列2“A品牌|羽毛球|鞋”之间的实际排名为0.5，与第二词序列3“A品牌|羽毛球|鞋|号”之间的实际排名为0.1，则可以将第二词序列2作为第一词序列1的近义词。

本示例中通过词形和词义两个维度确定搜索数据与多个历史搜索数据之间的相似度，可以从多个历史搜索数据中得到更准确的近义词，进而提高数据搜索的准确率和有效性。通过这种方式，可以提高用户满意度和用户体验。

在步骤S140中，根据所述近义词进行搜索，以返回搜索结果。

在确定当前搜索数据的近义词之后，可以根据确定的近义词在搜索平台上进行搜索，并返回搜索结果。例如，在确定第一词序列1“A品牌|羽毛球|鞋|多少|钱”的近义词为“A品牌羽毛球鞋”时，可直接根据“A品牌羽毛球鞋”在搜索平台进行搜索，获取全面准确的搜索结果，提高搜索准确率。

需要补充的是，本示例中的相似度和实际排名均可以通过分布式计算框架计算。分布式计算框架例如可以为Hadoop或Spark等计算框架，以提高海量数据处理能力，并且可支持快速扩展，提高数据处理速度和处理效率。

图2示意性示出本公开示例性实施例中数据搜索方法的总体流程图，参考图2所示，该数据搜索方法主要包括以下步骤：

步骤S210，获取用户的搜索日志数据，例如可以获取所有用户在同一电商网站或者是同一搜索引擎的历史搜索日志数据，此处的历史搜索数据可以为历史搜索优质词；

步骤S220，对搜索日志数据进行数据清洗，例如可以按照清洗规则进行数据清洗，清洗规则例如可以包括繁转简、多空格转单空格、标点符号以及特殊符号处理；

步骤S230，对当前搜索数据与历史搜索数据进行近义词判断，以从多个历史搜索数据中确定当前搜索数据的近义词，例如此处根据词形相近和词义相近两个维度确定近义词；具体可以通过以下方式确定近义词：

S231，计算当前搜索数据与历史搜索数据之间的匹配度；此处的匹配度即为分词处理后二者之间的重合度；

S232，计算当前搜索数据与历史搜索数据之间的编辑距离；

S233，计算当前搜索数据与历史搜索数据之间的词义相似度。

步骤S240，计算综合排序，具体通过匹配度、编辑距离以及词义相似度确定综合排序。

本公开还提供了一种数据搜索装置。参考图3所示，该数据搜索装置300可以包括：

数据获取模块301，可以用于获取搜索数据；

相似度计算模块302，可以用于通过词形和词义计算所述搜索数据与多个历史搜索数据之间的相似度；

近义词确定模块303，可以用于通过所述相似度从所述历史搜索数据中确定所述搜索数据的近义词；

搜索控制模块304，可以用于根据所述近义词进行搜索，以返回搜索结果。

需要说明的是，上述数据搜索装置中各模块的具体细节已经在对应的数据搜索方法中进行了详细描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图4来描述根据本发明的这种实施方式的电子设备400。图4显示的电子设备400仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图4所示，电子设备400以通用计算设备的形式表现。电子设备400的组件可以包括但不限于：上述至少一个处理单元410、上述至少一个存储单元420、连接不同系统组件(包括存储单元420和处理单元410)的总线430。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元410执行，使得所述处理单元410执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元410可以执行如图1中所示的步骤：在步骤S110中，获取搜索数据；在步骤S120中，通过词形和词义计算所述搜索数据与多个历史搜索数据之间的相似度；在步骤S130中，通过所述相似度从所述历史搜索数据中确定所述搜索数据的近义词；在步骤S140中，根据所述近义词进行搜索，以返回搜索结果。

存储单元420可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)4201和/或高速缓存存储单元4202，还可以进一步包括只读存储单元(ROM)4203。

存储单元420还可以包括具有一组(至少一个)程序模块4205的程序/实用工具4204，这样的程序模块4205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线430可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备400也可以与一个或多个外部设备600(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备400交互的设备通信，和/或与使得该电子设备400能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口450进行。并且，电子设备400还可以通过网络适配器460与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器460通过总线430与电子设备400的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备400使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

参考图5所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品500，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、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公开的一般性原理并包括本公开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，本公开的真正范围和精神由权利要求指出。

Claims (16)

1.一种数据搜索方法，其特征在于，包括：

获取搜索数据；

通过词形和词义计算所述搜索数据与多个历史搜索数据之间的相似度；

通过所述相似度从所述历史搜索数据中确定所述搜索数据的近义词；

根据所述近义词进行搜索，以返回搜索结果。

2.根据权利要求1所述的数据搜索方法，其特征在于，通过词形和词义计算所述搜索数据与多个历史搜索数据之间的相似度包括：

对所述搜索数据进行分词处理，以获取第一词序列；

对所述历史搜索数据进行分词处理，以获取第二词序列；

通过词形和词义计算所述第一词序列与所述第二词序列之间的相似度。

3.根据权利要求2所述的数据搜索方法，其特征在于，通过词形和词义计算所述第一词序列与所述第二词序列之间的相似度包括：

计算所述第一词序列与所述第二词序列之间的匹配度；

计算所述第一词序列与所述第二词序列之间的编辑距离；

确定所述第一词序列与所述第二词序列之间的词义相似度。

4.根据权利要求3所述的数据搜索方法，其特征在于，所述匹配度的计算公式包括：

s＝P_i/len(term)，

其中，s为匹配度，P_i为第一词序列与第二词序列中相同词的数量，len(term)为第一词序列中词的数量。

5.根据权利要求3所述的数据搜索方法，其特征在于，所述编辑距离的计算公式包括：

d＝0.1×Edit(a,b)，

其中，a为第一词序列，b为第二词序列。

6.根据权利要求3所述的数据搜索方法，其特征在于，确定所述第一词序列与所述第二词序列之间的词义相似度包括：

通过将第一词序列中的每个词输入一搜索词模型，以确定第一词序列的目标向量；

计算所述目标向量与第二词序列的参考向量之间的余弦相似度，以得到所述词义相似度。

7.根据权利要求6所述的数据搜索方法，其特征在于，所述余弦相似度的计算公式包括：

其中，A_i为目标向量，B_i为参考向量。

8.根据权利要求6所述的数据搜索方法，其特征在于，通过将第一词序列中的每个词输入一搜索词模型，以确定第一词序列的目标向量包括：

通过将第一词序列中的每个词输入所述搜索词模型，确定与第一词序列中每个词对应的搜索词向量；

将所述第一词序列中所有词对应的所述搜索词向量进行加权求和，得到求和向量；

将所述求和向量作为所述第一词序列的所述目标向量。

9.根据权利要求6所述的数据搜索方法，其特征在于，所述方法还包括：

通过预设类别的样本数据对一卷积神经网络模型进行训练，以得到所述搜索词模型。

10.根据权利要求3所述的数据搜索方法，其特征在于，通过所述相似度从所述历史搜索数据中确定所述搜索数据的近义词包括：

通过所述相似度，确定所述搜索数据与每个各所述历史搜索数据之间的实际排名；

根据所述实际排名确定所述搜索数据的近义词。

11.根据权利要求10所述的数据搜索方法，其特征在于，所述实际排名的计算公式包括：

Score＝w1×s+w2×d+w3×cosθ，

其中，w1为第一权重，w2为第二权重，w3为第三权重，s为匹配度，d为编辑距离，cosθ为余弦相似度。

12.根据权利要求11所述的数据搜索方法，其特征在于，所述相似度和所述实际排名通过分布式计算框架计算。

13.根据权利要求1所述的数据搜索方法，其特征在于，所述方法还包括：

按照预设规则对所述搜索数据以及所述历史搜索数据进行数据清洗。

14.一种数据搜索装置，其特征在于，包括：

数据获取模块，用于获取搜索数据；

相似度计算模块，用于通过词形和词义计算所述搜索数据与多个历史搜索数据之间的相似度；

近义词确定模块，用于通过所述相似度从所述历史搜索数据中确定所述搜索数据的近义词；

搜索控制模块，用于根据所述近义词进行搜索，以返回搜索结果。

15.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-13任意一项所述的数据搜索方法。

16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-13任意一项所述的数据搜索方法。