CN112925900A

CN112925900A - 搜索信息处理方法、装置、设备及存储介质

Info

Publication number: CN112925900A
Application number: CN202110220920.4A
Authority: CN
Inventors: 连义江; 张子帅
Original assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Current assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Priority date: 2021-02-26
Filing date: 2021-02-26
Publication date: 2021-06-08
Anticipated expiration: 2041-02-26
Also published as: CN112925900B

Abstract

本公开提供了搜索信息处理方法、装置、设备及存储介质，涉及智能搜索领域。具体实现方案为：获取搜索信息；将所述搜索信息与预设关键词进行匹配，得到与所述搜索信息相匹配的目标预设关键词，其中，所述预设关键词是对第一目标文本信息和第二目标文本信息进行切词处理后得到的，所述第二目标文本信息为对所述第一目标文本信息进行同义转换处理后所得到的；基于所述目标预设关键词所对应的所述第一目标文本信息以及所述第二目标文本信息，得到针对所述搜索信息的推荐结果。如此，提升了推荐结果的覆盖率。

Description

搜索信息处理方法、装置、设备及存储介质

技术领域

本公开涉及数据处理技术领域，尤其涉及智能搜索领域。

背景技术

搜索引擎输入框的搜索信息(query)自动补全(Query Auto Completion，QAC)功能可以极大地提高用户的搜索效率。但是，现有query自动补全均是基于字面进行匹配，依然存在覆盖率低或者推荐的候选补全query少的问题。

发明内容

本公开提供了一种搜索信息处理方法、装置、设备以及存储介质。

根据本公开的一方面，提供了一种搜索信息处理方法，包括：

获取搜索信息；

将所述搜索信息与预设关键词进行匹配，得到与所述搜索信息相匹配的目标预设关键词，其中，所述预设关键词是对第一目标文本信息和第二目标文本信息进行切词处理后得到的，所述第二目标文本信息为对所述第一目标文本信息进行同义转换处理后所得到的；

基于所述目标预设关键词所对应的所述第一目标文本信息以及所述第二目标文本信息，得到针对所述搜索信息的推荐结果。

根据本公开的另一方面，提供了一种搜索信息处理装置，包括：

搜索信息获取单元，用于获取搜索信息；

匹配单元，用于将所述搜索信息与预设关键词进行匹配，得到与所述搜索信息相匹配的目标预设关键词，其中，所述预设关键词是对第一目标文本信息和第二目标文本信息进行切词处理后得到的，所述第二目标文本信息为对所述第一目标文本信息进行同义转换处理后所得到的；

推荐单元，用于基于所述目标预设关键词所对应的所述第一目标文本信息以及所述第二目标文本信息，得到针对所述搜索信息的推荐结果。

根据本公开的另一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开任一实施例中的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行本公开任一实施例中的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现本公开任一实施例中的方法。

根据本公开的技术提升了推荐结果的覆盖率，进而为最大化满足用户的搜索需求、进一步提升用户的搜索效率奠定了基础，同时，也为提升用户体验奠定了基础。

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搜索信息处理方法的实现流程示意图；

图2是根据本公开实施例搜索信息处理方法在一具体示例中得到预设关键词的流程示意图；

图3是根据本公开实施例搜索信息处理方法在一具体示例中同义转换示意图；

图4是根据本公开实施例搜索信息处理方法在另一具体示例的示意图；

图5是根据本公开实施例搜索信息处理方法在一具体示例中的界面展示示意图；

图6是根据本公开实施例搜索信息处理装置的结构示意图；

图7是用来实现本公开实施例的搜索信息处理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。

本申请方案提供了一种搜索信息处理方法，包括：

步骤S101：获取搜索信息。

步骤S102：将所述搜索信息与预设关键词进行匹配，得到与所述搜索信息相匹配的目标预设关键词，其中，所述预设关键词是对第一目标文本信息和第二目标文本信息进行切词处理后得到的，所述第二目标文本信息为对所述第一目标文本信息进行同义转换处理后所得到的。

步骤S103：基于所述目标预设关键词所对应的所述第一目标文本信息以及所述第二目标文本信息，得到针对所述搜索信息的推荐结果。

这样，由于预设关键词是对第一目标文本信息和第二目标文本信息进行切词处理后得到的，且所述第二目标文本信息为对所述第一目标文本信息进行同义转换处理后所得到的，所以，使得针对所述搜索信息的推荐结果充分考虑了同义转换情况，进而提升了推荐结果的覆盖率，为最大化满足用户的搜索需求、进一步提升用户的搜索效率奠定了基础，同时，也为提升用户体验奠定了基础。

在实际应用中，还可以将搜索信息与基于历史搜索信息而确定出的高频搜索信息(也即高频query)进行匹配，进而得到推荐结果，换言之，实际场景中的推荐结果并非为单一结果，可以包含多个，如此，来提升搜索效率，同时，提升用户体验。这里，所述的高频query，可以基于实际业务场景，或者实际业务需求来确定，比如，在预设时间段内搜索次数满足预设数量要求的搜索信息可以确定为高频query等，本申请方案对此不作限制。

在本申请方案的一具体示例中，可以采用如下方式来得到预设关键词，具体地，对所述第一目标文本信息进行同义转换处理，得到与所述第一目标文本信息具有同义关系的至少一个第二目标文本信息；对所述第一目标文本信息和所述至少一个第二目标文本信息进行切词处理，得到预设关键词。也就是说，所述预设关键词是对第一目标文本信息，以及与第一目标文本信息具有同义关系的第二目标文本信息进行切词处理后所得到的，如此，使得用于进行搜索信息匹配的预设关键词充分考虑了同义转换问题，进而丰富了用于进行搜索信息匹配的预设关键词的信息种类，以及信息维度，为后续最大化提升推荐结果的覆盖率奠定了基础。

实际应用中，第一目标文本信息可以具体为预先准备的高频query，如此，在提升推荐结果的覆盖率的基础上，提升时效性，进而为进一步提升用户体验奠定了基础。

在本申请方案的一具体示例中，在得到与第一目标文本信息具有同义关系的第二目标文本信息后，可以采用如下方式来得到预设关键词，具体地，以上所述的对所述第一目标文本信息和所述至少一个第二目标文本信息进行切词处理，得到预设关键词，具体包括：对所述第一目标文本信息和所述第一目标文本信息进行切词处理，得到所述第一目标文本信息的前缀文本和/或后缀文本，以及所述第二目标文本信息的前缀文本和/或后缀文本；至少基于所述第一目标文本信息的前缀文本和/或后缀文本，以及所述第二目标文本信息的前缀文本和/或后缀文本，得到预设关键词。在一示例中，预设关键词包含有第一目标文本信息的前缀文本和后缀文本，以及第二目标文本信息的前缀文本和后缀文本，如此，丰富了用于进行搜索信息匹配的预设关键词的信息种类，以及信息维度，为后续最大化提升推荐结果的覆盖率奠定了基础。

需要说明的是，实际应用中，还可以采用其他方式来得到预设关键词，比如，对高频query进行切词处理来得到预设关键词，本申请方案对此不作限制。换言之，本申请方案能够兼容现有其他方案，能够在现有其他方案的基础上，来提升推荐结果的覆盖率。

举例来说，如图2所示，第一目标文本信息为端午节送啥礼物好，此时，可以对该端午节送啥礼物好进行同义变换处理，得到多个第二目标文本信息，分别为端午节礼物送什么东西好、端午节送什么礼物好、端午节买什么礼物好等。基于第一目标文本信息和第二目标文本信息的切词结果，得到多个前缀文本，即端午节礼、端午节送和端午节买等，进而可以直接将得到的该端午节礼、端午节送和端午节买作为预设关键词，如此，在将搜索信息与该端午节礼、端午节送和端午节中任意一关键词匹配成功后，即可同时将端午节送啥礼物好、端午节礼物送什么东西好、端午节送什么礼物好、端午节买什么礼物好等均作为推荐结果推荐给用户，如此，来提升推荐结果的覆盖率。

这里，需要说明的是，切词处理的过程中，可以按照预设词组来对第一目标文本信息或第二目标文本信息进行切词处理，比如，“北京大学”切成两个词，即“北京”和“大学”；或者，还可以从第二个字符开始进行切词处理，并将第一个字符起、至当前切词位置止的字符，组成前缀文本。同理，将当前切词位置起、至最后一个字符位置止的字符组成后缀文本，以便于得到最多的前缀或后缀；比如，以前缀为例，将“北京大学”切成两个词，即“北京”、“北京大”、“北京大学”等。实际应用中，为提升前缀文本和后缀文本的数量，还可以直接将切词处理的文本，也即第一目标文本信息和第二目标文本信息作为前缀文本或后缀文本，本申请方案对此不作限制，可以基于实际文本信息中字符的数量或者业务需求而确定。

在本申请方案的一具体示例中，为了提升同义转换效率，可以采用预先训练完成的预设模型来得到第一目标文本信息的同义转换结果，具体地，以上所述的对所述第一目标文本信息进行同义转换处理，得到与所述第一目标文本信息具有同义关系的至少一个第二目标文本信息，可以具体包括：将所述第一目标文本信息输入至预设模型，输出与所述第一目标文本信息具有同义关系的至少一个第二目标文本信息。如此，利用模型来提升同义转换效率，同时，提升同义转换结果的准确率。

实际应用中，为了进一步提升第二目标文本信息的准确率，即确保第二目标文本信息与第一目标文本信息之间的同义关系满足预设要求，即为同义对，还可以进一步地对预设模型输出的第二目标文本信息进行筛选，比如判断预设模型输出的第二目标文本信息与第一目标文本信息之间的同义关系是否满足预设要求等。

在本申请方案的一具体示例中，以上所述的基于所述目标预设关键词所对应的所述第一目标文本信息以及所述第二目标文本信息，得到针对所述搜索信息的推荐结果，具体包括：基于所述目标预设关键词所对应的所述第一目标文本信息和所述第二目标文本信息，对所述搜索信息进行文本扩展处理，比如，进行搜索信息的补全处理，进而，以至少将所述第一目标文本信息和所述第二目标文本信息作为针对所述搜索信息的推荐结果。如此，来提升了推荐结果的覆盖率，为最大化满足用户的搜索需求、进一步提升用户的搜索效率奠定了基础，同时，也为提升用户体验奠定了基础。

在本申请方案的一具体示例中，为最大化提升可视化效果，提升用户体验，在得到推荐结果后，还可以对多个推荐结果进行排序处理，进而有针对性地进行信息展示，具体地，对多个所述推荐结果进行排序处理，得到排序结果；从所述排序结果中选取出满足预设规则的推荐结果作为目标推荐结果；在与所述搜索信息相关联的推荐结果展示区域中，展示所述目标推荐结果。如此，提升了推荐结果的覆盖率，为最大化满足用户的搜索需求、进一步提升用户的搜索效率奠定了基础，同时，也为提升用户体验奠定了基础。

这样，由于本申请方案预设关键词是对第一目标文本信息和第二目标文本信息进行切词处理后得到的，且所述第二目标文本信息为对所述第一目标文本信息进行同义转换处理后所得到的，所以，使得针对所述搜索信息的推荐结果充分考虑了同义转换情况，进而提升了推荐结果的覆盖率，进而为最大化满足用户的搜索需求、进一步提升用户的搜索效率奠定了基础，同时，也为提升用户体验奠定了基础。

以下结合具体示例对本申请方案做进一步详细说明，具体地，本示例并不局限于搜索引擎场景，对于任何输入框下的query补全，或者推荐场景均可适用。

该示例中，可以具体包括如下步骤：

第一，同义query生成步骤，具体地，可以基于NMT(Neural Machine Translation)模型生成同义query。实际应用中，可以使用搜索引擎中的精确变体数据来作为同义训练数据集。这里，搜索引擎通常会提供三种关键词匹配功能来满足不同的推广需求，分别为精确匹配，短语匹配和宽泛匹配。其中，精确匹配指待匹配的两个文本，如query和关键词(keyword)或者其同义变体等字面完全一致，在一示例中，可以仅使用精确匹配得到的数据来作为同义训练数据。进一步，在确定同义训练数据集后，对基于transformer结构的神经网络机器翻译模型进行训练，得到训练完成后的翻译模型。该训练完成后的翻译模型即可作为本示例中的同义判别模型(也即本申请方案所述的预设模型)。举例来说，可以采用如下方式训练得到同义判别模型，具体地，收集线上展示的海量同义数据和非同义数据(数据1)；人工标记预设数量的，比如10万条数据(数据2)，这里，标注为同义和非同义；最后，基于BERT模型，在数据1上微调(fine-tuning)之后，再在数据2上做第二次fine-tuning，以最终得到同义判别模型。

进一步地，利用该同义判别模型对高频query做翻译，生成多个同义query，比如，如图3所示，将“双眼皮手术价格”翻译成为“重睑手术多少钱”。

第二，同义判别步骤，即NMT模型生成的某些query可能不是完全同义的，因此，需要进一步进行筛选，比如，利用判别模型来判断两个query是否是同义query，如此，在提升覆盖率的同时，来提升推荐结果的准确率。

第三，同义query前缀补全，并召回：

如图4所示，基于同义转换和同义判别步骤后确定<双眼皮价格，重睑费用>为一同义对，即query pair。此时，每个query从第二个字开始，生成前缀，比如，对于“双眼皮价格”而言，生成[“双眼”,“双眼皮”,“双眼皮价”,“双眼皮价格”]4个前缀，“重睑费用”生成[“重睑”,“重睑费”,“重睑费用”]3个前缀。此时可以将得到的7个前缀作为预设关键词。若用户输入搜索信息为“重睑”，此时，基于搜索信息和预设关键词的匹配后，即可将“双眼皮价格”和“重睑费用”同时召回作为推荐结果进行展示。如图5所示，搜索信息为重睑手术，此时，即可基于本申请方案在推荐结果展示区域中展示“重睑手术”、“重睑手术方法”、“重睑手术视频”、“重睑术手术步骤”、“重睑术是什么意思”、“双眼皮术后多久可以嫁接睫毛”、“双眼皮术后黏连怎么办”、“双眼皮术后注意事项”、“双眼皮术后要多少钱”以及“双眼皮手术后遗症有哪些”等目标推荐结果。

这样，与现有只能召回“重睑费用”等字面匹配query相比，尤其对于“重睑”这类较低频的搜索信息，或者全新的搜索信息而言，本申请方案能够基于同义变换技术提供更多的表述方式，同时，能够增加了补全query的数量，为用户提供更多的选择，而且，所提供的补全query实现了意图匹配，如此，本申请方案在提高了推荐结果的覆盖率的同时，提升了用户体验。

本申请方案还提供一种搜索信息处理装置，如图6所示，该装置包括：

搜索信息获取单元601，用于获取搜索信息；

匹配单元602，用于将所述搜索信息与预设关键词进行匹配，得到与所述搜索信息相匹配的目标预设关键词，其中，所述预设关键词是对第一目标文本信息和第二目标文本信息进行切词处理后得到的，所述第二目标文本信息为对所述第一目标文本信息进行同义转换处理后所得到的；

推荐单元603，用于基于所述目标预设关键词所对应的所述第一目标文本信息以及所述第二目标文本信息，得到针对所述搜索信息的推荐结果。

在本申请方案的一具体示例中，还包括：预处理单元；其中，

所述预处理单元，用于对所述第一目标文本信息进行同义转换处理，得到与所述第一目标文本信息具有同义关系的至少一个第二目标文本信息；对所述第一目标文本信息和所述至少一个第二目标文本信息进行切词处理，得到预设关键词。

在本申请方案的一具体示例中，所述预处理单元，还用于对所述第一目标文本信息和所述第一目标文本信息进行切词处理，得到所述第一目标文本信息的前缀文本和/或后缀文本，以及所述第二目标文本信息的前缀文本和/或后缀文本；至少基于所述第一目标文本信息的前缀文本和/或后缀文本，以及所述第二目标文本信息的前缀文本和/或后缀文本，得到预设关键词。

在本申请方案的一具体示例中，所述预处理单元，还用于将所述第一目标文本信息输入至预设模型，输出与所述第一目标文本信息具有同义关系的至少一个第二目标文本信息。

在本申请方案的一具体示例中，所述推荐单元，还用于基于所述目标预设关键词所对应的所述第一目标文本信息和所述第二目标文本信息，对所述搜索信息进行文本扩展处理，以至少将所述第一目标文本信息和所述第二目标文本信息作为针对所述搜索信息的推荐结果。

在本申请方案的一具体示例中，还包括：

结果处理单元，用于对多个所述推荐结果进行排序处理，得到排序结果；从所述排序结果中选取出满足预设规则的推荐结果作为目标推荐结果；

显示单元，用于在与所述搜索信息相关联的推荐结果展示区域中，展示所述目标推荐结果。

本发明实施例搜索信息处理装置中各单元的功能可以参见上述方法中的对应描述，在此不再赘述。

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、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/或要求的本公开的实现。

如图7所示，电子设备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，还可存储电子设备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。

电子设备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允许电子设备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，例如搜索信息处理方法。例如，在一些实施例中，搜索信息处理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/或安装到电子设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的搜索信息处理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)而被配置为执行搜索信息处理方法。

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。

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

1.一种搜索信息处理方法，包括：

获取搜索信息；

2.根据权利要求1所述的方法，还包括：

对所述第一目标文本信息进行同义转换处理，得到与所述第一目标文本信息具有同义关系的至少一个第二目标文本信息；

对所述第一目标文本信息和所述至少一个第二目标文本信息进行切词处理，得到预设关键词。

3.根据权利要求2所述的方法，其中，所述对所述第一目标文本信息和所述至少一个第二目标文本信息进行切词处理，得到预设关键词，包括：

对所述第一目标文本信息和所述第一目标文本信息进行切词处理，得到所述第一目标文本信息的前缀文本和/或后缀文本，以及所述第二目标文本信息的前缀文本和/或后缀文本；

至少基于所述第一目标文本信息的前缀文本和/或后缀文本，以及所述第二目标文本信息的前缀文本和/或后缀文本，得到预设关键词。

4.根据权利要求2或3所述的方法，其中，所述对所述第一目标文本信息进行同义转换处理，得到与所述第一目标文本信息具有同义关系的至少一个第二目标文本信息，包括：

将所述第一目标文本信息输入至预设模型，输出与所述第一目标文本信息具有同义关系的至少一个第二目标文本信息。

5.根据权利要求1所述的方法，其中，所述基于所述目标预设关键词所对应的所述第一目标文本信息以及所述第二目标文本信息，得到针对所述搜索信息的推荐结果，包括：

基于所述目标预设关键词所对应的所述第一目标文本信息和所述第二目标文本信息，对所述搜索信息进行文本扩展处理，以至少将所述第一目标文本信息和所述第二目标文本信息作为针对所述搜索信息的推荐结果。

6.根据权利要求1或5所述的方法，还包括：

对多个所述推荐结果进行排序处理，得到排序结果；

从所述排序结果中选取出满足预设规则的推荐结果作为目标推荐结果；

在与所述搜索信息相关联的推荐结果展示区域中，展示所述目标推荐结果。

7.一种搜索信息处理装置，包括：

搜索信息获取单元，用于获取搜索信息；

8.根据权利要求7所述的装置，还包括：预处理单元；其中，

9.根据权利要求8所述的装置，其中，所述预处理单元，还用于对所述第一目标文本信息和所述第一目标文本信息进行切词处理，得到所述第一目标文本信息的前缀文本和/或后缀文本，以及所述第二目标文本信息的前缀文本和/或后缀文本；至少基于所述第一目标文本信息的前缀文本和/或后缀文本，以及所述第二目标文本信息的前缀文本和/或后缀文本，得到预设关键词。

10.根据权利要求8或9所述的装置，其中，所述预处理单元，还用于将所述第一目标文本信息输入至预设模型，输出与所述第一目标文本信息具有同义关系的至少一个第二目标文本信息。

11.根据权利要求7所述的装置，其中，所述推荐单元，还用于基于所述目标预设关键词所对应的所述第一目标文本信息和所述第二目标文本信息，对所述搜索信息进行文本扩展处理，以至少将所述第一目标文本信息和所述第二目标文本信息作为针对所述搜索信息的推荐结果。

12.根据权利要求7或11所述的装置，还包括：

13.一种电子设备，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1-6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，其特征在于，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。

15.一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。