CN111949814A - 搜索方法、装置、电子设备和存储介质 - Google Patents

Abstract

本申请公开了搜索方法、装置、电子设备和存储介质，涉及智能搜索技术领域。具体实现方案为：在获取客户端的搜索请求后，对搜索请求中的绘制图像进行图像特征提取，得到图像特征信息，并对搜索请求中与绘制图像对应的文本描述信息进行文本特征提取，以得到文本特征信息，并结合所获得的图像特征信息和文本特征信息进行搜索，以获取搜索请求对应的搜索结果，并将搜索结果提供给客户端，从而结合客户端提供的绘制图像以及与绘制图像对应的文本描述信息进行搜索，提供了一种结合绘制图像和文本进行搜索的方式，丰富了搜索方式的同时，可准确向用户提供满足用户搜索需求的搜索结果，为用户带来了更好的搜索体验。

Description

搜索方法、装置、电子设备和存储介质

技术领域

本申请涉及计算机技术领域，具体涉及智能搜索技术领域，尤其涉及搜索方法、装置、电子设备和存储介质。

背景技术

随着互联网技术的快速发展，现如今已经进入了信息爆炸时代，越来越多的用户通过网络来搜索自己需要的信息，因此，搜索引擎被用于查找各种信息。

目前，当用户的需求为模糊搜索场景时，例如用户无法用关键字的方式准确搜索，在用搜索引擎进行检索，搜索引擎返回的搜索结果通常情况下与用户需求的匹配度较差，无法直接从用户需求出发，给出满意的网络资源。

发明内容

本申请提供了一种搜索方法、装置、设备以及存储介质。

根据本申请的一方面，提供了一种搜索方法，包括：接收客户端的搜索请求，其中，所述搜索请求包括绘制图像以及与所述绘制图像对应的文本描述信息；提取所述绘制图像的第一图像特征信息，并提取所述文本描述信息的第一文本特征信息；根据所述第一图像特征信息和所述第一文本特征信息进行搜索，以得到搜索结果集合；以及将所述搜索结果集合返回给所述客户端。

根据本申请的另一方面，提供了一种搜索装置，包括：接收模块，用于接收客户端的搜索请求，其中，所述搜索请求包括绘制图像以及与所述绘制图像对应的文本描述信息；第一提取模块，用于提取所述绘制图像的第一图像特征信息，并提取所述文本描述信息的第一文本特征信息；搜索模块，用于根据所述第一图像特征信息和所述第一文本特征信息进行搜索，以得到搜索结果集合；以及返回模块，用于将所述搜索结果集合返回给所述客户端。

根据本申请的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请的搜索方法。

根据本申请的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本申请实施例公开的电子设备的搜索方法。

上述申请中的一个实施例具有如下优点或有益效果：在获取客户端的搜索请求后，对搜索请求中的绘制图像进行图像特征提取，得到图像特征信息，并对搜索请求中与绘制图像对应的文本描述信息进行文本特征提取，以得到文本特征信息，并结合所获得的图像特征信息和文本特征信息进行搜索，以获取搜索请求对应的搜索结果，并将搜索结果提供给客户端，从而结合客户端提供的绘制图像以及与绘制图像对应的文本描述信息进行搜索，提供了一种结合绘制图像和文本进行搜索的方式，丰富了搜索方式的同时，可准确向用户提供满足用户搜索需求的搜索结果，为用户带来了更好的搜索体验。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请第一实施例提供的一种搜索方法的流程示意图；

图2是搜索界面的示意图；

图3是根据本申请第二实施例提供的一种搜索方法的流程示意图；

图4是根据本申请第三实施例提供的一种搜索方法的流程示意图；

图5是根据本申请第四实施例提供的一种搜索方法的流程示意图；

图6是根据本申请第五实施例提供的一种搜索装置的结构示意图；

图7是根据本申请第六实施例提供的一种搜索装置的结构示意图；

图8是用来实现本申请实施例的搜索方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

下面参考附图描述本申请实施例的搜索方法、装置、电子设备和存储介质。

图1是根据本申请第一实施例提供的一种搜索方法的流程示意图。其中，需要说明的是，本实施例的搜索方法的执行主体为搜索装置，该搜索装置可以由软件和/或硬件的方式实现，该实施例中的搜索装置可以配置在电子设备中，本实施例中的电子设备可以是与客户端进行通信的设备，例如，电子设备可以为计算机设备或者服务器，该实施例对此不作限定。

如图1所示，该搜索方法可以包括：

步骤101，接收客户端的搜索请求，其中，搜索请求包括绘制图像以及与绘制图像对应的文本描述信息。

其中，本实施例中的客户端可以为个人计算、平板电脑、智能手机、智能屏设备(具有屏幕的智能音箱)等设备。

其中，本实施例中的绘制图像可以是用户通过手绘的方式绘制的，也可以是通过其他方式绘制，该实施例对此不作具体限定。其中，本实施例以绘制图像是通过手绘的方式来绘制的方式为例进行描述。

具体地，在使用客户端的过程中，在用户有模糊搜索需求，例如，用户无法准确提供关键字，或者提供待搜索对象的标准图像，此时，用户可通过触发搜索界面中与绘制图像对应的输入控件，对应地，客户端响应于用户触发输入控件的操作，在客户端上为用户提供图像绘制界面。然后，用户可根据需求在图像绘制界面上绘制待搜索对象的图像。

对应地，为了方便用户对待搜索对象进行描述，用户可在图像绘制界面上输入到待搜索对象的一些文字描述信息，例如，属性关键词或者实体关键词。

其中，本实施例中的文字描述信息可以是通过文字输入或者语音方式输入的，在本实施例中，在用户通过语音方式输入时，可对用户输入的语音信息进行语音识别，以得到语音信息对应的文字信息，并可在图像绘制界面中显示与语音信息对应的文字描述信息。

例如，搜索界面如图2中的a所示，在用户不清楚关键字或者无法提供待搜索对象的图像时，用户可通过点击绘制图像的输入控件A，对应地，客户端中在搜索界面中提供图像绘制界面，其中，在搜索界面中提供图像绘制界面的示例图，如图2中的b所示。对应地，用户可在图像绘制界面中通过手绘的方式绘制待搜索对象的手绘图像，并可以在图像绘制界面中输入文字描述信息，比如，“一种动物，黑白色”，其中，用户绘制后的搜索界面，如图2中的c所示。对应地，在用户绘制完后，用户可通过触发搜索界面中的搜索控件来触发搜索请求。

其中，本实施例中的文字描述信息可以是对待搜索对象的属性以及实体类型进行描述的文字信息。

步骤102，提取绘制图像的第一图像特征信息，并提取文本描述信息的第一文本特征信息。

其中，本实施例中的图像特征信息可以是各种特征，可以包括颜色特征、纹理特征、二维形状特征、二维空间关系特征、三维形状特征、三维空间关系特征等特征中的一种或者多种。

其中，本实施例中的文本特征信息可以是对文本描述信息中的每个字的特征向量而生成的，也可以是对文本描述信息进行分析，以确定出文本描述信息中的实体关键词和/或属性关键词，并基于所确定出的实体关键词和/或属性关键词而生成的文本特征向量，该实施例对此不作具体限定。

步骤103，根据第一图像特征信息和第一文本特征信息进行搜索，以得到搜索结果集合。

在本实施例中，根据第一图像特征信息和第一文本特征信息进行搜索，以得到搜索结果集合的实现方式有多种，例如，可将第一图像特征信息和第一文本特征信息输入到联合图像-文本相关度模型中，以通过联合图像-文本相关度模型，获取与第一图像特征信息和第一文本特征信息对应的多个候选搜索结果的相关度，并根据相关度对多个候选搜索结果进行排序，并从排序结果中选择出排序在前的N个候选搜索结果，并根据选择出的候选搜索结果生成搜索结果集合。

其中，需要说明的是，关于根据第一图像特征信息和第一文本特征信息进行搜索，以得到搜索结果集合的其他实现方式将在后续实施例中进行描述。

步骤104，将搜索结果集合返回给客户端。

在本实施例中，为了方便获知待搜索对象，该搜索结果集合中包括图像搜索结果，从而使得用户可根据图像搜索结果方便很快判别是否是自己想找的待搜索对象。

本申请实施例的搜索方法，在获取客户端的搜索请求后，对搜索请求中的绘制图像进行图像特征提取，得到图像特征信息，并对搜索请求中与绘制图像对应的文本描述信息进行文本特征提取，以得到文本特征信息，并结合所获得的图像特征信息和文本特征信息进行搜索，以获取搜索请求对应的搜索结果，并将搜索结果提供给客户端，从而结合客户端提供的绘制图像以及与绘制图像对应的文本描述信息进行搜索，提供了一种结合绘制图像和文本进行搜索的方式，丰富了搜索方式的同时，可准确向用户提供满足用户搜索需求的搜索结果，为用户带来了更好的搜索体验。

下面结合图3对该实施例对步骤103的一种可能实现方式进行描述。

如图3所示，步骤103可以包括：

步骤301，根据第一图像特征信息进行搜索，以得到与第一图像特征信息匹配的候选搜索结果集合，其中，候选搜索结果集合包括多个候选搜索结果。

具体地，在获取第一图像特征信息后，可基于第一图像特征信息从资源库中进行搜索，以得到与第一图像特征信息匹配的候选搜索结果集合。

步骤302，获取每个候选搜索结果对应的第二文本特征信息。

步骤303，确定第一文本特征信息和每个候选搜索结果对应的第二文本特征信息之间的相似度。

步骤304，根据相似度，对多个候选搜索结果进行排序，以得到排序结果。

步骤305，从排序结果中选择出排序在前的N个候选搜索结果，生成搜索结果集合。

本实施例，在获取第一图像特征信息和第一文本特征信息后，先通过第一图像特征信息进行搜索，以得到候选搜索结果集合，并结合候选搜索结果集合中的各个候选结果的文本特征信息和第一文本特征信息之间的相似度，对候选搜索结果集合中的候选搜索结果进行排序，并根据排序结果，生成搜索结果集合。由此，提高了获取搜索结果的准确性。

在本申请的一个实施例中，本实施例中步骤103的另一种可能的实现方式可以为：根据第一文本特征信息进行搜索，以得到与第一文本信息特征匹配的候选搜索结果集合，其中，候选搜索结果集合中包括多个候选搜索结果，然后，可获取每个候选搜索结果对应的图像特征信息，并确定每个候选搜索结果对应的图像特征信息和第一图像特征信息之间的相似度，并根据相似度，对多个候选搜索结果进行排序，并从多个候选搜索结果中获取排序在前的N个候选搜索结果，并根据所获取的候选搜索结果，生成搜索结果集合。由此，可以准确获得与绘制图像和对应文字描述信息匹配的搜索结果。

在本申请的一个实施例中，为了提高搜索结果的准确性，以及丰富获取搜索结果的获取方式，本实施例中根据第一图像特征信息和第一文本特征信息进行搜索，以得到搜索结果集合的另一种可能的实现方式，可以为：对第一图像特征信息和第一文本特征信息进行融合，以得到融合特征信息；以及根据融合特征信息进行搜索，以获取与查询融合特征信息匹配的搜索结果集合。

在本申请的一个实施例中，为了可以准确表示融合特征，以方便后续结合融合特征获取准确的搜索结果，本实施例中对第一图像特征信息和第一文本特征信息进行融合，以得到融合特征信息的一种可能实现方式，可以为：将第一文本特征信息和第一图像特征信息进行拼接，以得到融合特征信息。

具体地，可以通过向量的方式对文本特征信息和图像特征信息进行表示，其中，本实施例中的文本特征信息和图像特征信息对应的向量维度是相同。例如，文本特征信息和图像特征信息可以均为K维(比如200维)的特征向量，可通过将文本特征向量和图像特征向量进行拼接的方式，以获取对应的融合特征向量，并将融合特征向量作为融合特征信息。

在一些实施例中，由于文本特征信息和图像特征信息可以看作矩阵的形式，因此，还可以通过矩阵融合的方式进行特征信息的融合。具体地，对第一图像特征信息和第一文本特征信息进行融合，以得到融合特征信息的可能实现方式可以为：将第一文本特征信息与第一图像特征信息中对应位置的特征信息进行融合，以得到融合特征信息。

下面结合图4对该实施例的搜索方法进行进一步描述，其中，需要说明的是，本实施例对图1所示的实施例的进一步细化或者优化。

如图4所示，该搜索方法可以包括：

步骤401，接收客户端的搜索请求，其中，搜索请求包括绘制图像以及与绘制图像对应的文本描述信息。

步骤402，将绘制图像输入到图像特征提取模型中，以得到绘制图像的第一图像特征信息。

为了提高提取图像特征信息的效率，在本实施例中可通过图像特征提取模型的方式对绘制图像进行图像特征提取，从而可提高从绘制图像中提取出图像特征的效率。

步骤403，从文本描述信息中提取出属性关键词和/或实体关键词。

步骤404，根据属性关键词和/或实体关键词，生成文本描述信息的第一文本特征信息。

在本实施例中，文本描述信息中可能存在一些与搜索无关的词语，在本申请的一个实施例中，为了方便后续可准确获取搜索结果，本实施例中可提取出文本描述信息中的属性关键词和/或实体关键词，并结合属性关键词和/或实体关键词，生成文本描述信息的第一文本特征信息。

其中，属性关键词是指对待搜索对象的属性进行描述的关键词，例如，文本描述信息中包括“黑白相间”，其中，“黑白相间”为颜色属性关键词。

其中，本实施例中的属性可以包括颜色属性、品牌、材质等。

其中，实体关键词可以表示出待搜索对象的实体类型的关键词，例如，文本描述信息中包括：一种特别可爱的动物，其中，“动物”可以为实体类型的关键词。

步骤405，根据第一图像特征信息和第一文本特征信息进行搜索，以得到搜索结果集合。

步骤406，将搜索结果集合返回给客户端。

本实施例，在接收到客户端的搜索请求后，通过图像特征提取模型对搜索请求中的绘制图像进行图像特征提取，以得到绘制图像对应的第一图像特征信息，并对搜索请求中与绘制图像对应的文本描述信息进行关键词分析，以得到文本描述信息中的实体关键词和/或属性关键词，并基于实体关键词和/或属性关键词，确定文本描述信息的第一文本特征信息，然后，结合第一图像特征信息和第一文本特征信息进行智能搜索，从而可准确向用户提供满足用户搜索需求的搜索结果，为用户带来了更好的搜索体验。

在本申请的一个实施例中，为了进一步提高提取图像特征信息的准确性，在将绘制图像输入到图像特征提取模型中，以得到绘制图像的第一图像特征信息之前，本实施例的搜索方法还可以：提取绘制图像的轮廓线信息；根据轮廓线信息，确定绘制图像中物体的物体类别；以及根据物体类型，获取物体类型对应的图像特征提取模型。

本实施例，在对绘制图像进行图像特征信息提取时，结合绘制图像中的轮廓信息，来确定绘制图像中物体的物体类别，并获取物体类型对应的图像特征提取模型，并通过所获取的图像特征提取模型对绘制图像进行图像特征提取，从而可提高图像特征信息的提取准确性。

在本申请的一个实施例中，为了可从绘制图像中准确提取出绘制图像的图像特征信息，在根据物体类型，获取物体类型对应的图像特征提取模型之前，如图5所示，可以包括：

步骤501，获取与物体类别对应的历史样本绘制图像。

步骤502，从历史样本绘制图像中提取第二图像特征信息。

步骤503，根据历史绘制图像和第二图像特征信息训练深度神经网络，以得到图像特征提取模型。

具体地，可将历史样本绘制图像作为深度神经网络的输入，以通过深度神经网络得到历史样本绘制图像对应的预测图像特征信息，并根据第二图像特征信息和预测图像特征信息对深度神经网络进行训练，以使得训练后的图像特征提取模型所输出的图像特征信息与对应历史样本绘制图像的图像特征信息匹配。

本实施例中，获取物体类型对应的历史样本绘制图像，并提取历史样本绘制图像对应的第二图像特征信息，并结合历史样本绘制图像和第二图像特征信息对深度神经网络进行训练，从而使得训练得到的图像特征提取模型，可对绘制图像进行准确的图像特征提取。

为了实现上述实施例，本申请实施例还提供一种搜索装置。

图6是根据本申请第五实施例提供的一种搜索装置的结构示意图。

如图6所示，该搜索装置100包括接收模块110、第一提取模块120、搜索模块130和返回模块140，其中：

接收模块110，用于接收客户端的搜索请求，其中，搜索请求包括绘制图像以及与绘制图像对应的文本描述信息。

第一提取模块120，用于提取绘制图像的第一图像特征信息，并提取文本描述信息的第一文本特征信息。

搜索模块130，用于根据第一图像特征信息和第一文本特征信息进行搜索，以得到搜索结果集合。

返回模块140，用于将搜索结果集合返回给客户端。

其中，需要说明的是，前述对搜索方法实施例的解释说明也适用于本实施例中的搜索装置，此处不再赘述。

本申请实施例的搜索装置，在获取客户端的搜索请求后，对搜索请求中的绘制图像进行图像特征提取，得到图像特征信息，并对搜索请求中与绘制图像对应的文本描述信息进行文本特征提取，以得到文本特征信息，并结合所获得的图像特征信息和文本特征信息进行搜索，以获取搜索请求对应的搜索结果，并将搜索结果提供给客户端，从而结合客户端提供的绘制图像以及与绘制图像对应的文本描述信息进行搜索，提供了一种结合绘制图像和文本进行搜索的方式，丰富了搜索方式的同时，可准确向用户提供满足用户搜索需求的搜索结果，为用户带来了更好的搜索体验。

在本申请的一个实施例中，在图6所示的实施例的基础上，如图7所示，搜索模块130可以包括：

第一搜索单元131，用于根据第一图像特征信息进行搜索，以得到与第一图像特征信息匹配的候选搜索结果集合，其中，候选搜索结果集合包括多个候选搜索结果。

获取单元132，用于获取每个候选搜索结果对应的第二文本特征信息。

确定单元133，用于确定第一文本特征信息和每个候选搜索结果对应的第二文本特征信息之间的相似度。

排序单元134，用于根据相似度，对多个候选搜索结果进行排序，以得到排序结果。以及

第一生成单元135，用于从排序结果中选择出排序在前的N个候选搜索结果，生成搜索结果集合，其中，N为大于1的整数。

在本申请的一个实施例中，搜索模块130，包括：

融合单元136，用于对第一图像特征信息和第一文本特征信息进行融合，以得到融合特征信息。以及

第二搜索单元137，用于根据融合特征信息进行搜索，以获取与查询融合特征信息匹配的搜索结果集合。

在本申请的一个实施例中，融合单元136，具体用于：将第一文本特征信息和第一图像特征信息进行拼接，以得到融合特征信息。

在本申请的一个实施例中，第一提取模块120，具体用于：将绘制图像输入到图像特征提取模型中，以得到绘制图像的第一图像特征信息。

在本申请的一个实施例中，如图7所示，该装置还包括：

第二提取模块150，用于提取绘制图像的轮廓线信息。

确定模块160，用于根据轮廓线信息，确定绘制图像中物体的物体类别。以及

第一获取模块170，用于根据物体类型，获取物体类型对应的图像特征提取模型。

在本申请的一个实施例中，如图7所示，装置还包括：

第二获取模块180，用于获取与物体类别对应的历史样本绘制图像。

第三提取模块190，用于从历史样本绘制图像中提取第二图像特征信息。以及训练模块200，用于根据历史绘制图像和第二图像特征信息训练深度神经网络，以得到图像特征提取模型。

在本申请的一个实施例中，第一提取模块120可以包括：

提取单元121，用于从文本描述信息中提取出属性关键词和/或实体关键词。以及

第二生成单元122，用于根据属性关键词和/或实体关键词，生成文本描述信息的第一文本特征信息。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图8所示，是根据本申请实施例的搜索方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图8所示，该电子设备包括：一个或多个处理器801、存储器802，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图8中以一个处理器801为例。

存储器802即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本申请所提供的搜索方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的搜索方法。

存储器802作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的搜索方法对应的程序指令/模块。处理器801通过运行存储在存储器802中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的搜索方法。

存储器802可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据搜索的电子设备的使用所创建的数据等。此外，存储器802可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器802可选包括相对于处理器801远程设置的存储器，这些远程存储器可以通过网络连接至搜索的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

搜索的方法的电子设备还可以包括：输入装置803和输出装置804。处理器801、存储器802、输入装置803和输出装置804可以通过总线或者其他方式连接，图8中以通过总线连接为例。

输入装置803可接收输入的数字或字符信息，以及产生与搜索的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置804可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，在获取客户端的搜索请求后，对搜索请求中的绘制图像进行图像特征提取，得到图像特征信息，并对搜索请求中与绘制图像对应的文本描述信息进行文本特征提取，以得到文本特征信息，并结合所获得的图像特征信息和文本特征信息进行搜索，以获取搜索请求对应的搜索结果，并将搜索结果提供给客户端，从而结合客户端提供的绘制图像以及与绘制图像对应的文本描述信息进行搜索，提供了一种结合绘制图像和文本进行搜索的方式，丰富了搜索方式的同时，可准确向用户提供满足用户搜索需求的搜索结果，为用户带来了更好的搜索体验。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (18)

1.一种搜索方法，包括：

接收客户端的搜索请求，其中，所述搜索请求包括绘制图像以及与所述绘制图像对应的文本描述信息；

提取所述绘制图像的第一图像特征信息，并提取所述文本描述信息的第一文本特征信息；

根据所述第一图像特征信息和所述第一文本特征信息进行搜索，以得到搜索结果集合；以及

将所述搜索结果集合返回给所述客户端。

2.根据权利要求1所述的方法，其中，所述根据所述第一图像特征信息和所述第一文本特征信息进行搜索，以得到搜索结果集合，包括：

根据所述第一图像特征信息进行搜索，以得到与所述第一图像特征信息匹配的候选搜索结果集合，其中，所述候选搜索结果集合包括多个候选搜索结果；

获取每个所述候选搜索结果对应的第二文本特征信息；

确定所述第一文本特征信息和每个所述候选搜索结果对应的第二文本特征信息之间的相似度；

根据所述相似度，对所述多个候选搜索结果进行排序，以得到排序结果；以及

从所述排序结果中选择出排序在前的N个候选搜索结果，生成所述搜索结果集合，其中，N为大于1的整数。

3.根据权利要求1所述的方法，其中，所述根据所述第一图像特征信息和所述第一文本特征信息进行搜索，以得到搜索结果集合，包括：

对所述第一图像特征信息和所述第一文本特征信息进行融合，以得到融合特征信息；以及

根据所述融合特征信息进行搜索，以获取与所述查询融合特征信息匹配的所述搜索结果集合。

4.根据权利要求3所述的方法，其中，所述对所述第一图像特征信息和所述第一文本特征信息进行融合，以得到融合特征信息，包括：

将所述第一文本特征信息和所述第一图像特征信息进行拼接，以得到所述融合特征信息。

5.根据权利要求1所述的方法，其中，所述提取所述绘制图像的第一图像特征信息，包括：

将所述绘制图像输入到图像特征提取模型中，以得到所述绘制图像的第一图像特征信息。

6.根据权利要求5所述的方法，其中，在所述将所述绘制图像输入到图像特征提取模型中，以得到所述绘制图像的第一图像特征信息之前，所述方法还包括：

提取所述绘制图像的轮廓线信息；

根据所述轮廓线信息，确定所述绘制图像中物体的物体类别；以及

根据所述物体类型，获取所述物体类型对应的所述图像特征提取模型。

7.根据权利要求6所述的方法，其中，在所述根据所述物体类型，获取所述物体类型对应的所述图像特征提取模型之前，所述方法还包括：

获取与所述物体类别对应的历史样本绘制图像；

从所述历史样本绘制图像中提取第二图像特征信息；以及

根据所述历史绘制图像和所述第二图像特征信息训练深度神经网络，以得到所述图像特征提取模型。

8.根据权利要求1所述的方法，其中，所述提取所述文本描述信息的第一文本特征信息，包括：

从所述文本描述信息中提取出属性关键词和/或实体关键词；以及

根据所述属性关键词和/或实体关键词，生成所述文本描述信息的第一文本特征信息。

9.一种搜索装置，包括：

接收模块，用于接收客户端的搜索请求，其中，所述搜索请求包括绘制图像以及与所述绘制图像对应的文本描述信息；

第一提取模块，用于提取所述绘制图像的第一图像特征信息，并提取所述文本描述信息的第一文本特征信息；

搜索模块，用于根据所述第一图像特征信息和所述第一文本特征信息进行搜索，以得到搜索结果集合；以及

返回模块，用于将所述搜索结果集合返回给所述客户端。

10.根据权利要求9所述的装置，其中，所述搜索模块，包括：

第一搜索单元，用于根据所述第一图像特征信息进行搜索，以得到与所述第一图像特征信息匹配的候选搜索结果集合，其中，所述候选搜索结果集合包括多个候选搜索结果；

获取单元，用于获取每个所述候选搜索结果对应的第二文本特征信息；

确定单元，用于确定所述第一文本特征信息和每个所述候选搜索结果对应的第二文本特征信息之间的相似度；

排序单元，用于根据所述相似度，对所述多个候选搜索结果进行排序，以得到排序结果；以及

第一生成单元，用于从所述排序结果中选择出排序在前的N个候选搜索结果，生成所述搜索结果集合，其中，N为大于1的整数。

11.根据权利要求9所述的装置，其中，所述搜索模块，包括：

融合单元，用于对所述第一图像特征信息和所述第一文本特征信息进行融合，以得到融合特征信息；以及

第二搜索单元，用于根据所述融合特征信息进行搜索，以获取与所述查询融合特征信息匹配的所述搜索结果集合。

12.根据权利要求11所述的装置，其中，所述融合单元，具体用于：

将所述第一文本特征信息和所述第一图像特征信息进行拼接，以得到所述融合特征信息。

13.根据权利要求9所述的装置，其中，所述第一提取模块，具体用于：

将所述绘制图像输入到图像特征提取模型中，以得到所述绘制图像的第一图像特征信息。

14.根据权利要求13所述的装置，其中，所述装置还包括：

第二提取模块，用于提取所述绘制图像的轮廓线信息；

确定模块，用于根据所述轮廓线信息，确定所述绘制图像中物体的物体类别；以及

第一获取模块，用于根据所述物体类型，获取所述物体类型对应的所述图像特征提取模型。

15.根据权利要求14所述的装置，其中，所述装置还包括：

第二获取模块，用于获取与所述物体类别对应的历史样本绘制图像；

第三提取模块，用于从所述历史样本绘制图像中提取第二图像特征信息；以及

训练模块，用于根据所述历史绘制图像和所述第二图像特征信息训练深度神经网络，以得到所述图像特征提取模型。

16.根据权利要求9所述的装置，其中，所述第一提取模块，包括：

提取单元，用于从所述文本描述信息中提取出属性关键词和/或实体关键词；以及

第二生成单元，用于根据所述属性关键词和/或实体关键词，生成所述文本描述信息的第一文本特征信息。

17.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。

18.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。

Images