CN112818167B - 实体检索方法、装置、电子设备及计算机可读存储介质 - Google Patents

实体检索方法、装置、电子设备及计算机可读存储介质 Download PDF

Info

Publication number
CN112818167B
CN112818167B CN202110121184.7A CN202110121184A CN112818167B CN 112818167 B CN112818167 B CN 112818167B CN 202110121184 A CN202110121184 A CN 202110121184A CN 112818167 B CN112818167 B CN 112818167B
Authority
CN
China
Prior art keywords
entity
segmentation
word
semantic
segmentation results
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.)
Active
Application number
CN202110121184.7A
Other languages
English (en)
Other versions
CN112818167A (zh
Inventor
朱嘉琪
卢佳俊
柴春光
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202110121184.7A priority Critical patent/CN112818167B/zh
Publication of CN112818167A publication Critical patent/CN112818167A/zh
Application granted granted Critical
Publication of CN112818167B publication Critical patent/CN112818167B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/732—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
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/735—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/738—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295—Named entity recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

本公开公开了实体检索方法、装置、电子设备及计算机可读存储介质，涉及知识图谱、自然语言处理及深度学习等人工智能领域，其中的方法可包括：分别对作为检索对象的各实体的实体描述文本进行切分处理，并分别确定出各切分结果对应的实体描述文本；当获取到用户的查询请求时，从各切分结果中确定出与查询请求的语义最为相近的K个切分结果，K为大于一的正整数；将K个切分结果分别对应的实体描述文本对应的实体作为检索结果返回给用户。应用本公开所述方案，可节省人力和时间成本，并可克服使用标签所带来的召回覆盖不足等问题。

Description

实体检索方法、装置、电子设备及计算机可读存储介质
技术领域
本公开涉及人工智能技术领域，特别涉及知识图谱、自然语言处理及深度学习等领域的实体检索方法、装置、电子设备及计算机可读存储介质。
背景技术
目前，在进行影视剧检索时，通常采用以下方式：根据用户的查询请求(query)，通过与影视剧实体的标签(tag)等进行匹配，检索/查询出相应的影视剧实体。
图1为按照现有方式得到的检索结果的示意图。如图1所示，假设用户的查询请求为“关于狗狗的电视剧”，那么可得到如图1所示的检索结果(召回结果)。
但是，上述方式需要依赖于事先构建的高准确数据集合，需要大量的人工标注，如标注实体tag等，从而需要耗费较大的人力和时间成本，而且，会存在召回覆盖不足的问题，只能覆盖较为常见的tag表述和热门实体等。
发明内容
本公开提供了实体检索方法、装置、电子设备及计算机可读存储介质。
一种实体检索方法，包括：
分别对作为检索对象的各实体的实体描述文本进行切分处理，并分别确定出各切分结果对应的实体描述文本；
当获取到用户的查询请求时，从各切分结果中确定出与所述查询请求的语义最为相近的K个切分结果，K为大于一的正整数；
将所述K个切分结果分别对应的实体描述文本对应的实体作为检索结果返回给所述用户。
一种实体检索装置，包括：预处理模块以及检索模块；
所述预处理模块，用于分别对作为检索对象的各实体的实体描述文本进行切分处理，并分别确定出各切分结果对应的实体描述文本；
所述检索模块，用于当获取到用户的查询请求时，从各切分结果中确定出与所述查询请求的语义最为相近的K个切分结果，K为大于一的正整数，将所述K个切分结果分别对应的实体描述文本对应的实体作为检索结果返回给所述用户。
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如以上所述的方法。
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计算机执行如以上所述的方法。
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实现如以上所述的方法。
上述公开中的一个实施例具有如下优点或有益效果：可借助于实体描述文本的切分结果等确定出用户的查询请求对应的实体，无需进行人工标注，从而节省了人力和时间成本，并克服了使用标签所带来的召回覆盖不足等问题。
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为按照现有方式得到的检索结果的示意图；
图2为本公开所述实体检索方法实施例的流程图；
图3为本公开所述实体描述词领域主题校验的实现过程示意图；
图4为本公开所述实体描述词领域主题校验的具体示例示意图；
图5为本公开所述实体检索方法的整体实现过程示意图；
图6为本公开所述实体检索装置实施例60的组成结构示意图；
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。
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。
另外，应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
图2为本公开所述实体检索方法实施例的流程图。如图2所示，包括以下具体实现方式。
在步骤201中，分别对作为检索对象的各实体的实体描述文本进行切分处理，并分别确定出各切分结果对应的实体描述文本。
在步骤202中，当获取到用户的查询请求时，从各切分结果中确定出与查询请求的语义最为相近的K个切分结果，K为大于一的正整数。
在步骤203中，将K个切分结果中的各切分结果对应的实体描述文本对应的实体作为检索结果返回给用户。
上述方法实施例所述方案中，可借助于实体描述文本的切分结果等确定出用户的查询请求对应的实体，相比于现有方式，无需进行人工标注，从而节省了人力和时间成本，并克服了使用标签所带来的召回覆盖不足等问题。
在实际应用中，所述实体可为影视剧实体等。
通常来说，每个作为检索对象的实体均会存在对应的实体描述文本，所述实体描述文本中具体包括哪些内容可根据实际需要而定，比如，可包括实体简介、实体分级剧情介绍以及实体评论等。
可分别对各实体的实体描述文本进行切分处理，从而得到切分结果。优选地，切分结果可包括：词和句子。相应地，在分别对各实体的实体描述文本进行切分处理时，可分别对各实体描述文本进行分词处理，并可分别对各实体描述文本进行分句处理。也就是说，针对每个实体描述文本，可分别从词和句子两个粒度对其进行切分处理，从而可从多粒度对实体进行检索，进而提升了检索结果的准确性等。如何进行分词处理和分句处理均为现有技术。
进一步地，可分别确定出各切分结果对应的实体描述文本，即分别确定出得到的各词对应的实体描述文本，并分别确定出得到的各句子对应的实体描述文本。
比如，针对切分得到的词和句子，可首先进行去重处理，之后针对各词和句子，可分别建立倒排索引，即建立各词和句子与对应的实体描述文本之间的对应关系等。
以一个词为例，其对应的实体描述文本可能为一个，也可能为多个，即多个实体描述文本中均可能出现了该词。
另外，还可分别获取各词和句子的语义向量。比如，可采用预先训练得到的语义向量模型，分别确定出各词和句子的语义向量。语义向量模型可通过预训练算法、以语义相关性为训练目标训练得到。
进一步地，针对各词，还可分别获取该词与其对应的各实体描述文本之间的语义相关性评分，即文本-词(Doc-word)语义相关性评分，针对各句子，还可分别获取该句子与其对应的各实体描述文本之间的语义相关性评分，即文本-句子(Doc-sentence)语义相关性评分。比如，词x对应3个实体描述文本，那么可分别获取词x与这3个实体描述文本之间的语义相关性评分。
如何获取上述语义相关性评分不作限制。比如，对于词x及词x对应的实体描述文本1来说，可根据词x的语义向量以及实体描述文本1的语义向量，通过现有的自然语言处理算法计算出词x与实体描述文本1之间的语义相关性评分。如何获取实体描述文本1的语义向量同样不作限制。
上述过程可离线完成，即为离线准备工作，通过对一部分工作进行预处理，可提升后续的检索效率等。
当获取到用户的查询请求时，可首先从各切分结果中确定出与查询请求的语义最为相近的K个切分结果，K为大于一的正整数。
优选地，可通过K近邻语义算法，从各切分结果中确定出与查询请求的语义最为相近的K个切分结果。K近邻语义算法的具体实现为现有技术。通过该算法，可以准确高效地确定出与查询请求的语义最为相近的K个切分结果。
K个切分结果可能均为词，也可能均为句子，还可能既包括词也包括句子，通常为最后一种情况。
可将K个切分结果分别对应的实体描述文本对应的实体作为检索结果返回给用户。另外，还可将K个切分结果分别对应的实体描述文本对应的实体作为候选实体，分别获取各候选实体与查询请求之间的相关性评分，并可按照相关性评分从大到小的顺序对各候选实体进行排序，将排序后处于前M位的候选实体作为检索结果返回给用户，M为正整数，且小于或等于候选实体的数量。
其中，分别获取各候选实体与查询请求之间的相关性评分的方式可包括：针对任一候选实体，分别从K个切分结果中筛选出与该候选实体的实体描述文本对应的切分结果，针对筛选出的任一切分结果，分别根据该切分结果与查询请求之间的语义相关性以及该切分结果与该候选实体的实体描述文本之间的语义相关性，确定出该切分结果对应的相关性结果，进而可根据筛选出的各切分结果对应的相关性结果确定出该候选实体与查询请求之间的相关性评分。
具体地，针对筛选出的任一切分结果，可分别执行以下处理：获取该切分结果与查询请求之间的语义相关性评分，获取该切分结果与该候选实体的实体描述文本之间的语义相关性评分，将两个语义相关性评分相乘，得到该切分结果对应的相关性结果。进而可将筛选出的各切分结果对应的相关性结果相加，得到该候选实体与查询请求之间的相关性评分。
即有：
其中，Score表示任一候选实体与查询请求之间的相关性评分，k1+k2表示从K个切分结果中筛选出的与该候选实体的实体描述文本相对应的切分结果，k1表示其中的词的数量，k2表示其中的句子的数量，对于一个词来说，sim(input,wordi)表示该词与查询请求之间的语义相关性评分，可通过K近邻语义算法得到，Correlation(wordi,Doc)表示该词与该候选实体的实体描述文本之间的语义相关性评分，对于一个句子来说，sim(input,sentencej)表示该句子与查询请求之间的语义相关性评分，可通过K近邻语义算法得到，Correlation(sentencej,Doc)表示该句子与该候选实体的实体描述文本之间的语义相关性评分。
举例说明：对于某一候选实体，从K个切分结果中筛选出了4个与该候选实体的实体描述文本相对应的切分结果，分别为词a、词b、句子c和句子d，即k1和k2分别取值为2，那么可分别计算以下四个乘积：词a与查询请求之间的语义相关性评分×词a与该候选实体的实体描述文本之间的语义相关性评分、词b与查询请求之间的语义相关性评分×词b与该候选实体的实体描述文本之间的语义相关性评分、句子c与查询请求之间的语义相关性评分×句子c与该候选实体的实体描述文本之间的语义相关性评分，以及，句子d与查询请求之间的语义相关性评分×句子d与该候选实体的实体描述文本之间的语义相关性评分，进而可将这4个乘积相加，将相加之和作为该候选实体与查询请求之间的相关性评分。
通过上述处理，有效利用了语义向量的隐式语义表达，并通过对文本间的语义相关性进行评分以及相关性聚合评分等，准确高效地筛选出了作为检索结果的各实体。
在此基础上，还可分别对作为检索结果的各实体进行校验，若确定任一实体校验未通过，则可过滤掉该实体，从而进一步提升检索结果的准确性等。
所述校验可包括：实体描述词领域主题校验，和/或，返回列表聚类校验，以下分别进行介绍。
1)实体描述词领域主题校验
对于作为检索结果的任一实体，若确定该实体存在对应的匹配词，所述匹配词为与该实体的实体描述文本对应且包括在K个切分结果中的词，则可当确定任一匹配词不符合预定条件时，则确定该实体校验未通过，过滤掉该实体，或者，当确定各匹配词均不符合预定条件时，则确定该实体校验未通过，过滤掉该实体。
具体地，可对该实体的实体描述文本进行分词处理，分别获取得到的各词的语义向量，并可对各词的语义向量进行聚类，得到语义聚簇，另外，还可分别对查询请求以及进行分词处理后的该实体的实体描述文本进行概念标注，从而得到查询请求对应的第一概念集合以及该实体的实体描述文本对应的第二概念集合，并可对第二概念集合中的各概念进行聚类，得到概念聚簇。
相应地，针对任一匹配词，可分别根据该匹配词对应的概念、第一概念集合以及以下至少之一：该匹配词对应的概念聚簇，该匹配词对应的语义聚簇，确定出该匹配词是否符合预定条件。
比如，对于任一匹配词来说，符合预定条件可包括：该匹配词在对应的概念聚簇中不为孤立点且该匹配词对应的概念与第一概念集合相匹配，或者，该匹配词在对应的语义聚簇中不为孤立点且该匹配词对应的概念与第一概念集合相匹配，或者，该匹配词在对应的概念聚簇以及对应的语义聚簇中均不为孤立点且该匹配词对应的概念与第一概念集合相匹配。
图3为本公开所述实体描述词领域主题校验的实现过程示意图。如图3所示，对于作为检索结果的任一实体，可对该实体的实体描述文本进行分词处理，并可分别获取得到的各词的语义向量，各词的语义向量可组成语义向量集合，针对语义向量集合中的各向量，可进行聚类，从而得到语义聚簇。另外，还可通过现有的概念标注工具，分别对查询请求以及进行分词处理后的该实体的实体描述文本进行概念标注，从而得到查询请求对应的第一概念集合以及该实体的实体描述文本对应的第二概念集合，第一概念集合中可能包括一个概念，也可能包括多个概念，第二概念集合中通常包括多个概念。可对第二概念集合中的各概念进行聚类，得到概念聚簇。进一步地，针对任一匹配词，若确定其符合以下条件(实际应用中具体采用哪一条件可根据实际需要而定)：该匹配词在对应的概念聚簇中不为孤立点且该匹配词对应的概念与第一概念集合相匹配，或者，该匹配词在对应的语义聚簇中不为孤立点且该匹配词对应的概念与第一概念集合相匹配，或者，该匹配词在对应的概念聚簇以及对应的语义聚簇中均不为孤立点且该匹配词对应的概念与第一概念集合相匹配，则可认为该匹配词符合预定条件，反之，则可认为该匹配词不符合预定条件。若确定任一匹配词不符合预定条件，则可确定该实体校验未通过，过滤掉该实体，或者，当确定各匹配词均不符合预定条件时，则确定该实体校验未通过，过滤掉该实体。
概念标注是指在输入的短文本语境下，标注并输出短文本中的实体在该语境下的合适的概念，实现对实体进行泛化，以达到对文本理解的目的，比如，对于“张三”这一人物，在某一语境下其概念可能为“歌手”，而在另一语境下，其概念则可能为“演员”。
本公开中，所述概念可分为一个或多个层级，具体实现方式不限。对于任一匹配词，该匹配词对应的概念与第一概念集合相匹配，可以是指该匹配词对应的概念与第一概念集合中的某一概念一致，或者，也可以是指该匹配词对应的概念与第一概念集合中的某一概念相关或相近等。该匹配词对应的概念聚簇和语义聚簇，即指该匹配词所在的概念聚簇和语义聚簇。
图4为本公开所述实体描述词领域主题校验的具体示例示意图。如图4所示，其中的每个椭圆表示一个聚簇，用户输入的查询请求为“关于狼的电影”，根据匹配词“狼性”，得到实体《战狼》，根据匹配词“狼”，得到实体《阿尔法：狼伴归途》，通过词的语义聚类发现，“狼性”在对应的语义聚簇中为孤立点，因此可过滤掉实体《战狼》，而《阿尔法：狼伴归途》中，匹配词“狼”对应的语义聚簇中包含多个相似词，不为孤立点，因此可保留实体《阿尔法：狼伴归途》。
通过进行实体描述词领域主题校验，可过滤掉匹配词非实体描述的主题内容的实体，从而进一步提升了检索结果的准确性等。
2)返回列表聚类校验
对于作为检索结果的各实体，可分别获取各实体的实体描述文本的长文本语义向量，并可对各长文本语义向量进行聚类，若确定任一聚簇符合过滤条件，则可过滤掉该聚簇中包括的长文本语义向量对应的实体。
比如，若确定任一聚簇中包括的长文本语义向量数小于预定阈值，则可确定该聚簇符合过滤条件，从而可过滤掉该聚簇中包括的长文本语义向量对应的实体，或者，可确定出包括的长文本语义向量数最多的聚簇，并可将该聚簇之外的其它聚簇均确定为符合过滤条件的聚簇，从而可过滤掉该聚簇之外的其它聚簇中包括的长文本语义向量对应的实体。
可利用预先训练得到的长文本语义向量模型，分别获取各实体的实体描述文本的长文本语义向量。
通过长文本语义向量聚类，可将差异较大的实体过滤掉。比如，用户输入的查询请求为“关于西施的电影”，用户想要查找的是关于西施这一著名历史人物的电影，但一些其它实体中可能会涉及到“豆腐西施”等，从而也可能会被误召回，而通过长文本语义向量聚类，可有效过滤掉误召回的实体。
在实际应用中，对各长文本语义向量进行聚类之后，可以仅保留一个聚簇，即包括的长文本语义向量数最多的聚簇，将其它聚簇中包括的长文本语义向量对应的实体均过滤掉，即将最大类之外的其它各类中包括的长文本语义向量对应的实体均过滤掉，或者，也可在对各长文本语义向量进行聚类之后，过滤掉包括的长文本语义向量数小于预定阈值的聚簇中的长文本语义向量对应的实体，预定阈值的具体取值可根据实际需要而定，比如，当预定阈值的取值为2时，表示将仅包括一个长文本语义向量的聚簇中的长文本语义向量对应的实体过滤掉，当预定阈值的取值为3，表示将包括一个或两个长文本语义向量的聚簇中的长文本语义向量对应的实体过滤掉。
通过进行返回列表聚类校验，可进一步过滤掉误召回的实体，避免了特殊背景的匹配词召回普通意向匹配词对应的实体的问题，从而进一步提升了检索结果的准确性等。
在实际应用中，可仅进行实体描述词领域主题校验，也可仅进行返回列表聚类校验，还可在实体描述词领域主题校验之后，进一步进行返回列表聚类校验，具体实现方式可根据实际需要而定。
综合上述介绍，图5为本公开所述实体检索方法的整体实现过程示意图。如图5所示，其中的“相关性聚合评分”即指确定各候选实体并分别获取各候选实体与查询请求之间的相关性评分等过程。图5所示过程的具体实现请参照前述相关说明，不再赘述。
需要说明的是，对于前述的方法实施例，为了简单描述，将其表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本公开所必须的。
以上是关于方法实施例的介绍，以下通过装置实施例，对本公开所述方案进行进一步说明。
图6为本公开所述实体检索装置实施例60的组成结构示意图。如图6所示，包括：包括：预处理模块601以及检索模块602。
预处理模块601，用于分别对作为检索对象的各实体的实体描述文本进行切分处理，并分别确定出各切分结果对应的实体描述文本。
检索模块602，用于当获取到用户的查询请求时，从各切分结果中确定出与查询请求的语义最为相近的K个切分结果，K为大于一的正整数，将K个切分结果分别对应的实体描述文本对应的实体作为检索结果返回给用户。
其中，所述切分结果可包括：词和句子。相应地，预处理模块601可分别对各实体描述文本进行分词处理，分别确定出得到的各词对应的实体描述文本，并可分别对各实体描述文本进行分句处理，分别确定出得到的各句子对应的实体描述文本。
检索模块602在获取到用户的查询请求后，可通过K近邻语义算法，从各切分结果中确定出与查询请求的语义最为相近的K个切分结果。
检索模块602可将K个切分结果分别对应的实体描述文本对应的实体作为检索结果返回给用户，或者，也可将K个切分结果分别对应的实体描述文本对应的实体作为候选实体，分别获取各候选实体与查询请求之间的相关性评分，按照相关性评分从大到小的顺序对各候选实体进行排序，将排序后处于前M位的候选实体作为检索结果返回给用户，M为正整数，且小于或等于候选实体的数量。
检索模块602可针对任一候选实体，分别从K个切分结果中筛选出与该候选实体的实体描述文本对应的切分结果，针对筛选出的任一切分结果，分别根据该切分结果与查询请求之间的语义相关性以及该切分结果与该候选实体的实体描述文本之间的语义相关性，确定出该切分结果对应的相关性结果，根据筛选出的各切分结果对应的相关性结果确定出该候选实体与查询请求之间的相关性评分。
具体地，检索模块602可针对任一候选实体，分别执行以下处理：从K个切分结果中筛选出与该候选实体的实体描述文本对应的切分结果；针对筛选出的任一切分结果，分别执行以下处理：获取该切分结果与查询请求之间的语义相关性评分，获取该切分结果与该候选实体的实体描述文本之间的语义相关性评分，将两个语义相关性评分相乘，得到该切分结果对应的相关性结果；将筛选出的各切分结果对应的相关性结果相加，得到该候选实体与查询请求之间的相关性评分。
另外，检索模块602还可分别对作为检索结果的各实体进行校验，若确定任一实体校验未通过，则可过滤掉该实体。
具体地，检索模块602可针对作为检索结果的任一实体，若确定该实体存在对应的匹配词，匹配词为与该实体的实体描述文本对应且包括在K个切分结果中的词，则当确定任一匹配词不符合预定条件时，则确定该实体校验未通过，过滤掉该实体，或者，当确定各匹配词均不符合预定条件时，则确定该实体校验未通过，过滤掉该实体。
其中，检索模块602可对该实体的实体描述文本进行分词处理，分别获取得到的各词的语义向量，并可对各词的语义向量进行聚类，得到语义聚簇，还可分别对查询请求以及进行分词处理后的该实体的实体描述文本进行概念标注，从而得到查询请求对应的第一概念集合以及该实体的实体描述文本对应的第二概念集合，并可对第二概念集合中的各概念进行聚类，得到概念聚簇。
相应地，针对任一匹配词，检索模块602可分别根据该匹配词对应的概念、第一概念集合以及以下至少之一：该匹配词对应的概念聚簇，该匹配词对应的语义聚簇，确定出该匹配词是否符合预定条件。
比如，对于任一匹配词来说，符合预定条件可包括：该匹配词在对应的概念聚簇中不为孤立点且该匹配词对应的概念与第一概念集合相匹配，或者，该匹配词在对应的语义聚簇中不为孤立点且该匹配词对应的概念与第一概念集合相匹配，或者，该匹配词在对应的概念聚簇以及对应的语义聚簇中均不为孤立点且该匹配词对应的概念与第一概念集合相匹配。
另外，检索模块602还可分别获取作为检索结果的各实体的实体描述文本的长文本语义向量，并可对各长文本语义向量进行聚类，若确定任一聚簇符合过滤条件，则可过滤掉该聚簇中包括的长文本语义向量对应的实体。
比如，若确定任一聚簇中包括的长文本语义向量数小于预定阈值，则可过滤掉聚簇中包括的长文本语义向量对应的实体，或者，确定出包括的长文本语义向量数最多的聚簇，过滤掉该聚簇之外的其它聚簇中包括的长文本语义向量对应的实体。
图6所示装置实施例的具体工作流程请参照前述方法实施例中的相关说明，不再赘述。
总之，采用本公开装置实施例所述方案，可借助于实体描述文本的切分结果等确定出用户的查询请求对应的实体，无需进行人工标注，从而节省了人力和时间成本，并克服了使用标签所带来的召回覆盖不足等问题，而且，可通过相关性聚合评分、实体描述词领域主题校验及返回列表聚类校验等，确保了检索结果的准确性等。
本公开所述方案可应用于人工智能领域，特别涉及知识图谱、自然语言处理及深度学习等领域。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术，人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术，人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。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、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，个人数字助理、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7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700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701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701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701执行上文所描述的各个方法和处理，例如本公开所述的方法。例如，在一些实施例中，本公开所述的方法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708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行本公开所述的方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行本公开所述的方法。
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。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)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。
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 (14)

1.一种实体检索方法，包括：
分别对作为检索对象的各实体的实体描述文本进行切分处理，并分别确定出各切分结果对应的实体描述文本，所述切分结果包括：词和句子；
当获取到用户的查询请求时，从各切分结果中确定出与所述查询请求的语义最为相近的K个切分结果，K为大于一的正整数；
将所述K个切分结果分别对应的实体描述文本对应的实体作为检索结果返回给所述用户；
还包括：对于作为检索结果的任一实体，若确定所述实体存在对应的匹配词，所述匹配词为与所述实体的实体描述文本对应且包括在所述K个切分结果中的词，则当确定任一匹配词不符合预定条件或确定各匹配词均不符合预定条件时，过滤掉所述实体；
还包括：对所述实体的实体描述文本进行分词处理，分别获取得到的各词的语义向量，并对各词的语义向量进行聚类，得到语义聚簇，分别对所述查询请求以及进行分词处理后的所述实体的实体描述文本进行概念标注，得到所述查询请求对应的第一概念集合以及所述实体的实体描述文本对应的第二概念集合，并对所述第二概念集合中的各概念进行聚类，得到概念聚簇；针对任一匹配词，分别根据所述匹配词对应的概念、所述第一概念集合以及以下至少之一：所述匹配词对应的概念聚簇，所述匹配词对应的语义聚簇，确定出所述匹配词是否符合预定条件。
2.根据权利要求1所述的方法，其中，
所述分别对作为检索对象的各实体的实体描述文本进行切分处理，并分别确定出各切分结果对应的实体描述文本包括：
分别对各实体描述文本进行分词处理，分别确定出得到的各词对应的实体描述文本；
分别对各实体描述文本进行分句处理，分别确定出得到的各句子对应的实体描述文本。
3.根据权利要求1所述的方法，其中，所述从各切分结果中确定出与所述查询请求的语义最为相近的K个切分结果包括：
通过K近邻语义算法，从各切分结果中确定出与所述查询请求的语义最为相近的K个切分结果。
4.根据权利要求1所述的方法，还包括：
将所述K个切分结果分别对应的实体描述文本对应的实体作为候选实体；
分别获取各候选实体与所述查询请求之间的相关性评分；
按照相关性评分从大到小的顺序对各候选实体进行排序，将排序后处于前M位的候选实体作为检索结果返回给所述用户，M为正整数，且小于或等于候选实体的数量。
5.根据权利要求4所述的方法，其中，所述分别获取各候选实体与所述查询请求之间的相关性评分包括：
针对任一候选实体，分别从所述K个切分结果中筛选出与所述候选实体的实体描述文本对应的切分结果；
针对筛选出的任一切分结果，分别根据所述切分结果与所述查询请求之间的语义相关性以及所述切分结果与所述候选实体的实体描述文本之间的语义相关性，确定出所述切分结果对应的相关性结果；
根据筛选出的各切分结果对应的相关性结果确定出所述候选实体与所述查询请求之间的相关性评分。
6.根据权利要求1所述的方法，还包括：
分别获取作为检索结果的各实体的实体描述文本的长文本语义向量；
对各长文本语义向量进行聚类；
若确定任一聚簇符合过滤条件，则过滤掉所述聚簇中包括的长文本语义向量对应的实体。
7.一种实体检索装置，包括：预处理模块以及检索模块；
所述预处理模块，用于分别对作为检索对象的各实体的实体描述文本进行切分处理，并分别确定出各切分结果对应的实体描述文本，所述切分结果包括：词和句子；
所述检索模块，用于当获取到用户的查询请求时，从各切分结果中确定出与所述查询请求的语义最为相近的K个切分结果，K为大于一的正整数，将所述K个切分结果分别对应的实体描述文本对应的实体作为检索结果返回给所述用户；
其中，所述检索模块进一步用于，对于作为检索结果的任一实体，若确定所述实体存在对应的匹配词，所述匹配词为与所述实体的实体描述文本对应且包括在所述K个切分结果中的词，则当确定任一匹配词不符合预定条件或确定各匹配词均不符合预定条件时，过滤掉所述实体；
所述检索模块进一步用于，对所述实体的实体描述文本进行分词处理，分别获取得到的各词的语义向量，并对各词的语义向量进行聚类，得到语义聚簇，分别对所述查询请求以及进行分词处理后的所述实体的实体描述文本进行概念标注，得到所述查询请求对应的第一概念集合以及所述实体的实体描述文本对应的第二概念集合，并对所述第二概念集合中的各概念进行聚类，得到概念聚簇；针对任一匹配词，分别根据所述匹配词对应的概念、所述第一概念集合以及以下至少之一：所述匹配词对应的概念聚簇，所述匹配词对应的语义聚簇，确定出所述匹配词是否符合预定条件。
8.根据权利要求7所述的装置，其中，
所述预处理模块分别对各实体描述文本进行分词处理，分别确定出得到的各词对应的实体描述文本，并分别对各实体描述文本进行分句处理，分别确定出得到的各句子对应的实体描述文本。
9.根据权利要求7所述的装置，其中，
所述检索模块通过K近邻语义算法，从各切分结果中确定出与所述查询请求的语义最为相近的K个切分结果。
10.根据权利要求7所述的装置，其中，
所述检索模块进一步用于，将所述K个切分结果分别对应的实体描述文本对应的实体作为候选实体，分别获取各候选实体与所述查询请求之间的相关性评分，按照相关性评分从大到小的顺序对各候选实体进行排序，将排序后处于前M位的候选实体作为检索结果返回给所述用户，M为正整数，且小于或等于候选实体的数量。
11.根据权利要求10所述的装置，其中，
所述检索模块针对任一候选实体，分别从所述K个切分结果中筛选出与所述候选实体的实体描述文本对应的切分结果，针对筛选出的任一切分结果，分别根据所述切分结果与所述查询请求之间的语义相关性以及所述切分结果与所述候选实体的实体描述文本之间的语义相关性，确定出所述切分结果对应的相关性结果，根据筛选出的各切分结果对应的相关性结果确定出所述候选实体与所述查询请求之间的相关性评分。
12.根据权利要求7所述的装置，其中，
所述检索模块进一步用于，分别获取作为检索结果的各实体的实体描述文本的长文本语义向量，对各长文本语义向量进行聚类，若确定任一聚簇符合过滤条件，则过滤掉所述聚簇中包括的长文本语义向量对应的实体。
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，其中，所述计算机指令用于使计算机执行权利要求1-6中任一项所述的方法。
CN202110121184.7A 2021-01-28 2021-01-28 实体检索方法、装置、电子设备及计算机可读存储介质 Active CN112818167B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110121184.7A CN112818167B (zh) 2021-01-28 2021-01-28 实体检索方法、装置、电子设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110121184.7A CN112818167B (zh) 2021-01-28 2021-01-28 实体检索方法、装置、电子设备及计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN112818167A CN112818167A (zh) 2021-05-18
CN112818167B true CN112818167B (zh) 2024-03-22

Family

ID=75859987

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110121184.7A Active CN112818167B (zh) 2021-01-28 2021-01-28 实体检索方法、装置、电子设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN112818167B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002060025A (ja) * 2000-08-22 2002-02-26 Volkswagen Group Japan Kk 集中在庫管理システム及び方法
CN108052659A (zh) * 2017-12-28 2018-05-18 北京百度网讯科技有限公司 基于人工智能的搜索方法、装置和电子设备
CN110196901A (zh) * 2019-06-28 2019-09-03 北京百度网讯科技有限公司 对话系统的构建方法、装置、计算机设备和存储介质
CN110569328A (zh) * 2019-07-31 2019-12-13 平安科技（深圳）有限公司 实体链接方法、电子装置及计算机设备
CN110674252A (zh) * 2019-08-26 2020-01-10 银江股份有限公司 一种面向司法领域的高精度语义搜索系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002060025A (ja) * 2000-08-22 2002-02-26 Volkswagen Group Japan Kk 集中在庫管理システム及び方法
CN108052659A (zh) * 2017-12-28 2018-05-18 北京百度网讯科技有限公司 基于人工智能的搜索方法、装置和电子设备
CN110196901A (zh) * 2019-06-28 2019-09-03 北京百度网讯科技有限公司 对话系统的构建方法、装置、计算机设备和存储介质
CN110569328A (zh) * 2019-07-31 2019-12-13 平安科技（深圳）有限公司 实体链接方法、电子装置及计算机设备
CN110674252A (zh) * 2019-08-26 2020-01-10 银江股份有限公司 一种面向司法领域的高精度语义搜索系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
讯问笔录相似问答对的匹配算法研究;朱嘉琪;《中国优秀硕士学位论文全文数据库》;全文 *

Also Published As

Publication number Publication date
CN112818167A (zh) 2021-05-18

Similar Documents

Publication Publication Date Title
CN112749344B (zh) 信息推荐方法、装置、电子设备、存储介质及程序产品
US20220318275A1 (en) Search method, electronic device and storage medium
CN112925883B (zh) 搜索请求处理方法、装置、电子设备及可读存储介质
CN113128209B (zh) 用于生成词库的方法及装置
CN112380847B (zh) 兴趣点处理方法、装置、电子设备及存储介质
CN113988157A (zh) 语义检索网络训练方法、装置、电子设备及存储介质
CN112560461A (zh) 新闻线索的生成方法、装置、电子设备及存储介质
CN112699237B (zh) 标签确定方法、设备和存储介质
CN113033194B (zh) 语义表示图模型的训练方法、装置、设备和存储介质
CN112948573B (zh) 文本标签的提取方法、装置、设备和计算机存储介质
CN114416976A (zh) 文本标注方法、装置及电子设备
CN112506864B (zh) 文件检索的方法、装置、电子设备及可读存储介质
CN113408280B (zh) 负例构造方法、装置、设备和存储介质
CN113204665B (zh) 图像检索方法、装置、电子设备及计算机可读存储介质
CN108733702B (zh) 用户查询上下位关系提取的方法、装置、电子设备和介质
CN112818167B (zh) 实体检索方法、装置、电子设备及计算机可读存储介质
CN113641724B (zh) 知识标签挖掘方法、装置、电子设备及存储介质
CN114443864A (zh) 跨模态数据的匹配方法、装置及计算机程序产品
CN114417862A (zh) 文本匹配方法、文本匹配模型的训练方法和装置
CN112784600A (zh) 信息排序方法、装置、电子设备和存储介质
CN116069914B (zh) 训练数据的生成方法、模型训练方法以及装置
CN115828915B (zh) 实体消歧方法、装置、电子设备和存储介质
CN116244413B (zh) 新意图确定方法、设备和存储介质
CN114422584B (zh) 资源的推送方法、设备和存储介质
CN115392389B (zh) 跨模态信息匹配、处理方法、装置、电子设备及存储介质

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