CN112307356A - 信息搜索方法、装置、电子设备及存储介质 - Google Patents
信息搜索方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112307356A CN112307356A CN202011191687.3A CN202011191687A CN112307356A CN 112307356 A CN112307356 A CN 112307356A CN 202011191687 A CN202011191687 A CN 202011191687A CN 112307356 A CN112307356 A CN 112307356A
- Authority
- CN
- China
- Prior art keywords
- entities
- class
- candidate
- target
- class entities
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000015654 memory Effects 0.000 claims description 19
- 238000011156 evaluation Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 2
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9532—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9538—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Library & Information Science (AREA)
- Animal Behavior & Ethology (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种信息搜索方法、装置、电子设备及存储介质,涉及深度学习等领域。具体实现方案为:基于与目标第一类实体相关的搜索词从关系图谱中获取与所述目标第一类实体对应的K个相关第二类实体;其中,所述K为大于等于1的整数;基于所述K个相关第二类实体与所述目标第一类实体的关系数据,从所述K个相关第二类实体中选取M个候选第二类实体;其中,M为大于等于1且小于等于K的整数;从所述M个候选第二类实体中选取N个目标第二类实体作为搜索结果;其中,N为大于等于1且小于等于M的整数。
Description
技术领域
本公开涉及计算机技术领域。本公开尤其涉及深度学习领域。
背景技术
大型企业都会涉及跨部门跨团队的协作和沟通,使得各自在其相应的岗位上发挥出最大价值。传统的企业通过第一类实体确定相关的第二类实体的方式,比如第一类实体为事、第二类实体为人,即通过事确定相关的人的方式,主要集中在线下,比如通过沟通、询问等方式来实现的。但是,上述方式无法保证通过第一类实体查找第二类实体的查找效率以及准确性。
发明内容
本公开提供了一种信息搜索方法、装置、电子设备及存储介质。
根据本公开的第一方面,提供了一种信息搜索方法,包括:
基于与目标第一类实体相关的搜索词从关系图谱中获取与所述目标第一类实体对应的K个相关第二类实体;其中,所述K为大于等于1的整数;
基于所述K个相关第二类实体与所述目标第一类实体的关系数据,从所述K个相关第二类实体中选取M个候选第二类实体;其中,M为大于等于1且小于等于K的整数;
从所述M个候选第二类实体中选取N个目标第二类实体作为搜索结果;其中,N为大于等于1且小于等于M的整数。
根据本公开的第二方面,提供了一种信息搜索装置,包括:
提取模块,用于基于与目标第一类实体相关的搜索词从关系图谱中获取与所述目标第一类实体对应的K个相关第二类实体;其中,所述K为大于等于1的整数;
过滤模块,用于基于所述K个相关第二类实体与所述目标第一类实体的关系数据,从所述K候选第二类实体中选取M个候选第二类实体;其中,M为大于等于1且小于等于K的整数;
搜索结果确定模块,用于从所述M个候选第二类实体中选取N个目标第二类实体作为搜索结果;其中,N为大于等于1且小于等于M的整数。
根据本公开的第三方面,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前述方法。
根据本公开的第四方面,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前述方法。
采用本申请,可以根据关系图谱确定与目标第一类实体所对应的相关第二类实体,再从相关第二类实体中筛选候选第二类实体,最终从候选第二类实体中确定出目标第二类实体作为搜索结果。如此,仅需要通过预先已经构建的关系图谱并结合相关的搜索词就可以确定目标第二类实体,提升了查找效率以及准确性,进而可以提升企业的办公效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开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,不构成对本公开的限定。其中:
图1是根据本公开实施例的信息搜索方法流程示意图一;
图2是根据本公开实施例的关系图谱实体-关系模型示意图;
图3是根据本公开实施例的信息搜索方法流程示意图二;
图4是根据本公开实施例的信息搜索装置组成结构示意图一;
图5是根据本公开实施例的信息搜索装置组成结构示意图二;
图6是是用来实现本公开实施例的信息搜索方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
本公开实施例提供了一种信息搜索方法,如图1所示,包括:
S101:基于与目标第一类实体相关的搜索词从关系图谱中获取与所述目标第一类实体对应的K个相关第二类实体;其中,所述K为大于等于1的整数;
S102:基于所述K个相关第二类实体与所述目标第一类实体的关系数据,从所述K个相关第二类实体中选取M个候选第二类实体;其中,M为大于等于1且小于等于K的整数;
S103:从所述M个候选第二类实体中选取N个目标第二类实体作为搜索结果;其中,N为大于等于1且小于等于M的整数。
本实施例可以应用于电子设备中,该电子设备可以是具备搜索功能的终端设备,比如可以是个人电脑、手机、平板电脑等。
所述关系图谱是使用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及各类实体或数据对象之间的相互联系。关系图谱在企业或单位中可能被称作其他名称,比如可以是企业级智能办公关系图谱。所述关系图谱中包含第一类实体以及第二类实体,这里,第二类实体具体可以是人实体,第一类实体具体可以是事实体。第一类实体可以是项目、平台、部门等等;第二类实体,也就是人实体,可以包括人员姓名、岗位、职级等。另外,第一类实体以及第二类实体之间具备关系,也就是人实体和事实体之间的关系;第二类实体与第一类实体之间的关系可以是负责、协同、参与等,这里不做限定。
结合图2对关系图谱进行示例性说明,在图2中,第一类实体可以为项目A,第二类实体有2个分别为人员1和人员2;第一类实体与第二类实体之间的关系可以分别为负责和协同,比如,图2中项目A与人员1之间的关系为负责,项目A与人员2之间的关系为协同。另外,第二类实体还可以具备自身的属性信息,比如,图2中人员1具备的属性信息可以包括:姓名1、职级1、岗位1。当然,虽然图中未示出,但是第一类实体也可以具备自身的属性信息,比如可以是项目A的名称、部门名等等。
上述与目标第一类实体相关的搜索词,可以是基于电子设备的操作界面输入的搜索词,具体的输入方式本实施例不做限定。
所述与目标第一类实体相关的搜索词,可以是一个或多个与目标第一类实体相关的字段。具体来说,与目标第一类实体相关的搜索词可以是一个项目的项目名称,也可以是某个产品团队的团队名称,还可以是某项产品的平台型号,这里不做穷举。举例来说,假设目标第一类实体为“项目A”,也就是想要确定公司内部“项目A”项目的负责人时,可以通过关系图谱,以“项目A”的相关信息作为第一类实体的搜索词进行搜索,比如可以是“项目A”的实体名,和/或是项目A的发布时间信息等等。
在获取到与目标第一类实体相关的搜索词后,可以基于与目标第一类实体相关的搜索词以及所述关系图谱确定目标第一类实体;再基于所述目标第一类实体以及所述关系图谱,确定与所述目标第一类实体相关的K个相关第二类实体。
其中,所述目标第一类实体可以是关系图谱中多个第一类实体中任意之一;K个相关第二类实体可以是关系图谱中多个第二类实体中的K个。
所述K个相关第二类实体,还可以包括每一个相关第二类实体的属性信息。比如,第二类实体为人实体,人实体的属性可以包括人姓名信息、所在部门信息、职级等。
上述K的取值可以根据需要进行系统设定,可以是100,也可以是50,这里不做穷举。
另外,上述基于与目标第一类实体相关的搜索词从关系图谱中获取与所述目标第一类实体对应的K个相关第二类实体的处理,还可以存在一种处理方式,具体为:基于与目标第一类实体相关的搜索词从关系图谱中获取与所述目标第一类实体对应的相关第二类实体;对相关第二类实体进行合并去重,得到K个相关第二类实体。这里,所述合并去重具体可以指的是,将相同的相关第二类实体合并,这样最终可以得到互不相同的K个相关第二类实体。
所述K个相关第二类实体中每一个相关第二类实体与所述目标第一类实体的关系数据可以包含:置信度、关系类型、关系建立时间等等。相应的,所述基于所述K个相关第二类实体与所述目标第一类实体的关系数据,从所述K个相关第二类实体中选取M个候选第二类实体,可以是基于关系数据中的置信度来对K个相关第二类实体进行筛选,得到M个候选第二类实体。其中,M可以根据实际情况来设置,只要不大于K即可。比如,K可以为10个,M可以是5个。
需要指出的是,除了上述置信度之外,还可以基于关系数据中的关系类型、关系建立时间等等来选取M个候选第二类实体,比如,可以是关系类型为预设关系类型中之一,和/或关系建立时间在预设时间范围内等等,这里不做穷举。
从所述M个候选第二类实体中选取N个目标第二类实体作为搜索结果,可以是选择M个候选第二类实体中与目标第一类实体之间置信度最高的N个目标第二类实体作为搜索结果;或者,可以是随机选择N个目标第二类实体作为所述搜索结果。
需要理解的是,N和M可以相同可以不同,在N跟M相同的情况下,相当于是将M个候选第二类实体均作为目标第二类实体;N跟M不同的情况下,N需要小于M,也就是从M个候选第二类实体中过滤掉一部分,仅保留N个目标第二类实体。
具体N的数值可以根据实际情况设置,一种示例中,N可以为10,当然实际处理中可以更大或更小,这里不做限定。
需要指出的是,由于关系图谱中预设有每一个实体所对应的属性信息(或称为相关信息),因此,最终得到的所述搜索结果中可以包括有N个目标第二类实体以及所述N个目标第二类实体中每一个目标第二类实体的属性信息。以目标第二类实体为企业内的员工为例,最终搜索结果中可以包括有N个员工,以及N个员工中每一个员工的名字、联系方式、职责等属性信息。
如此,可以通过关系图谱确定与目标第一类实体所对应的相关第二类实体,再从相关第二类实体中筛选候选第二类实体,最终从候选第二类实体中确定出目标第二类实体作为搜索结果。可见,通过关系图谱来确定与目标第一类实体相关的目标第二类实体,可以避免线下问询等方式带来的效率较低以及结果存在偏差等问题,本实施例提供的方案仅需要通过预先已经构建的关系图谱并结合相关的搜索词就可以确定目标第二类实体,大大提升了查找效率以及准确性,进而可以提升企业的办公效率。
前述步骤S102中基于所述K个相关第二类实体与所述目标第一类实体的关系数据,从所述K个相关第二类实体中选取M个候选第二类实体,包括:基于所述K个相关第二类实体与所述目标第一类实体之间的置信度,从所述K个相关第二类实体中获取满足置信度条件的相关第二类实体,将所述满足置信度条件的相关第二类实体添加至候选集;基于所述候选集,确定所述M个候选第二类实体。
所述K个相关第二类实体与所述目标第一类实体之间的置信度可以是所述关系图谱中第一类实体与相关第二类实体之间的关系数据中包含的内容。可以在从所述关系图谱获取到K个相关第二类实体的时候,同时从所述关系图谱中K个相关第二类实体与目标第一类实体之间的关系数据。
在构建所述关系图谱时,会计算并在所述关系图谱中添加各实体之间关系数据的置信度。举例来说,在所述关系图谱中每新增一个第一类实体或第二类实体,就会产生新增的第一类实体或第二类实体与其他实体之间的关系数据;其中,实体之间的关系数据可以包括第一类实体与第一类实体之间、第二类实体与第二类实体之间、第一类实体与第二类实体之间的关系数据,本实施例主要关系第一类实体与第二类实体之间的关系数据。进一步地,在所述第一类实体与第二类实体之间的关系数据中包含有置信度。其中,所述置信度可以用于表征在统计学上两个实体之间关联度的高低。通过在所述第一类实体与第二类实体之间的关系数据中添加所述置信度,可以量化出不同实体之间的关系紧密程度。
另外,在所述关系图谱中,一个第一类实体与不同的第二类实体之间的置信度可以是不同的。比如,在一个项目(第一类实体A)中,项目名称与项目负责人(第二类实体1)的置信度为0.95,与项目参与人(第二类实体2)的平均置信度为0.91,与项目对接人(第二类实体3)的平均置信度为0.88,与项目协调人(第二类实体4)的平均置信度为0.82。
所述置信度条件可以是大于预设置信度,该预设置信度可以为0.90。置信度条件设置越高,则得到的候选第二类实体越少,有助于缩小搜索范围,但同时也可能错误地排除掉目标第二类实体;反之,置信度条件设置越低,则得到的候选第二类实体越多,得到的搜索范围较大。
如此,可以基于所述K个相关第二类实体与所述目标第一类实体之间的置信度,从所述K个相关第二类实体中获取满足置信度条件的相关第二类实体,这样可以从大量的相关第二类实体中筛选出候选第二类实体进入候选集,如此可以减少后续进行目标第二类实体筛选的范围提升处理效率,并且由于保留了置信度较高的候选第二类实体,因此也可以使得后续进行目标第二类实体的筛选更加准确。
在将所述满足置信度条件的相关第二类实体添加至候选集之后,所述基于所述候选集,确定所述M个候选第二类实体,可以存在以下两种处理方式:
方式一、将所述候选集中包含的相关第二类实体全部作为候选第二类实体,即M个候选第二类实体。
方式二、在进一步地的从候选集中包含的相关第二类实体筛选得到M个候选第二类实体,具体包括:
基于关系类型条件以及预设时间条件中至少之一对所述候选集中包含的相关第二类实体进行过滤,得到所述M个候选第二类实体。
M的取值可以根据需要进行系统设定,例如M=40,30等,此处不做穷举。
上述候选集中的相关第二类实体是基于置信度参数综合计算得到的结果,但实际应用中往往需侧重考虑某些特定维度方面的条件。比如关系类型维度、时间维度、平台维度等。
所述相关第二类实体与所述目标第一类实体的关系数据可以包含:置信度、关系类型、关系建立时间等等。
基于置信度已经确定了候选集,这里进一步可以基于关系数据中的关系类型和/或关系建立时间进一步对候选集中的相关第二类实体进行过滤,删除不满足关系类型条件以及预设时间条件中至少之一的一个或多个相关第二类实体,将所述候选集中剩余的相关第二类实体作为所述M个候选第二类实体。
所述关系类型条件可以是:保留符合预设关系类型的第二类实体,删除不符合预设关系类型的第二类实体。
所述预设时间条件可以包括:保留与目标第一类实体的关系建立时间在预设时间范围内的第二类实体;和/或将与目标第一类实体之间的关系类型相同的第二类实体中,关系建立时间最近的至少一个第二类实体保留。
举例来说,假设相关第二类实体为人员C,目标第一类实体为项目A;人员C在某个其他部门牵头的项目A中的关系类型为协同人,但人员C职级很高,综合计算后人员C与项目A的置信度为0.93,满足上述设定的置信度大于或等于0.90的置信度条件,人员C进入候选集。考虑到在企业内跨部门找人的场景中,较少的场景下会展示出协同者,比如联合项目仅在少数情况下会基于个案原因对协同者进行保留,需要可能会对候选集的协同者过滤,那么可以在上述关系类型条件中设置将关系类型为协同者的相关第二类实体(人员)删除。可选地,关系类型条件中还可以设定对关系类型为协同者和对接者的相关第二类实体进行删除,这里不做穷举。
又例如,考虑到一些项目中存在项目交接的情况,需从时间维度对候选集数据进行过滤。假设相关第二类实体包括人员D和人员E,目标第一类实体为项目A;在项目A中负责人从人员D变更为人员E,而人员D已不再负责该项目。但基于置信度综合计算后,人员D和人员E很可能置信度接近,从而都进入了候选集。此时,需通过预设时间条件中设置将与目标第一类实体之间的关系类型相同的第二类实体中,关系建立时间最近的1个第二类实体保留,其余第二类实体删除;从而保留最新时间相关第二类实体作为候选第二类实体。
可选地,同时选取关系类型条件及预设时间条件作为过滤条件进行过滤,又或者仅使用两个条件中之一,均在本实施例的保护范围内,不再进行穷举。
如此,可以基于所述候选集,进一步的根据关系类型和/或时间维度对候选集中的相关第二类实体进行过滤,最终得到M个候选第二类实体,进而过滤掉一些与目标第一类实体的关联程度较低的相关第二类实体,以进一步提升进行目标第二类实体搜索的准确性。
在执行前述步骤得到M个候选第二类实体后,执行步骤S103,从所述M个候选第二类实体中选取N个目标第二类实体作为搜索结果;其中,N为大于等于1且小于等于M的整数。如图3所示,具体包括:
S301:基于所述M个候选第二类实体与所述目标第一类实体之间的关系类型和/或置信度,对所述M个候选第二类实体进行排序,得到所述M个候选第二类实体的排序结果;
S302:基于所述M个候选第二类实体的排序结果,选取排序为前N的候选第二类实体作为所述N个目标第二类实体,将所述N个目标第二类实体作为所述搜索结果。
S301可以是基于所述M个候选第二类实体与所述目标第一类实体之间的关系数据中的关系类型以及置信度中至少之一进行排序,分别来说:
情况1、基于所述M个候选第二类实体与所述目标第一类实体之间的关系数据中的关系类型对M个候选第二类实体进行排序。假设M=30,也就是可以有30个候选第二类实体,假设第二类实体为人,其中可以包括1名项目负责人、12名项目参与人、17名项目对接人,则按关系类型进行排序,12名项目参与人和17名项目对接人内部可以随机排序。
情况2、基于置信度对M个候选第二类实体进行排序。同样假设M=30个候选第二类实体按照置信度高低依次排序。置信度相同的实体之间可以随机排序。
情况3、可以同时基于关系类型和置信度对M个候选第二类实体进行排序。并且,可以系统设定优先按照关系类型进行排序,关系类型相同的对象内部按照置信度进行排序;或者是,优先按照置信度排序,置信度相同的对象内部按照关系类型进行排序。
候选第二类实体排序完成后,可以从中选取排序前N的候选第二类实体作为目标第二类实体,将N个目标第二类实体作为最终的搜索结果。N的取值可以是10,可以是5,这里不做穷举。
如此,可以基于对所述候选第二类实体按照关系类型排序、置信度排序或者结合关系类型和置信度排序,更加准确的对候选第二类实体进行先后顺序的排列,可以进一步提升信息搜索的准确性和效率。
一种示例中,基于所述M个候选第二类实体与所述目标第一类实体之间的关系类型和/或置信度,对所述M个候选第二类实体进行排序,包括:
基于关系类型优先级顺序对所述M个候选第二类实体进行排序,得到基于关系类型排序后的M个候选第二类实体;在所述基于关系类型排序后的所述M个候选第二类实体中存在对应于同一个关系类型的多个候选第二类实体的情况下,基于所述置信度对所述对应于同一个关系类型的多个候选第二类实体进行排序。
所述关系类型优先级排序的先后顺序可以根据实际情况设置,比如可以是负责、参与、对接;当然,还可以是负责、参与、协同等等,这里不做穷举。
基于关系类型优先级进行候选第二类实体的排序;在排序之后,可能同一个关系类型中存在一个或多个候选第二类实体。
在同一个关系类型中存在一个候选第二类实体的情况下,可以不对该关系类型中的候选第二类实体做进一步处理;
在同一个关系类型中存在2个或更多候选第二类实体的情况下,进一步结合2个或更多候选第二类实体的置信度进行排序。
最终可以得到全部候选第二类实体的排序结果,从中选取前N个作为最终的目标第二类实体,即作为搜索结果。
N的取值可以是10,可以是5,这里不做穷举。
举例来说,M=10,N=3,关系类型优先级先后顺序为负责、参与和协同,基于关系类型优先级顺序排序后,关系类型为负责的有1个候选第二类实体,关系类型为参与的有7个候选第二类实体,关系类型为协同的有2个候选第二类实体;则针对关系类型为负责的有1个候选第二类实体为排序为第1的候选第二类实体,不再对其处理;关系类型为参与的7个候选第二类实体再结合置信度从大到小的顺序进行排序,得到7个候选第二类实体的先后顺序;再对关系类型为协同的2个候选第二类实体按照置信度从大到小的顺序排序,得到2个候选第二类实体的先后顺序。最后从这10个候选第二类实体中,选取前3个作为目标第二类实体,可以是选取关系类型为负责的候选第二类实体,以及关系类型为参与的有7个候选第二类实体中置信度排序为前2个的候选第二类实体。
需要指出的是,由于关系图谱中预设有每一个实体所对应的属性信息(或称为相关信息),因此,最终得到的所述搜索结果中可以包括有N个目标第二类实体中每一个目标第二类实体的属性信息。
本实施例中,第二类实体具体可以是人实体,第一类实体具体可以是事实体。第一类实体可以是项目、平台、部门等等;第二类实体,也就是人实体,可以是职员或员工,其本身或其属性信息中可以包括人员姓名、岗位、职级等。另外,第一类实体以及第二类实体之间具备关系,也就是人实体和事实体之间的关系;第二类实体与第一类实体之间的关系可以是负责、协同、参与等,这里不做穷举。
以目标第一类实体为企业中的项目A,第二类实体为企业内的员工为例对本实施例提供的方案进行示例性说明:
输入与项目A相关的搜索词;比如,可以为项目A的名称。基于所述搜索词以及关系图谱,查找得到K个相关员工,这里假设K为20;再根据K个相关员工与项目A之间的关系数据,从K个相关员工中选取M个候选员工(M可以根据实际情况不同而不同,假设为10);比如,10个相关员工与项目A之间的关系数据为:员工1、员工2为负责人,并且员工1为1个月之前的负责人,员工2为目前的负责人;员工3、员工4、员工5、员工6、员工7为项目A的参与人员;员工8、员工9以及员工10为项目A的协同人员。关系类型条件可以是保留负责人以及参与人员,则可以将员工8、员工9以及员工10删除,保留员工1-7。
对M个候选员工进行排序,从M个候选员工中选取前N个候选员工作为目标员工,将N个目标员工作为本次搜索结果。其中,N可以根据实际情况设置,比如为3,也就是最终得到3个目标员工作为搜索结果。所述搜索结果中可以包括有N个目标员工,以及每一个目标员工的名字、联系方式、职责等属性信息中至少之一。
如此,可以基于关系类型优先对所述候选第二类实体进行排序,在相同关系类型内部按照置信度大小进行排序,这样明确了以关系类型作为搜索查找的最重要依据,同时解决了在相同关系类型内部的排序标准问题,避免在同一关系类型内部随机排序的情况,这样能够提升信息搜索的准确性和可靠性。
在本发明的另一实施例中,所述方法还包括:
确定所述搜索结果包含的所述N个目标第二类实体的正确比例,将所述正确比例作为评估结果;基于所述评估结果对所述置信度条件、关系类型条件以及预设时间条件中至少之一进行优化。
在执行完上述步骤S101-S103之后,可通过计算搜索结果正确比例的方式评估并改善上述置信度条件、关系类型条件以及预设时间条件中至少之一。搜索结果正确比例不同可以对应不同的评估指标,所述评估指标可以包括准确率、可用率以及恶劣率。具体的对应方式可以是:准确率是说每个搜索下对应的搜索结果均正确的比例;可用率是说每个搜索下对应的搜索结果超过一半为正确的比例;恶劣率是说每个搜索下对应的搜索结果未超过一半为正确的比例。
评估指标确定方式可以是用户使用搜索后的反馈,也可以是其他人员核准数据后进行的补正。
所述准确率、可用率和恶劣率的具体数值即为前述评估结果;得到该评估结果后可以对置信度条件、关系类型条件以及预设时间条件中至少之一进行优化。例如,当获取的数据结果中准确率很高,但同时恶劣率不为0时,原因可能在于置信度设置过高,导致会有非正常统计结果的纳入。可通过降低置信度条件,排除非正常统计结果,使恶劣率归0的同时保证准确率继续维持在较高水准。
如此,可以基于准确率、可用率、恶劣率等搜索结果指标,评估当前条件下的搜索效果。进而可以根据评估效果改进前述搜索方法,以此解决本发明所述搜索方法不断迭代升级的问题。
根据本公开的另一方面,提供了一种信息搜索装置,如图4所示,包括:
提取模块401,用于基于与目标第一类实体相关的搜索词从关系图谱中获取与所述目标第一类实体对应的K个相关第二类实体;其中,所述K为大于等于1的整数;
过滤模块402,用于基于所述K个相关第二类实体与所述目标第一类实体的关系数据,从所述K个相关第二类实体中选取M个候选第二类实体;其中,M为大于等于1且小于等于K的整数;
搜索结果确定模块403,用于从所述M个候选第二类实体中选取N个目标第二类实体作为搜索结果;其中,N为大于等于1且小于等于M的整数。
所述过滤模块402,用于基于所述K个相关第二类实体与所述目标第一类实体之间的置信度,从所述K个相关第二类实体中获取满足置信度条件的相关第二类实体,将所述满足置信度条件的相关第二类实体添加至候选集;基于所述候选集,确定所述M个候选第二类实体。
所述过滤模块402,用于基于关系类型条件以及预设时间条件中至少之一对所述候选集中包含的相关第二类实体进行过滤,得到所述候选集中剩余的相关第二类实体作为所述M个候选第二类实体。
所述搜索结果确定模块403,用于基于所述M个候选第二类实体与所述目标第一类实体之间的关系类型和/或置信度,对所述M个候选第二类实体进行排序,得到所述M个候选第二类实体的排序结果;基于所述M个候选第二类实体的排序结果,选取排序为前N的候选第二类实体作为所述N个目标第二类实体,将所述N个目标第二类实体作为所述搜索结果。
所述搜索结果确定模块403,用于基于关系类型优先级顺序对所述M个候选第二类实体进行排序,得到基于关系类型排序后的M个候选第二类实体;在所述基于关系类型排序后的所述M个候选第二类实体中存在对应于同一个关系类型的多个候选第二类实体的情况下,基于所述置信度对所述对应于同一个关系类型的多个候选第二类实体进行排序。
根据本发明的另一个实施例,如图5所示,所述装置还包括:
优化模块404,用于确定所述搜索结果包含的N个目标第二类实体的正确比例,将所述正确比例作为评估结果;基于所述评估结果对所述置信度条件、关系类型条件以及预设时间条件中至少之一进行优化。
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6所示,是根据本申请实施例的信息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6所示,该电子设备包括:一个或多个处理器701、存储器702,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6中以一个处理器701为例。
存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的信息搜索方法。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信息搜索方法。
存储器702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信息搜索方法对应的程序指令/模块(例如,附图5所示的提取模块、过滤模块、搜索结果确定模块、优化模块)。处理器701通过运行存储在存储器702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信息搜索方法。
存储器702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信息搜索的电子设备的使用所创建的数据等。此外,存储器702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702可选包括相对于处理器701远程设置的存储器,这些远程存储器可以通过网络连接至信息搜索的电子设备。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。
信息搜索的电子设备还可以包括:输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息,以及产生与XXX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704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。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS)服务中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
根据本申请实施例的技术方案,通过关系图谱确定与目标第一类实体所对应的相关第二类实体,再从相关第二类实体中筛选候选第二类实体,最终从候选第二类实体中确定出目标第二类实体作为搜索结果。可见,通过关系图谱来确定与目标第一类实体相关的目标第二类实体,可以避免线下问询等方式带来的效率较低以及结果存在偏差等问题,本实施例提供的方案仅需要通过预先已经构建的关系图谱并结合相关的搜索词就可以确定目标第二类实体,大大提升了查找效率以及准确性,进而可以提升企业的办公效率。
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 (14)
1.一种信息搜索方法,包括:
基于与目标第一类实体相关的搜索词从关系图谱中获取与所述目标第一类实体对应的K个相关第二类实体;其中,所述K为大于等于1的整数;
基于所述K个相关第二类实体与所述目标第一类实体的关系数据,从所述K个相关第二类实体中选取M个候选第二类实体;其中,M为大于等于1且小于等于K的整数;
从所述M个候选第二类实体中选取N个目标第二类实体作为搜索结果;其中,N为大于等于1且小于等于M的整数。
2.根据权利要求1所述的方法,其中,所述基于所述K个相关第二类实体与所述目标第一类实体的关系数据,从所述K个相关第二类实体中选取M个候选第二类实体,包括:
基于所述K个相关第二类实体与所述目标第一类实体之间的置信度,从所述K个相关第二类实体中获取满足置信度条件的相关第二类实体,将所述满足置信度条件的相关第二类实体添加至候选集;基于所述候选集,确定所述M个候选第二类实体。
3.根据权利要求2所述的方法,其中,所述基于所述候选集,确定所述M个候选第二类实体,包括:
基于关系类型条件以及预设时间条件中至少之一对所述候选集中包含的相关第二类实体进行过滤,得到所述M个候选第二类实体。
4.根据权利要求1-3任一项所述的方法,其中,所述从所述M个候选第二类实体中选取N个目标第二类实体作为搜索结果,包括:
基于所述M个候选第二类实体与所述目标第一类实体之间的关系类型和/或置信度,对所述M个候选第二类实体进行排序,得到所述M个候选第二类实体的排序结果;
基于所述M个候选第二类实体的排序结果,选取排序为前N的候选第二类实体作为所述N个目标第二类实体,将所述N个目标第二类实体作为所述搜索结果。
5.根据权利要求4所述的方法,其中,所述基于所述M个候选第二类实体与所述目标第一类实体之间的关系类型和/或置信度,对所述M个候选第二类实体进行排序,包括:
基于关系类型优先级顺序对所述M个候选第二类实体进行排序,得到基于关系类型排序后的M个候选第二类实体;
在所述基于关系类型排序后的所述M个候选第二类实体中存在对应于同一个关系类型的多个候选第二类实体的情况下,基于所述置信度对所述对应于同一个关系类型的多个候选第二类实体进行排序。
6.根据权利要求3所述的方法,其中,所述方法还包括:
确定所述搜索结果包含的所述N个目标第二类实体的正确比例,将所述正确比例作为评估结果;基于所述评估结果对所述置信度条件、关系类型条件以及预设时间条件中至少之一进行优化。
7.一种信息搜索装置,包括:
提取模块,用于基于与目标第一类实体相关的搜索词从关系图谱中获取与所述目标第一类实体对应的K个相关第二类实体;其中,所述K为大于等于1的整数;
过滤模块,用于基于所述K个相关第二类实体与所述目标第一类实体的关系数据,从所述K个相关第二类实体中选取M个候选第二类实体;其中,M为大于等于1且小于等于K的整数;
搜索结果确定模块,用于从所述M个候选第二类实体中选取N个目标第二类实体作为搜索结果;其中,N为大于等于1且小于等于M的整数。
8.根据权利要求7所述的装置,其中,所述过滤模块,用于基于所述K个相关第二类实体与所述目标第一类实体之间的置信度,从所述K个相关第二类实体中获取满足置信度条件的相关第二类实体,将所述满足置信度条件的相关第二类实体添加至候选集;基于所述候选集,确定所述M个候选第二类实体。
9.根据权利要求8所述的装置,其中,所述过滤模块,用于基于关系类型条件以及预设时间条件中至少之一对所述候选集中包含的相关第二类实体进行过滤,得到所述M个候选第二类实体。
10.根据权利要求7-9任一项所述的装置,其中,所述搜索结果确定模块,用于基于所述M个候选第二类实体与所述目标第一类实体之间的关系类型和/或置信度,对所述M个候选第二类实体进行排序,得到所述M个候选第二类实体的排序结果;基于所述M个候选第二类实体的排序结果,选取排序为前N的候选第二类实体作为所述N个目标第二类实体,将所述N个目标第二类实体作为所述搜索结果。
11.根据权利要求10所述的装置,其中,所述搜索结果确定模块,用于基于关系类型优先级顺序对所述M个候选第二类实体进行排序,得到基于关系类型排序后的M个候选第二类实体;在所述基于关系类型排序后的所述M个候选第二类实体中存在对应于同一个关系类型的多个候选第二类实体的情况下,基于所述置信度对所述对应于同一个关系类型的多个候选第二类实体进行排序。
12.根据权利要求9所述的装置,其中,所述装置还包括:
优化模块,用于确定所述搜索结果包含的所述N个目标第二类实体的正确比例,将所述正确比例作为评估结果;基于所述评估结果对所述置信度条件、关系类型条件以及预设时间条件中至少之一进行优化。
13.一种电子设备,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权利要求1-6中任一项所述的方法。
14.一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权利要求1-6中任一项所述的方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011191687.3A CN112307356A (zh) | 2020-10-30 | 2020-10-30 | 信息搜索方法、装置、电子设备及存储介质 |
JP2021099672A JP2021180000A (ja) | 2020-10-30 | 2021-06-15 | 情報検索方法、装置、電子デバイス、記憶媒体、及びプログラム |
US17/450,005 US20220027366A1 (en) | 2020-10-30 | 2021-10-05 | Information searching method, electronic device and storage medium |
EP21201038.3A EP3920045A3 (en) | 2020-10-30 | 2021-10-05 | Information searching method, apparatus, storage medium, and program product |
KR1020210132732A KR20210128372A (ko) | 2020-10-30 | 2021-10-06 | 정보 검색 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011191687.3A CN112307356A (zh) | 2020-10-30 | 2020-10-30 | 信息搜索方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112307356A true CN112307356A (zh) | 2021-02-02 |
Family
ID=74333023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011191687.3A Pending CN112307356A (zh) | 2020-10-30 | 2020-10-30 | 信息搜索方法、装置、电子设备及存储介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220027366A1 (zh) |
EP (1) | EP3920045A3 (zh) |
JP (1) | JP2021180000A (zh) |
KR (1) | KR20210128372A (zh) |
CN (1) | CN112307356A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114218259B (zh) * | 2022-02-21 | 2022-05-24 | 深圳市云初信息科技有限公司 | 基于大数据SaaS的多维科创信息搜索方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017041372A1 (zh) * | 2015-09-07 | 2017-03-16 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和系统 |
CN107908738A (zh) * | 2017-11-15 | 2018-04-13 | 昆明能讯科技有限责任公司 | 基于电力专业词库的企业级知识图谱搜索引擎的实现方法 |
CN109918475A (zh) * | 2019-01-24 | 2019-06-21 | 西安交通大学 | 一种基于医疗知识图谱的可视查询方法及查询系统 |
CN110597870A (zh) * | 2019-08-05 | 2019-12-20 | 长春市万易科技有限公司 | 一种企业关系挖掘方法 |
CN111160841A (zh) * | 2019-11-29 | 2020-05-15 | 广东轩辕网络科技股份有限公司 | 一种基于知识图谱的组织架构构建方法及装置 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6029195A (en) * | 1994-11-29 | 2000-02-22 | Herz; Frederick S. M. | System for customized electronic identification of desirable objects |
JPH09237280A (ja) * | 1996-03-01 | 1997-09-09 | Nec Corp | Erモデル指向によるデータベース検索装置 |
US7111000B2 (en) * | 2003-01-06 | 2006-09-19 | Microsoft Corporation | Retrieval of structured documents |
JP2012128479A (ja) * | 2010-12-13 | 2012-07-05 | Fuji Xerox Co Ltd | 検索装置及びプログラム |
US8909637B2 (en) * | 2011-06-03 | 2014-12-09 | Facebook, Inc. | Context-based ranking of search results |
US9400835B2 (en) * | 2011-07-28 | 2016-07-26 | Nokia Technologies Oy | Weighting metric for visual search of entity-relationship databases |
JP5939588B2 (ja) * | 2014-05-26 | 2016-06-22 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 関連ノードを探索する方法、並びに、そのコンピュータ、及びコンピュータ・プログラム |
US20150379445A1 (en) * | 2014-06-30 | 2015-12-31 | Linkedln Corporation | Determining a relationship type between disparate entities |
JP6719748B2 (ja) * | 2016-06-21 | 2020-07-08 | 国立研究開発法人物質・材料研究機構 | 探索システム、探索方法および物性データベース管理装置 |
US11170770B2 (en) * | 2018-08-03 | 2021-11-09 | International Business Machines Corporation | Dynamic adjustment of response thresholds in a dialogue system |
US11308135B2 (en) * | 2019-01-03 | 2022-04-19 | Sponsorhouse, Inc. | Data prioritization through relationship analysis mapping |
-
2020
- 2020-10-30 CN CN202011191687.3A patent/CN112307356A/zh active Pending
-
2021
- 2021-06-15 JP JP2021099672A patent/JP2021180000A/ja active Pending
- 2021-10-05 US US17/450,005 patent/US20220027366A1/en not_active Abandoned
- 2021-10-05 EP EP21201038.3A patent/EP3920045A3/en not_active Withdrawn
- 2021-10-06 KR KR1020210132732A patent/KR20210128372A/ko unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017041372A1 (zh) * | 2015-09-07 | 2017-03-16 | 百度在线网络技术(北京)有限公司 | 基于人工智能的人机交互方法和系统 |
CN107908738A (zh) * | 2017-11-15 | 2018-04-13 | 昆明能讯科技有限责任公司 | 基于电力专业词库的企业级知识图谱搜索引擎的实现方法 |
CN109918475A (zh) * | 2019-01-24 | 2019-06-21 | 西安交通大学 | 一种基于医疗知识图谱的可视查询方法及查询系统 |
CN110597870A (zh) * | 2019-08-05 | 2019-12-20 | 长春市万易科技有限公司 | 一种企业关系挖掘方法 |
CN111160841A (zh) * | 2019-11-29 | 2020-05-15 | 广东轩辕网络科技股份有限公司 | 一种基于知识图谱的组织架构构建方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US20220027366A1 (en) | 2022-01-27 |
JP2021180000A (ja) | 2021-11-18 |
KR20210128372A (ko) | 2021-10-26 |
EP3920045A2 (en) | 2021-12-08 |
EP3920045A3 (en) | 2022-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9864974B2 (en) | Serendipitous issue reminder system | |
CN112100288B (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
CN111754121B (zh) | 任务分配的方法、装置、设备以及存储介质 | |
US9385985B2 (en) | Systems and methods for assisting users with contact, access, and distribution lists | |
US11057231B2 (en) | Prescriptive meeting resource recommendation engine using calendar invite content | |
CN110619002A (zh) | 数据处理方法、装置及存储介质 | |
US11816096B2 (en) | Systems and methods for managing designated content in collaboration systems | |
US11456990B2 (en) | Managing connection strengths using alliance data | |
EP3378017A1 (en) | Automatic extraction of tasks associated with communications | |
CN112818048A (zh) | 数据仓库的分层构建方法、装置、电子设备及存储介质 | |
CN112084426A (zh) | 会议推荐方法、装置、电子设备及存储介质 | |
CN112307356A (zh) | 信息搜索方法、装置、电子设备及存储介质 | |
CN112102099B (zh) | 保单数据处理方法、装置、电子设备及存储介质 | |
US20140372168A1 (en) | Systems and methods of initiating contact with a prospect | |
US11107044B2 (en) | Remove selected user identifiers to include in an event message based on a context of an event | |
CN110852701A (zh) | 产品需求管理方法、装置和系统 | |
US11392713B1 (en) | Systems and methods for the management of huddle board participants | |
CN111680508B (zh) | 文本的处理方法和装置 | |
US20200184424A1 (en) | Computer-generated team based metrics for candidate onboarding and retention | |
CN113626462B (zh) | 即时通讯对象的搜索方法、装置、电子设备和存储介质 | |
US11711226B2 (en) | Visualizing web conference participants in subgroups | |
US20220270024A1 (en) | Method and system to predict stakeholder project impact | |
CN112887803B (zh) | 一种会话处理方法、装置、存储介质及电子设备 | |
WO2021248309A1 (en) | Systems and methods for connecting to people with requested skillsets | |
US20230297596A1 (en) | Mutual Exclusion Data Class Analysis in Data Governance |
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 |