CN113239295A - 搜索方法、装置、电子设备以及存储介质 - Google Patents
搜索方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN113239295A CN113239295A CN202110543091.3A CN202110543091A CN113239295A CN 113239295 A CN113239295 A CN 113239295A CN 202110543091 A CN202110543091 A CN 202110543091A CN 113239295 A CN113239295 A CN 113239295A
- Authority
- CN
- China
- Prior art keywords
- entity
- interest point
- interest
- search
- target
- 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 61
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 235000011888 snacks Nutrition 0.000 description 10
- 238000003908 quality control method Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 6
- 239000012535 impurity Substances 0.000 description 6
- 239000010931 gold Substances 0.000 description 5
- 229910052737 gold Inorganic materials 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F16/90—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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
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
本公开公开了搜索方法、装置、电子设备以及存储介质,涉及人工智能领域,尤其涉及智能搜索领域。其中,搜索方法具体实现方案为:获取用户基于搜索引擎输入的搜索内容;确定搜索内容中包括兴趣点实体和需求实体;调用地图应用搜索兴趣点实体,以便地图应用返回候选兴趣点实体的属性信息;以及根据候选兴趣点实体的属性信息和需求实体,从候选兴趣点实体中确定满足需求质量条件的目标兴趣点实体。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及智能搜索领域。
背景技术
在日常生活和工作生产过程中,用户可以基于信息搜索技术从大量的原始数据中找出兴趣点。兴趣点(Point of interest,简称POI)是地理空间的基本实体,一个POI例如可以是一栋房子、一个商铺、一个城市、一个公交站、一条街道等。
在实现本公开的过程中发现,采用相关技术搜索得到的结果质量不佳,导致用户体验较差。
发明内容
本公开提供了一种搜索方法、装置、电子设备、存储介质和计算机程序产品。
根据本公开的一方面,提供了一种搜索方法,包括:获取用户基于搜索引擎输入的搜索内容;确定搜索内容中包括兴趣点实体和需求实体;调用地图应用搜索兴趣点实体,以便地图应用返回候选兴趣点实体的属性信息;以及根据候选兴趣点实体的属性信息和需求实体,从候选兴趣点实体中确定满足需求质量条件的目标兴趣点实体。
根据本公开的另一方面,提供了一种搜索装置,包括:获取模块、第一确定模块、调用模块和第二确定模块。
获取模块,用于获取用户基于搜索引擎输入的搜索内容;
第一确定模块,用于确定搜索内容中包括兴趣点实体和需求实体;
调用模块,用于调用地图应用搜索兴趣点实体,以便地图应用返回候选兴趣点实体的属性信息;以及
第二确定模块,用于根据候选兴趣点实体的属性信息和需求实体,从候选兴趣点实体中确定满足需求质量条件的目标兴趣点实体。
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上所述的方法。
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,其中,所述计算机指令用于使所述计算机执行如上所述的方法。
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,所述计算机程序在被处理器执行时实现如上所述的方法。
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示意性示出了根据本公开实施例的可以应用搜索方法及装置的示例性系统架构;
图2示意性示出了根据本公开实施例的搜索方法的流程图;
图3示意性示出了根据本公开实施例的利用命名实体识别模型对搜索内容进行处理的流程图;
图4示意性示出了根据本公开另一实施例的搜索方法的流程图;
图5示意性示出了根据本公开另一实施例的搜索方法的流程图;
图6示意性示出了根据本公开实施例的包括卡片的搜索结果页面的示意图;
图7示意性示出了根据本公开实施例的搜索装置的框图;以及
图8示意性示出了根据本公开实施例的适于实现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。
POI在地理空间中是一个实体点,可以是一个店铺、一栋房子。在相关技术中,POI检索是根据POI的名字来检索出对应的实体,用户在地图应用表达需求的主要方式也是POI的名称;但基于一个POI实体,可以衍生出各种各样的需求,比如常见的寻址需求(某某POI在哪里、某某POI属于哪个省份、某某POI属于哪个区),服务状态需求(某某POI开门了吗、某某POI上班时间、某某POI的联系电话)、评论需求(某某POI怎么样、某某区评价最高的餐厅),把这种不仅限于POI名称检索的场景叫泛POI检索,这也是用户在搜索引擎场景下表达需求的主要方式。
在使用搜索引擎应用产品和地图应用产品的应用场景下,用户表达需求的搜索内容有较大区别。例如,用户使用搜索引擎产品的搜索内容更加复杂多样、口语化明显;两种应用场景下的产品诉求有区别,对检索结果质量标准要求不同,一般而言,搜索引擎应用产品需要对检索结果进行更严格的质量控制。具体表现如下:
(1)搜索内容表达区别:在地图应用内,用户表达检索需求一般是以POI名字作为搜索内容,比如“A火锅X店”,搜索内容意图比较明显,使用文本相关性基本能控制召回结果质量;而相对而言,用户利用搜索引擎应用表达需求的搜索内容比较复杂多样,且口语化明显。
示例1:q=“A火锅X店好不好吃”、“A火锅X店几点开门”、“Y是属于哪个省的”等,可见,用户在搜索引擎场景下,不仅仅是寻找POI点,还会表达对这个点更深层次的检索需求。
示例2:q=“Z有个像皇宫一样吃饭的地方是在哪里”,而在地图应用内,用户不会有这样的表达方式,直接使用地图检索接口会返回无关杂质点(比如:Y皇宫灯饰)。
(2)产品层面质量控制诉求区别:地图应用内可显示检索结果的屏占比更大,在搜索引擎场景下,由于检索结果较多,可显示区域相对小,因此,搜索引擎应用需要在有限的空间展示尽可能满足用户需求的结果,对准确率也有更高要求。
示例3:q=B地C桥小吃街,用户需求是B地C桥周边的小吃街,使用地图检索接口返回“小吃街”、“C桥”两个POI点,其中“小吃街”是用户目标POI点,“C桥”是杂质点,在地图端内,由于可显示区域大,多显示了杂质点基本无影响,但是在搜索引擎场景下,多余的杂质点会占据更大的空间,压缩了其它卡片(即显示内容)显示空间,这会影响到搜索的整页效果指标。
在相关技术中,POI检索系统类似于通用搜索引擎检索系统。在召回阶段,可以对用户搜索内容进行在线分词,搜索内容被切分成不同粒度的字或词,比如q=“洒金桥小吃街”,经过切词系统后搜索内容被切成字粒度term(洒、金、桥、小......)、词粒度term(洒金桥、小吃、街......),再对切开后的字或词进行合并,组成更粗粒度的term(比如:小吃+街->小吃街,洒金桥+小吃街→洒金桥小吃街);同时,离线模块对全量POI数据的名称、地址等文本特征建立倒排索引库,生成term(包括字粒度和词粒度)对应的POI点列表索引。在线模块使用搜索内容的term拉取相关的POI点列表,并使用一定方案对召回结果进行质量控制,相关技术中主要质量控制方案如下。
方案1:基于文本相似度指标,若用户搜索内容和POI名称完全相等,则不过滤。否则根据搜索内容和POI名称的文本相似度指标(比如:编辑距离)进行质量控制,相似度大于一定阈值则不过滤。
方案2:基于term列表相似度,用户搜索内容和召回的POI名称经过切词系统后各生成一个term列表,然后计算两个列表的相似度指标(比如:两个term列表交集个数/term列表长度),相似度大于一定阈值则不过滤。另外,可通过tf-idf(即term frequency-inverse document frequency,tf是词频(term frequency),idf是逆文本频率指数(inverse document frequency))等算法进一步识别term的权重,这样可过滤一些不重要term召回的结果。
方案3:基于关键词提取,识别搜索内容中主导用户需求的关键词,过滤不含关键字的POI点。比如:品牌需求识别q=E便利店,命中“E”品牌成分,过滤不含“E”品牌词的POI。
在实现本公开的过程中发现,上述方案1和方案2本质上都是基于文本相似度进行召回质量控制,其中,方案1通常是以字粒度计算相似性指标,方案2则是以词粒度计算相似度指标。这两种方案缺少语义信息,比如q=M广场(N地)有西餐厅吗,用户实际需求是想找M广场(N地)的西餐厅,并非M广场(N地),地图则会召回“M广场(N地)”这样的POI点,如果仅按照文本相关性无法过滤这样的杂质结果。
上述方案3在某些特定情况才有效,仅对较简单规范的搜索词有效,影响面小。比如在品牌检索情景下,需要保障提取品牌关键词后剩余的词语都是无关的,比如“品牌词+超时/便利店/购物中心”这样的搜索词模板有效,但对“品牌词+超时/便利店/购物中心附近有银行吗”类似表达则失效。
进一步地,在实现本公开的过程中发现,上面3种方案都存在以下部分或全部缺点:
(1)不能较为精准地控制用户需求满足与否:泛POI检索场景下,用户基于POI点衍生了多样需求,比如q=“K大厦电话号码”,用户需求是想找K大厦的电话数据,仅使用文本相关性不能对用户需求满足情况做质量控制。
(2)缺少对用户需求类别质量控制:比如q=M广场(N地)有西餐厅吗,如果能学习到用户是美食需求,则可以对召回的M广场(N地)等杂质点进行过滤。
由此可见,在目前的搜索过程中,对于不仅限于POI名称检索的泛POI检索,搜索质量不佳,导致用户体验较差。
本公开的实施例提供了搜索方法、装置、电子设备、存储介质以及计算机程序产品,其中,搜索方法具体实现方案为:获取用户基于搜索引擎输入的搜索内容;确定搜索内容中包括兴趣点实体和需求实体;调用地图应用搜索兴趣点实体,以便地图应用返回候选兴趣点实体的属性信息;以及根据候选兴趣点实体的属性信息和需求实体,从候选兴趣点实体中确定满足需求质量条件的目标兴趣点实体。
图1示意性示出了根据本公开实施例的可以应用搜索方法及装置的示例性系统架构。
需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。例如,在另一实施例中,可以应用搜索方法及装置的示例性系统架构可以包括终端设备,但终端设备可以无需与服务器进行交互,即可实现本公开实施例提供的搜索方法及装置。
如图1所示,根据该实施例的系统架构100可以包括终端设备101,网络102和服务器103。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型,例如有线和/或无线通信链路等等。
用户可以使用终端设备101通过网络102与服务器103交互,以接收或发送消息等。终端设备101上可以安装有各种通讯客户端应用,例如搜索类应用、网页浏览器应用、地图应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。
终端设备101可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器103可以是提供各种服务的服务器,例如对用户利用终端设备101所浏览的内容提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
服务器103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,以解决了传统物理主机与VPS服务(“Virtual Private Server”,或简称“VPS”)中,存在的管理难度大,业务扩展性弱的缺陷。服务器103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。
需要说明的是,本公开实施例所提供的搜索方法一般可以由终端设备101执行。相应地,本公开实施例所提供的搜索装置也可以设置于终端设备101中。
或者,本公开实施例所提供的搜索方法一般也可以由服务器103执行。相应地,本公开实施例所提供的搜索装置一般可以设置于服务器103中。本公开实施例所提供的搜索方法也可以由不同于服务器103且能够与终端设备101和/或服务器103通信的服务器或服务器集群执行。相应地,本公开实施例所提供的搜索装置也可以设置于不同于服务器103且能够与终端设备101和/或服务器103通信的服务器或服务器集群中。
例如,用户在利用搜索引擎应用进行搜索时,终端设备101可以获取用户基于搜索引擎输入的搜索内容,然后将获取的搜索内容发送给服务器103,由服务器103对搜索内容进行分析,确定搜索内容中包括兴趣点实体和需求实体;调用地图应用搜索兴趣点实体,以便地图应用返回候选兴趣点实体的属性信息;以及根据候选兴趣点实体的属性信息和需求实体,从候选兴趣点实体中确定满足需求质量条件的目标兴趣点实体。或者由能够与终端设备101和/或服务器103通信的服务器或服务器集群对搜索内容进行分析,并最终实现从候选兴趣点实体中确定满足需求质量条件的目标兴趣点实体。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图2示意性示出了根据本公开实施例的搜索方法的流程图。
如图2所示,该方法包括操作S210~S240。
在操作S210,获取用户基于搜索引擎输入的搜索内容。
根据本公开的实施例,用户输入的搜索内容可以仅包括兴趣点实体,例如,用户输入的搜索内容为K大厦,其中,K大厦为兴趣点实体。用户输入的搜索内容也可以既包括兴趣点实体,又包括需求实体,例如,用户输入的搜索内容为K大厦电话号码,其中,K大厦为兴趣点实体,电话号码为需求实体。
根据本公开的实施例,在获取到用户基于搜索引擎输入的搜索内容之后,可以确定搜索内容中是否同时包括兴趣点实体和需求实体。
在操作S220,确定搜索内容中包括兴趣点实体和需求实体。
在操作S230,调用地图应用搜索兴趣点实体,以便地图应用返回候选兴趣点实体的属性信息。
根据本公开的实施例,地图应用可以将自身的接口暴露给搜索引擎,搜索引擎可以通过访问地图应用的接口的方式来调用地图应用。搜索引擎可以将搜索内容中的兴趣点实体发送给地图应用,地图应用可以基于兴趣点实体进行搜索,得到一个或多个候选兴趣点实体,并将一个或多个候选兴趣点实体的属性信息发送给搜索引擎。
根据本公开的实施例,候选兴趣点实体的属性信息可以是预先录入在数据库中的信息,属性信息例如包括但不限于电话号码、营业时间、评价、简介等等。
根据本公开的实施例,在搜索引擎中可以不直接展示地图应用返回的候选兴趣点实体的属性信息,而是在执行操作S240之后,展示目标兴趣点实体的属性信息。
根据本公开的实施例,在候选兴趣点实体中不存在满足需求质量条件的目标兴趣点实体的情况下,可以输出用于表征搜索结果为空的提示信息。
通过本公开的实施例,搜索引擎可以较好的过滤无关的杂质结果,降低搜索引擎的展示数量。
在操作S240,根据候选兴趣点实体的属性信息和需求实体,从候选兴趣点实体中确定满足需求质量条件的目标兴趣点实体。
根据本公开的实施例,可以确定候选兴趣点实体的属性信息是否满足用户请求搜索的需求实体。在属性信息满足用户请求搜索的需求实体的情况下,则候选兴趣点实体满足需求质量条件;在属性信息不满足用户请求搜索的需求实体的情况下,则候选兴趣点实体不满足需求质量条件。
根据本公开的实施,例如,用户请求搜索的需求实体为电话号码,而候选兴趣点实体的属性信息中不包括电话号码,因此该候选兴趣点实体不满足需求质量条件。
根据本公开的实施例,用户所需了解的信息一般与地理空间位置关联度较高。本公开的实施例通过将搜索内容划分为兴趣点实体和需求实体,先基于地图应用对兴趣点实体进行搜索,返回候选兴趣点实体,再基于候选兴趣点实体的属性信息确定满足需求实体的目标兴趣点实体,充分利用了地图应用的功能,将地图应用与搜索引擎进行结合,可以提高搜索准确性。
通过本公开的实施例,在用户基于搜索引擎输入搜索内容的情况下,基于确定出的需求实体以及地图应用返回的候选兴趣点实体的属性信息,确定满足需求质量条件的目标兴趣点实体,可以解决用户在泛POI检索的情况下,搜索表达多样性导致召回杂质数据较多的问题,提高了搜索准确性。
根据本公开的实施例,在确定出目标兴趣点实体之后,可以输出目标兴趣点实体的属性信息。
根据本公开的实施例,在确定搜索内容中仅包括兴趣点实体或需求实体的情况下,可以按照相关技术中将兴趣点实体或需求实体作为搜索条件的搜索方法进行搜索。例如,先确定数据库中与兴趣点实体相似度高的目标实体,然后将该目标实体的信息直接展示给用户。
根据本公开的实施例,确定搜索内容中包括兴趣点实体和需求实体包括:利用命名实体识别模型识别搜索内容,得到兴趣点实体和需求实体,
图3示意性示出了根据本公开实施例的利用命名实体识别模型对搜索内容进行处理的流程图。
如图3所示,该方法包括操作S310~S330。
在操作S310,获取搜索内容。
在操作S320,将搜索内容输入命名实体识别模型。根据本公开的实施例,命名实体识别模型可以利用预设需求类别样本和预设兴趣点样本训练得到。
在操作S330,输出兴趣点实体和/或需求实体。
根据本公开的实施例,命名实体识别模型可以是基于自然语言处理的命名实体识别模型。可以基于自然语言处理的识别技术对用户搜索内容提取兴趣点实体和需求实体,使用兴趣点实体请求下游地图应用服务,避免了需求实体影响地图应用的检索效果。
根据本公开的实施例,预设需求类别样本包括但不限于“电话、地址、价格、营业时间、评价、地理位置隶属关系、简介/信息”等需求类别。示例如表1所示。
表1
需求类别 | 搜索内容示例 |
电话 | 麻辣诱惑联系电话 |
地址 | 麻辣诱惑地址 |
价格 | 麻辣诱惑人均多少钱 |
营业时间 | 麻辣诱惑营业时间 |
评价 | 麻辣诱惑评价如何 |
地理位置隶属关系 | N区属于哪个市 |
简介/信息 | 钟鼓楼简介 |
POI产品属性 | F店特色菜 |
根据本公开的实施例,预设兴趣点样本包括但不限于“一栋房子、一个商铺、一个城市、一个公交站、一条街道”等兴趣点类别。
表2示意性示出了利用命名实体识别模型处理搜索内容后输出兴趣点实体和/或需求实体。
表2
搜索内容示例 | 兴趣点实体 | 需求实体 |
麻辣诱惑联系电话 | 麻辣诱惑 | 联系电话 |
麻辣诱惑地址 | 麻辣诱惑 | 地址 |
麻辣诱惑人均多少钱 | 麻辣诱惑 | 人均多少钱 |
麻辣诱惑营业时间 | 麻辣诱惑 | 营业时间 |
麻辣诱惑评价如何 | 麻辣诱惑 | 评价 |
N区属于哪个市 | N区 | 哪个市 |
钟鼓楼简介 | 钟鼓楼 | 简介 |
F店特色菜 | F店 | 特色菜 |
根据本公开的实施例,根据候选兴趣点实体的属性信息和需求实体,从候选兴趣点实体中确定满足需求质量条件的目标兴趣点实体包括:将需求实体与候选兴趣点实体的属性信息进行比较,确定与需求实体相匹配的目标属性信息;以及将与目标属性信息对应的候选兴趣点实体确定为满足需求质量条件的目标兴趣点实体。
图4示意性示出了根据本公开另一实施例的搜索方法的流程图。
如图4所示,该方法包括操作S410~S470。
在操作S410,获取搜索内容。
在操作S420,将搜索内容输入命名实体识别模型,输出兴趣点实体和需求实体。
在操作S430,将兴趣点实体发送给地图应用,调用地图应用接口。
在操作S440,地图应用返回候选兴趣点实体。
在操作S450,将每个候选兴趣点实体的属性信息与需求实体进行比较,判断候选兴趣点实体的属性信息是否满足需求实体?
在操作S460,在候选兴趣点实体的属性信息都不满足需求实体的情况下,输出“结果为空”。
在操作S470,在存在候选兴趣点实体的属性信息满足需求实体的情况下,输出该兴趣点实体的属性信息。
根据本公开的实施例,可以对不满足需求实体的候选兴趣点实体进行过滤,输出满足需求实体的兴趣点实体的属性信息,提高了搜索的准确性。
根据本公开的实施例,候选兴趣点实体可以包括一个或多个。根据本公开的实施例,可以根据用户基于搜索引擎输入的搜索内容确定用户需要搜索的第一行业领域;确定每个候选兴趣点实体所属的第二行业领域;将第一行业领域与每个候选兴趣点实体所属的第二行业领域进行比较,确定与第一行业领域相似的目标第二行业领域;以及将与目标第二行业领域对应的候选兴趣点实体确定为满足行业领域质量条件的目标兴趣点实体。
根据本公开的实施例,行业领域可以包括但不限于表3所示的类别。
表3
根据本公开的实施例,可以利用神经网络模型处理搜索内容,以确定用户需要搜索的第一行业领域。例如,利用卷积神经网络模型处理搜索内容,确定该搜索内容涉及的行业领域。根据本公开的实施例,可以利用不同类别的数据预先训练得到神经网络模型,该神经网络模型可以用于确定搜索内容的行业领域。
根据本公开的实施例,可以利用神经网络模型确定每个候选兴趣点实体所属的第二行业领域。也可以预先为兴趣点实体标记其所属的行业领域,根据候选兴趣点实体的行业领域标识确定其所属的第二行业领域。
根据本公开的实施例,例如,用户基于搜索引擎输入的搜索内容为评价比较好的美容医院,那么确定用户需要搜索的第一行业领域为医疗。或者,用户基于搜索引擎输入的搜索内容为某购物广场有西式餐厅吗,那么确定用户需要搜索的第一行业领域为美食。
根据本公开的实施例,可以将满足需求质量条件,且满足行业领域质量条件的目标兴趣点实体作为最终输出的目标兴趣点实体。
根据本公开的实施例,在候选兴趣点实体中不存在满足需求质量条件和/或行业领域质量条件的目标兴趣点实体的情况下,输出用于表征搜索结果为空的提示信息。
根据本公开的实施例,在搜索的准确性要求较高的情况下,可以将满足需求质量条件,且满足行业领域质量条件的目标兴趣点实体作为最终输出的目标兴趣点实体。在搜索的准确性要求一般的情况下,可以将满足需求质量条件,或者满足行业领域质量条件的目标兴趣点实体作为最终输出的目标兴趣点实体。
根据本公开的实施例,在从候选兴趣点实体中确定满足需求质量条件的目标兴趣点实体之后,还可以确定该满足需求质量条件的目标兴趣点实体所属的第二行业领域。如果该满足需求质量条件的目标兴趣点实体所属的第二行业领域与用户的搜索内容所属的第一行业领域相同,那么该满足需求质量条件的目标兴趣点实体同时还是满足行业领域质量条件的目标兴趣点实体,该满足需求质量条件,且满足行业领域质量条件的目标兴趣点实体作为最终输出的目标兴趣点实体。
图5示意性示出了根据本公开另一实施例的搜索方法的流程图。
如图5所示,该方法包括操作S510~S580。
在操作S510,获取搜索内容。
在操作S520,将搜索内容输入命名实体识别模型,输出兴趣点实体和需求实体。
在操作S530,将兴趣点实体发送给地图应用,调用地图应用接口。
在操作S550,地图应用返回候选兴趣点实体。
在操作S550,将每个候选兴趣点实体的属性信息与需求实体进行比较,判断候选兴趣点实体的属性信息是否满足需求实体?
在操作S560,在候选兴趣点实体的属性信息都不满足需求实体的情况下,输出“结果为空”。
在操作S570,在存在候选兴趣点实体的属性信息满足需求实体的情况下,确定该候选兴趣点实体的行业领域是否满足行业领域质量条件。若否,执行操作S560。若是,执行操作S580。
在操作S580,输出目标兴趣点实体的属性信息。
根据本公开的实施例,关于操作S510~S560的描述可以参考操作S410~S460,在此不再赘述。
根据本公开的实施例,以搜索内容为“Q购物广场(R区店)有西式餐厅吗”为例,表4示意性示出了根据行业领域确定搜索结果的方法。
表4
根据本公开的实施例,在确定目标兴趣点实体之后,输出目标兴趣点实体的属性信息包括:将目标兴趣点实体的属性信息作为卡片插入搜索结果页面中;以及展示包括卡片的搜索结果页面。
图6示意性示出了根据本公开实施例的包括卡片的搜索结果页面的示意图。
如图6所示,用户可以在搜索引擎的搜索区域601输入搜索内容,移动终端可以基于该搜索内容对用户进行响应。
移动终端的搜索结果页面中可以展示卡片602,该卡片602中可以包括目标兴趣点实体,如X餐厅(R区店),以及该目标兴趣点实体的属性信息,如地址、营业时间、联系电话等等。
根据本公开的实施例,目标兴趣点实体可以包括一个或多个,每个目标兴趣点实体可以具有对应的卡片,例如,目标兴趣点实体为3个,除了包括卡片602之外,还包括卡片603和卡片604。
根据本公开的实施例,如果经过质量控制没有能满足用户需求的目标兴趣点实体,则在搜索结果页面中不展示卡片,输出结果为空的提示信息。
图7示意性示出了根据本公开实施例的搜索装置的框图。
如图7所示,搜索装置700包括:获取模块710、第一确定模块720、调用模块730和第二确定模块740。
获取模块710,用于获取用户基于搜索引擎输入的搜索内容。
第一确定模块720,用于确定上述搜索内容中包括兴趣点实体和需求实体。
调用模块730,用于调用地图应用搜索上述兴趣点实体,以便上述地图应用返回候选兴趣点实体的属性信息。
第二确定模块740,用于根据上述候选兴趣点实体的属性信息和上述需求实体,从上述候选兴趣点实体中确定满足需求质量条件的目标兴趣点实体。
通过本公开的实施例,在用户基于搜索引擎输入搜索内容的情况下,基于确定出的需求实体以及地图应用返回的候选兴趣点实体的属性信息,确定满足需求质量条件的目标兴趣点实体,可以解决用户在泛POI检索的情况下,搜索表达多样性导致召回杂质数据较多的问题,提高了搜索准确性。
根据本公开的实施例,上述候选兴趣点实体包括一个或多个,搜索装置还包括:第三确定模块、第四确定模块、第五确定模块和第六确定模块。
第三确定模块,用于根据上述搜索内容确定上述用户需要搜索的第一行业领域。
第四确定模块,用于确定每个上述候选兴趣点实体所属的第二行业领域。
第五确定模块,用于将上述第一行业领域与每个上述候选兴趣点实体所属的第二行业领域进行比较,确定与上述第一行业领域相似的目标第二行业领域。
第六确定模块,用于将与上述目标第二行业领域对应的候选兴趣点实体确定为满足行业领域质量条件的目标兴趣点实体。
根据本公开的实施例,搜索装置还包括:第七确定模块,用于将满足上述需求质量条件,且满足上述行业领域质量条件的目标兴趣点实体作为最终输出的目标兴趣点实体。
根据本公开的实施例,搜索装置还包括:第一输出模块,用于在上述候选兴趣点实体中不存在满足上述需求质量条件和/或上述行业领域质量条件的目标兴趣点实体的情况下,输出用于表征搜索结果为空的提示信息。
根据本公开的实施例,上述第一确定模块用于:利用命名实体识别模型识别上述搜索内容,得到上述兴趣点实体和上述需求实体,其中,上述命名实体识别模型利用预设需求类别样本和预设兴趣点样本训练得到。
根据本公开的实施例,上述第二确定模块包括:第一确定单元和第二确定单元。
第一确定单元,用于将上述需求实体与上述候选兴趣点实体的属性信息进行比较,确定与上述需求实体相匹配的目标属性信息。
第二确定单元,用于将与上述目标属性信息对应的候选兴趣点实体确定为满足上述需求质量条件的目标兴趣点实体。
根据本公开的实施例,搜索装置还包括:第二输出模块,用于输出上述目标兴趣点实体的属性信息。
根据本公开的实施例,上述第二输出模块包括:插入单元和展示单元。
插入单元,用于将上述目标兴趣点实体的属性信息作为卡片插入搜索结果页面中。
展示单元,用于展示包括上述卡片的搜索结果页面。
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。
根据本公开的实施例,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,指令被至少一个处理器执行,以使至少一个处理器能够执行如上所述的方法。
根据本公开的实施例,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,计算机指令用于使计算机执行如上所述的方法。
根据本公开的实施例,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实现如上所述的方法。
图8示出了可以用来实施本公开的实施例的示例电子设备800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/或者要求的本公开的实现。
如图8所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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801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801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801执行上文所描述的各个方法和处理,例如搜索方法。例如,在一些实施例中,搜索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808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的搜索方法的一个或多个步骤。备选地,在其他实施例中,计算单元801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,也可以是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 (19)
1.一种搜索方法,包括:
获取用户基于搜索引擎输入的搜索内容;
确定所述搜索内容中包括兴趣点实体和需求实体;
调用地图应用搜索所述兴趣点实体,以便所述地图应用返回候选兴趣点实体的属性信息;以及
根据所述候选兴趣点实体的属性信息和所述需求实体,从所述候选兴趣点实体中确定满足需求质量条件的目标兴趣点实体。
2.根据权利要求1所述的方法,其中,所述候选兴趣点实体包括一个或多个,所述方法还包括:
根据所述搜索内容确定所述用户需要搜索的第一行业领域;
确定每个所述候选兴趣点实体所属的第二行业领域;
将所述第一行业领域与每个所述候选兴趣点实体所属的第二行业领域进行比较,确定与所述第一行业领域相似的目标第二行业领域;以及
将与所述目标第二行业领域对应的候选兴趣点实体确定为满足行业领域质量条件的目标兴趣点实体。
3.根据权利要求2所述的方法,还包括:
将满足所述需求质量条件,且满足所述行业领域质量条件的目标兴趣点实体作为最终输出的目标兴趣点实体。
4.根据权利要求2所述的方法,还包括:
在所述候选兴趣点实体中不存在满足所述需求质量条件和/或所述行业领域质量条件的目标兴趣点实体的情况下,输出用于表征搜索结果为空的提示信息。
5.根据权利要求1所述的方法,其中,所述确定所述搜索内容中包括兴趣点实体和需求实体包括:
利用命名实体识别模型识别所述搜索内容,得到所述兴趣点实体和所述需求实体,其中,所述命名实体识别模型利用预设需求类别样本和预设兴趣点样本训练得到。
6.根据权利要求1所述的方法,其中,所述根据所述候选兴趣点实体的属性信息和所述需求实体,从所述候选兴趣点实体中确定满足需求质量条件的目标兴趣点实体包括:
将所述需求实体与所述候选兴趣点实体的属性信息进行比较,确定与所述需求实体相匹配的目标属性信息;以及
将与所述目标属性信息对应的候选兴趣点实体确定为满足所述需求质量条件的目标兴趣点实体。
7.根据权利要求1至6中任一项所述的方法,还包括:
输出所述目标兴趣点实体的属性信息。
8.根据权利要求7所述的方法,其中,所述输出所述目标兴趣点实体的属性信息包括:
将所述目标兴趣点实体的属性信息作为卡片插入搜索结果页面中;以及
展示包括所述卡片的搜索结果页面。
9.一种搜索装置,包括:
获取模块,用于获取用户基于搜索引擎输入的搜索内容;
第一确定模块,用于确定所述搜索内容中包括兴趣点实体和需求实体;
调用模块,用于调用地图应用搜索所述兴趣点实体,以便所述地图应用返回候选兴趣点实体的属性信息;以及
第二确定模块,用于根据所述候选兴趣点实体的属性信息和所述需求实体,从所述候选兴趣点实体中确定满足需求质量条件的目标兴趣点实体。
10.根据权利要求9所述的装置,其中,所述候选兴趣点实体包括一个或多个,所述装置还包括:
第三确定模块,用于根据所述搜索内容确定所述用户需要搜索的第一行业领域;
第四确定模块,用于确定每个所述候选兴趣点实体所属的第二行业领域;
第五确定模块,用于将所述第一行业领域与每个所述候选兴趣点实体所属的第二行业领域进行比较,确定与所述第一行业领域相似的目标第二行业领域;以及
第六确定模块,用于将与所述目标第二行业领域对应的候选兴趣点实体确定为满足行业领域质量条件的目标兴趣点实体。
11.根据权利要求10所述的装置,还包括:
第七确定模块,用于将满足所述需求质量条件,且满足所述行业领域质量条件的目标兴趣点实体作为最终输出的目标兴趣点实体。
12.根据权利要求10所述的装置,还包括:
第一输出模块,用于在所述候选兴趣点实体中不存在满足所述需求质量条件和/或所述行业领域质量条件的目标兴趣点实体的情况下,输出用于表征搜索结果为空的提示信息。
13.根据权利要求9所述的装置,其中,所述第一确定模块用于:
利用命名实体识别模型识别所述搜索内容,得到所述兴趣点实体和所述需求实体,其中,所述命名实体识别模型利用预设需求类别样本和预设兴趣点样本训练得到。
14.根据权利要求9所述的装置,其中,所述第二确定模块包括:
第一确定单元,用于将所述需求实体与所述候选兴趣点实体的属性信息进行比较,确定与所述需求实体相匹配的目标属性信息;以及
第二确定单元,用于将与所述目标属性信息对应的候选兴趣点实体确定为满足所述需求质量条件的目标兴趣点实体。
15.根据权利要求9至14中任一项所述的装置,还包括:
第二输出模块,用于输出所述目标兴趣点实体的属性信息。
16.根据权利要求15所述的装置,其中,所述第二输出模块包括:
插入单元,用于将所述目标兴趣点实体的属性信息作为卡片插入搜索结果页面中;以及
展示单元,用于展示包括所述卡片的搜索结果页面。
17.一种电子设备,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1-8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,其中,所述计算机指令用于使所述计算机执行根据权利要求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实现根据权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110543091.3A CN113239295A (zh) | 2021-05-18 | 2021-05-18 | 搜索方法、装置、电子设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110543091.3A CN113239295A (zh) | 2021-05-18 | 2021-05-18 | 搜索方法、装置、电子设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113239295A true CN113239295A (zh) | 2021-08-10 |
Family
ID=77137500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110543091.3A Pending CN113239295A (zh) | 2021-05-18 | 2021-05-18 | 搜索方法、装置、电子设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113239295A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113792186A (zh) * | 2021-08-16 | 2021-12-14 | 青岛海尔科技有限公司 | 用于人名检索的方法、装置、电子设备及存储介质 |
CN113901257A (zh) * | 2021-10-28 | 2022-01-07 | 北京百度网讯科技有限公司 | 地图信息的处理方法、装置、设备和存储介质 |
CN114579891A (zh) * | 2022-05-05 | 2022-06-03 | 北京大学深圳研究生院 | 一种基于多源大数据的个性化宜居地图推荐方法和装置 |
CN116450917A (zh) * | 2023-05-19 | 2023-07-18 | 北京百度网讯科技有限公司 | 信息搜索方法及装置、电子设备和介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110390054A (zh) * | 2019-07-25 | 2019-10-29 | 北京百度网讯科技有限公司 | 兴趣点召回方法、装置、服务器和存储介质 |
CN110929176A (zh) * | 2018-09-03 | 2020-03-27 | 北京搜狗科技发展有限公司 | 一种信息推荐方法、装置及电子设备 |
-
2021
- 2021-05-18 CN CN202110543091.3A patent/CN113239295A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110929176A (zh) * | 2018-09-03 | 2020-03-27 | 北京搜狗科技发展有限公司 | 一种信息推荐方法、装置及电子设备 |
CN110390054A (zh) * | 2019-07-25 | 2019-10-29 | 北京百度网讯科技有限公司 | 兴趣点召回方法、装置、服务器和存储介质 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113792186A (zh) * | 2021-08-16 | 2021-12-14 | 青岛海尔科技有限公司 | 用于人名检索的方法、装置、电子设备及存储介质 |
CN113792186B (zh) * | 2021-08-16 | 2023-07-11 | 青岛海尔科技有限公司 | 用于人名检索的方法、装置、电子设备及存储介质 |
CN113901257A (zh) * | 2021-10-28 | 2022-01-07 | 北京百度网讯科技有限公司 | 地图信息的处理方法、装置、设备和存储介质 |
CN113901257B (zh) * | 2021-10-28 | 2023-10-27 | 北京百度网讯科技有限公司 | 地图信息的处理方法、装置、设备和存储介质 |
US11934449B2 (en) | 2021-10-28 | 2024-03-19 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method and apparatus for processing map information, and storage medium |
CN114579891A (zh) * | 2022-05-05 | 2022-06-03 | 北京大学深圳研究生院 | 一种基于多源大数据的个性化宜居地图推荐方法和装置 |
CN114579891B (zh) * | 2022-05-05 | 2022-07-15 | 北京大学深圳研究生院 | 一种基于多源大数据的个性化宜居地图推荐方法和装置 |
CN116450917A (zh) * | 2023-05-19 | 2023-07-18 | 北京百度网讯科技有限公司 | 信息搜索方法及装置、电子设备和介质 |
CN116450917B (zh) * | 2023-05-19 | 2024-05-07 | 北京百度网讯科技有限公司 | 信息搜索方法及装置、电子设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113239295A (zh) | 搜索方法、装置、电子设备以及存储介质 | |
CN114549874A (zh) | 多目标图文匹配模型的训练方法、图文检索方法及装置 | |
EP3961426A2 (en) | Method and apparatus for recommending document, electronic device and medium | |
CN112506864B (zh) | 文件检索的方法、装置、电子设备及可读存储介质 | |
CN113836314B (zh) | 知识图谱构建方法、装置、设备以及存储介质 | |
CN114116997A (zh) | 知识问答方法、装置、电子设备及存储介质 | |
CN113806660B (zh) | 数据评估方法、训练方法、装置、电子设备以及存储介质 | |
CN112560461A (zh) | 新闻线索的生成方法、装置、电子设备及存储介质 | |
CN114428902B (zh) | 信息搜索方法、装置、电子设备及存储介质 | |
CN113836316B (zh) | 三元组数据的处理方法、训练方法、装置、设备及介质 | |
CN114048315A (zh) | 确定文档标签的方法、装置、电子设备和存储介质 | |
CN115248890A (zh) | 用户兴趣画像的生成方法、装置、电子设备以及存储介质 | |
CN112784050A (zh) | 主题分类数据集生成方法、装置、设备和介质 | |
CN116597443A (zh) | 素材标签处理方法、装置、电子设备及介质 | |
CN113722593B (zh) | 事件数据处理方法、装置、电子设备和介质 | |
CN113326438A (zh) | 信息查询方法、装置、电子设备以及存储介质 | |
CN112783918A (zh) | 搜索方法、搜索装置、电子设备、存储介质和程序产品 | |
CN116610782B (zh) | 文本检索方法、装置、电子设备及介质 | |
JP7019774B1 (ja) | 情報処理装置、情報出力方法および情報出力プログラム | |
CN113377921B (zh) | 用于匹配信息的方法、装置、电子设备以及介质 | |
CN113822057B (zh) | 地点信息确定方法、装置、电子设备以及存储介质 | |
CN112527126B (zh) | 信息获取方法、装置以及电子设备 | |
CN116127948B (zh) | 待标注文本数据的推荐方法、装置及电子设备 | |
CN114117004B (zh) | 地址识别方法、装置、电子设备以及存储介质 | |
CN116431764A (zh) | 一种数据匹配方法、装置、设备以及存储介质 |
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 |