CN111045836B - 搜索方法、装置、电子设备及计算机可读存储介质 - Google Patents

Abstract

本申请提供了一种搜索方法、装置、电子设备及计算机可读存储介质，该方法包括：获取用户的搜索请求；依据搜索请求所对应的搜索文本确定出搜索文本中的目标片段；对目标片段进行标记，并将标记后的目标片段提供给用户；在获取到对标记后的目标片段的触发操作时，获取目标片段所对应的搜索结果，并将搜索结果提供给用户。通过用户搜索请求中包含的搜索意图对搜索文本中的目标片段进行提取，并对提取到的目标片段进行标记，当用户需要获取目标片段的搜索结果时，只需触发被标记的目标片段即可得到对应的搜索结果，该方案获取搜索结果的过程中无需用户在当前界面和搜索引擎界面之间进行切换，无需用户提取和输入目标片段，操作简单，用户体验好。

Description

搜索方法、装置、电子设备及计算机可读存储介质

技术领域

本申请涉及计算机技术领域，具体而言，本申请涉及一种搜索方法、装置、电子设备及计算机可读存储介质。

背景技术

随着科学技术的不断发展，搜索引擎为人们获取信息带来了极大的便利，用户在搜索所需信息时，需要设置相关的关键词，然后再将关键词输入搜索引擎进行搜索，关键词是决定搜索结果的重要因素。

许多情况下，用户会在一些非搜索场景下，产生对输入文本中的特定片段进行搜索的需求，例如，用户利用即时聊天软件进行聊天过程中，需要对某一条文本信息中的特定片段进行搜索。在现有技术中，用户需要先退出即时聊天软件，再打开另一个搜索软件，并输入上述特定片段，进而完成搜索，以上过程需要用户进行特定片段的提取和输入操作，且需要在两个软件之间进行切换，操作繁琐，用户体验较差。

发明内容

本申请的目的旨在至少能解决上述的技术缺陷之一，本申请实施例所提供的技术方案如下：

第一方面，本申请实施例提供了一种搜索方法，包括：

获取用户的搜索请求；

依据搜索请求所对应的搜索文本确定出搜索文本中的目标片段；

对目标片段进行标记，并将标记后的目标片段提供给用户；

在获取到对标记后的目标片段的触发操作时，获取与触发操作对应的目标片段所对应的搜索结果，并将搜索结果提供给用户。

在本申请的一种可选实施例中，依据搜索请求所对应的搜索文本确定出搜索文本中的目标片段，包括：

将搜索请求所对应的搜索文本输入至神经网络模型中，基于神经网络模型的输出确定出搜索文本中的目标片段；

神经网络模型是通过以下方式训练得到的：

获取训练数据，训练数据包括预设数量的样本文本，其中，各样本文本包含带有标签的标记片段，标签表征了对应的标记片段为目标片段的真实概率；

基于各样本文本对初始网络模型进行更新，直至初始网络模型的损失函数收敛，将损失函数收敛时的初始网络模型作为神经网络模型。

在本申请的一种可选实施例中，基于每一样本文本对初始网络模型进行更新的过程包括：

根据每一样本文本的上下文语义信息，获取该样本文本中每一字符的向量表示，将经向量表示后的该样本文本输入初始网络模型，输出该样本文本包含的标记片段为目标片段的预测概率；

基于预测概率与对应的真实概率之间的差值，利用反向传播算法更新初始网络模型。

在本申请的一种可选实施例中，各样本文本中的标记片段对应的真实概率通过以下方式获取：

根据各样本文本的上下文语义信息，获取该样本文本中每一字符的向量表示；

基于每一字符的向量表示，获取该样本文本中的标记片段对应的真实概率。

在本申请的一种可选实施例中，神经网络模型的输出为搜索文本中的片段是目标片段的概率，基于神经网络模型的输出确定出搜索文本中的目标片段，包括：

对于搜索文本中的各片段，若片段所对应的预测概率大于等于第一预设阈值，则确定片段为目标片段。

在本申请的一种可选实施例中，对目标片段进行标记，具体包括：

将目标片段设置为可触发片段；

将目标片段中的字符的字符颜色修改为指定颜色，或者，将目标片段设置为高亮。

在本申请的一种可选实施例中，当搜索文本包括至少两个目标片段时，且至少两个目标片段之间的相关性大于等于第二预设阈值时，方法还包括：

将至少两个目标片段设置为联合片段；

在获取到用户针对至少两个目标片段中任一目标片段的触发操作时，将是否以联合片段进行搜索的确认提示提供给用户；

若获取到用户针对确认提示的确认触发操作，则获取与联合片段对应的搜索结果，并将搜索结果提供给用户；若获取到用户针对确认提示的否认触发操作，则将获取任一目标片段对应的搜索结果，并将搜索结果提供给用户。

在本申请的一种可选实施例中，在获取到对标记后的目标片段的触发操作时，获取与触发操作对应的目标片段所对应的搜索结果，并将搜索结果提供给用户，具体包括：

当获取搜索请求的第一应用程序为搜索应用程序时，在获取到对标记后的目标片段的触发操作时，通过第一应用程序对目标片段进行搜索得到搜索结果，并通过第一应用程序的用户界面将搜索结果提供给用户；

当获取搜索请求的第一应用程序为非搜索应用程序时，在获取到对标记后的目标片段的触发操作时，通过第二应用程序对目标片段进行搜索得到搜索结果，并通过第二应用程序的用户界面将搜索结果提供给用户，第二应用程序为搜索应用程序。

在本申请的一种可选实施例中，当获取搜索请求的第一应用程序为非搜索应用程序时，对目标片段进行标记之后，还包括：

为目标片段添加跳转链接；

在获取到对标记后的目标片段的触发操作时，通过第二应用程序对目标片段进行搜索得到搜索结果，具体包括：

在获取到对标记后的目标片段的触发操作时，根据跳转链接跳转至第二应用程序，并通过第二应用程序对目标片段进行搜索得到搜索结果。

第二方面，本申请实施例提供了一种搜索装置，包括：

搜索请求获取模块，用于获取用户的搜索请求；

目标片段提取模块，用于依据搜索请求所对应的搜索文本确定出搜索文本中的目标片段；

目标片段标记模块，用于对目标片段进行标记，并将标记后的目标片段提供给用户；

搜索结果获取模块，用于在获取到对标记后的目标片段的触发操作时，获取与触发操作对应的目标片段所对应的搜索结果，并将搜索结果提供给用户。

第三方面，本申请实施例提供了一种电子设备，包括存储器和处理器；

存储器中存储有计算机程序；

处理器，用于执行计算机程序以实现第一方面实施例或第一方面任一可选实施例中所提供的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现第一方面实施例或第一方面任一可选实施例中所提供的方法。

本申请提供的技术方案带来的有益效果是：

通过用户搜索请求中包含的搜索意图对搜索文本中的目标片段进行提取，并对提取到的目标片段进行标记，当用户需要获取目标片段的搜索结果时，只需触发被标记的目标片段即可得到对应的搜索结果，该方案获取搜索结果的过程中无需用户在当前界面和搜索引擎界面之间进行切换，无需用户提取和输入目标片段，操作简单，用户体验好。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。

图1为本申请实施例提供的一种搜索方法的流程示意图；

图2为本申请实施例中一个示例的搜索结果的展示效果图；

图3为本申请实施例提供的一种搜索装置的结构框图；

图4为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

无论是在搜索场景下还是非搜索场景下，用户都可能需要对输入文本中的特定片段进行搜索。在搜索场景下，用户需要再次将特定片段作为输入文本进行搜索，而在非搜索场景下，用户则需要从当前的场景转换至搜索场景，然后再将文本中的特定片段作为输入文本进行搜索，以上搜索方式操作繁琐，用户体验较差。因此本申请提出一种解决上述问题的搜索方法。

图1为本申请实施例提供的一种搜索方法的流程示意图，如图1所示，该方法的执行主体可以是终端设备或服务器，该方法可以包括：

步骤S101，获取用户的搜索请求。

其中，用户的搜索请求是指用户所触发的搜索动作，该请求中包含有用户的搜索意图片段的信息即用户想要搜索的信息，也就是搜索信息，该搜索信息可以是用户输入的文本信息，也可以用户输入的是语音信息，还可以是用户输入的其他形式的信息(手势信息等)。可以理解的是，当搜索信息为语音信息或其他形式的信息时，需要将语音信息或其他形式的信息转化为对应的文本信息以供后续处理。

需要说明的是，本申请实施例中，用户在搜索场景下输入文本信息、语音信息或者其他形式的信息时，当输入的信息为分文本信息时，先将非文本信息转化为文本信息，触发搜索动作时，产生搜索请求。用户在非搜索场景下输入文本信息、语音信息或者其他形式的信息时，当输入的信息为非文本信息时，先将非文本信息转化为文本信息，用户可以选取文本信息中的部分文本作为待搜索的文本，触发搜索动作时，也产生搜索请求。例如，用户在利用及时聊天软件与好友进行聊天时，输入及时消息，且该即时消息为一段文字内容(文本信息)，用户对其中一段文本信息有搜索需求，则可以选取该段文本信息作为搜索文本，然后触发对应的搜索动作，即产生对应的搜索请求。

步骤S102，依据搜索请求所对应的搜索文本确定出搜索文本中的目标片段。

其中，搜索文本即为搜索请求对应的文本信息，该文本信息可以是由用户输入的文本信息直接得到，也可以是由用户输入的语音信息或其他形式的信息转化得到。

其中，目标片段是指包含有用户搜索意图的片段，可以理解为进行搜索时的搜索词。目标片段可以是一个或多个，可以根据搜索文本中搜索意图片段确定。

步骤S103，对目标片段进行标记，并将标记后的目标片段提供给用户。

其中，对目标片段进行标记，是指为了将目标片段与搜索文本中的其他片段进行区分显示而对目标片段进行的标识，并将目标片段设置为可触发的片段。

具体的，标记后的目标片段与搜索文本中的其他片段相区分，换言之，用户也可以轻易从标记后的搜索文本中区分出目标片段，即将标记后的目标片段提供给用户。

步骤S104，在获取到对标记后的目标片段的触发操作时，获取与触发操作对应的目标片段所对应的搜索结果，并将搜索结果提供给用户。

其中，对标记后的目标片段的触发操作一般是由用户发出的，用于将触发操作对应的目标片段作为搜索词进行搜索的指令，例如，对目标片段的点击操作。

具体的，首先将搜索文本中对应的目标片段与搜索文本中的其他片段进行区分，即将区分后的目标片段提供给用户，用户可以对任意一个目标片段进行触发。用户对目标片段进行触发后，向用户提供将目标片段作为搜索词进行搜索的搜索结果，即完成对搜索文本中特定片段的搜索。

本申请实施例提供的搜索方法，通过用户搜索请求中包含的搜索意图对搜索文本中的目标片段进行提取，并对提取到的目标片段进行标记，当用户需要获取目标片段的搜索结果时，只需触发被标记的目标片段即可得到对应的搜索结果，该方案获取搜索结果的过程中无需用户在当前界面和搜索引擎界面之间进行切换，无需用户提取和输入目标片段，操作简单，用户体验好。

在本申请的一种可选实施例中，依据搜索请求所对应的搜索文本确定出搜索文本中的目标片段，包括：

将搜索请求所对应的搜索文本输入至神经网络模型中，基于神经网络模型的输出确定出搜索文本中的目标片段。

其中，神经网络模型的输入为搜索文本，输出为搜索文本中各片段为目标片段的概率。该神经网络模型可以是卷积神经网络模型。

具体的，在对搜索文本中的目标片段进行提取时，可以采用神经网络对目标片段进行自动提取。

进一步地，该神经网络模型是通过以下方式训练得到的：

获取训练数据，训练数据包括预设数量的样本文本，其中，各样本文本包含带有标签的标记片段，标签表征了对应的标记片段为目标片段的真实概率；

基于各样本文本对初始网络模型进行更新，直至初始网络模型的损失函数收敛，将损失函数收敛时的初始网络模型作为神经网络模型；

其中，初始网络模型的输入为样本文本，输出为样本文本中各标记片段的预测结果，预测结果表征了各标记片段是否为目标样本片段，损失函数取值表征了样本文本的标签与样本文本的预测结果之间的差异。

其中，训练数据中的样本文本可以理解为其中目标片段已知的搜索文本。样本文本的数量(预设数量)可根据实际需要进行确定。当预设数量较大时，可以将训练数据分为训练数据和测试数据，训练数据用于对初始网络模型进行训练得到神经网络模型，测试数据用于对神经网络模型进行验证。

其中，训练过程可以理解为使得初始网络模型输出的预测结果与对应的标签之间的差异越来越小的过程，当两者的差异小于指定数值且不再发生显著变化时，则损失函数收敛，训练完成，得到神经网络模型。

在本申请的一种可选实施例中，基于每一样本文本对初始网络模型进行更新的过程包括：

根据每一样本文本的上下文语义信息，获取该样本文本中每一字符的向量表示，将经向量表示后的该样本文本输入初始网络模型，输出该样本文本包含的标记片段为目标片段的预测概率；

基于预测概率与对应的真实概率之间的差值，利用反向传播算法更新初始网络模型。

具体的，每一样本文本可能包含有多个目标片段，将样本文本经向量表示后输入初始网络模型，输出各目标片段的预测概率。将各目标片段的预测概率与对应的标签中的真是概率进行比较，得到预测概率和真实概率之间的差值，并利用反向传播算法对初始网络的网络参数进行更新。

需要说明的是，在有多个目标片段的情况下，会得到多个预测概率与真实概率之间的差值，可以求取这些差值的平均差值，再利用反向传播算法对初始网络的网络参数进行一次更新；也可以针对每一个差值，利用反向传播算法对初始网络的网络参数进行一次更新。

举例来说，样本文本为“我想在美团网上订餐吃炸鸡”，其对应的标记片段为“美团网”和“炸鸡”，且对应的标签对应的真实概率都为1。将该样本文本输入初始网络模型，输出标记片段“美团网”的预测概率为0.8，输出的标记片段“炸鸡”的预测概率为0.7，那么两个标记片段的预测概率与真实概率之间的差值分别为0.2和0.3，那么基于这两个差值，利用反向传播算法对初始网络模型的网络参数进行更新。具体来说，如图2所示，当“我想在美团网上订餐吃炸鸡”为在搜索引擎的搜索框内输入的搜索文本时，其提取目标片段的过程实质上是将“我想在美团网上订餐吃炸鸡”对应的向量表示输入训练好的初始网络模型(即神经网络模型)，确定出对应的目标片段为“吃炸鸡”、“炸鸡”、“美团外卖”、“美团网”、“美团”、“外卖”，然后将搜索引擎提供的搜索结果展示页面中所有目标片段对应的文字的字符进行特殊显示，如高亮、颜色等加以区分(如图中矩形框所示)，以将目标片段突出显示给用户。

在本申请的一种可选实施例中，各样本文本中的标记片段对应的真实概率通过以下方式获取：

根据各样本文本的上下文语义信息，获取该样本文本中每一字符的向量表示；

基于每一字符的向量表示，获取该样本文本中的标记片段对应的真实概率。

具体的，在获取每一字符的向量表示后，可以利用已有的神经网络模型获取该样本文本中的标记片段对应的真实概率，也可以采用人工理解的方式获取该样本文本中的标记片段对应的真实概率。

在本申请的一种可选实施例中，神经网络模型的输出为搜索文本中的片段是目标片段的概率，基于神经网络模型的输出确定出搜索文本中的目标片段，包括：

对于搜索文本中的各片段，若片段所对应的预测概率大于等于第一预设阈值，则确定片段为目标片段。

在本申请的一种可选实施例中，对目标片段进行标记，具体包括：

将目标片段设置为可触发片段；

将目标片段中的字符的字符颜色设置为指定颜色，或者，将目标片段设置为高亮。

其中，将目标片段设置为可触发片段，且目标片段被触发后将以目标片段为搜索词进行搜索的搜索结果提供给用户。

其中，将目标片段中的字符的字符颜色设置为指定颜色，或者，将目标片段设置为高亮，是为了将目标片段与搜索文本中的其他片段进行区分。可以将目标片段中的字符的字符颜色设置为指定颜色，例如红色，而一般来说其他片段中的字符的字符颜色为黑色，从而将目标片段与搜索文本中的其他片段进行区分。还可以将目标片段设置为高亮，而一般来说其他片段为非高亮状态，从而将目标片段与搜索文本中的其他片段进行区分。

在本申请的一种可选实施例中，当搜索文本包括至少两个目标片段时，且至少两个目标片段之间的相关性大于等于第二预设阈值时，方法还包括：

将至少两个目标片段设置为联合片段；

在获取到用户针对至少两个目标片段中任一目标片段的触发操作时，将是否以联合片段进行搜索的确认提示提供给用户；

若获取到用户针对确认提示的确认触发操作，则获取与联合片段对应的搜索结果，并将搜索结果提供给用户；若获取到用户针对确认提示的否认触发操作，则将获取任一目标片段对应的搜索结果，并将搜索结果提供给用户。

其中，在获取搜索文本中的目标片段，可以获取各目标片段之间的相关性，若至少两个目标片段之间的相关性大于或等于第二预设阈值，则说明这至少两个目标片段之间的相关性较大，则该至少两个目标片段可以组合后进一步表达用户的搜索意图，即可以将至少两个目标片段组合成为联合片段。例如，搜索文本为“五道口的地铁站在哪儿”，确定出的目标片段为“五道口”和“地铁站”，而该两个目标片段之间的相关性大于第二预设阈值，则可以将该两个目标片段设置为联合片段“五道口地铁站”。其中“五道口”和“地铁站”均进行标记，用户在触控“五道口”时，会向用户展示选择选项，如“五道口地铁站”、“五道口地铁站怎么走”、“五道口公交车站离地铁站远吗”、“五道口地铁站美食”等。

在实际应用中，在得到联合片段后，用户触发联合片段对应的任一目标片段时，将提示用户选择是否以联合片段进行搜索，若确认以联合片段进行搜索，则将得到以联合片段为搜索词进行搜索对应的搜索结果，若用户选择不以联合片段进行搜索，则将得到以被触发的目标片段为搜索词进行搜索对应的搜索结果。

在本申请的一种可选实施例中，在获取到对标记后的目标片段的触发操作时，获取与触发操作对应的目标片段所对应的搜索结果，并将搜索结果提供给用户，具体包括：

当获取搜索请求的第一应用程序为搜索应用程序时，在获取到对标记后的目标片段的触发操作时，通过第一应用程序对目标片段进行搜索得到搜索结果，并通过第一应用程序的用户界面将搜索结果提供给用户；

当获取搜索请求的第一应用程序为非搜索应用程序时，在获取到对标记后的目标片段的触发操作时，通过第二应用程序对目标片段进行搜索得到搜索结果，并通过第二应用程序的用户界面将搜索结果提供给用户，第二应用程序为搜索应用程序。

具体的，当搜索请求对应的当前应用程序(即第一应用程序)为搜索应用程序时，由于当前的应用程序具有搜索功能，那么获取目标片段对应的搜索结果，是以目标片段为搜索词在第一应用程序中搜索得到的。

当搜索请求对应的当前应用程序(第一应用程序)为非搜索应用程序(例如即时聊天应用程序)时，由于当前的应用程序不具有搜索功能，那么获取目标片段对应的搜索结果，是以目标片段为搜索词在具有搜索功能的第二应用程序中搜索得到的。

在本申请的一种可选实施例中，当获取搜索请求的第一应用程序为非搜索应用程序时，对目标片段进行标记之后，还包括：

为目标片段添加跳转链接；

在获取到对标记后的目标片段的触发操作时，通过第二应用程序对目标片段进行搜索得到搜索结果，具体包括：

在获取到对标记后的目标片段的触发操作时，根据跳转链接跳转至第二应用程序，并通过第二应用程序对目标片段进行搜索得到搜索结果。

其中，触发跳转链接可以跳转并打开链接对应的应用程序，为目标片段设置跳转链接后，在触发目标片段时将跳转并打开链接对应的应用程序，并利用该链接对应的应用程序对目标片段进行搜索得到搜索结果。

具体的，当搜索文本对应的第一应用程序为非搜索应用程序时，需要利用具有搜索功能的第二应用程序对目标片段进行搜索得到搜索结果，则为目标片段设置跳转链接，且该链接对应于第二应用程序。在获取到对标记后的目标片段的触发操作时，根据跳转链接跳转至第二应用程序，并通过第二应用程序对目标片段进行搜索得到搜索结果。

图3为本申请实施例提供的一种搜索装置的结构框图，如图3所示，该装置200可以包括：搜索请求获取模块201、目标片段提取模块202、目标片段标记模块203以及搜索结果获取模块204，其中：

搜索请求获取模块201用于获取用户的搜索请求；

目标片段提取模块202依据搜索请求所对应的搜索文本确定出搜索文本中的目标片段；

目标片段标记模块203用于对目标片段进行标记，并将标记后的目标片段提供给用户；

搜索结果获取模块204用于在获取到对标记后的目标片段的触发操作时，获取与触发操作对应的目标片段所对应的搜索结果，并将搜索结果提供给用户。

在本申请的一种可选实施例中，目标片段提取模块具体用于：

将搜索请求所对应的搜索文本输入至神经网络模型中，基于神经网络模型的输出确定出搜索文本中的目标片段；

该装置还包括训练模块，用于：

获取训练数据，训练数据包括预设数量的样本文本，其中，各样本文本包含带有标签的标记片段，标签表征了对应的标记片段为目标样本片段的真实概率；

基于各样本文本对初始网络模型进行更新，直至初始网络模型的损失函数收敛，将损失函数收敛时的初始网络模型作为神经网络模型；

在本申请的一种可选实施例中，训练模块具体用于：

根据每一样本文本的上下文语义信息，获取该样本文本中每一字符的向量表示，将经向量表示后的该样本文本输入初始网络模型，输出该样本文本包含的标记片段为目标片段的预测概率；

基于预测概率与对应的真实概率之间的差值，利用反向传播算法更新初始网络模型。

在本申请的一种可选实施例中，各样本文本中的标记片段对应的真实概率通过以下方式获取：

根据各样本文本的上下文语义信息，获取该样本文本中每一字符的向量表示；

基于每一字符的向量表示，获取该样本文本中的标记片段对应的真实概率。

在本申请的一种可选实施例中，神经网络模型的输出为搜索文本中的片段是目标片段的概率，目标片段提取模块具体用于：

对于搜索文本中的各片段，若片段所对应的预测概率大于或等于第一预设阈值，则确定片段为目标片段。

在本申请的一种可选实施例中，目标片段标记模块具体用于：

将目标片段设置为可触发片段；

将目标片段中的字符的字符颜色设置为指定颜色，或者，将目标片段设置为高亮。

在本申请的一种可选实施例中，当搜索文本包括至少两个目标片段时，且至少两个目标片段之间的相关性大于等于第二预设阈值时，该装置还可以包括联合片段模块，用于：

将至少两个目标片段设置为联合片段；

在获取到用户针对至少两个目标片段中任一目标片段的触发操作时，将是否以联合片段进行搜索的确认提示提供给用户；

若获取到用户针对确认提示的确认触发操作，则获取与联合片段对应的搜索结果，并将搜索结果提供给用户；若获取到用户针对确认提示的否认触发操作，则将获取任一目标片段对应的搜索结果，并将搜索结果提供给用户。

在本申请的一种可选实施例中，搜索结果获取模块具体用于：

当获取搜索请求的第一应用程序为搜索应用程序时，在获取到对标记后的目标片段的触发操作时，通过第一应用程序对目标片段进行搜索得到搜索结果，并通过第一应用程序的用户界面将搜索结果提供给用户；

当获取搜索请求的第一应用程序为非搜索应用程序时，在获取到对标记后的目标片段的触发操作时，通过第二应用程序对目标片段进行搜索得到搜索结果，并通过第二应用程序的用户界面将搜索结果提供给用户，第二应用程序为搜索应用程序。

在本申请的一种可选实施例中，该装置还包括链接添加模块，用于：

当获取搜索请求的第一应用程序为非搜索应用程序时，对目标片段进行标记之后，为目标片段添加跳转链接；

在获取到对标记后的目标片段的触发操作时，通过第二应用程序对目标片段进行搜索得到搜索结果，具体包括：

在获取到对标记后的目标片段的触发操作时，根据跳转链接跳转至第二应用程序，并通过第二应用程序对目标片段进行搜索得到搜索结果。

基于相同的原理，本申请实施例还提供了一种电子设备，该电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行该计算机程序时，实现本申请任一可选实施例中所提供的方法，具体可实现如下方法：

获取用户的搜索请求；依据搜索请求所对应的搜索文本确定出搜索文本中的目标片段；对目标片段进行标记，并将标记后的目标片段提供给用户；在获取到对标记后的目标片段的触发操作时，获取与触发操作对应的目标片段所对应的搜索结果，并将搜索结果提供给用户。

本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现本申请任一实施例所示的方法。

可以理解的是，介质中存储的是搜索方法对应的计算机程序。

图4中示出了本申请实施例所适用的一种电子设备的结构示意图，如图4所示，电子设备300包括：处理器301和存储器303。其中，处理器301和存储器303相连，如通过总线302相连。进一步地，电子设备300还可以包括收发器304，电子设备300可以通过收发器304与其他电子设备进行数据的交互。需要说明的是，实际应用中收发器304不限于一个，该电子设备300的结构并不构成对本申请实施例的限定。

其中，处理器301应用于本申请实施例中，可以用于实现图3所示的搜索请求获取模块、目标片段提取模块、目标片段标记模块以及搜索结果获取模块的功能。

处理器301可以是CPU，通用处理器，DSP，ASIC，FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器301也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

总线302可包括一通路，在上述组件之间传送信息。总线302可以是PCI总线或EISA总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器303可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

存储器303用于存储执行本申请方案的应用程序代码，并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码，以实现图3所示实施例提供的搜索装置的动作。

A1、一种搜索方法，包括：

获取用户的搜索请求；

依据所述搜索请求所对应的搜索文本确定出所述搜索文本中的目标片段；

对所述目标片段进行标记，并将标记后的目标片段提供给所述用户；

在获取到对所述标记后的目标片段的触发操作时，获取与所述触发操作对应的目标片段所对应的搜索结果，并将所述搜索结果提供给所述用户。

A2、所述依据所述搜索请求所对应的搜索文本确定出所述搜索文本中的目标片段，包括：

将所述搜索请求所对应的搜索文本输入至神经网络模型中，基于所述神经网络模型的输出确定出所述搜索文本中的目标片段；

所述神经网络模型是通过以下方式训练得到的：

获取训练数据，所述训练数据包括预设数量的样本文本，其中，各所述样本文本包含带有标签的标记片段，所述标签表征了对应的所述标记片段为目标片段的真实概率；

基于各所述样本文本对初始网络模型进行更新，直至所述初始网络模型的损失函数收敛，将所述损失函数收敛时的所述初始网络模型作为所述神经网络模型。

A3、基于每一样本文本对所述初始网络模型进行更新的过程包括：

根据每一样本文本的上下文语义信息，获取该样本文本中每一字符的向量表示，将经向量表示后的该样本文本输入初始网络模型，输出该样本文本包含的标记片段为目标片段的预测概率；

基于所述预测概率与对应的真实概率之间的差值，利用反向传播算法更新所述初始网络模型。

A4、各所述样本文本中的标记片段对应的真实概率通过以下方式获取：

根据各所述样本文本的上下文语义信息，获取该样本文本中每一字符的向量表示；

基于每一字符的向量表示，获取该样本文本中的标记片段对应的真实概率。

A5、所述基于所述神经网络模型的输出确定出所述搜索文本中的目标片段，包括：

对于所述搜索文本中的各片段，若片段所对应的预测概率大于等于第一预设阈值，则确定片段为目标片段。

A6、所述对所述目标片段进行标记，具体包括：

将所述目标片段设置为可触发片段；

将所述目标片段中的字符的字符颜色修改为指定颜色，或者，将所述目标片段设置为高亮。

A7、当所述搜索文本包括至少两个目标片段时，且所述至少两个目标片段之间的相关性大于等于第二预设阈值时，所述方法还包括：

将所述至少两个目标片段设置为联合片段；

在获取到用户针对所述至少两个目标片段中任一目标片段的触发操作时，将是否以所述联合片段进行搜索的确认提示提供给所述用户；

若获取到所述用户针对所述确认提示的确认触发操作，则获取与所述联合片段对应的搜索结果，并将所述搜索结果提供给所述用户；若获取到所述用户针对所述确认提示的否认触发操作，则将获取所述任一目标片段对应的搜索结果，并将所述搜索结果提供给所述用户。

A8、在获取到对所述标记后的目标片段的触发操作时，获取与所述触发操作对应的目标片段所对应的搜索结果，并将所述搜索结果提供给所述用户，具体包括：

当获取所述搜索请求的第一应用程序为搜索应用程序时，在获取到对所述标记后的目标片段的触发操作时，通过第一应用程序对所述目标片段进行搜索得到所述搜索结果，并通过所述第一应用程序的用户界面将所述搜索结果提供给所述用户；

当获取所述搜索请求的第一应用程序为非搜索应用程序时，在获取到对所述标记后的目标片段的触发操作时，通过第二应用程序对所述目标片段进行搜索得到所述搜索结果，并通过所述第二应用程序的用户界面将所述搜索结果提供给所述用户，所述第二应用程序为搜索应用程序。

A9、当获取所述搜索请求的第一应用程序为非搜索应用程序时，所述对所述目标片段进行标记之后，还包括：

为所述目标片段添加跳转链接；

在获取到对所述标记后的目标片段的触发操作时，通过第二应用程序对所述目标片段进行搜索得到所述搜索结果，具体包括：

在获取到对所述标记后的目标片段的触发操作时，根据所述跳转链接跳转至所述第二应用程序，并通过第二应用程序对所述目标片段进行搜索得到所述搜索结果。

B1、一种搜索装置，包括：

搜索请求获取模块，用于获取用户的搜索请求；

目标片段提取模块，用于依据所述搜索请求所对应的搜索文本确定出所述搜索文本中的目标片段；

目标片段标记模块，用于对所述目标片段进行标记，并将标记后的目标片段提供给所述用户；

搜索结果获取模块，用于在获取到对所述标记后的目标片段的触发操作时，获取与所述触发操作对应的目标片段所对应的搜索结果，并将所述搜索结果提供给所述用户。

B2、所述依据所述搜索请求所对应的搜索文本确定出所述搜索文本中的目标片段，包括：

将所述搜索请求所对应的搜索文本输入至神经网络模型中，基于所述神经网络模型的输出确定出所述搜索文本中的目标片段；

所述神经网络模型是通过以下方式训练得到的：

获取训练数据，所述训练数据包括预设数量的样本文本，其中，各所述样本文本包含带有标签的标记片段，所述标签表征了对应的所述标记片段为目标片段的真实概率；

基于各所述样本文本对初始网络模型进行更新，直至所述初始网络模型的损失函数收敛，将所述损失函数收敛时的所述初始网络模型作为所述神经网络模型。

B3、基于每一样本文本对所述初始网络模型进行更新的过程包括：

根据每一样本文本的上下文语义信息，获取该样本文本中每一字符的向量表示，将经向量表示后的该样本文本输入初始网络模型，输出该样本文本包含的标记片段为目标片段的预测概率；

基于所述预测概率与对应的真实概率之间的差值，利用反向传播算法更新所述初始网络模型。

B4、各所述样本文本中的标记片段对应的真实概率通过以下方式获取：

根据各所述样本文本的上下文语义信息，获取该样本文本中每一字符的向量表示；

基于每一字符的向量表示，获取该样本文本中的标记片段对应的真实概率。

B5、所述基于所述神经网络模型的输出确定出所述搜索文本中的目标片段，包括：

对于所述搜索文本中的各片段，若片段所对应的预测概率大于等于第一预设阈值，则确定片段为目标片段。

B6、所述对所述目标片段进行标记，具体包括：

将所述目标片段设置为可触发片段；

将所述目标片段中的字符的字符颜色修改为指定颜色，或者，将所述目标片段设置为高亮。

B7、当所述搜索文本包括至少两个目标片段时，且所述至少两个目标片段之间的相关性大于等于第二预设阈值时，所述方法还包括：

将所述至少两个目标片段设置为联合片段；

在获取到用户针对所述至少两个目标片段中任一目标片段的触发操作时，将是否以所述联合片段进行搜索的确认提示提供给所述用户；

若获取到所述用户针对所述确认提示的确认触发操作，则获取与所述联合片段对应的搜索结果，并将所述搜索结果提供给所述用户；若获取到所述用户针对所述确认提示的否认触发操作，则将获取所述任一目标片段对应的搜索结果，并将所述搜索结果提供给所述用户。

B8、在获取到对所述标记后的目标片段的触发操作时，获取与所述触发操作对应的目标片段所对应的搜索结果，并将所述搜索结果提供给所述用户，具体包括：

当获取所述搜索请求的第一应用程序为搜索应用程序时，在获取到对所述标记后的目标片段的触发操作时，通过第一应用程序对所述目标片段进行搜索得到所述搜索结果，并通过所述第一应用程序的用户界面将所述搜索结果提供给所述用户；

当获取所述搜索请求的第一应用程序为非搜索应用程序时，在获取到对所述标记后的目标片段的触发操作时，通过第二应用程序对所述目标片段进行搜索得到所述搜索结果，并通过所述第二应用程序的用户界面将所述搜索结果提供给所述用户，所述第二应用程序为搜索应用程序。

B9、当获取所述搜索请求的第一应用程序为非搜索应用程序时，所述对所述目标片段进行标记之后，还包括：

为所述目标片段添加跳转链接；

在获取到对所述标记后的目标片段的触发操作时，通过第二应用程序对所述目标片段进行搜索得到所述搜索结果，具体包括：

在获取到对所述标记后的目标片段的触发操作时，根据所述跳转链接跳转至所述第二应用程序，并通过第二应用程序对所述目标片段进行搜索得到所述搜索结果。

C1、一种电子设备，包括存储器和处理器；

所述存储器中存储有计算机程序；

所述处理器，用于执行所述计算机程序以实现A1至A9中任一项所述的方法。

D1、一种计算机可读存储介质，所述计算机可读存储介质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A1至A9中任一项所述的方法。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

以上仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (9)

1.一种搜索方法，其特征在于，包括：

获取用户的搜索请求，所述搜索请求包含有所述用户的搜索意图，所述搜索请求是所述用户在搜索场景下输入文本信息、语音信息或者其他形式的信息时，当输入的信息为分文本信息时，先将非文本信息转化为文本信息，触发搜索动作时产生的，或者是所述用户在非搜索场景下输入文本信息、语音信息或者其他形式的信息时，当输入的信息为非文本信息时，先将非文本信息转化为文本信息，所述用户选取文本信息中的部分文本作为待搜索的文本，触发搜索动作时产生的；

依据所述搜索请求中的搜索意图对所对应的搜索文本进行提取，确定出所述搜索文本中的目标片段；

对所述目标片段进行标记，并将标记后的目标片段提供给所述用户；

在获取到对所述标记后的目标片段的触发操作时，获取与所述触发操作对应的目标片段所对应的搜索结果，并将所述搜索结果提供给所述用户；

当所述搜索文本包括至少两个目标片段时，且所述至少两个目标片段之间的相关性大于等于第二预设阈值时，所述方法还包括：

将所述至少两个目标片段设置为联合片段；

在获取到用户针对所述至少两个目标片段中任一目标片段的触发操作时，将是否以所述联合片段进行搜索的确认提示提供给所述用户；

若获取到所述用户针对所述确认提示的确认触发操作，则获取与所述联合片段对应的搜索结果，并将所述搜索结果提供给所述用户；若获取到所述用户针对所述确认提示的否认触发操作，则将获取所述任一目标片段对应的搜索结果，并将所述搜索结果提供给所述用户。

2.根据权利要求1所述的方法，其特征在于，所述依据所述搜索请求所对应的搜索文本确定出所述搜索文本中的目标片段，包括：

将所述搜索请求所对应的搜索文本输入至神经网络模型中，基于所述神经网络模型的输出确定出所述搜索文本中的目标片段；

所述神经网络模型是通过以下方式训练得到的：

获取训练数据，所述训练数据包括预设数量的样本文本，其中，各所述样本文本包含带有标签的标记片段，所述标签表征了对应的所述标记片段为目标片段的真实概率；

基于各所述样本文本对初始网络模型进行更新，直至所述初始网络模型的损失函数收敛，将所述损失函数收敛时的所述初始网络模型作为所述神经网络模型。

3.根据权利要求2所述的方法，其特征在于，基于每一样本文本对所述初始网络模型进行更新的过程包括：

根据每一样本文本的上下文语义信息，获取该样本文本中每一字符的向量表示，将经向量表示后的该样本文本输入初始网络模型，输出该样本文本包含的标记片段为目标片段的预测概率；

基于所述预测概率与对应的真实概率之间的差值，利用反向传播算法更新所述初始网络模型。

4.根据权利要求3所述的方法，其特征在于，各所述样本文本中的标记片段对应的真实概率通过以下方式获取：

根据各所述样本文本的上下文语义信息，获取该样本文本中每一字符的向量表示；

基于每一字符的向量表示，获取该样本文本中的标记片段对应的真实概率。

5.根据权利要求3所述的方法，其特征在于，所述基于所述神经网络模型的输出确定出所述搜索文本中的目标片段，包括：

对于所述搜索文本中的各片段，若片段所对应的预测概率大于等于第一预设阈值，则确定片段为目标片段。

6.根据权利要求1所述的方法，其特征在于，所述对所述目标片段进行标记，具体包括：

将所述目标片段设置为可触发片段；

将所述目标片段中的字符的字符颜色修改为指定颜色，或者，将所述目标片段设置为高亮。

7.一种搜索装置，其特征在于，包括：

搜索请求获取模块，用于获取用户的搜索请求，所述搜索请求包含有所述用户的搜索意图，所述搜索请求是所述用户在搜索场景下输入文本信息、语音信息或者其他形式的信息时，当输入的信息为分文本信息时，先将非文本信息转化为文本信息，触发搜索动作时产生的，或者是所述用户在非搜索场景下输入文本信息、语音信息或者其他形式的信息时，当输入的信息为非文本信息时，先将非文本信息转化为文本信息，所述用户选取文本信息中的部分文本作为待搜索的文本，触发搜索动作时产生的；

目标片段提取模块，用于依据所述搜索请求中的搜索意图对所对应的搜索文本进行提取，确定出所述搜索文本中的目标片段；

目标片段标记模块，用于对所述目标片段进行标记，并将标记后的目标片段提供给所述用户；

搜索结果获取模块，用于在获取到对所述标记后的目标片段的触发操作时，获取与所述触发操作对应的目标片段所对应的搜索结果，并将所述搜索结果提供给所述用户

当所述搜索文本包括至少两个目标片段时，且所述至少两个目标片段之间的相关性大于等于第二预设阈值时，所述搜索结果获取模块还用于：

将所述至少两个目标片段设置为联合片段；

在获取到用户针对所述至少两个目标片段中任一目标片段的触发操作时，将是否以所述联合片段进行搜索的确认提示提供给所述用户；

若获取到所述用户针对所述确认提示的确认触发操作，则获取与所述联合片段对应的搜索结果，并将所述搜索结果提供给所述用户；若获取到所述用户针对所述确认提示的否认触发操作，则将获取所述任一目标片段对应的搜索结果，并将所述搜索结果提供给所述用户。

8.一种电子设备，其特征在于，包括存储器和处理器；

所述存储器中存储有计算机程序；

所述处理器，用于执行所述计算机程序以实现权利要求1至6中任一项所述的方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质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权利要求1至6中任一项所述的方法。

Images