发明内容
本公开实施例至少提供一种信息搜索方案,以提高搜索效率。
第一方面,本公开实施例提供了一种信息搜索方法,包括:
获取用户端已输入的搜索信息;
基于所述搜索信息,确定所述用户端的搜索意图类型;所述搜索意图类型用于指示所述用户端意图搜索的信息种类;
在确定所述用户端的搜索意图类型包括用户信息时,获取与所述搜索信息关联的至少一个用户标识信息和与至少一个用户标识信息分别对应的目标推送信息;
将所述至少一个用户标识信息和与至少一个用户标识信息分别对应的目标推送信息发送给用户端进行展示。
一种可选的实施方式中,所述方法还包括:
在确定所述用户端的搜索意图类型包括媒体内容时,获取与所述搜索信息关联的至少一条媒体内容对应的媒体内容标识;
将所述至少一条媒体内容对应的媒体内容标识发送给用户端进行展示。
一种可选的实施方式中,基于所述搜索信息,确定所述用户端的搜索意图类型,包括:
确定所述搜索信息用于搜索所述用户信息的第一概率,和用于搜索所述媒体内容的第二概率;
若所述第一概率大于设定阈值,确定所述搜索意图类型包括所述用户信息;以及,若所述第二概率大于设定阈值,确定所述搜索意图类型包括所述媒体内容。
一种可选的实施方式中,所述方法还包括:基于所述第一概率和所述第二概率,确定所述用户信息对应的第一召回结果数量,和所述媒体内容对应的第二召回结果数量;
所述将所述至少一个用户标识信息和与至少一个用户标识信息分别对应的目标推送信息发送给用户端进行展示,包括:
从获取的所述至少一个用户标识信息和与至少一个用户标识信息分别对应的目标推送信息中,筛选出第一召回结果数量的用户标识信息和与用户标识信息对应的目标推送信息;
将筛选出的用户标识信息和对应的目标推送信息发送给用户端进行展示,其中每个用户标识信息和该用户标识信息对应的目标推送信息组成一条召回结果;
所述将所述至少一条媒体内容对应的媒体内容标识发送给用户端进行展示,包括:
从获取的至少一条媒体内容对应的媒体内容标识中,筛选出第二召回结果数量的媒体内容对应的媒体内容标识;
将筛选出的媒体内容对应的媒体内容标识发送给用户端进行展示。
一种可选的实施方式中,所述确定所述搜索信息用于搜索所述用户信息的第一概率,和用于搜索所述媒体内容的第二概率,包括:
将所述搜索信息输入至预先训练好的第一神经网络中,预测所述搜索信息用于搜索所述用户信息的第一概率,和用于搜索所述媒体内容的第二概率。
一种可选的实施方式中,所述基于所述第一概率和所述第二概率,确定所述用户信息对应的第一召回结果数量,和所述媒体内容对应的第二召回结果数量,包括:
将预先设置的所述用户端可展示的召回结果数量与所述第一概率之间的乘积确定为所述第一召回结果数量;以及,
将预先设置的所述用户端可展示的召回结果数量与所述第二概率之间的乘积确定为所述第二召回结果数量。
一种可选的实施方式中,所述从获取的所述至少一个用户标识信息和与至少一个用户标识信息分别对应的目标推送信息中,筛选出第一召回结果数量的用户标识信息和与用户标识信息对应的目标推送信息,包括:
将与所述搜索信息关联的用户标识信息的第一质量分数按照从大到小的顺序进行排序,所述第一质量分数用于表示所述用户标识信息所对应的重要程度;
选择对应的第一质量分数排在前N位的用户标识信息,并获取每一个选择的所述用户标识信息对应的目标推送信息,N为所述第一召回结果数量。
一种可选的实施方式中,所述方法还包括,按照以下方法确定每一个用户标识信息的第一质量分数:
针对每一个用户标识信息,将该用户标识信息对应的账户信息输入至预先训练好的第二神经网络,得到该用户标识信息对应的第一质量分数。
一种可选的实施方式中,所述从获取的至少一条媒体内容对应的媒体内容标识中,筛选出第二召回结果数量的媒体内容对应的媒体内容标识,包括:
将与所述搜索信息关联的媒体内容的第二质量分数按照从大到小的顺序进行排序,所述第二质量分数用于表示所述媒体内容的重要程度;
选择对应的第二质量分数排在前M位的媒体内容对应的媒体内容标识,M为所述第二召回结果数量。
一种可选的实施方式中,所述方法还包括,按照以下方法确定每一个媒体内容对应的第二质量分数:
针对每一个媒体内容,将该媒体内容对应的内容信息输入至预先训练好的第三神经网络,得到该媒体内容对应的第二质量分数。
第二方面,本公开实施例还提供一种信息搜索装置,包括:
第一获取模块,用于获取用户端已输入的搜索信息;
确定模块,用于基于所述搜索信息,确定所述用户端的搜索意图类型;所述搜索意图类型用于指示所述用户端意图搜索的信息种类;
第二获取模块,用于在确定所述用户端的搜索意图类型包括用户信息时,获取与所述搜索信息关联的至少一个用户标识信息和与至少一个用户标识信息分别对应的目标推送信息;
发送模块,用于将所述至少一个用户标识信息和与至少一个用户标识信息分别对应的目标推送信息发送给用户端进行展示。
一种可能的实施方式中,所述第二获取模块,还用于:
在确定所述用户端的搜索意图类型包括媒体内容时,获取与所述搜索信息关联的至少一条媒体内容对应的媒体内容标识;
所述发送模块,还用于:
将所述至少一条媒体内容对应的媒体内容标识发送给用户端进行展示。
一种可能的实施方式中,所述确定模块,在基于所述搜索信息,确定所述用户端的搜索意图类型时,用于:
确定所述搜索信息用于搜索所述用户信息的第一概率,和用于搜索所述媒体内容的第二概率;
若所述第一概率大于设定阈值,确定所述搜索意图类型包括所述用户信息;以及,若所述第二概率大于设定阈值,确定所述搜索意图类型包括所述媒体内容。
一种可能的实施方式中,所述确定模块,还用于:基于所述第一概率和所述第二概率,确定所述用户信息对应的第一召回结果数量,和所述媒体内容对应的第二召回结果数量;
所述发送模块,在将所述至少一个用户标识信息和与至少一个用户标识信息分别对应的目标推送信息发送给用户端进行展示时,用于:
从获取的所述至少一个用户标识信息和与至少一个用户标识信息分别对应的目标推送信息中,筛选出第一召回结果数量的用户标识信息和与用户标识信息对应的目标推送信息;
将筛选出的用户标识信息和对应的目标推送信息发送给用户端进行展示,其中每个用户标识信息和该用户标识信息对应的目标推送信息组成一条召回结果;
所述发送模块,在将所述至少一条媒体内容对应的媒体内容标识发送给用户端进行展示时,用于:
从获取的至少一条媒体内容对应的媒体内容标识中,筛选出第二召回结果数量的媒体内容对应的媒体内容标识;
将筛选出的媒体内容对应的媒体内容标识发送给用户端进行展示。
一种可能的实施方式中,所述确定模块,在确定所述搜索信息用于搜索所述用户信息的第一概率,和用于搜索所述媒体内容的第二概率时,用于:
将所述搜索信息输入至预先训练好的第一神经网络中,预测所述搜索信息用于搜索所述用户信息的第一概率,和用于搜索所述媒体内容的第二概率。
一种可能的实施方式中,所述确定模块,在基于所述第一概率和所述第二概率,确定所述用户信息对应的第一召回结果数量,和所述媒体内容对应的第二召回结果数量时,用于:
将预先设置的所述用户端可展示的召回结果数量与所述第一概率之间的乘积确定为所述第一召回结果数量;以及,
将预先设置的所述用户端可展示的召回结果数量与所述第二概率之间的乘积确定为所述第二召回结果数量。
一种可能的实施方式中,所述发送模块,在从获取的所述至少一个用户标识信息和与至少一个用户标识信息分别对应的目标推送信息中,筛选出第一召回结果数量的用户标识信息和与用户标识信息对应的目标推送信息时,用于:
将与所述搜索信息关联的用户标识信息的第一质量分数按照从大到小的顺序进行排序,所述第一质量分数用于表示所述用户标识信息所对应的重要程度;
选择对应的第一质量分数排在前N位的用户标识信息,并获取每一个选择的所述用户标识信息对应的目标推送信息,N为所述第一召回结果数量。
一种可能的实施方式中,所述装置还包括打分模块,所述打分模块用于按照以下方法确定每一个用户标识信息的第一质量分数:
针对每一个用户标识信息,将该用户标识信息对应的账户信息输入至预先训练好的第二神经网络,得到该用户标识信息对应的第一质量分数。
一种可能的实施方式中,所述发送模块,在从获取的至少一条媒体内容对应的媒体内容标识中,筛选出第二召回结果数量的媒体内容对应的媒体内容标识时,用于:
将与所述搜索信息关联的媒体内容的第二质量分数按照从大到小的顺序进行排序,所述第二质量分数用于表示所述媒体内容的重要程度;
选择对应的第二质量分数排在前M位的媒体内容对应的媒体内容标识,M为所述第二召回结果数量。
一种可能的实施方式中,所述打分模块,还用于:
按照以下方法确定每一个媒体内容对应的第二质量分数:
针对每一个媒体内容,将该媒体内容对应的内容信息输入至预先训练好的第三神经网络,得到该媒体内容对应的第二质量分数。
第三方面,本公开实施例还提供一种计算机设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当计算机设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行上述第一方面,或第一方面中任一种可能的实施方式中的步骤。
第四方面,本公开实施例还提供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,该计算机程序被处理器运行时执行上述第一方面,或第一方面中任一种可能的实施方式中的步骤。
关于上述信息搜索装置、电子设备、及计算机可读存储介质的效果描述参见上述信息搜索方法的说明,这里不再赘述。
本公开实施例提供的信息搜索方法及装置,在获取到用户端已输入的搜索信息后,可以先确定用户端的搜索意图类型,进一步可以基于该搜索意图类型来向用户端推送各条推荐信息,用以用户从中选择进一步发起搜索请求所使用的推荐信息,这样,推送给用户端的各条推荐信息更符合用户的搜索意图,其中,在确定用户端的搜索意图类型包括用户信息的情况下,除了将用户标识信息推送给用户端外,还会将与用户标识信息关联的目标推送信息推送给用户端进行展示,如此,除了用户标识信息外,用户标识信息对应的目标推送信息也可以同时辅助用户对用户信息进行选择,从而提高了搜索效率。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中附图,对本公开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公开一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围,而是仅仅表示本公开的选定实施例。基于本公开的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
目前,用户在进行信息搜索时,可能无法提供意义完整的搜索语句,例如用户在根据账号搜索其他用户时,可能仅知道其他用户账号的部分账号内容,这样用户在进行搜索时,服务器仅能根据用户输入的部分账号信息,向用户推荐推荐包括用户输入的部分账号内容的其他用户的完整账号,但是仅仅根据推荐的完整账号,用户可能无法确定该推荐的完整账号是否为其需要搜索的用户,因此需要尝试使用推荐的完整账号分别进行搜索,进而导致用户端的搜索效率较低。
基于此,本公开提供了一种信息搜索方法及装置,在通过用户端展示用户标识信息时,还展示与每个用户标识信息分别对应的目标推送信息,以提示用户基于用户标识信息以及用户标识信息对应的目标推送信息进行搜索,可见,这里除了用户标识信息外,用户标识信息对应的目标推送信息也可以同时辅助用户对用户信息进行选择,从而提高了搜索效率。
下面将结合本公开中附图,对本公开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公开一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本公开的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围,而是仅仅表示本公开的选定实施例。基于本公开的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
为便于对本实施例进行理解,首先对本公开实施例所公开的一种信息搜索方法进行详细介绍。本公开所提供的一种信息搜索方法可以应用于服务器,参见图1所示,为本公开实施例所提供的一种信息搜索方法的流程示意图,包括以下几个步骤:
步骤101、获取用户端已输入的搜索信息。
步骤102、基于所述搜索信息,确定所述用户端的搜索意图类型;所述搜索意图类型用于指示所述用户端意图搜索的信息种类。
步骤103、在确定所述用户端的搜索意图类型包括用户信息时,获取与所述搜索信息关联的至少一个用户标识信息和与至少一个用户标识信息分别对应的目标推送信息。
步骤104、将所述至少一个用户标识信息和与至少一个用户标识信息分别对应的目标推送信息发送给用户端进行展示。
上述信息搜索方法中,在获取到用户端已输入的搜索信息,并基于搜索信息确定用户端的搜索意图类型之后,在确定用户端的搜索意图类型包括用户信息的情况下,可以将获取的与搜索信息关联的至少一个用户标识信息和至少一个用户标识信息分别对应的目标推送信息发送至用户端进行展示,以提示用户基于用户标识信息、以及用户标识信息对应的目标推送信息进行搜索,用户标识信息对应的目标推送信息可以辅助提示用户对于用户标识信息的选择,提高了搜索效率。
以下是针对上述步骤101~步骤104的详细介绍。
针对步骤101:
获取用户端已输入的搜索信息可以是在检测到用户端的搜索框被触发(例如被点击、被双击、或者被滑动等)时,获取用户端的搜索框中输入的内容,并将获取的用户端的搜索框中输入的内容确定为搜索信息;或者可以接收用户输入的语音搜索指令,并解析语音搜索指令中所包含的搜索信息。
需要说明的是,获取用户端已输入的搜索信息可以是用户端在检测到有搜索信息输入之后,主动发送至服务器,也可以是服务器实时对用户端进行检测,在检测到用户端中存在有已输入的搜索信息时,主动从用户端进行获取的,本申请对此并不限定。
针对步骤102:
搜索意图类型包括用户信息、媒体内容中的至少一种。用户端的搜索意图类型为用户信息,例如可以是用户端意图通过输入的搜索信息查找到某一用户;用户端的搜索意图类型为媒体内容,例如可以是用户端意图通过输入的搜索信息查找到某一媒体内容。其中,媒体内容的类型例如可以为视频、音频、文字、图片等类型中的一种或多种。
在基于搜索信息,确定用户端的搜索意图类型时,可以先确定搜索信息用于搜索用户信息的第一概率,以及所述搜索信息用于搜索媒体内容的第二概率,若第一概率大于设定阈值,则确定搜索意图类型包括用户信息;以及,若第二概率大于设定阈值,则确定搜索意图类型包括媒体内容。
在第一概率小于设定阈值的情况下,则可以确定搜索信息用于搜索用户信息的可能性很低,此时可以直接确定用户端的搜索意图类型不包括用户信息;在第二概率小于设定阈值的情况下,则可以确定搜索信息用于搜索媒体内容的可能性很低,此时可以直接确定用户端的搜索意图类型不包括媒体内容。
在一种可能的实施方式中,还可以在第一概率和第二概率均不为0的情况下,确定用户端的搜索意图类型同时包括用户信息和媒体内容,此时设定阈值为0。
具体实施中,基于搜索信息确定搜索信息用于搜索用户信息的第一概率、以及所述搜索信息用于搜索媒体内容的第二概率时,可以将搜索信息输入至预先训练好的第一神经网络中,并基于第一神经网络预测搜索信息用于搜索用户信息的第一概率,和用于搜索媒体内容的第二概率。
需要说明的是,第一概率和第二概率之和为1。
其中,第一神经网络可以是基于样本搜索信息、以及样本搜索信息对应的搜索标签进行训练的,样本搜索信息对应的搜索标签用于表示该样本搜索信息用于搜索何种类型的搜索内容,搜索内容的类型包括用户信息和媒体内容。
针对步骤103~104:
在一种可能的实施方式中,在确定用户端的搜索意图类型包括媒体内容时,可以获取与搜索信息关联的至少一条媒体内容对应的媒体内容标识,然后将至少一条媒体内容对应的媒体内容标识发送给用户端进行展示。
其中,用户标识信息可以是用户的唯一标识,例如可以是用户的账号信息;用户标识信息对应的目标推送信息也可以是用来标识该用户的信息,例如可以是用户的昵称、用户的头像等。媒体内容对应的媒体内容标识可以是媒体内容的标题,例如可以是媒体内容在上传时,与媒体内容所匹配的文字信息。
实际应用中,考虑到用户端可展示的信息数量是有限的,在一种可能的实施方式中,在确定搜索信息用于搜索用户信息的第一概率和搜索信息用户搜索媒体内容的第二概率之后,还可以基于第一概率和第二概率,确定用户信息对应的第一召回结果数量,和媒体内容对应的第二召回结果数量。其中,一个用户标识信息,与该用户标识信息对应的目标推送信息为一条召回结果,用户信息对应的第一召回结果数量为召回结果的数量,即服务器向用户端发送的与搜索信息关联的用户标识信息的数量(也即用户标识信息对应的目标推送信息的数量),媒体内容对应的第二召回结果数量为服务器向用户端发送的与搜索信息关联的媒体内容对应的媒体内容标识的数量。
其中,在确定第一召回结果数量时,可以将预先设置的用户端可展示的召回结果数量与第一概率之间的乘积,确定为第一召回结果数量;在确定第二召回结果数量时,可以将预先设置的用户端可展示的召回结果数量与第二概率之间的乘积确定为第二召回结果数量。
示例性的,若第一概率为70%,第二概率为30%,预先设置的用户端可展示的召回结果数量为10,则可以确定获取的与用户信息相关联的用户标识信息的第一召回结果数量为10×70%=7个(与用户标识信息对应的目标推送信息的第一召回结果数量也为7个),与媒体内容相关联的媒体内容标识的第二召回结果数量为10×30%=3个。
在将至少一个用户标识信息和至少一个用户标识信息分别对应的目标推送信息发送给用户端进行展示时,可以从获取的与搜索信息关联的用户标识信息和用户标识信息对应的目标推送信息中,筛选出第一召回数量的用户标识信息和与用户标识信息对应的目标推送信息,并将筛选出的用户标识信息和用户标识信息对应的目标推送信息发送给用户端进行展示。
具体的,在从获取的所述搜索信息关联的所述至少一个用户标识信息和与至少一个用户标识信息分别对应的目标推送信息中,筛选出第一召回数量的用户标识信息和与用户标识信息对应的目标推送信息时,可以参照图2所示的方法,包括以下几个步骤:
步骤201、将与所述搜索信息关联的用户标识信息的第一质量分数按照从大到小的顺序进行排序,所述第一质量分数用于表示所述用户标识信息所对应的重要程度。
具体的,与搜索信息关联的用户标识信息可以是包括搜索信息的用户标识信息,示例性的,若搜索信息为“156”,则用户标识信息可以是包括“156”的账号信息,如可以为“156235463”、“1564862356”等。
用户标识信息的第一质量分数可以是预先存储的,在确定用户标识信息的第一质量分数时,可以将该用户标识信息对应的账户信息输入至预先训练好的第二神经网络中,得到用户标识的第一质量分数,其中,用户标识信息对应的账户信息为表示用户重要程度的参数信息,例如可以为用户的粉丝数、用户的点赞数、用户发布的媒体内容的观看次数等。
具体实施中,考虑到用户标识信息对应的账户信息为可变的,因此可以每隔预设时间,确定一次数据库中存储的用户标识信息的第一质量分数,本方案中在获取与搜索信息关联的至少一个用户标识信息时,可以直接确定每一个用户标识信息对应的第一质量分数。
其中,第二神经网络可以基于多个样本账户信息、以及多个样本账户信息对应的排序结果进行训练的,样本账户信息对应的排序结果可以是用户进行添加的。
具体的,在对第二神经网络进行训练时,可以将样本账户信息输入至第二神经网络中,输出得到每个样本账户信息对应的预测质量分值,然后基于所有样本账户信息对应的预测质量分值,对样本账户信息进行排序,得到预测排序结果,然后基于预测排序结果和多个样本账户信息对应的排序结果,确定本次训练过程中模型的损失值,并在确定出的损失值不满足预设条件时,调整本次训练过程中第二神经网络的模型参数值,并重新执行训练过程,直至确定出的损失值满足预设条件。
步骤202、选择对应的第一质量分数排在前N位的用户标识信息,并获取每一个选择的所述用户标识信息对应的目标推送信息,N为所述第一召回结果数量。
在将至少一条媒体内容对应的媒体内容标识发送给用户端进行展示时,可以从获取的至少一条媒体内容对应的媒体内容标识中筛选出第二召回数量的媒体内容对应的媒体内容标识,并将筛选出的媒体内容对应的媒体内容标识发送给用户端进行展示。
具体的,在从获取的至少一条媒体内容对应的媒体内容标识中筛选出第二召回数量的媒体内容对应的媒体内容标识时,可以按照如图3所示的方法,包括以下几个步骤:
步骤301、将与所述搜索信息关联的媒体内容的第二质量分数按照从大到小的顺序进行排序,所述第二质量分数用于表示所述媒体内容的重要程度。
与搜索信息关联的媒体内容可以是对应的媒体内容标识包括搜索信息的媒体内容,例如若搜索信息为“156”,则与搜索信息关联的媒体内容的媒体内容标识可以是“156米高的仙人掌”等。
媒体内容的第二质量分数可以是预先存储的,在确定媒体内容的第二质量分数时,可以将该媒体内容对应的内容信息输入至预先训练好的第三神经网络中,得到媒体内容的第二质量分数,其中,媒体内容的内容信息为表示媒体内容重要程度的参数信息,例如可以为媒体内容的阅读次数、媒体内容的转发次数、媒体内容的点赞次数、媒体内容的评论次数等。
具体实施中,考虑到媒体内容对应的内容信息为可变的,因此可以每隔预设时间,确定一次数据库中存储的媒体内容的第二质量分数,本方案中在回去与搜索信息关联的至少一个媒体内容时,可以直接确定媒体内容对应的第二质量分数。
步骤302、选择对应的第二质量分数排在前M位的媒体内容对应的媒体内容标识,M为所述第二召回结果数量。
其中,在确定的用户的搜索意图类型包括用户信息和媒体内容时,服务器向用户端发送的为至少一个用户标识信息、与至少一个用户标识信息分别对应的目标推送信息、以及至少一条媒体内容对应的媒体内容标识。
若用户信息对应的第一概率大于或等于媒体内容对应的第二概率,则可以将用户标识信息,以及用户标识信息分别对应的目标推送信息展示在页面前方,将媒体内容的媒体内容标识展示在用户标识信息以及用户标识信息分别对应的目标推送信息的后方;若用户信息对应的第一概率小于媒体内容对应的第二概率,则可以将媒体内容的媒体内容标识展示在页面前方,将用户标识信息、以及用户标识信息分别对应的目标推送信息展示在媒体内容的媒体内容标识后方。
示例性的,以第一概率大于第二概率为例,用户端在进行展示的时候,可以如图4a和图4b所示。
在向用户端展示用户标识时,将用户标识对应的目标推送信息也一起展示给用户,以提示用户可以同时基于用户标识和用户标识对应的目标推送信息,实现对于用户信息的选择,提高了用户信息的搜索效率。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思,本公开实施例中还提供了与信息搜索方法对应的信息搜索装置,由于本公开实施例中的装置解决问题的原理与本公开实施例上述信息搜索方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
参见图5所示,为本公开实施例所提供的一种信息搜索装置的架构示意图,包括第一获取模块501、确定模块502、第二获取模块503、发送模块504、以及打分模块505,具体的:
第一获取模块501,用于获取用户端已输入的搜索信息;
确定模块502,用于基于所述搜索信息,确定所述用户端的搜索意图类型;所述搜索意图类型用于指示所述用户端意图搜索的信息种类;
第二获取模块503,用于在确定所述用户端的搜索意图类型包括用户信息时,获取与所述搜索信息关联的至少一个用户标识信息和与至少一个用户标识信息分别对应的目标推送信息;
发送模块504,用于将所述至少一个用户标识信息和与至少一个用户标识信息分别对应的目标推送信息发送给用户端进行展示。
一种可能的实施方式中,所述第二获取模块503,还用于:
在确定所述用户端的搜索意图类型包括媒体内容时,获取与所述搜索信息关联的至少一条媒体内容对应的媒体内容标识;
所述发送模块504,还用于:
将所述至少一条媒体内容对应的媒体内容标识发送给用户端进行展示。
一种可能的实施方式中,所述确定模块502,在基于所述搜索信息,确定所述用户端的搜索意图类型时,用于:
确定所述搜索信息用于搜索所述用户信息的第一概率,和用于搜索所述媒体内容的第二概率;
若所述第一概率大于设定阈值,确定所述搜索意图类型包括所述用户信息;以及,若所述第二概率大于设定阈值,确定所述搜索意图类型包括所述媒体内容。
一种可能的实施方式中,所述确定模块502,还用于:基于所述第一概率和所述第二概率,确定所述用户信息对应的第一召回结果数量,和所述媒体内容对应的第二召回结果数量;
所述发送模块504,在将所述至少一个用户标识信息和与至少一个用户标识信息分别对应的目标推送信息发送给用户端进行展示时,用于:
从获取的所述至少一个用户标识信息和与至少一个用户标识信息分别对应的目标推送信息中,筛选出第一召回结果数量的用户标识信息和与用户标识信息对应的目标推送信息;
将筛选出的用户标识信息和对应的目标推送信息发送给用户端进行展示,其中每个用户标识信息和该用户标识信息对应的目标推送信息组成一条召回结果;
所述发送模块504,在将所述至少一条媒体内容对应的媒体内容标识发送给用户端进行展示时,用于:
从获取的至少一条媒体内容对应的媒体内容标识中,筛选出第二召回结果数量的媒体内容对应的媒体内容标识;
将筛选出的媒体内容对应的媒体内容标识发送给用户端进行展示。
一种可能的实施方式中,所述确定模块502,在确定所述搜索信息用于搜索所述用户信息的第一概率,和用于搜索所述媒体内容的第二概率时,用于:
将所述搜索信息输入至预先训练好的第一神经网络中,预测所述搜索信息用于搜索所述用户信息的第一概率,和用于搜索所述媒体内容的第二概率。
一种可能的实施方式中,所述确定模块502,在基于所述第一概率和所述第二概率,确定所述用户信息对应的第一召回结果数量,和所述媒体内容对应的第二召回结果数量时,用于:
将预先设置的所述用户端可展示的召回结果数量与所述第一概率之间的乘积确定为所述第一召回结果数量;以及,
将预先设置的所述用户端可展示的召回结果数量与所述第二概率之间的乘积确定为所述第二召回结果数量。
一种可能的实施方式中,所述发送模块504,在从获取的所述至少一个用户标识信息和与至少一个用户标识信息分别对应的目标推送信息中,筛选出第一召回结果数量的用户标识信息和与用户标识信息对应的目标推送信息时,用于:
将与所述搜索信息关联的用户标识信息的第一质量分数按照从大到小的顺序进行排序,所述第一质量分数用于表示所述用户标识信息所对应的重要程度;
选择对应的第一质量分数排在前N位的用户标识信息,并获取每一个选择的所述用户标识信息对应的目标推送信息,N为所述第一召回结果数量。
一种可能的实施方式中,所述装置还包括打分模块505,所述打分模块505用于按照以下方法确定每一个用户标识信息的第一质量分数:
针对每一个用户标识信息,将该用户标识信息对应的账户信息输入至预先训练好的第二神经网络,得到该用户标识信息对应的第一质量分数。
一种可能的实施方式中,所述发送模块504,在从获取的至少一条媒体内容对应的媒体内容标识中,筛选出第二召回结果数量的媒体内容对应的媒体内容标识时,用于:
将与所述搜索信息关联的媒体内容的第二质量分数按照从大到小的顺序进行排序,所述第二质量分数用于表示所述媒体内容的重要程度;
选择对应的第二质量分数排在前M位的媒体内容对应的媒体内容标识,M为所述第二召回结果数量。
一种可能的实施方式中,所述打分模块505,还用于:
按照以下方法确定每一个媒体内容对应的第二质量分数:
针对每一个媒体内容,将该媒体内容对应的内容信息输入至预先训练好的第三神经网络,得到该媒体内容对应的第二质量分数。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明,这里不再详述。
基于同一技术构思,本申请实施例还提供了一种电子设备。参照图6所示,为本申请实施例提供的电子设备600的结构示意图,包括处理器601、存储器602、和总线603。其中,存储器602用于存储执行指令,包括内存6021和外部存储器6022;这里的内存6021也称内存储器,用于暂时存放处理器601中的运算数据,以及与硬盘等外部存储器6022交换的数据,处理器601通过内存6021与外部存储器6022进行数据交换,当电子设备600运行时,处理器601与存储器602之间通过总线603通信,使得处理器601在执行以下指令:
获取用户端已输入的搜索信息;
基于所述搜索信息,确定所述用户端的搜索意图类型;所述搜索意图类型用于指示所述用户端意图搜索的信息种类;
在确定所述用户端的搜索意图类型包括用户信息时,获取与所述搜索信息关联的至少一个用户标识信息和与至少一个用户标识信息分别对应的目标推送信息;
将所述至少一个用户标识信息和与至少一个用户标识信息分别对应的目标推送信息发送给用户端进行展示。
一种可能的实施方式中,处理器601执行的指令中,还包括:
在确定所述用户端的搜索意图类型包括媒体内容时,获取与所述搜索信息关联的至少一条媒体内容对应的媒体内容标识;
将所述至少一条媒体内容对应的媒体内容标识发送给用户端进行展示。
一种可能的实施方式中,处理器601执行的指令中,基于所述搜索信息,确定所述用户端的搜索意图类型,包括:
确定所述搜索信息用于搜索所述用户信息的第一概率,和用于搜索所述媒体内容的第二概率;
若所述第一概率大于设定阈值,确定所述搜索意图类型包括所述用户信息;以及,若所述第二概率大于设定阈值,确定所述搜索意图类型包括所述媒体内容。
一种可能的实施方式中,处理器601执行的指令中,还包括:基于所述第一概率和所述第二概率,确定所述用户信息对应的第一召回结果数量,和所述媒体内容对应的第二召回结果数量;
所述将所述至少一个用户标识信息和与至少一个用户标识信息分别对应的目标推送信息发送给用户端进行展示,包括:
从获取的所述至少一个用户标识信息和与至少一个用户标识信息分别对应的目标推送信息中,筛选出第一召回结果数量的用户标识信息和与用户标识信息对应的目标推送信息;
将筛选出的用户标识信息和对应的目标推送信息发送给用户端进行展示,其中每个用户标识信息和该用户标识信息对应的目标推送信息组成一条召回结果;
所述将所述至少一条媒体内容对应的媒体内容标识发送给用户端进行展示,包括:
从获取的至少一条媒体内容对应的媒体内容标识中,筛选出第二召回结果数量的媒体内容对应的媒体内容标识;
将筛选出的媒体内容对应的媒体内容标识发送给用户端进行展示。
一种可能的实施方式中,处理器601执行的指令中,所述确定所述搜索信息用于搜索所述用户信息的第一概率,和用于搜索所述媒体内容的第二概率,包括:
将所述搜索信息输入至预先训练好的第一神经网络中,预测所述搜索信息用于搜索所述用户信息的第一概率,和用于搜索所述媒体内容的第二概率。
一种可能的实施方式中,处理器601执行的指令中,所述基于所述第一概率和所述第二概率,确定所述用户信息对应的第一召回结果数量,和所述媒体内容对应的第二召回结果数量,包括:
将预先设置的所述用户端可展示的召回结果数量与所述第一概率之间的乘积确定为所述第一召回结果数量;以及,
将预先设置的所述用户端可展示的召回结果数量与所述第二概率之间的乘积确定为所述第二召回结果数量。
一种可能的实施方式中,处理器601执行的指令中,所述从获取的所述至少一个用户标识信息和与至少一个用户标识信息分别对应的目标推送信息中,筛选出第一召回结果数量的用户标识信息和与用户标识信息对应的目标推送信息,包括:
将与所述搜索信息关联的用户标识信息的第一质量分数按照从大到小的顺序进行排序,所述第一质量分数用于表示所述用户标识信息所对应的重要程度;
选择对应的第一质量分数排在前N位的用户标识信息,并获取每一个选择的所述用户标识信息对应的目标推送信息,N为所述第一召回结果数量。
一种可能的实施方式中,处理器601执行的指令中,还包括,按照以下方法确定每一个用户标识信息的第一质量分数:
针对每一个用户标识信息,将该用户标识信息对应的账户信息输入至预先训练好的第二神经网络,得到该用户标识信息对应的第一质量分数。
一种可能的实施方式中,处理器601执行的指令中,所述从获取的至少一条媒体内容对应的媒体内容标识中,筛选出第二召回结果数量的媒体内容对应的媒体内容标识,包括:
将与所述搜索信息关联的媒体内容的第二质量分数按照从大到小的顺序进行排序,所述第二质量分数用于表示所述媒体内容的重要程度;
选择对应的第二质量分数排在前M位的媒体内容对应的媒体内容标识,M为所述第二召回结果数量。
一种可能的实施方式中,处理器601执行的指令中,还包括,按照以下方法确定每一个媒体内容对应的第二质量分数:
针对每一个媒体内容,将该媒体内容对应的内容信息输入至预先训练好的第三神经网络,得到该媒体内容对应的第二质量分数。
本公开实施例还提供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,该计算机程序被处理器运行时执行上述方法实施例中所述的信息搜索方法的步骤。其中,该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例所提供的信息搜索方法的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行上述方法实施例中所述的信息搜索方法的步骤,具体可参见上述方法实施例,在此不再赘述。
本公开实施例还提供一种计算机程序,该计算机程序被处理器执行时实现前述实施例的任意一种方法。该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software DevelopmentKit,SDK)等等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本公开所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random AccessMemory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本公开的具体实施方式,用以说明本公开的技术方案,而非对其限制,本公开的保护范围并不局限于此,尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应所述以权利要求的保护范围为准。