CN112559843A - 确定集合的方法、装置、电子设备、介质和程序产品 - Google Patents
确定集合的方法、装置、电子设备、介质和程序产品 Download PDFInfo
- Publication number
- CN112559843A CN112559843A CN202011488270.3A CN202011488270A CN112559843A CN 112559843 A CN112559843 A CN 112559843A CN 202011488270 A CN202011488270 A CN 202011488270A CN 112559843 A CN112559843 A CN 112559843A
- Authority
- CN
- China
- Prior art keywords
- search
- inputs
- related search
- word
- search inputs
- 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.)
- Granted
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- 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
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种确定相关搜索输入的集合的方法、装置、电子设备、计算机可读存储介质和计算机程序产品,可以用于智能搜索领域和推荐领域中。该方法包括:基于与搜索输入相关联的映射词典,使用与搜索输入相关联的相关搜索输入的初始集合,生成相关搜索输入的候选集合;针对初始集合和候选集合中的相关搜索输入,计算困惑度特征值;以及基于初始集合和候选集合中的对应的一对相关搜索输入中的每个相关搜索输入的困惑度特征值,将该一对相关搜索输入中的一个相关搜索输入确定为相关搜索输入的集合中的相关搜索输入。利用上述方法,能够针对用户的搜索输入提供更为规范、合理的相关搜索输入的集合,因而能够提高用户搜索的效率以及提升用户体验。
Description
技术领域
本公开涉及计算机技术,并且更具体地,涉及确定相关搜索输入的集合的方法、装置、电子设备、计算机可读存储介质和计算机程序产品,可以用于智能搜索领域和推荐领域中。
背景技术
用户在使用搜索引擎进行搜索时,首先通过输入搜索输入来发起搜索,以寻求有价值信息。而后,用户会在搜索引擎针对搜索输入所提供的搜索结果集合中选择用户认为最适合的搜索结果。通常,对于相同或者类似的搜索需求,不同用户对于搜索输入的表达形式可能是多样的。当用户输入的搜索输入未能精确地表达用户的搜索意图时,搜索引擎可能无法提供完全满足用户需求的搜索结果集合。
因此,为了使得向搜索引擎提供的搜索输入能够更为精准地体现用户的搜索需求,传统的搜索引擎会在用于提供搜索结果集合的搜索结果页面中提供一些包括针对搜索输入的扩展的搜索输入推荐的相关搜索输入的集合。用户可以在这些相关搜索输入的集合中选择能够更准确地体现用户的搜索需求的扩展的相关搜索输入。通过这种方式,可以提高用户的搜索效率,进而提升用户的搜索体验。
然而,扩展的搜索输入推荐通常来源于真实的历史搜索词,因此仍然不可避免地存在表述不规范甚至错误的问题。
发明内容
根据本公开的实施例,提供了一种确定相关搜索输入的集合的、装置、电子设备、计算机可读存储介质和计算机程序产品。
在本公开的第一方面中,提供了一种确定相关搜索输入的集合的方法,包括:基于与搜索输入相关联的映射词典,使用与搜索输入相关联的相关搜索输入的初始集合,生成相关搜索输入的候选集合;针对初始集合和候选集合中的相关搜索输入,计算困惑度特征值;以及基于初始集合和候选集合中的对应的一对相关搜索输入中的每个相关搜索输入的困惑度特征值,将该一对相关搜索输入中的一个相关搜索输入确定为相关搜索输入的集合中的相关搜索输入。
在本公开的第二方面中,提供了一种确定相关搜索输入的集合的装置,包括:候选集合生成模块,被配置为基于与搜索输入相关联的映射词典,使用与搜索输入相关联的相关搜索输入的初始集合,生成相关搜索输入的候选集合;困惑度特征值计算模块,被配置为针对初始集合和候选集合中的相关搜索输入,计算困惑度特征值;以及集合确定模块,被配置为基于初始集合和候选集合中的对应的一对相关搜索输入中的每个相关搜索输入的困惑度特征值,将该一对相关搜索输入中的一个相关搜索输入确定为相关搜索输入的集合中的相关搜索输入。
在本公开的第三方面中,提供了一种电子设备,包括至少一个处理器;以及与至少一个处理器通信连接的存储器;其中存储器存储有可被至少一个处理器执行的指令,该指令被至少一个处理器执行,以使至少一个处理器能够实现根据本公开的第一方面的方法。
在本公开的第四方面中,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,计算机指令用于使计算机实现根据本公开的第一方面的方法。
在本公开的第五方面中,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时,执行根据本公开的第一方面的方法。
利用根据本申请的技术,可以基于用户的搜索输入,将例如通过搜索引擎分析出的用户搜索意图信息、搜索文本信息和用户行为特征等信息相结合,从而能够在更精准捕获地用户的表述意图的基础上,将相关搜索输入的初始集合改写为更规范、更合理的相关搜索输入的集合,进而帮助用户更好地找到所需要的信息,因而能够提高用户搜索的效率以及提升用户体验。
应当理解,发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征,亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
通过结合附图对本公开示例性实施例进行更详细的描述,本公开的上述以及其它目的、特征和优势将变得更加明显,其中在本公开示例性实施例中,相同的参考标号通常代表相同部件。应当理解,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示出了可以在其中实现本公开的某些实施例中的确定相关搜索输入的集合的方法的确定相关搜索输入的集合的环境100的示意性框图;
图2示出了根据本公开实施例的确定相关搜索输入的集合的方法200的流程图;
图3示出了根据本公开实施例的确定相关搜索输入的集合的过程300的示意性框图;
图4示出了根据本公开的实施例的确定相关搜索输入的集合的装置400的示意性框图;以及
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。
在各个附图中,相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施例。虽然附图中显示了本公开的优选实施例,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
在本文中使用的术语“包括”及其变形表示开放性包括,即“包括但不限于”。除非特别申明,术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
如以上在背景技术中所描述的,尽管传统的搜索引擎可以在用于提供搜索结果集合的搜索结果页面中,向用户提供一些包括针对搜索输入的扩展的搜索输入推荐,但是扩展的搜索输入推荐通常来源于真实的历史搜索词,因此仍然不可避免地存在表述不规范甚至错误的问题。
在传统方案中,在提供扩展的搜索输入推荐时,主要通过针对某个领域中的某个具体问题类型进行判定或改写的方式,这种方式的适用范围比较局限,一般做法包括:(1)使用映射词典来对搜索输入进行改写;以及(2)通过基于传统方案的困惑度特征计算方法来计算能够体现扩展的搜索输入推荐的表述规范度的困惑度特征值,并且基于困惑度特征值来确定更规范的扩展的搜索输入推荐。在上述方式(1)中,映射词典可以指示包括至少一个字音或者字形相似的字的词之间的替换关系,例如<那个,哪个>,<在,再>,<佘,余>等。在上述方式(2)中,可以通过以下公式来计算困惑度特征值:
其中N为扩展的搜索输入推荐中的词数目,P(Wi)为与第i个词相关联的概率值。
然而,传统方案中所采取的上述方式存在以下不足:对于上述方式(1),通过对搜索输入进行改写所得到的扩展的搜索输入推荐受限于与搜索输入相关联的映射词典的规模,同时由于许多搜索查询离开其表述环境将会难以理解它的真正意图,因此可能导致无法进行改写;对于上述方式(2),传统方案中的用于计算困惑度特征值的计算方法容易受到扩展的搜索输入推荐长度、部分高概率词等影响,同时并未考虑在通过使用映射词典来改写的扩展的搜索输入推荐与原始的扩展的搜索输入推荐之间区分表述规范度的优劣。
为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个问题,本公开的实施例提出了一种确定相关搜索输入的集合的方案。这种方案包括一种两阶段的改写算法,从而可以充分结合搜索场景,对扩展的搜索输入推荐的表述规范度进行判定及改写优化。
图1示出了可以在其中实现本公开的某些实施例中的确定相关搜索输入的集合的方法的确定相关搜索输入的集合的环境100的示意性框图。根据本公开的实施例,确定相关搜索输入的集合的环境100可以是云环境。如图1中所示,确定相关搜索输入的集合的环境100包括计算设备110。确定相关搜索输入的集合的环境100中,搜索输入120作为计算设备110的输入被提供给计算设备110,相关搜索输入的集合130作为输出由计算设备110输出。根据本公开的一个或多个实施例,相关搜索输入可以包括在用户向搜索引擎输入搜索输入之后,由搜索引擎生成的扩展的搜索输入推荐。例如,当用户向搜索引擎输入“三证”之后,搜索引擎可以显示“企业三证”或者“企业三证是是什么”,以供用户选择作为扩展的搜索输入,从而可以更准确地描述用户的搜索意图。
应当理解,确定相关搜索输入的集合的环境100仅仅是示例性而不是限制性的,并且其是可扩展的,其中可以包括更多的计算设备110,并且可以向计算设备110提供更多的搜索输入120作为输入,计算设备110也可以输出更多的相关搜索输入的集合130作为输出,从而使得可以满足更多用户同时利用更多的计算设备110,甚至利用更多的搜索输入120来同时或者非同时地获取相关搜索输入的集合130的需求。此外,计算设备110也可以并不实际输出相关搜索输入的集合130,而是仅通过处理而获得相关搜索输入的集合130。
根据本公开的一些实施例,在确定相关搜索输入的集合的环境100中,被提供给计算设备110的数据并不仅仅包括搜索输入120,而是还可以包括与搜索输入相关联的映射词典,与搜索输入相关联的搜索结果集合甚至与搜索输入相关联的相关搜索输入的初始集合,这主要针对搜索功能在计算设备110以外被执行,并且与搜索输入相关联的映射词典并未被存储在计算设备110中的情况。
根据本公开的另一些实施例,在确定相关搜索输入的集合的环境100中,被提供给计算设备110的数据仅包括搜索输入120,而后计算设备110通过针对搜索输入120进行执行搜索功能,来进一步获取与搜索输入相关联的搜索结果集合以及与搜索输入相关联的相关搜索输入的初始集合,这主要针对搜索功能在计算设备110中被执行的情况。此时,与搜索输入相关联的映射词典也可以被存储在计算设备110中。因此,计算设备110可以仅通过接收作为输入的搜索输入120就可以执行一系列后续操作。
根据本公开的一个或多个实施例,当计算设备110获取到搜索输入120与搜索输入相关联的映射词典,与搜索输入相关联的搜索结果集合以及与搜索输入相关联的相关搜索输入的初始集合之后,计算设备110利用这些数据来生成相关搜索输入的候选集合,并且通过针对相关搜索输入的初始集合和相关搜索输入的候选集合计算困惑度特征值的方式来确定将作为输出的相关搜索输入的集合130中所包括的相关搜索输入,并且进而可以输出相关搜索输入的集合130。
在图1所示的确定相关搜索输入的集合的环境100中,向计算设备110输入搜索输入120以及从计算设备110输出相关搜索输入的集合130可以通过网络来进行。
图2示出了根据本公开的实施例的确定相关搜索输入的集合的方法200的流程图。具体而言,确定相关搜索输入的集合的方法200可以由图1中所示的确定相关搜索输入的集合的环境100中的计算设备110来执行。应当理解的是,确定相关搜索输入的集合的方法200还可以包括未示出的附加操作和/或可以省略所示出的操作,本公开的范围在此方面不受限制。
在框202,计算设备110基于与搜索输入120相关联的映射词典,使用与搜索输入相关联的相关搜索输入的初始集合,生成相关搜索输入的候选集合。根据本公开的一个或多个实施例,映射词典可以指示以下至少一项:词间字音映射,指示包括至少一个字音相似的字的词之间的映射关系;以及词间字形映射,指示包括至少一个字形相似的字的词之间的映射关系。例如,诸如<那个,哪个>、<在,再>和<权利,全力>之类的映射关系可以属于词间字音映射,其中在<那个,哪个>和<在,再>中只有一个字音相似的字,在<权利,全力>中存在两个字音相似的字。又例如,诸如<那个,哪个>、<佘,余>和<五周,五洲>之类的映射关系可以属于词间字形映射,其中在<那个,哪个>和<佘,余>中只有一个字形相似的字,在<权利,全力>中存在两个字形相似的字。需要注意的是,诸如<那个,哪个>的映射关系可以既属于词间字音映射,也属于词间字形映射。
根据本公开的一个或多个实施例,与搜索输入相关联的相关搜索输入的初始集合可以包括传统的由搜索引擎提供的扩展的搜索输入推荐,并且框202的步骤涉及通过将与搜索输入120相关联的映射词典应用于由搜索引擎提供的扩展的搜索输入推荐来生成相关搜索输入的候选集合。需要指出的是,与搜索输入120相关联的映射词典是指映射词典中包括与搜索输入120中所包括的词相关联的映射关系条目。根据本公开的一些实施例,当搜索输入120属于特定领域时,与搜索输入120相关联的映射词典可以包括应用于这一领域的映射词典,此时可以存在应用于不同领域的多种映射词典。根据本公开的另一些实施例,与搜索输入120相关联的映射词典也可以是应用于所有领域的通用映射词典,此时可以仅存在一种映射词典。
在框204,计算设备110针对初始集合和候选集合中的相关搜索输入,计算困惑度特征值。根据本公开的一个或多个实施例,可以采取如前所述的基于传统方案的困惑度特征计算方法来针对初始集合和候选集合中的相关搜索输入来计算困惑度特征值。同时,在本公开中,也提出了两种改进的困惑度特征计算方法,从而可以弥补基于传统方案的困惑度特征计算方法中的不足。
根据本公开的一些实施例,可以通过以下公式(1),来计算困惑度特征值:
其中K为初始集合和候选集合中的对应的一对相关搜索输入中所包括的词数目较小者的词数目,P(Wi)为与第i个词相关联的概率值。在公式(1)中,对于初始集合和候选集合中的对应的一对相关搜索输入,仅以这一对相关搜索输入中所包括的词数目较小者的词数目作为最大值来计算困惑度特征值,从而可以降低相关搜索输入的长度对计算出的困惑度特征值的影响,特别是可能的这一对相关搜索输入中的不同相关搜索输入的长度对计算出的困惑度特征值的影响。
根据本公开的一些实施例,可以通过以下公式(2),来计算困惑度特征值:
其中K为初始集合和候选集合中的对应的一对相关搜索输入中所包括的词数目较小者的词数目,P’(Wi)为与第i个词相关联的概率值,其中当P’(Wi)的值大于预设概率阈值时,将P’(Wi)的值设置为预设概率。在公式(2)中,不仅实现了公式(1)中的仅以这一对相关搜索输入中所包括的词数目较小者的词数目作为最大值来计算困惑度特征值所带来的优点,还附加地通过当P’(Wi)的值大于预设概率阈值时,将P’(Wi)的值设置为预设概率,对计算出的概率值进行了分段平滑处理,从而使得可以降低个别的高概率词所带来的不利影响。
根据本公开的一个或多个实施例,公式(2)中所涉及的预设概率阈值与预设概率的大小相等。这时,例如,当预设概率阈值被设置为T时,如果P’(Wi)的值大于T,则将P’(Wi)的值设置为T。
根据本公开的一个或多个实施例,预设概率阈值的大小可以根据经验来设置,也可以使用人工智能模型来进行学习,从而使得预设概率阈值的大小被设置为能够有效地避免个别的高概率词所带来的不利影响的大小。
在框206,计算设备110基于初始集合和候选集合中的对应的一对相关搜索输入中的每个相关搜索输入的困惑度特征值,将该一对相关搜索输入中的一个相关搜索输入确定为相关搜索输入的集合中的相关搜索输入。根据本公开的一个或多个实施例,由于计算设备110已经根据框204的步骤针对初始集合和候选集合中的相关搜索输入计算困惑度特征值,因此在框206的步骤中,计算设备110可以通过比较初始集合和候选集合中的对应的一对相关搜索输入中的每个相关搜索输入的困惑度特征值来确定是初始集合还是候选集合中的相关搜索输入更能够准确地体现用户的搜索需求。
根据本公开的一个或多个实施例,计算设备110可以将初始集合和候选集合中的对应的一对相关搜索输入中的困惑度特征值较小的相关搜索输入确定为相关搜索输入的集合中的相关搜索输入。当初始集合和候选集合中的对应的一对相关搜索输入中的两个相关搜索输入的特征值相等时,计算设备110可以选择将这两个相关搜索输入中的任一个或者二者均确定为相关搜索输入的集合中的相关搜索输入。
根据本公开的一个或多个实施例,由于映射词典中针对一个词可以存在多个映射关系,因此在候选集合中可能存在多个相关搜索输入均与初始集合中的一个相关搜索输入对应。此时,计算设备110可以将初始集合中的一个相关搜索输入与候选集合中可能存在多个相关搜索输入中的每个相关搜索输入均视为一对相关搜索输入,并依次进行困惑度特征值以及后续的确定相关搜索输入的集合中的相关搜索输入的操作。
图3示出了根据本公开的实施例的确定相关搜索输入的集合的方法300的流程图。具体而言,确定相关搜索输入的集合的方法300同样可以由图1中所示的确定相关搜索输入的集合的环境100中的计算设备110来执行。应当理解的是,确定相关搜索输入的集合的方法300还可以包括未示出的附加操作和/或可以省略所示出的操作,本公开的范围在此方面不受限制。确定相关搜索输入的集合的方法300是确定相关搜索输入的集合的方法200的具体实施方式。
在框302,计算设备110在与搜索输入120相关联的搜索结果集合中,确定包括搜索输入120中所包括的词的多个词组合以及与该多个词组合相关联的多个出现频率。根据本公开的一个或多个实施例,搜索输入120可以由多个词组成,并且搜索结果集合中可以包括多个搜索结果,每个搜索结果可以是包括搜索输入120中的至少一个词的词组合。
在框304,计算设备110基于该多个出现频率的大小从大至小的顺序,使用该多个词组合中的预设数目的词组合来生成初始集合。根据本公开的一个或多个实施例,预设数目的大小与生成的初始集合中的相关搜索输入的数目相关联,进而也与候选集合中的相关搜索输入的数目以及相关搜索输入的集合中的相关搜索输入的数目相关联。因此,可以基于系统默认或者用户希望显示的相关搜索输入的集合中的相关搜索输入的数目来得出预设数目应当被设置的数值。
在框306,计算设备110基于与搜索输入120相关联的映射词典,使用与搜索输入相关联的相关搜索输入的初始集合,生成相关搜索输入的候选集合。框306所涉及的步骤的具体内容与框202中所涉及的步骤的具体内容相同,在此不再赘述。
在框308,计算设备110针对初始集合和候选集合中的相关搜索输入,计算困惑度特征值。框308所涉及的步骤的具体内容与框204中所涉及的步骤的具体内容相同,在此不再赘述。
在框310,计算设备110基于以下至少一项来确定初始集合和候选集合中的一对相关搜索输入中的每个相关搜索输入的表述规范度:与搜索输入相关联的搜索输入方针对每个相关搜索输入的行为特征数据,每个相关搜索输入与搜索结果集合中的对应搜索结果的匹配度,以及每个相关搜索输入与搜索结果集合的相关性。根据本公开的一个或多个实施例,搜索输入方的行为特征数据可以包括例如针对相关搜索输入的诸如点击、浏览的操作,这些操作可以体现搜索输入方对于相关搜索输入的兴趣度。
根据本公开的一个或多个实施例,计算设备110还基于以下至少一项来确定表述规范度:词组合完整度、词组合逻辑度、词组合顺序度、词组合正确度和词冗余度。例如,词组合完整度可以指示词组合是否指向不完整的词组或者固定用语,词组合逻辑度可以指示词组合是否指向不正确的逻辑关系,词组合顺序度可以指示词组合是否包括前后顺序颠倒的词,词组合正确度可以指示词组合中是否存在例如字音和字形的错误,并且词冗余度可以指示词组合中是否存在多余或者重复的字。
在框312,计算设备110基于该一对相关搜索输入中的每个相关搜索输入的困惑度特征值和表述规范度,将该一对相关搜索输入中的一个相关搜索输入确定为相关搜索输入的集合中的相关搜索。根据本公开的一个或多个实施例,计算设备110也可以同时考虑困惑度特征值和表述规范度来确定相关搜索输入的集合中的相关搜索。
例如,如果该一对相关搜索输入中的每个相关搜索输入的困惑度特征值和表述规范度指示候选集合中的相关搜索输入的无论是困惑度特征值和表述规范度都优于初始集合中的相关搜索输入,则计算设备110可以将候选集合中的相关搜索输入确定为相关搜索输入的集合中的相关搜索。
又例如,如果该一对相关搜索输入中的每个相关搜索输入的困惑度特征值和表述规范度指示初始集合中的相关搜索输入的无论是困惑度特征值和表述规范度都优于候选集合中的相关搜索输入,则计算设备110可以将初始集合中的相关搜索输入确定为相关搜索输入的集合中的相关搜索。
又例如,如果该一对相关搜索输入中的每个相关搜索输入的困惑度特征值和表述规范度指示初始集合中的相关搜索输入的困惑度特征值和表述规范度一个优于候选集合中的相关搜索输入,一个劣于候选集合中的相关搜索输入,则计算设备110可以按照默认设置将该一对相关搜索输入中的初始集合或者候选集合中的相关搜索输入确定为相关搜索输入的集合中的相关搜索,或者将这两者均确定为相关搜索输入的集合中的相关搜索。前述默认设置可以包括按照两个相关搜索的困惑度特征值的比值和表述规范度的比值来考虑,例如,如果初始集合中的相关搜索输入的困惑度特征值和表述规范度与候选集合中的相关搜索输入的困惑度特征值和表述规范度的比值分别是A和B,则可以求A和B的乘积,如果大于1,则将初始集合中的相关搜索输入确定为相关搜索输入的集合中的相关搜索,反之则将候选集合中的相关搜索输入确定为相关搜索输入的集合中的相关搜索。
又例如,如果该一对相关搜索输入中的每个相关搜索输入均没有达到表述规范度,则计算设备110可以按照默认设置将该一对相关搜索输入中的初始集合或者候选集合中的相关搜索输入确定为相关搜索输入的集合中的相关搜索,或者不将这两者确定为相关搜索输入的集合中的相关搜索。
以上参考图1至图3描述了可以在其中实现本公开的实施例中的确定相关搜索输入的集合的方法的确定相关搜索输入的集合的环境100、根据本公开的实施例的确定相关搜索输入的集合的方法200以及根据本公开的实施例的确定相关搜索输入的集合的方法300的相关内容。应当理解,上述描述是为了更好地展示本公开中所记载的内容,而不是以任何方式进行限制。
应当理解,本公开的上述各个附图中所采用的各种元件的数目和物理量的大小仅为举例,而并不是对本公开的保护范围的限制。上述数目和大小可以根据需要而被任意设置,而不会对本公开的实施方式的正常实施产生影响。
上文已经参见图1至图3描述了根据本公开的实施方式的确定相关搜索输入的集合的方法200和确定相关搜索输入的集合的方法300的细节。在下文中,将参见图4描述确定相关搜索输入的集合的装置中的各个模块。
图4是根据本公开实施例的确定相关搜索输入的集合的装置400的示意性框图。如图4所示,确定相关搜索输入的集合的装置400可以包括:候选集合生成模块410,被配置为基于与搜索输入相关联的映射词典,使用与搜索输入相关联的相关搜索输入的初始集合,生成相关搜索输入的候选集合;困惑度特征值计算模块420,被配置为针对初始集合和候选集合中的相关搜索输入,计算困惑度特征值;以及集合确定模块430,被配置为基于初始集合和候选集合中的对应的一对相关搜索输入中的每个相关搜索输入的困惑度特征值,将该一对相关搜索输入中的一个相关搜索输入确定为相关搜索输入的集合中的相关搜索输入。
在一个或多个实施例中,其中映射词典指示以下至少一项:词间字音映射,指示包括至少一个字音相似的字的词之间的映射关系;以及词间字形映射,指示包括至少一个字形相似的字的词之间的映射关系。
在一个或多个实施例中,其中确定相关搜索输入的集合的装置400还包括:词组合以及出现频率确定模块(未示出),被配置为在与搜索输入相关联的搜索结果集合中,确定包括搜索输入中所包括的词的多个词组合以及与该多个词组合相关联的多个出现频率;以及初始集合确定模块(未示出),被配置为基于该多个出现频率的大小从大至小的顺序,使用该多个词组合中的预设数目的词组合来生成初始集合。
在一个或多个实施例中,其中困惑度特征值计算模块420包括:第一困惑度特征值计算模块(未示出),被配置为通过以下公式,来计算困惑度特征值:
其中K为初始集合和候选集合中的对应的一对相关搜索输入中所包括的词数目较小者的词数目,P(Wi)为与第i个词相关联的概率值。
在一个或多个实施例中,其中困惑度特征值计算模块420包括:第二困惑度特征值计算模块,被配置为通过以下公式,来计算困惑度特征值:
其中K为初始集合和候选集合中的对应的一对相关搜索输入中所包括的词数目较小者的词数目,P’(Wi)为与第i个词相关联的概率值,其中当P’(Wi)的值大于预设概率阈值时,将P’(Wi)的值设置为预设概率。
在一个或多个实施例中,其中预设概率阈值与预设概率的大小相等。
在一个或多个实施例中,其中集合确定模块430包括:表述规范度确定模块(未示出),被配置为基于以下至少一项来分别确定该一对相关搜索输入中的每个相关搜索输入的表述规范度:与搜索输入相关联的搜索输入方针对每个相关搜索输入的行为特征数据,每个相关搜索输入与搜索结果集合中的对应搜索结果的匹配度,以及每个相关搜索输入与搜索结果集合的相关性;以及第一集合确定模块(未示出),被配置为基于每个相关搜索输入的困惑度特征值和表述规范度,将该一对相关搜索输入中的一个相关搜索输入确定为相关搜索输入的集合中的相关搜索。
在一个或多个实施例中,其中表述规范度确定模块被配置为还基于以下至少一项来确定表述规范度:词组合完整度、词组合逻辑度、词组合顺序度、词组合正确度和词冗余度。
通过以上参考图1至图4的描述,根据本公开的实施方式的技术方案相对于传统方案具有诸多优点。例如,利用上述技术方案,可以基于用户的搜索输入,将例如通过搜索引擎分析出的用户搜索意图信息、搜索文本信息和用户行为特征等信息相结合,从而能够在更精准捕获地用户的表述意图的基础上,将相关搜索输入的初始集合改写为更规范、更合理的相关搜索输入的集合,进而帮助用户更好地找到所需要的信息,因而能够提高用户搜索的效率以及提升用户体验。
根据本公开的实施例,本公开还提供了一种电子设备、一种计算机可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。例如,如图1所示的计算设备110和如图4所示的确定相关搜索输入的集合的装置400可以由电子设备500来实施。电子设备500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/或者要求的本公开的实现。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如方法200和300。例如,在一些实施例中,方法200和300可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的方法200和300的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法200和300。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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。
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,本发公开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,只要能够实现本公开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,并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (19)
1.一种确定相关搜索输入的集合的方法,包括:
基于与搜索输入相关联的映射词典,使用与所述搜索输入相关联的相关搜索输入的初始集合,生成相关搜索输入的候选集合;
针对所述初始集合和所述候选集合中的相关搜索输入,计算困惑度特征值;以及
基于所述初始集合和所述候选集合中的对应的一对相关搜索输入中的每个相关搜索输入的所述困惑度特征值,将所述一对相关搜索输入中的一个相关搜索输入确定为相关搜索输入的所述集合中的相关搜索输入。
2.根据权利要求1所述的方法,还包括:
在与所述搜索输入相关联的搜索结果集合中,确定包括所述搜索输入中所包括的词的多个词组合以及与所述多个词组合相关联的多个出现频率;以及
基于所述多个出现频率的大小从大至小的顺序,使用所述多个词组合中的预设数目的词组合来生成所述初始集合。
5.根据权利要求4所述的方法,其中所述预设概率阈值与所述预设概率的大小相等。
6.根据权利要求1所述的方法,其中确定所述相关搜索输入包括:
基于以下至少一项来分别确定所述一对相关搜索输入中的每个相关搜索输入的表述规范度:
与所述搜索输入相关联的搜索输入方针对所述每个相关搜索输入的行为特征数据,
所述每个相关搜索输入与所述搜索结果集合中的对应搜索结果的匹配度,以及
所述每个相关搜索输入与所述搜索结果集合的相关性;以及
基于所述每个相关搜索输入的所述困惑度特征值和所述表述规范度,将所述一对相关搜索输入中的一个相关搜索输入确定为相关搜索输入的所述集合中的相关搜索。
7.根据权利要求6所述的方法,其中确定所述表述规范度还基于以下至少一项:词组合完整度、词组合逻辑度、词组合顺序度、词组合正确度和词冗余度。
8.根据权利要求1所述的方法,其中所述映射词典指示以下至少一项:
词间字音映射,指示包括至少一个字音相似的字的词之间的映射关系;以及
词间字形映射,指示包括至少一个字形相似的字的词之间的映射关系。
9.一种确定相关搜索输入的集合的装置,包括:
候选集合生成模块,被配置为基于与搜索输入相关联的映射词典,使用与所述搜索输入相关联的相关搜索输入的初始集合,生成相关搜索输入的候选集合;
困惑度特征值计算模块,被配置为针对所述初始集合和所述候选集合中的相关搜索输入,计算困惑度特征值;以及
集合确定模块,被配置为基于所述初始集合和所述候选集合中的对应的一对相关搜索输入中的每个相关搜索输入的所述困惑度特征值,将所述一对相关搜索输入中的一个相关搜索输入确定为相关搜索输入的所述集合中的相关搜索输入。
10.根据权利要求9所述的装置,还包括:
词组合以及出现频率确定模块,被配置为在与所述搜索输入相关联的搜索结果集合中,确定包括所述搜索输入中所包括的词的多个词组合以及与所述多个词组合相关联的多个出现频率;以及
初始集合确定模块,被配置为基于所述多个出现频率的大小从大至小的顺序,使用所述多个词组合中的预设数目的词组合来生成所述初始集合。
13.根据权利要求12所述的装置,其中所述预设概率阈值与所述预设概率的大小相等。
14.根据权利要求9所述的装置,其中所述集合确定模块包括:
表述规范度确定模块,被配置为基于以下至少一项来分别确定所述一对相关搜索输入中的每个相关搜索输入的表述规范度:
与所述搜索输入相关联的搜索输入方针对所述每个相关搜索输入的行为特征数据,
所述每个相关搜索输入与所述搜索结果集合中的对应搜索结果的匹配度,以及
所述每个相关搜索输入与所述搜索结果集合的相关性;以及
第一集合确定模块,被配置为基于所述每个相关搜索输入的所述困惑度特征值和所述表述规范度,将所述一对相关搜索输入中的一个相关搜索输入确定为相关搜索输入的所述集合中的相关搜索。
15.根据权利要求14所述的装置,其中所述表述规范度确定模块被配置为还基于以下至少一项来确定表述规范度:词组合完整度、词组合逻辑度、词组合顺序度、词组合正确度和词冗余度。
16.根据权利要求9所述的装置,其中所述映射词典指示以下至少一项:
词间字音映射,指示包括至少一个字音相似的字的词之间的映射关系;以及
词间字形映射,指示包括至少一个字形相似的字的词之间的映射关系。
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。
19.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时,执行权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011488270.3A CN112559843B (zh) | 2020-12-16 | 2020-12-16 | 确定集合的方法、装置、电子设备、介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011488270.3A CN112559843B (zh) | 2020-12-16 | 2020-12-16 | 确定集合的方法、装置、电子设备、介质和程序产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112559843A true CN112559843A (zh) | 2021-03-26 |
CN112559843B CN112559843B (zh) | 2023-10-03 |
Family
ID=75064052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011488270.3A Active CN112559843B (zh) | 2020-12-16 | 2020-12-16 | 确定集合的方法、装置、电子设备、介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112559843B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108921624A (zh) * | 2018-07-27 | 2018-11-30 | 百度在线网络技术(北京)有限公司 | 广告融合方法、装置、存储介质和终端设备 |
CN109492082A (zh) * | 2018-11-02 | 2019-03-19 | 北京字节跳动网络技术有限公司 | 下拉词推荐方法、装置、电子设备及存储介质 |
CN109828981A (zh) * | 2017-11-22 | 2019-05-31 | 阿里巴巴集团控股有限公司 | 一种数据处理方法及计算设备 |
US20200169268A1 (en) * | 2018-11-26 | 2020-05-28 | Fungible, Inc. | Static dictionary-based compression hardware pipeline for data compression accelerator of a data processing unit |
CN111241398A (zh) * | 2020-01-10 | 2020-06-05 | 百度在线网络技术(北京)有限公司 | 数据预取方法、装置、电子设备及计算机可读存储介质 |
CN111538903A (zh) * | 2020-04-17 | 2020-08-14 | 北京字节跳动网络技术有限公司 | 搜索推荐词确定方法、装置、电子设备及计算机可读介质 |
US20200364299A1 (en) * | 2019-05-15 | 2020-11-19 | Salesforce.Com, Inc. | Systems and methods for unsupervised autoregressive text compression |
-
2020
- 2020-12-16 CN CN202011488270.3A patent/CN112559843B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109828981A (zh) * | 2017-11-22 | 2019-05-31 | 阿里巴巴集团控股有限公司 | 一种数据处理方法及计算设备 |
CN108921624A (zh) * | 2018-07-27 | 2018-11-30 | 百度在线网络技术(北京)有限公司 | 广告融合方法、装置、存储介质和终端设备 |
CN109492082A (zh) * | 2018-11-02 | 2019-03-19 | 北京字节跳动网络技术有限公司 | 下拉词推荐方法、装置、电子设备及存储介质 |
US20200169268A1 (en) * | 2018-11-26 | 2020-05-28 | Fungible, Inc. | Static dictionary-based compression hardware pipeline for data compression accelerator of a data processing unit |
US20200364299A1 (en) * | 2019-05-15 | 2020-11-19 | Salesforce.Com, Inc. | Systems and methods for unsupervised autoregressive text compression |
CN111241398A (zh) * | 2020-01-10 | 2020-06-05 | 百度在线网络技术(北京)有限公司 | 数据预取方法、装置、电子设备及计算机可读存储介质 |
CN111538903A (zh) * | 2020-04-17 | 2020-08-14 | 北京字节跳动网络技术有限公司 | 搜索推荐词确定方法、装置、电子设备及计算机可读介质 |
Non-Patent Citations (2)
Title |
---|
严锐;李石君;: "基于查询意图识别与主题建模的文档检索算法", 计算机工程, no. 03 * |
陈忆群;温子梅;曹瑾音;: "高适应性企业信息查询扩展系统设计与实现", 计算机工程与应用, no. 02 * |
Also Published As
Publication number | Publication date |
---|---|
CN112559843B (zh) | 2023-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022142613A1 (zh) | 训练语料扩充方法及装置、意图识别模型训练方法及装置 | |
CN113887701A (zh) | 生成用于神经网络输出层的输出 | |
CN111709234A (zh) | 文本处理模型的训练方法、装置及电子设备 | |
JP2022050379A (ja) | 意味検索方法、装置、電子機器、記憶媒体およびコンピュータプログラム | |
US20220398834A1 (en) | Method and apparatus for transfer learning | |
CN112749300A (zh) | 用于视频分类的方法、装置、设备、存储介质和程序产品 | |
EP4191544A1 (en) | Method and apparatus for recognizing token, electronic device and storage medium | |
CN112818686A (zh) | 领域短语挖掘方法、装置和电子设备 | |
CN115878805A (zh) | 情感分析方法、装置、电子设备及存储介质 | |
CN113919424A (zh) | 文本处理模型的训练、文本处理方法、装置、设备和介质 | |
CN113869042A (zh) | 文本标题生成方法、装置、电子设备以及存储介质 | |
CN117539975A (zh) | 大语言模型的提示词信息的生成方法、装置、设备及介质 | |
CN112559843B (zh) | 确定集合的方法、装置、电子设备、介质和程序产品 | |
CN113204613B (zh) | 地址生成方法、装置、设备和存储介质 | |
CN114239559B (zh) | 文本纠错和文本纠错模型的生成方法、装置、设备和介质 | |
CN114328855A (zh) | 文档查询方法、装置、电子设备和可读存储介质 | |
CN114818736A (zh) | 文本处理方法、用于短文本的链指方法、装置及存储介质 | |
CN114490969A (zh) | 基于表格的问答方法、装置以及电子设备 | |
CN114218431A (zh) | 视频搜索方法、装置、电子设备以及存储介质 | |
CN114662469A (zh) | 情感分析方法、装置、电子设备及存储介质 | |
CN113743409A (zh) | 一种文本识别方法和装置 | |
US20220351085A1 (en) | Method and apparatus for presenting candidate character string, and method and apparatus for training discriminative model | |
CN114821566B (zh) | 文本识别方法、装置、电子设备和存储介质 | |
CN116257611B (zh) | 问答模型的训练方法、问答处理方法、装置及存储介质 | |
CN113377922B (zh) | 用于匹配信息的方法、装置、电子设备以及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |