CN112035598A - 一种智能语义检索方法、系统和电子设备 - Google Patents
一种智能语义检索方法、系统和电子设备 Download PDFInfo
- Publication number
- CN112035598A CN112035598A CN202011211472.3A CN202011211472A CN112035598A CN 112035598 A CN112035598 A CN 112035598A CN 202011211472 A CN202011211472 A CN 202011211472A CN 112035598 A CN112035598 A CN 112035598A
- Authority
- CN
- China
- Prior art keywords
- index
- sentence
- word
- retrieval
- keywords
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种智能语义检索方法、系统和电子设备。该方法包括：构建索引库，该索引库包括扩展词索引和索引句；接收用户输入的检索语句，并对该检索语句进行关键词提取，以生成至少一个关键词；基于所述关键词，通过查询所述索引库的扩展词索引获得各关键词的扩展词；将所提取的各关键词和各关键词的扩展词作为检索词集，在所述索引库中匹配索引句，获得匹配的索引句列表；计算所述检索词集中各词与所述索引句列表中的各索引句的向量相似度，对所述各索引句进行排序；基于排序靠前的至少一个索引句，获取检索结果。本发明的方法实现了更智能化的检索，提高了检索效率和准确度，优化了检索方法，还提高了召回率。
Description
技术领域
本发明涉及计算机信息处理领域，具体涉及一种智能语义检索方法、系统和电子设备。
背景技术
随着计算机网络技术的飞速发展，大量丰富的信息为人们生活和工作带来方便，如何准确、快速的获取有用的信息越来越重要。如果计算机能够准确理解用户的需求，它就可以将最符合用户需求的信息检索出来并呈现给用户。准确理解用户的需求在一定程度上就是准确理解用户输入的含义，因而，建立基于语义的检索非常重要，它使计算机的检索更具有智能性，进而实现智能检索。
现有的检索模型主要有布尔模型、概率模型和向量空间模型。但无论采用哪种模型，都是基于关键字匹配进行检索的，都不能从根本上解决词的同义和多义问题。此外，现有的语义分析方法可以实现部分的语义检索，但效果不是很理想，语义计算的准确率不高。
因此，有必要提供一种更有效的智能语义检索方法。
发明内容
为了进一步优化检索方法，本发明提供了一种智能语义检索方法，包括：构建索引库，该索引库包括扩展词索引和索引句，扩展词索引包括多个语义相近的词以及这些词的词向量，索引句为用于召回检索结果的句子，该索引库为每个索引句建立一个句向量，该句向量是索引句中各关键词的词向量的均值；接收用户输入的检索语句，并对该检索语句进行关键词提取，以生成至少一个关键词；基于所述关键词，通过查询所述索引库的扩展词索引获得各关键词的扩展词；将所提取的各关键词和各关键词的扩展词作为检索词集，在所述索引库中匹配索引句，获得匹配的索引句列表；计算所述检索词集中各词与所述索引句列表中的各索引句的向量相似度，对所述各索引句进行排序；基于排序靠前的至少一个索引句，获取检索结果。
优选地，所述计算所述检索词集中各词与所述索引句列表中的各索引句的向量相似度，对所述各索引句进行排序包括：基于检索词集中的词在索引句中的命中率和所述相似度的综合评分进行排序。
优选地，所述综合评分等于所述词在索引句中的命中率与第一权重系数的乘积和所述相似度与第二权重系数的乘积之和。
优选地，基于关系重要度的确定，设定第一权重系数和第二权重系数，其中，所述第一权重系数大于所述第二权重系数。
优选地，所述第一权重系数大于0.5，且所述第二权重系数小于0.5。
优选地，所述基于排序靠前的至少一个索引句，获取检索结果包括：从根据综合评分而确定的排序结果中，自高分到低分依次筛选出特定数量的索引句，并以所述特定数量的索引句作为检索结果。
优选地，所述构建索引库包括：获取历史对话文本信息，并进行预处理和分词处理，以生成扩展词索引和索引句。
优选地，还包括：对所述检索语句进行归一化处理和分词处理，并通过TF-IDF方法进行关键词提取。
优选地，还包括：使用word2vec模型、BERT模型和RoBERTa模型进行词向量转换。
此外，本发明还提供了一种智能语义检索系统，包括：构建模块，用于构建索引库，该索引库包括扩展词索引和索引句，扩展词索引包括多个语义相近的词以及这些词的词向量，索引句为用于召回检索结果的句子，该索引库为每个索引句建立一个句向量，该句向量是索引句中各关键词的词向量的均值；接收模块，用于接收用户输入的检索语句，并对该检索语句进行关键词提取，以生成至少一个关键词；查询模块，基于所述关键词，通过查询所述索引库的扩展词索引获得各关键词的扩展词；匹配模块，用于将所提取的各关键词和各关键词的扩展词作为检索词集，在所述索引库中匹配索引句，获得匹配的索引句列表；计算排序模块，计算所述检索词集中各词与所述索引句列表中的各索引句的向量相似度，对所述各索引句进行排序；结果获取模块，基于排序靠前的至少一个索引句，获取检索结果。
优选地，所述计算排序模块还包括：基于检索词集中的词在索引句中的命中率和所述相似度的综合评分进行排序。
优选地，所述综合评分等于所述词在索引句中的命中率与第一权重系数的乘积和所述相似度与第二权重系数的乘积之和。
优选地，还包括设定模块，所述设定模块基于关系重要度的确定，设定第一权重系数和第二权重系数，其中，所述第一权重系数大于所述第二权重系数。
优选地，所述第一权重系数大于0.5，且所述第二权重系数小于0.5。
优选地，还包括筛选模块，所述筛选模块从根据综合评分而确定的排序结果中，自高分到低分依次筛选出特定数量的索引句，并以所述特定数量的索引句作为检索结果。
优选地，所述构建索引库包括：获取历史对话文本信息，并进行预处理和分词处理，以生成扩展词索引和索引句。
优选地，还包括：对所述检索语句进行归一化处理和分词处理，并通过TF-IDF方法进行关键词提取。
优选地，还包括：使用word2vec模型、BERT模型和RoBERTa模型进行词向量转换。
此外，本发明还提供了一种电子设备，其中，该电子设备包括：处理器；以及，存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行本发明所述的智能语义检索方法。
此外，本发明还提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现本发明所述的智能语义检索方法。
有益效果
与现有技术相比，本发明的智能语义检索方法通过构建索引库，并通过索引库形成检索词集以进行检索，并计算检索词集中各词与所检索筛选的各索引句的向量相似度、检索词集中的词在索引句中的命中率，增设加权系数，以得到综合评分，再基于该综合评分进行排序，以确定检索结果，从而能够获得更精确的检索结果，由此，实现了更智能化的检索，提高了检索效率和准确度，优化了检索方法，还提高了召回率。
附图说明
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚，下面将参照附图详细描述本发明的具体实施例。但需声明的是，下面描述的附图仅仅是本发明本发明示例性实施例的附图，对于本领域的技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他实施例的附图。
图1是本发明的智能语义检索方法的一示例的流程图。
图2是本发明的智能语义检索方法的另一示例的流程图。
图3是本发明的智能语义检索方法的又一示例的流程图。
图4是本发明的智能语义检索系统的一示例的示意性结构框图。
图5是本发明的智能语义检索系统的另一示例的示意性结构框图。
图6是本发明的智能语义检索系统的又一示例的示意性结构框图。
图7是根据本发明的一种电子设备的示例性实施例的结构框图。
图8是根据本发明的计算机可读介质的示例性实施例的结构框图。
具体实施方式
现在将参考附图更全面地描述本发明的示例性实施例。然而，示例性实施例能够以多种形式实施，且不应被理解为本发明仅限于在此阐述的实施例。相反，提供这些示例性实施例能够使得本发明更加全面和完整，更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分，因而将省略对它们的重复描述。
在符合本发明的技术构思的前提下，在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
在对于具体实施例的描述中，本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是，并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，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。
应理解，虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分，但这不应受这些定语限制。这些定语乃是用以区分一者与另一者。例如，第一器件亦可称为第二器件而不偏离本发明实质的技术方案。
术语“和/或”或者“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
鉴于上述问题，本发明提出了一种智能语义检索方法，该方法通过构建索引库，并通过索引库形成检索词集以进行检索，并计算检索词集中各词与所检索筛选的各索引句的向量相似度、检索词集中的词在索引句中的命中率，增设加权系数，以得到综合评分，再基于该综合评分进行排序，以确定检索结果，由此，实现了更智能化的检索，提高了检索效率和准确度，还优化了检索方法。
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明的智能语义检索方法作进一步的详细说明。
实施例1
下面，将参照图1至图3描述本发明的智能语义检索方法的实施例。
图1是本发明的智能语义检索方法的一示例的流程图。
如图1所示，一种智能语义检索方法，该方法包括如下步骤。
步骤S101，构建索引库，该索引库包括扩展词索引和索引句，扩展词索引包括多个语义相近的词以及这些词的词向量，索引句为用于召回检索结果的句子，该索引库为每个索引句建立一个句向量，该句向量是索引句中各关键词的词向量的均值。
步骤S102，接收用户输入的检索语句，并对该检索语句进行关键词提取，以生成至少一个关键词。
步骤S103，基于所述关键词，通过查询所述索引库的扩展词索引获得各关键词的扩展词。
步骤S104，将所提取的各关键词和各关键词的扩展词作为检索词集，在所述索引库中匹配索引句，获得匹配的索引句列表。
步骤S105，计算所述检索词集中各词与所述索引句列表中的各索引句的向量相似度，对所述各索引句进行排序。
步骤S106，基于排序靠前的至少一个索引句，获取检索结果。
首先，在步骤S101中，构建索引库，该索引库包括扩展词索引和索引句，其中，扩展词索引包括多个语义相近的词以及这些词的词向量。
在本示例中，获取历史对话文本输入信息，并进行预处理和分词处理。
具体地，还包括进行文本归一化处理、关键词提取等。
优选地，使用TF-IDF方法，对分词后的检索语句进行关键词提取，并对所提取的每个关键词进行语义向量转换，以生成对应的词向量。
进一步地，例如使用word2vec模型，对分词处理的每个词进行语义向量转换，并基于语义相近或语义相同的规则，进行词分类和词扩展，以生成扩展词索引。
更进一步地，索引库还包括索引句，索引句为用于召回检索结果的句子，该索引库为每个索引句建立一个句向量，该句向量是索引句中各关键词的词向量的均值。
需要说明的是，对于语义向量转换，在其他示例中，还可以使用Bert模型、RoBERTa模型、DistilBERT模型、XLNet模型等，进行语义向量转换。上述仅作为示例进行说明，不能理解成对本发明的限制。
接下来，在步骤S102中，接收用户输入的检索语句，并对该检索语句进行关键词提取，以生成至少一个关键词。
在本示例中，例如，接收用户输入的检索语句“借多少钱”，进行文本归一化处理，并进行分词处理，得到“借”、“多少”、“钱”三个词。
具体地，例如使用TF-IDF方法，从上述这三个词中提取关键词 “借”和“钱”，以生成两个关键词。
需要说明的是，上述仅作为示例进行说明，不能理解成对本发明的限制。
接下来，在步骤S103中，基于所述关键词，通过查询所述索引库的扩展词索引获得各关键词的扩展词。
具体地，对所提取的关键词进行语义向量转换，以通过语义向量相似度，确定对应的扩展词。
需要说明的是，对于步骤S103中语义向量转换的方法与步骤S101中语义向量转换的方法相同，因此，省略对其的描述。
在本示例中，基于关键词“借”，通过查询所述索引库的扩展词索引k1得到扩展词k11“可借”、k12“可以借”、k13“能借”、k14“能够借”。
进一步地，依次对每一个关键词进行查询，直到所有关键词都获得对应的扩展词为止。由此，通过所构建的索引库进行检索，实现了更智能化的检索，提高了检索效率和准确度。
接下来，在步骤S104中，将所提取的各关键词和各关键词的扩展词作为检索词集，在所述索引库中匹配索引句，获得匹配的索引句列表。
具体地，将所提取的各关键词和各关键词的扩展词作为检索词集。
进一步地，使用该检索词集在所述索引库中匹配索引句，以得到与各扩展词相对应的索引句列表，即得到用于召回检索结果的所有句子。
需要说明的是，由于索引库中的词、扩展词、索引句等都带有预先计算好的词向量或句向量，所以在通过例如语义向量相似度进行匹配时，能够实现更快速且自动的索引句匹配。
例如，k11“可借”能够自动匹配出索引句q1“可借多少钱”， k12“可以借”匹配出索引句q2“可以借多少钱”，k13“能借”匹配出索引句q3“能借多少钱”，k14“能够借”匹配出索引句q4“能够借多少钱”。
需要说明的是，上述仅作为示例进行说明，不能理解成对本发明的限制。
接下来，在步骤S105中，计算所述检索词集中各词与所述索引句列表中的各索引句的向量相似度，对所述各索引句进行排序。
为了进一步优化检索方法，本发明通过对所匹配出的索引句进行综合评分计算，并对各项评分增加权重系数，再基于各索引句的综合评分进行排序，以得到更精确的检索结果。以下将描述具体的计算过程。
在本示例中，基于检索词集中的词在索引句中的命中率和各词与所述索引句列表中的各索引句的向量相似度的综合评分进行排序。
具体地，所述综合评分等于所述词在索引句中的命中率与第一权重系数的乘积和所述相似度与第二权重系数的乘积之和，具体如下式。
其中，S为索引句的综合评分；
为所述词在索引句中的命中率；
为检索词集中的
各词与所述索引句列表中的各索引句的向量相似度；x为第一权重系数；y为第二权重系数。
需要说明的是，在示例中，综合评分包括两个评分项，但是不限于此，在其他示例中，还可以是三个或更多个。上述仅作为优选的示例进行的说明，不能理解成对本发明的限制。
如图2所示，还包括确定权重系数的步骤S201。
在步骤S201中，确定各评分项的权重系数。
具体地，基于各评分项的关系重要度的确定，设定第一权重系数和第二权重系数，其中，所述第一权重系数大于所述第二权重系数。
需要说明的是，在本示例中，关系重要度根据业务需求对应的指标参数和/召回数量（或召回率）等因素进行确定，但是不限于此，上述仅作为优选的示例进行说明，不能理解成对本发明的限制。
优选地，所述第一权重系数大于0.5，且所述第二权重系数小于0.5。例如，第一权重系数为0.7，而所述第二权重系数为0.3。
需要说明的是，通过针对各评分项增设加权系数，计算各索引句的综合评分，能够获得更精确的检索结果，优化了检索方法，还提高了召回率。
接下来，在步骤S106中，基于排序靠前的至少一个索引句，获取检索结果。
在本示例中，基于分值排序的结果，获取检索结果。
具体地，从根据综合评分而确定的排序结果中，自高分到低分依次筛选出特定数量的索引句，并以所述特定数量的索引句进行检索以获取检索结果（通常是对针对索引句的回复语句），由此，通过索引库的索引句，实现了对准确回复句子的召回，以通过所述特定句子确定待召回的检索结果，从而提高了召回率。
需要说明的是，上述仅作为示例进行说明，不能理解对本发明的限制。
上述方法的过程仅用于对本发明的说明，其中，步骤的顺序和数量没有特别的限制。此外，上述方法中的步骤还可以拆分成两个（例如将步骤S102拆分成S102和S301，具体参见图3）、三个，或者有些步骤也可以合并成一个步骤，根据实际示例进行调整。
与现有技术相比，本发明的智能语义检索方法通过构建索引库，并通过索引库形成检索词集以进行检索，并计算检索词集中各词与所检索筛选的各索引句的向量相似度、检索词集中的词在索引句中的命中率，增设加权系数，以得到综合评分，再基于该综合评分进行排序，以确定检索结果，从而能够获得更精确的检索结果，由此，实现了更智能化的检索，提高了检索效率和准确度，优化了检索方法，还提高了召回率。
本领域技术人员可以理解，实现上述实施例的全部或部分步骤被实现为由计算机数据处理设备执行的程序（计算机程序）。在该计算机程序被执行时，可以实现本发明提供的上述方法。而且，所述的计算机程序可以存储于计算机可读存储介质中，该存储介质可以是磁盘、光盘、ROM、RAM等可读存储介质，也可以是多个存储介质组成的存储阵列，例如磁盘或磁带存储阵列。所述的存储介质不限于集中式存储，其也可以是分布式存储，例如基于云计算的云存储。
下面描述本发明的系统的实施例，该系统可以用于执行本发明的方法实施例。对于本发明系统实施例中描述的细节，应视为对于上述方法实施例的补充；对于在本发明系统实施例中未披露的细节，可以参照上述方法实施例来实现。
实施例2
参照图4、图5和图6，本发明还提供了一种智能语义检索系统400，所述智能语义检索系统400包括：构建模块401，用于构建索引库，该索引库包括扩展词索引和索引句，扩展词索引包括多个语义相近的词以及这些词的词向量，索引句为用于召回检索结果的句子，该索引库为每个索引句建立一个句向量，该句向量是索引句中各关键词的词向量的均值；接收模块402，用于接收用户输入的检索语句，并对该检索语句进行关键词提取，以生成至少一个关键词；查询模块403，基于所述关键词，通过查询所述索引库的扩展词索引获得各关键词的扩展词；匹配模块404，用于将所提取的各关键词和各关键词的扩展词作为检索词集，在所述索引库中匹配索引句，获得匹配的索引句列表；计算排序模块405，计算所述检索词集中各词与所述索引句列表中的各索引句的向量相似度，对所述各索引句进行排序；结果获取模块406，基于排序靠前的至少一个索引句，获取检索结果。
具体地，所述计算排序模块还包括：基于检索词集中的词在索引句中的命中率和所述相似度的综合评分进行排序。
进一步地，所述综合评分等于所述词在索引句中的命中率与第一权重系数的乘积和所述相似度与第二权重系数的乘积之和。
如图5所示，还包括设定模块501，所述设定模块501基于关系重要度的确定，设定第一权重系数和第二权重系数，其中，所述第一权重系数大于所述第二权重系数。
具体地，所述第一权重系数大于0.5，且所述第二权重系数小于0.5。
如图6所示，还包括筛选模块601，所述筛选模块从根据综合评分而确定的排序结果中，自高分到低分依次筛选出特定数量的索引句，并以所述特定数量的索引句作为检索结果。
优选地，所述构建索引库包括：获取历史对话文本信息，并进行预处理和分词处理，以生成扩展词索引和索引句。
优选地，还包括：对所述检索语句进行归一化处理和分词处理，并通过TF-IDF方法进行关键词提取。
优选地，还包括：使用word2vec模型、BERT模型和RoBERTa模型进行词向量转换。
需要说明的是，在实施例2中，省略了与实施例1相同的部分的说明。
与现有技术相比，本发明的智能语义检索系统通过构建索引库，并通过索引库形成检索词集以进行检索，并计算检索词集中各词与所检索筛选的各索引句的向量相似度、检索词集中的词在索引句中的命中率，增设加权系数，以得到综合评分，再基于该综合评分进行排序，以确定检索结果，从而能够获得更精确的检索结果，由此，实现了更智能化的检索，提高了检索效率和准确度。
本领域技术人员可以理解，上述系统实施例中的各模块可以按照描述分布于系统中，也可以进行相应变化，分布于不同于上述实施例的一个或多个系统中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
实施例3
下面描述本发明的电子设备实施例，该电子设备可以视为对于上述本发明的方法和系统实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节，应视为对于上述方法或系统实施例的补充；对于在本发明电子设备实施例中未披露的细节，可以参照上述方法或系统实施例来实现。
图7是根据本发明的一种电子设备的示例性实施例的结构框图。下面将参照图7来描述根据本发明的电子设备200。图7显示的电子设备200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7所示，电子设备200以通用计算设备的形式表现。电子设备200的组件可以包括但不限于：至少一个处理单元210、至少一个存储单元220、连接不同系统组件（包括存储单元220和处理单元210）的总线230、显示单元240等。
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210执行，使得所述处理单元210执行本说明书的上述电子设备处理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210可以执行如图1所示的步骤。
所述存储单元220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）2201和/或高速缓存存储单元2202，还可以进一步包括只读存储单元（ROM）2203。
所述存储单元220还可以包括具有一组（至少一个）程序模块2205的程序/实用工具2204，这样的程序模块2205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230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200也可以与一个或多个外部设备300（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200交互的设备通信，和/或与使得该电子设备200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250进行。并且，电子设备200还可以通过网络适配器260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。网络适配器260可以通过总线230与电子设备200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200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，本发明描述的示例性实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明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计算机可读的存储介质（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、或者网络设备等）执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时，使得该计算机可读介质能够实现本发明的上述方法。
如图8所示，所述计算机程序可以存储于一个或多个计算机可读介质上。计算机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。
所述计算机可读存储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。可读存储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。可读存储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）。
综上所述，本发明可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器（DSP）等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序（例如，计算机程序和计算机程序产品）。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，本发明不与任何特定计算机、虚拟系统或者电子设备固有相关，各种通用系统也可以实现本发明。以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种智能语义检索方法，其特征在于，包括：
构建索引库，该索引库包括扩展词索引和索引句，扩展词索引包括多个语义相近的词以及这些词的词向量，索引句为用于召回检索结果的句子，该索引库为每个索引句建立一个句向量，该句向量是索引句中各关键词的词向量的均值；
接收用户输入的检索语句，并对该检索语句进行关键词提取，以生成至少一个关键词；
基于所述关键词，通过查询所述索引库的扩展词索引获得各关键词的扩展词；
将所提取的各关键词和各关键词的扩展词作为检索词集，在所述索引库中匹配索引句，获得匹配的索引句列表；
计算所述检索词集中各词与所述索引句列表中的各索引句的向量相似度，对所述各索引句进行排序；
基于排序靠前的至少一个索引句，获取检索结果。
2.根据权利要求1所述的智能语义检索方法，其特征在于，所述计算所述检索词集中各词与所述索引句列表中的各索引句的向量相似度，对所述各索引句进行排序包括：
基于检索词集中的词在索引句中的命中率和所述相似度的综合评分进行排序。
3.根据权利要求2所述的智能语义检索方法，其特征在于，
所述综合评分等于所述词在索引句中的命中率与第一权重系数的乘积和所述相似度与第二权重系数的乘积之和。
4.根据权利要求3所述的智能语义检索方法，其特征在于，
基于关系重要度的确定，设定第一权重系数和第二权重系数，其中，所述第一权重系数大于所述第二权重系数。
5.根据权利要求4所述的智能语义检索方法，其特征在于，
所述第一权重系数大于0.5，且所述第二权重系数小于0.5。
6.根据权利要求3所述的智能语义检索方法，其特征在于，所述基于排序靠前的至少一个索引句，获取检索结果包括：
从根据综合评分而确定的排序结果中，自高分到低分依次筛选出特定数量的索引句，并以所述特定数量的索引句作为检索结果。
7.根据权利要求1所述的智能语义检索方法，其特征在于，所述构建索引库包括：
获取历史对话文本信息，并进行预处理和分词处理，以生成扩展词索引和索引句。
8.一种智能语义检索系统，其特征在于，包括：
构建模块，用于构建索引库，该索引库包括扩展词索引和索引句，扩展词索引包括多个语义相近的词以及这些词的词向量，索引句为用于召回检索结果的句子，该索引库为每个索引句建立一个句向量，该句向量是索引句中各关键词的词向量的均值；
接收模块，用于接收用户输入的检索语句，并对该检索语句进行关键词提取，以生成至少一个关键词；
查询模块，基于所述关键词，通过查询所述索引库的扩展词索引获得各关键词的扩展词；
匹配模块，用于将所提取的各关键词和各关键词的扩展词作为检索词集，在所述索引库中匹配索引句，获得匹配的索引句列表；
计算排序模块，计算所述检索词集中各词与所述索引句列表中的各索引句的向量相似度，对所述各索引句进行排序；
结果获取模块，基于排序靠前的至少一个索引句，获取检索结果。
9.一种电子设备，其中，该电子设备包括：
处理器；以及，
存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行根据权利要求1至7中任一项所述的智能语义检索方法。
10.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现权利要求1至7中任一项所述的智能语义检索方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011211472.3A CN112035598A (zh) | 2020-11-03 | 2020-11-03 | 一种智能语义检索方法、系统和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011211472.3A CN112035598A (zh) | 2020-11-03 | 2020-11-03 | 一种智能语义检索方法、系统和电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112035598A true CN112035598A (zh) | 2020-12-04 |
Family
ID=73573140
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011211472.3A Pending CN112035598A (zh) | 2020-11-03 | 2020-11-03 | 一种智能语义检索方法、系统和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112035598A (zh) |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112699226A (zh) * | 2020-12-29 | 2021-04-23 | 江苏苏宁云计算有限公司 | 用于语义混淆检测的方法及系统 |
| CN113127421A (zh) * | 2021-04-01 | 2021-07-16 | 山东英信计算机技术有限公司 | 一种存储系统检索文件内容的方法和设备 |
| CN113204697A (zh) * | 2021-04-29 | 2021-08-03 | 五八有限公司 | 一种搜索方法、装置、电子设备及存储介质 |
| CN113343708A (zh) * | 2021-06-11 | 2021-09-03 | 北京声智科技有限公司 | 一种基于语义实现语句泛化的方法和装置 |
| CN113486067A (zh) * | 2021-07-16 | 2021-10-08 | 用友网络科技股份有限公司 | 信息查询方法、系统和可读存储介质 |
| CN113609277A (zh) * | 2021-08-26 | 2021-11-05 | 中国银行股份有限公司 | 数据处理方法、装置、设备及可读存储介质 |
| CN113836077A (zh) * | 2021-09-08 | 2021-12-24 | 北京灵汐科技有限公司 | 众核设备 |
| CN113887220A (zh) * | 2021-09-15 | 2022-01-04 | 北京三快在线科技有限公司 | 一种关键词扩展方法及装置 |
| CN114118100A (zh) * | 2021-11-24 | 2022-03-01 | 北京房江湖科技有限公司 | 用于生成对话语句的方法、装置、设备、介质和程序产品 |
| CN114817685A (zh) * | 2022-03-11 | 2022-07-29 | 杭州知聊信息技术有限公司 | 一种快速锁定目标信息的方法及其平台 |
| CN114996550A (zh) * | 2021-05-24 | 2022-09-02 | 中移互联网有限公司 | 信息检索方法及装置 |
| CN115017257A (zh) * | 2022-04-21 | 2022-09-06 | 南京坤爵信息技术有限公司 | 一种基于KTree算法的智能超级检索的方法 |
| CN116028499A (zh) * | 2023-02-01 | 2023-04-28 | 四川智慧高速科技有限公司 | 检测信息生成方法、电子设备和计算机可读介质 |
| CN117076652A (zh) * | 2023-10-17 | 2023-11-17 | 天启黑马信息科技(北京)有限公司 | 一种用于中短句的语义文本检索方法、系统及存储介质 |
| CN117453950A (zh) * | 2023-11-13 | 2024-01-26 | 天翼爱音乐文化科技有限公司 | 一种视频搜索无结果的处理方法、系统、设备及介质 |
| CN117743376A (zh) * | 2024-02-19 | 2024-03-22 | 蓝色火焰科技成都有限公司 | 一种数字金融服务的大数据挖掘方法、装置及存储介质 |
| CN118520124A (zh) * | 2024-04-02 | 2024-08-20 | 椽檩科技(深圳)有限公司 | 基于文本向量的数据查询方法、装置、设备及存储介质 |
| CN118673101A (zh) * | 2024-08-23 | 2024-09-20 | 山东浪潮科学研究院有限公司 | 数据检索方法、装置、电子设备及存储介质 |
| CN119415643A (zh) * | 2025-01-09 | 2025-02-11 | 北京八月瓜科技有限公司 | 一种基于人工智能的组合检索优化方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109933779A (zh) * | 2017-12-18 | 2019-06-25 | 苏宁云商集团股份有限公司 | 用户意图识别方法及系统 |
| CN110781687A (zh) * | 2019-11-06 | 2020-02-11 | 三角兽（北京）科技有限公司 | 相同意图语句的获取方法及装置 |
| CN110969024A (zh) * | 2018-09-30 | 2020-04-07 | 北京奇虎科技有限公司 | 一种查询语句的改写方法及装置 |
| CN111191105A (zh) * | 2019-10-31 | 2020-05-22 | 腾讯科技（深圳）有限公司 | 政务信息的搜索方法、装置、系统、设备及存储介质 |
| CN111723550A (zh) * | 2020-06-17 | 2020-09-29 | 腾讯科技（深圳）有限公司 | 语句改写方法、装置、电子设备以及计算机存储介质 |
-
2020
- 2020-11-03 CN CN202011211472.3A patent/CN112035598A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109933779A (zh) * | 2017-12-18 | 2019-06-25 | 苏宁云商集团股份有限公司 | 用户意图识别方法及系统 |
| CN110969024A (zh) * | 2018-09-30 | 2020-04-07 | 北京奇虎科技有限公司 | 一种查询语句的改写方法及装置 |
| CN111191105A (zh) * | 2019-10-31 | 2020-05-22 | 腾讯科技（深圳）有限公司 | 政务信息的搜索方法、装置、系统、设备及存储介质 |
| CN110781687A (zh) * | 2019-11-06 | 2020-02-11 | 三角兽（北京）科技有限公司 | 相同意图语句的获取方法及装置 |
| CN111723550A (zh) * | 2020-06-17 | 2020-09-29 | 腾讯科技（深圳）有限公司 | 语句改写方法、装置、电子设备以及计算机存储介质 |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112699226A (zh) * | 2020-12-29 | 2021-04-23 | 江苏苏宁云计算有限公司 | 用于语义混淆检测的方法及系统 |
| CN113127421A (zh) * | 2021-04-01 | 2021-07-16 | 山东英信计算机技术有限公司 | 一种存储系统检索文件内容的方法和设备 |
| CN113204697A (zh) * | 2021-04-29 | 2021-08-03 | 五八有限公司 | 一种搜索方法、装置、电子设备及存储介质 |
| CN114996550A (zh) * | 2021-05-24 | 2022-09-02 | 中移互联网有限公司 | 信息检索方法及装置 |
| CN114996550B (zh) * | 2021-05-24 | 2024-03-19 | 中移互联网有限公司 | 信息检索方法及装置 |
| CN113343708A (zh) * | 2021-06-11 | 2021-09-03 | 北京声智科技有限公司 | 一种基于语义实现语句泛化的方法和装置 |
| CN113486067A (zh) * | 2021-07-16 | 2021-10-08 | 用友网络科技股份有限公司 | 信息查询方法、系统和可读存储介质 |
| CN113609277A (zh) * | 2021-08-26 | 2021-11-05 | 中国银行股份有限公司 | 数据处理方法、装置、设备及可读存储介质 |
| CN113609277B (zh) * | 2021-08-26 | 2024-02-20 | 中国银行股份有限公司 | 数据处理方法、装置、设备及可读存储介质 |
| CN113836077A (zh) * | 2021-09-08 | 2021-12-24 | 北京灵汐科技有限公司 | 众核设备 |
| CN113887220A (zh) * | 2021-09-15 | 2022-01-04 | 北京三快在线科技有限公司 | 一种关键词扩展方法及装置 |
| CN114118100A (zh) * | 2021-11-24 | 2022-03-01 | 北京房江湖科技有限公司 | 用于生成对话语句的方法、装置、设备、介质和程序产品 |
| CN114118100B (zh) * | 2021-11-24 | 2024-12-31 | 贝壳找房(北京)科技有限公司 | 用于生成对话语句的方法、装置、设备、介质和程序产品 |
| CN114817685A (zh) * | 2022-03-11 | 2022-07-29 | 杭州知聊信息技术有限公司 | 一种快速锁定目标信息的方法及其平台 |
| CN115017257A (zh) * | 2022-04-21 | 2022-09-06 | 南京坤爵信息技术有限公司 | 一种基于KTree算法的智能超级检索的方法 |
| CN116028499A (zh) * | 2023-02-01 | 2023-04-28 | 四川智慧高速科技有限公司 | 检测信息生成方法、电子设备和计算机可读介质 |
| CN116028499B (zh) * | 2023-02-01 | 2023-06-16 | 四川智慧高速科技有限公司 | 检测信息生成方法、电子设备和计算机可读介质 |
| CN117076652A (zh) * | 2023-10-17 | 2023-11-17 | 天启黑马信息科技(北京)有限公司 | 一种用于中短句的语义文本检索方法、系统及存储介质 |
| CN117076652B (zh) * | 2023-10-17 | 2023-12-29 | 天启黑马信息科技(北京)有限公司 | 一种用于中短句的语义文本检索方法、系统及存储介质 |
| CN117453950A (zh) * | 2023-11-13 | 2024-01-26 | 天翼爱音乐文化科技有限公司 | 一种视频搜索无结果的处理方法、系统、设备及介质 |
| CN117453950B (zh) * | 2023-11-13 | 2024-08-13 | 天翼爱音乐文化科技有限公司 | 一种视频搜索无结果的处理方法、系统、设备及介质 |
| CN117743376A (zh) * | 2024-02-19 | 2024-03-22 | 蓝色火焰科技成都有限公司 | 一种数字金融服务的大数据挖掘方法、装置及存储介质 |
| CN117743376B (zh) * | 2024-02-19 | 2024-05-03 | 蓝色火焰科技成都有限公司 | 一种数字金融服务的大数据挖掘方法、装置及存储介质 |
| CN118520124A (zh) * | 2024-04-02 | 2024-08-20 | 椽檩科技(深圳)有限公司 | 基于文本向量的数据查询方法、装置、设备及存储介质 |
| CN118673101A (zh) * | 2024-08-23 | 2024-09-20 | 山东浪潮科学研究院有限公司 | 数据检索方法、装置、电子设备及存储介质 |
| CN118673101B (zh) * | 2024-08-23 | 2025-01-07 | 山东浪潮科学研究院有限公司 | 数据检索方法、装置、电子设备及存储介质 |
| CN119415643A (zh) * | 2025-01-09 | 2025-02-11 | 北京八月瓜科技有限公司 | 一种基于人工智能的组合检索优化方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112035598A (zh) | 一种智能语义检索方法、系统和电子设备 | |
| CN109408526B (zh) | Sql语句生成方法、装置、计算机设备及存储介质 | |
| CN116911312B (zh) | 一种任务型对话系统及其实现方法 | |
| CN106294639B (zh) | 基于语义的跨语言专利新创性预判分析方法 | |
| CN110147421B (zh) | 一种目标实体链接方法、装置、设备及存储介质 | |
| CN110347908B (zh) | 语音购物方法、装置、介质及电子设备 | |
| US20080052273A1 (en) | Apparatus and method for term context modeling for information retrieval | |
| CN109829104A (zh) | 基于语义相似度的伪相关反馈模型信息检索方法及系统 | |
| CN109657053B (zh) | 多文本摘要生成方法、装置、服务器及存储介质 | |
| CN112257419A (zh) | 一种基于词频和语义计算专利文献相似度的智能检索方法、装置、电子设备及其存储介质 | |
| CN115658851B (zh) | 基于主题的医学文献检索方法、系统、存储介质及终端 | |
| CN111414763A (zh) | 一种针对手语计算的语义消歧方法、装置、设备及存储装置 | |
| KR20180129001A (ko) | 다언어 특질 투영된 개체 공간 기반 개체 요약본 생성 방법 및 시스템 | |
| CN111611372A (zh) | 搜索结果的排序方法及装置、音乐搜索方法及装置 | |
| CN111753526A (zh) | 一种相似竞品数据分析方法及系统 | |
| CN117494815A (zh) | 面向档案的可信大语言模型训练、推理方法和装置 | |
| CN113505196A (zh) | 基于词性的文本检索方法、装置、电子设备及存储介质 | |
| CN115248839A (zh) | 一种基于知识体系的长文本检索方法以及装置 | |
| CN113139034A (zh) | 一种语句匹配方法、语句匹配装置及智能设备 | |
| CN114328860A (zh) | 一种基于多模型匹配的交互咨询方法、装置和电子设备 | |
| CN113434767A (zh) | Ugc文本内容的挖掘方法、系统、设备和存储介质 | |
| CN113761104A (zh) | 知识图谱中实体关系的检测方法、装置和电子设备 | |
| Abimbola et al. | A noun-centric keyphrase extraction model: Graph-based approach | |
| CN117112773A (zh) | 一种基于nlp的适航非结构化数据的搜索方法及装置 | |
| CN114742062B (zh) | 文本关键词提取处理方法及系统 |
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 |