CN113326420A - 问题检索方法、装置、电子设备和介质 - Google Patents

问题检索方法、装置、电子设备和介质 Download PDF

Info

Publication number
CN113326420A
CN113326420A CN202110663448.1A CN202110663448A CN113326420A CN 113326420 A CN113326420 A CN 113326420A CN 202110663448 A CN202110663448 A CN 202110663448A CN 113326420 A CN113326420 A CN 113326420A
Authority
CN
China
Prior art keywords
result
question
target
information
candidate
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
Application number
CN202110663448.1A
Other languages
English (en)
Other versions
CN113326420B (zh
Inventor
孙钰清
邵世臣
李永恒
邹仁华
徐飞
方承志
王岗
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 CN202110663448.1A priority Critical patent/CN113326420B/zh
Publication of CN113326420A publication Critical patent/CN113326420A/zh
Priority to US17/837,347 priority patent/US11977567B2/en
Application granted granted Critical
Publication of CN113326420B publication Critical patent/CN113326420B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/953—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
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • 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
    • G06F16/31—Indexing; Data structures therefor; Storage structures
    • G06F16/316—Indexing structures
    • G06F16/319—Inverted lists
    • 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
    • G06F16/903—Querying
    • G06F16/9032—Query formulation
    • G06F16/90332—Natural language query formulation or dialogue systems
    • 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
    • G06F40/30—Semantic analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Library & Information Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开公开了一种问题检索方法、装置、设备、介质和产品，涉及智能搜索、智能推荐、自然语言处理等领域。问题检索方法包括：处理待检索问题，得到针对待检索问题的第一处理结果，其中，第一处理结果包括第一文本信息和第一语义信息；针对至少一个候选问题中的每个候选问题，将第一处理结果与候选问题的第二处理结果进行比较，得到比较结果，其中，第二处理结果包括第二文本信息和第二语义信息；基于比较结果，从至少一个候选问题中确定目标问题；将目标问题和与目标问题对应的答案中的至少之一作为检索结果。

Description

问题检索方法、装置、电子设备和介质
技术领域
本公开涉及计算机技术领域，尤其涉及智能搜索、智能推荐、自然语言处理等领域，更具体地，涉及一种问题检索方法、装置、电子设备、介质和程序产品。
背景技术
当用户通过网络搜索问题时，相关技术通常基于用户输入的待检索问题从题库中进行匹配处理，将匹配的问题作为检索结果反馈给用户。但是，相关技术进行问题检索的检索效率较低、检索准确性较低、检索结果难以满足用户的需求。
发明内容
本公开提供了一种问题检索方法、装置、电子设备、存储介质以及程序产品。
根据本公开的一方面，提供了一种问题检索方法，包括：处理待检索问题，得到针对待检索问题的第一处理结果，其中，所述第一处理结果包括第一文本信息和第一语义信息；针对至少一个候选问题中的每个候选问题，将所述第一处理结果与所述候选问题的第二处理结果进行比较，得到比较结果，其中，所述第二处理结果包括第二文本信息和第二语义信息；基于所述比较结果，从所述至少一个候选问题中确定目标问题；将所述目标问题和与所述目标问题对应的答案中的至少之一作为检索结果。
根据本公开的另一方面，提供了一种问题检索装置，包括：处理模块、比较模块、第一确定模块以及第二确定模块。处理模块，用于处理待检索问题，得到针对待检索问题的第一处理结果，其中，所述第一处理结果包括第一文本信息和第一语义信息；比较模块，用于针对至少一个候选问题中的每个候选问题，将所述第一处理结果与所述候选问题的第二处理结果进行比较，得到比较结果，其中，所述第二处理结果包括第二文本信息和第二语义信息；第一确定模块，用于基于所述比较结果，从所述至少一个候选问题中确定目标问题；第二确定模块，用于将所述目标问题和与所述目标问题对应的答案中的至少之一作为检索结果。
根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和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上述的问题检索方法。
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，所述计算机指令用于使所述计算机执行上述的问题检索方法。
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上述的问题检索方法。
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一实施例的问题检索方法和装置的系统架构；
图2示意性示出了根据本公开一实施例的问题检索方法的流程图；
图3示意性示出了根据本公开一实施例的排序处理的流程图；
图4示意性示出了根据本公开另一实施例的排序处理的流程图；
图5示意性示出了根据本公开一实施例的问题检索的原理图；
图6示意性示出了根据本公开一实施例的问题检索装置的框图；以及
图7是用来实现本公开实施例的用于执行问题检索的电子设备的框图。
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。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
本公开实施例的问题检索例如包括题目检索。用户通过输入未知答案的题目，检索得到匹配的题目和题目对应的答案。
通过切词技术和文本匹配技术来进行问题的检索时，如果待检索问题具有较多的文字时，切词处理后得到大量分词，基于大量分词进行检索难以精确地确定检索意图。例如，当待检索问题为“＃＃行业，当前面临的形势与政策是”时，对其进行切词处理得到多个分词，由于题库中存在较多与“政策”相关的问题，反而会导致检索结果与“##行业”可能毫无关系。
通过切词技术和文本匹配技术难以实现理解用户的搜索意图。例如，问题的答案可能与问题本身没有文本重合，导致切词处理后进行文本匹配难以满足搜索需求。例如，当待检索问题为“＃＃地区文化的特点是()”时，预期的检索结果可能是“博大精深的”一类的答案，但通过文本匹配得到的检索结果通常与分词“##地区文化”、“特点”相关性较高。
通过切词技术和文本匹配技术进行检索时，待检索问题中可能存在无意义的信息，在进行检索时，通常将这些无意义的信息与有效信息进行相同权重的相关性计算，导致检索结果无法满足检索需求。例如，当待检索问题为“在＃＃####，以下哪个选项是正确的？”，后半段文字“以下哪个选项是正确的？”为选择题通用描述，在计算相似度时如果和其他内容具有相同权重，将导致检索结果不够准确。
通过切词技术和文本匹配技术进行检索时，相似的问题通常具有多种表达方式，导致相似问题的检索结果不一致。例如，待检索问题“在＃＃#条件下，下列哪些选项是正确的？”、待检索问题“在＃＃#条件下，下列哪些选项是错误的？”、待检索问题“在###条件下，是正确的。”为相似的问题，但是通过切词技术和文本匹配技术得到的检索结果可能是截然不同的。
通过切词技术和文本匹配技术进行检索时，如果待检索问题具有较多的文字，将导致检索速度慢、检索的稳定性较差。
有鉴于此，本公开的实施例提供了一种问题检索方法。问题检索方法包括：处理待检索问题，得到针对待检索问题的第一处理结果，第一处理结果包括第一文本信息和第一语义信息；针对至少一个候选问题中的每个候选问题，将第一处理结果与候选问题的第二处理结果进行比较，得到比较结果，第二处理结果包括第二文本信息和第二语义信息；基于比较结果，从至少一个候选问题中确定目标问题；将目标问题和与目标问题对应的答案中的至少之一作为检索结果。
图1示意性示出了根据本公开一实施例的问题检索方法和装置的系统架构。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。
如图1所示，根据该实施例的系统架构100可以包括客户端101、102、103，网络104和服务器105。网络104用以在客户端101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用客户端101、102、103通过网络104与服务器105交互，以接收或发送消息等。客户端101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
客户端101、102、103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。本公开实施例的客户端101、102、103例如可以运行应用程序。
服务器105可以是提供各种服务的服务器，例如对用户利用客户端101、102、103所浏览的网站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)反馈给客户端。另外，服务器105还可以是云服务器，即服务器105具有云计算功能。
需要说明的是，本公开实施例所提供的问题检索方法可以由服务器105执行。相应地，本公开实施例所提供的问题检索装置可以设置于服务器105中。本公开实施例所提供的问题检索方法也可以由不同于服务器105且能够与客户端101、102、103和/或服务器105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问题检索装置也可以设置于不同于服务器105且能够与客户端101、102、103和/或服务器105通信的服务器或服务器集群中。
例如，用户可以通过客户端101、102、103发送待检索问题，当服务器105通过网络104接收到来自客户端101、102、103的待检索问题之后，服务器105可以基于待检索问题执行检索得到检索结果，然后服务器105通过网络104将检索结果发送给客户端101、102、103，实现向用户推荐检索结果。
应该理解，图1中的客户端、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客户端、网络和服务器。
本公开实施例提供了一种问题检索方法，下面结合图1的系统架构，参考图2～图5来描述根据本公开示例性实施方式的问题检索方法。本公开实施例的问题检索方法例如可以由图1所示的服务器105来执行。
图2示意性示出了根据本公开一实施例的问题检索方法的流程图。
如图2所示，本公开实施例的问题检索方法200例如可以包括操作S210～操作S240。
在操作S210，处理待检索问题，得到针对待检索问题的第一处理结果，第一处理结果包括第一文本信息和第一语义信息。
在操作S220，针对至少一个候选问题中的每个候选问题，将第一处理结果与候选问题的第二处理结果进行比较，得到比较结果，第二处理结果包括第二文本信息和第二语义信息。
在操作S230，基于比较结果，从至少一个候选问题中确定目标问题。
在操作S240，将目标问题和与目标问题对应的答案中的至少之一作为检索结果。
例如，利用自然语音处理技术来处理待检索问题，得到第一处理结果。示例性地，利用切词技术对待检索问题进行切词处理得到第一文本信息，第一文本信息中例如包括多个分词。利用语义理解技术对待检索问题进行语义理解，得到针对待检索问题的第一语义信息。切词可以是一个汉字、一个词语或一个英文单词。
示例性地，题库中例如存储了至少一个候选问题，可以利用自然语音处理技术来处理每个候选问题，得到第二处理结果。示例性地，利用切词技术对候选问题进行切词处理得到第二文本信息，第二文本信息中例如包括多个分词。利用语义理解技术对候选问题进行语义理解，得到针对候选问题的第二语义信息。
接下来，将第一处理结果和第二处理结果进行比较得到比较结果，比较结果表征了待检索问题和每个候选问题的相似度。然后，基于比较结果从至少一个候选问题中选择相似度较高的候选问题作为目标问题。在确定出目标问题之后，如果目标问题具有相应的答案，可以将目标问题和相应的答案中的至少一个作为检索结果，并推荐检索结果。例如将目标问题作为检索结果，或者将答案作为检索结果，或者将目标问题和答案作为检索结果。
根据本公开的实施例，基于问题的文本信息和语义信息来进行问题的匹配，提高了目标问题的召回率。例如，当通过文本信息匹配难以召回文本相似性低但是语义相似性高的问题时，通过语义信息来补充问题的召回，提高了问题的召回率，使得召回的问题准确性较高且符合搜索需求。
示例性地，比较结果例如包括第一比较子结果。第一比较子结果例如是基于第一文本信息和第二文本信息得到的。例如，将第一文本信息和第二文本信息进行比较得到两者之间的相似度，将相似度作为第一比较子结果。当第一文本信息中的分词和第二文本信息中的分词中相似分词的数量越多，表示待检索问题和目标问题越相似。分词的相似度例如可以通过TF/IDF相似度算法来计算。
示例性地，比较结果例如还包括第二比较子结果。第二比较子结果例如是基于第一语义信息和第二语义信息得到的。例如，将第一语义信息和第二语义信息进行比较得到两者之间的相似度，将相似度作为第二比较子结果。当用于表征第一语义信息的向量和用于表征第二语义信息的向量之间的向量距离越小，表示待检索问题和目标问题越相似。
接下来，基于第一比较子结果从至少一个候选问题中确定第一候选问题，基于第二比较子结果从至少一个候选问题中确定第二候选问题。然后，将第一候选问题和第二候选问题的交集作为目标问题，以便将目标问题和对应的答案作为检索结果。
在另一示例中，题库中存储的至少一个候选问题例如被划分为多个分组，例如可以按照问题类型进行划分。问题类型包括但不限于单择题、多选题、判断题、填空题、名词解释题、计算题、论述题。在基于待检索问题匹配目标问题时，可以基于待检索问题的问题类型从多个分组中确定目标分组，目标分组中的候选问题的问题类型和待检索问题的问题类型相匹配。然后，将待检索问题的第一处理结果与目标分组中候选问题的第二处理结果进行比较，以便从目标分组中确定目标问题。当然，除了从目标分组中确定目标问题之外，也可以根据实际情况从其他分组中确定目标问题。
在本公开的实施例中，基于问题类型将题库中的候选问题划分为多个分组，在进行问题检索时，可以根据待检索问题的问题类型从相应的分组中进行检索，提高了检索的针对性和效率性，使得检索得到的检索结果更加符合检索需求。
根据本公开实施例，在得到检索结果之后，可以将检索结果进行排序，以便推荐排序后的检索结果。以下将结合图3～图4来描述本公开实施例的排序处理过程。
图3示意性示出了根据本公开一实施例的排序处理的流程图。
如图3所示，本公开实施例的排序处理例如可以包括操作S351～操作S354。
在操作S351，针对检索结果中的每个目标问题，确定多个分词，至少一个分词属于待检索问题和目标问题。
例如，所确定的多个分词同时在待检索问题和目标问题中出现。示例性地，多个分词可以属于第一文本信息和第二文本信息。
在操作S352，基于多个分词，确定至少一个分词指标。
至少一个分词指标例如包括位置相似度、第一占比和第二占比。以下将描述如何确定每个分词指标。
针对位置相似度，基于多个分词在待检索问题中的第一位置信息和多个分词在目标问题中的第二位置信息，确定第一位置信息和第二位置信息之间的位置相似度。当第一位置信息和第二位置信息越相似，则位置相似度越高。
例如，位置相似度用于表征多个分词在待检索问题和目标问题中的排列顺序和排列紧密性。多个分词在待检索问题中的排列顺序和多个分词在目标问题中的排列顺序越相似，表示位置相似度越高。多个分词在待检索问题中的排列紧密性和多个分词在目标问题中的排列紧密性越接近，表示位置相似度越高。
示例性地，待检索问题例如为“ABCD”，A、B、C、D表示4个分词。第一个目标问题例如为“ABCcD”，第二个目标问题例如为“CABcD”，则待检索问题中分词的排列顺序和第一个目标问题中分词的排列顺序更相似。
示例性地，待检索问题例如为“ABCD”，第一个目标问题例如为“ABCcD”，第二个目标问题例如为“AaBbCcDd”，则待检索问题中分词的排列紧密性和第一个目标问题中分词的排列紧密性更接近。
针对第一占比，确定多个分词在待检索问题中的第一占比。例如，将多个分词的数量和待检索问题中分词总数量之比作为第一占比。待检索问题中分词总数量可以从第一文本信息中确定。
针对第二占比，确定多个分词在目标问题中的第二占比。例如，将多个分词的数量和目标问题中分词总数量之比作为第二占比。目标问题中分词总数量可以从第二文本信息中确定。
在操作S353，针对检索结果中的每个目标问题，确定待检索问题的第一语义信息和目标问题的第二语义信息之间的语义相似度。
例如，第一语义信息表示为第一向量，第二语义信息表示为第二向量，当第一向量和第二向量之间的向量距离越小时，表示待检索问题和目标问题越相似。
在操作S354，基于每个分词指标、与每个分词指标对应的权重、语义相似度以及与语义相似度对应的权重，对检索结果进行排序。
例如，针对每个目标问题，计算每个目标问题的分数，并基于每个目标问题的分数进行排序。
例如，以一个目标问题为例，至少一个分词指标中的位置相似度表示为offset，与位置相似度对应的权重表示为w1，第一占比表示为cqr，与第一占比对应的权重表示为w2，第二占比表示为ctr，与第二占比对应的权重表示为w3，语义相似度表示为NNscore，与语义相似度对应的权重表示为w4。该目标问题的分数textrel_score＝w1*offset+w2*cqr+w3*ctr+w4*NNscore。
在本公开的实施例中，根据针对文本的多个指标和语义相似度进行加权计算得到针对每个目标问题的分数，基于所确定的分数对检索结果中的目标问题进行排序。然后根据排序结果推荐目标问题，从而提高了推荐的准确性，使得所推荐的检索结果更加符合检索需求，用户可以按照排序快速地找到所需的目标问题。
图4示意性示出了根据本公开另一实施例的排序处理的流程图。
如图4所示，本公开实施例的排序处理例如可以包括操作S451～操作S452。
在操作S451，针对检索结果中的每个目标问题，确定与每个目标问题对应的答案。
在操作S452，基于答案的质量信息和答案的反馈信息，对检索结果进行排序。
示例性地，质量信息包括答案是否缺失、答案的格式是否为图片格式等等。当答案缺失或者答案的格式为图片格式时，表示答案的质量较低。在对多个目标问题进行排序时，可以将答案质量低的目标问题和对应的答案排在后面。
示例性地，反馈信息包括用户对答案的评价信息、用户对答案的行为信息等等。当用户对答案的评价较高，或者用户对答案执行了复制行为或长时间阅读行为时，表示答案较符合用户的需求。在对多个目标问题进行排序时，可以将符合用户的需求的目标问题和对应的答案排在前面。
在本公开的实施例中，根据答案的质量信息和反馈信息来对目标问题进行排序，从而提高了推荐的准确性，使得所推荐的检索结果更加符合用户的需求，用户可以按照排序快速地找到所需的目标问题。
在本公开的实施例中，可以同时基于每个目标问题的分数，以及基于答案质量信息和答案的反馈信息进行排序。或者，在基于每个目标问题的分数进行排序之后，可以进一步基于答案质量信息和答案的反馈信息进行进一步排序。或者，在基于答案质量信息和答案的反馈信息进行排序之后，可以进一步基于每个目标问题的分数进行进一步排序。
图5示意性示出了根据本公开一实施例的问题检索的原理图。
如图5所示，在服务器端，对于题库中的多个候选问题501，利用切词和语义处理模块502处理每个候选问题，得到针对每个候选问题的切词结果和语义理解结果。基于切词结果构建倒排索引库503，基于语义理解结果构建语义索引库504。构建倒排索引库503表示将问题切分成多个分词后，建立不同分词与问题对应的映射关系，这样在索引时根据一个分词和映射关系就可以找到所有的包含该分词的问题。
在客户端，当接收到用户在搜索框505中输入的问题时，将输入的问题作为待检索问题506发送至服务器。
在服务器端，当接收到来自客户端的待检索问题506之后，利用切词和语义处理模块507处理待检索问题506，得到针对待检索问题506的切词结果和语义理解结果。然后，基于切词结果从倒排索引库503中进行问题检索，基于语义理解结果从语义索引库504中进行问题检索，将从倒排索引库503和语义索引库504中召回的目标问题作为检索结果508。
其中，切词和语义处理模块502以及切词和语义处理模块507可以是相同的模块，即，利用相同的切词策略和语义理解策略来处理待检索问题506和候选问题501，提高检索的准确性。当然，也不排除切词和语义处理模块502以及切词和语义处理模块507可以是不同的模块。不论针对待检索问题506或候选问题501，在进行切词处理得到多个分词之后，可以执行进一步处理。
进一步处理包括去噪音、问题截断、去重处理、归一化处理、去除特定字词等等。例如，去噪音包括去除多个分词中的乱码、无意义符号。问题截断包括对多个分词进行截断得到针对不同子问题的分词，或者，对多个分词进行截断得到属于不同选项的分词，特别是当用户通过拍照搜索时，照片中的问题通常包括多个子问题或多个选项。去重处理例如包括去除重复的分词。归一化处理例如包括对分词的格式进行统一。去除特定字词包括去除分词中的虚词、介词、副词、符号等，以去除干扰，提高检索效率。
在得到检索结果508之后，利用排序处理模块509对检索结果508中的多个目标问题进行排序。排序处理如上文描述，在此不再赘述。
在利用排序处理模块509对检索结果508中的多个目标问题进行排序得到排序结果之后，还可以利用排序调优模块510进一步排序。其中，排序调优模块510可以根据实际的需求在线地调节排序处理模块509输出的排序结果，并将调节结果输出至客户端。
通过本公开实施例的问题检索方法，问题的召回率可提升至96％以上、准确率可提升至77％以上。召回率是指对题库内已有问题进行拍照、语音、模拟用户输入后，进行检索能够召回问题的比例。准确率指检索结果中正确的目标问题和所有目标问题的比例，正确的目标问题指该目标问题的答案能够用于回答待检索问题。在检索性能方面，检索耗时可以降低至187ms以下，稳定性可达到99.99％。
图6示意性示出了根据本公开一实施例的问题检索装置的框图。
如图6所示，本公开实施例的问题检索装置600例如包括处理模块610、比较模块620、第一确定模块630以及第二确定模块640。
处理模块610可以用于处理待检索问题，得到针对待检索问题的第一处理结果，其中，第一处理结果包括第一文本信息和第一语义信息。根据本公开实施例，处理模块610例如可以执行上文参考图2描述的操作S210，在此不再赘述。
比较模块620可以用于针对至少一个候选问题中的每个候选问题，将第一处理结果与候选问题的第二处理结果进行比较，得到比较结果，其中，第二处理结果包括第二文本信息和第二语义信息。根据本公开实施例，比较模块620例如可以执行上文参考图2描述的操作S220，在此不再赘述。
第一确定模块630可以用于基于比较结果，从至少一个候选问题中确定目标问题。根据本公开实施例，第一确定模块630例如可以执行上文参考图2描述的操作S230，在此不再赘述。
第二确定模块640可以用于将目标问题和与目标问题对应的答案中的至少之一作为检索结果。根据本公开实施例，第二确定模块640例如可以执行上文参考图2描述的操作S240，在此不再赘述。
根据本公开的实施例，比较结果包括第一比较子结果和第二比较子结果，第一比较子结果是基于第一文本信息和第二文本信息得到的，第二比较子结果是基于第一语义信息和第二语义信息得到的；其中，第一确定模块630包括：第一确定子模块、第二确定子模块和第三确定子模块。第一确定子模块，用于基于第一比较子结果，从至少一个候选问题中确定第一候选问题；第二确定子模块，用于基于第二比较子结果，从至少一个候选问题中确定第二候选问题；第三确定子模块，用于将第一候选问题和第二候选问题的交集作为目标问题。
根据本公开的实施例，装置600还可以包括：第一排序模块，用于将检索结果进行排序，以便推荐排序后的检索结果。其中，第一排序模块包括：第四确定子模块、第五确定子模块、第六确定子模块和第一排序子模块。第四确定子模块，用于针对检索结果中的每个目标问题，确定多个分词，其中，至少一个分词属于待检索问题和目标问题；第五确定子模块，用于基于多个分词，确定至少一个分词指标；第六确定子模块，用于针对检索结果中的每个目标问题，确定待检索问题的第一语义信息和目标问题的第二语义信息之间的语义相似度；第一排序子模块，用于基于每个分词指标、与每个分词指标对应的权重、语义相似度以及与语义相似度对应的权重，对检索结果进行排序。
根据本公开的实施例，第五确定子模块包括：第一确定单元、第二确定单元、第三确定单元和第四确定单元。第一确定单元，用于基于多个分词在待检索问题中的第一位置信息和多个分词在目标问题中的第二位置信息，确定第一位置信息和第二位置信息之间的位置相似度；第二确定单元，用于确定多个分词在待检索问题中的第一占比；第三确定单元，用于确定多个分词在目标问题中的第二占比；第四确定单元，用于将位置相似度、第一占比以及第二占比作为至少一个分词指标。
根据本公开的实施例，装置600还可以包括：第二排序模块，用于将检索结果进行排序，以便推荐排序后的检索结果；其中，第二排序模块包括：第七确定子模块和第二排序子模块。第七确定子模块，用于针对检索结果中的每个目标问题，确定与每个目标问题对应的答案；第二排序子模块，用于基于答案的质量信息和答案的反馈信息，对检索结果进行排序。
根据本公开的实施例，质量信息包括以下至少一项：答案是否缺失、答案的格式是否为图片格式；反馈信息包括以下至少一项：用户对答案的评价信息、用户对答案的行为信息。
根据本公开的实施例，至少一个候选问题被划分为多个分组；比较模块620包括：第八确定子模块和比较子模块。第八确定子模块，用于从多个分组中确定目标分组，其中，目标分组中的候选问题的问题类型和待检索问题的问题类型相匹配；比较子模块，用于将第一处理结果与目标分组中候选问题的第二处理结果进行比较。
本公开的技术方案中，所涉及的用户个人信息的获取、存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
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是用来实现本公开实施例的用于执行问题检索的电子设备的框图。
图7示出了可以用来实施本公开实施例的示例电子设备700的示意性框图。电子设备700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，例如问题检索方法。例如，在一些实施例中，问题检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，可以执行上文描述的问题检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)而被配置为执行问题检索方法。
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、现场可编程门阵列(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 (17)

1.一种问题检索方法，包括：
处理待检索问题，得到针对待检索问题的第一处理结果，其中，所述第一处理结果包括第一文本信息和第一语义信息；
针对至少一个候选问题中的每个候选问题，将所述第一处理结果与所述候选问题的第二处理结果进行比较，得到比较结果，其中，所述第二处理结果包括第二文本信息和第二语义信息；
基于所述比较结果，从所述至少一个候选问题中确定目标问题；以及
将所述目标问题和与所述目标问题对应的答案中的至少之一作为检索结果。
2.根据权利要求1所述的方法，其中，所述比较结果包括第一比较子结果和第二比较子结果，所述第一比较子结果是基于所述第一文本信息和所述第二文本信息得到的，所述第二比较子结果是基于所述第一语义信息和所述第二语义信息得到的；
其中，所述基于所述比较结果，从所述至少一个候选问题中确定目标问题包括：
基于所述第一比较子结果，从所述至少一个候选问题中确定第一候选问题；
基于所述第二比较子结果，从所述至少一个候选问题中确定第二候选问题；以及
将所述第一候选问题和第二候选问题的交集作为所述目标问题。
3.根据权利要求1所述的方法，还包括：将所述检索结果进行排序，以便推荐排序后的检索结果；
其中，所述将所述检索结果进行排序包括：
针对所述检索结果中的每个目标问题，确定多个分词，其中，所述至少一个分词属于所述待检索问题和所述目标问题；
基于所述多个分词，确定至少一个分词指标；
针对所述检索结果中的每个目标问题，确定所述待检索问题的第一语义信息和所述目标问题的第二语义信息之间的语义相似度；以及
基于每个分词指标、与每个分词指标对应的权重、所述语义相似度以及与语义相似度对应的权重，对所述检索结果进行排序。
4.根据权利要求3所述的方法，其中，所述基于所述多个分词，确定至少一个分词指标包括：
基于所述多个分词在所述待检索问题中的第一位置信息和所述多个分词在所述目标问题中的第二位置信息，确定所述第一位置信息和所述第二位置信息之间的位置相似度；
确定所述多个分词在所述待检索问题中的第一占比；
确定所述多个分词在所述目标问题中的第二占比；以及
将所述位置相似度、所述第一占比以及所述第二占比作为所述至少一个分词指标。
5.根据权利要求1或3所述的方法，还包括：将所述检索结果进行排序，以便推荐排序后的检索结果；
其中，所述将所述检索结果进行排序包括：
针对所述检索结果中的每个目标问题，确定与每个目标问题对应的答案；以及
基于所述答案的质量信息和所述答案的反馈信息，对所述检索结果进行排序。
6.根据权利要求1-5中任意一项所述的方法，其中：
所述质量信息包括以下至少一项：答案是否缺失、答案的格式是否为图片格式；
所述反馈信息包括以下至少一项：用户对答案的评价信息、用户对答案的行为信息。
7.根据权利要求1-6中任意一项所述的方法，其中，所述至少一个候选问题被划分为多个分组；所述针对至少一个候选问题中的每个候选问题，将所述第一处理结果与所述候选问题的第二处理结果进行比较包括：
从所述多个分组中确定目标分组，其中，所述目标分组中的候选问题的问题类型和所述待检索问题的问题类型相匹配；以及
将所述第一处理结果与所述目标分组中候选问题的第二处理结果进行比较。
8.一种问题检索装置，包括：
处理模块，用于处理待检索问题，得到针对待检索问题的第一处理结果，其中，所述第一处理结果包括第一文本信息和第一语义信息；
比较模块，用于针对至少一个候选问题中的每个候选问题，将所述第一处理结果与所述候选问题的第二处理结果进行比较，得到比较结果，其中，所述第二处理结果包括第二文本信息和第二语义信息；
第一确定模块，用于基于所述比较结果，从所述至少一个候选问题中确定目标问题；以及
第二确定模块，用于将所述目标问题和与所述目标问题对应的答案中的至少之一作为检索结果。
9.根据权利要求8所述的装置，其中，所述比较结果包括第一比较子结果和第二比较子结果，所述第一比较子结果是基于所述第一文本信息和所述第二文本信息得到的，所述第二比较子结果是基于所述第一语义信息和所述第二语义信息得到的；
其中，所述第一确定模块包括：
第一确定子模块，用于基于所述第一比较子结果，从所述至少一个候选问题中确定第一候选问题；
第二确定子模块，用于基于所述第二比较子结果，从所述至少一个候选问题中确定第二候选问题；以及
第三确定子模块，用于将所述第一候选问题和第二候选问题的交集作为所述目标问题。
10.根据权利要求8所述的装置，还包括：第一排序模块，用于将所述检索结果进行排序，以便推荐排序后的检索结果；
其中，所述第一排序模块包括：
第四确定子模块，用于针对所述检索结果中的每个目标问题，确定多个分词，其中，所述至少一个分词属于所述待检索问题和所述目标问题；
第五确定子模块，用于基于所述多个分词，确定至少一个分词指标；
第六确定子模块，用于针对所述检索结果中的每个目标问题，确定所述待检索问题的第一语义信息和所述目标问题的第二语义信息之间的语义相似度；以及
第一排序子模块，用于基于每个分词指标、与每个分词指标对应的权重、所述语义相似度以及与语义相似度对应的权重，对所述检索结果进行排序。
11.根据权利要求10所述的装置，其中，所述第五确定子模块包括：
第一确定单元，用于基于所述多个分词在所述待检索问题中的第一位置信息和所述多个分词在所述目标问题中的第二位置信息，确定所述第一位置信息和所述第二位置信息之间的位置相似度；
第二确定单元，用于确定所述多个分词在所述待检索问题中的第一占比；
第三确定单元，用于确定所述多个分词在所述目标问题中的第二占比；以及
第四确定单元，用于将所述位置相似度、所述第一占比以及所述第二占比作为所述至少一个分词指标。
12.根据权利要求8或10所述的装置，还包括：第二排序模块，用于将所述检索结果进行排序，以便推荐排序后的检索结果；
其中，所述第二排序模块包括：
第七确定子模块，用于针对所述检索结果中的每个目标问题，确定与每个目标问题对应的答案；以及
第二排序子模块，用于基于所述答案的质量信息和所述答案的反馈信息，对所述检索结果进行排序。
13.根据权利要求8-12中任意一项所述的装置，其中：
所述质量信息包括以下至少一项：答案是否缺失、答案的格式是否为图片格式；
所述反馈信息包括以下至少一项：用户对答案的评价信息、用户对答案的行为信息。
14.根据权利要求8-13中任意一项所述的装置，其中，所述至少一个候选问题被划分为多个分组；所述比较模块包括：
第八确定子模块，用于从所述多个分组中确定目标分组，其中，所述目标分组中的候选问题的问题类型和所述待检索问题的问题类型相匹配；以及
比较子模块，用于将所述第一处理结果与所述目标分组中候选问题的第二处理结果进行比较。
15.一种电子设备，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1-7中任一项所述的方法。
16.一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权利要求1-7中任一项所述的方法。
17.一种计算机程序产品，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1-7中任一项所述的方法。
CN202110663448.1A 2021-06-15 2021-06-15 问题检索方法、装置、电子设备和介质 Active CN113326420B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110663448.1A CN113326420B (zh) 2021-06-15 2021-06-15 问题检索方法、装置、电子设备和介质
US17/837,347 US11977567B2 (en) 2021-06-15 2022-06-10 Method of retrieving query, electronic device and medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110663448.1A CN113326420B (zh) 2021-06-15 2021-06-15 问题检索方法、装置、电子设备和介质

Publications (2)

Publication Number Publication Date
CN113326420A true CN113326420A (zh) 2021-08-31
CN113326420B CN113326420B (zh) 2023-10-27

Family

ID=77420969

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110663448.1A Active CN113326420B (zh) 2021-06-15 2021-06-15 问题检索方法、装置、电子设备和介质

Country Status (2)

Country Link
US (1) US11977567B2 (zh)
CN (1) CN113326420B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114579573A (zh) * 2022-03-03 2022-06-03 北京百度网讯科技有限公司 信息检索方法、装置、电子设备以及存储介质
CN114897183A (zh) * 2022-05-16 2022-08-12 北京百度网讯科技有限公司 问题数据处理方法、深度学习模型的训练方法和装置
CN116610782A (zh) * 2023-04-28 2023-08-18 北京百度网讯科技有限公司 文本检索方法、装置、电子设备及介质

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230128406A1 (en) * 2021-10-27 2023-04-27 Bank Of America Corporation Recursive Logic Engine for Efficient Transliteration of Machine Interpretable Languages
CN117725303B (zh) * 2023-09-21 2024-09-24 书行科技(北京)有限公司 内容查询方法、装置和计算机可读存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104123322A (zh) * 2013-04-28 2014-10-29 百度在线网络技术（北京）有限公司 基于同义处理获取与输入问题对应的相关问题的方法、设备
CN109033244A (zh) * 2018-07-05 2018-12-18 百度在线网络技术（北京）有限公司 搜索结果排序方法和装置
US20180373782A1 (en) * 2017-06-27 2018-12-27 Beijing Baidu Netcom Science And Technology Co., Ltd. Method and apparatus for recommending answer to question based on artificial intelligence
CN109271505A (zh) * 2018-11-12 2019-01-25 深圳智能思创科技有限公司 一种基于问题答案对的问答系统实现方法
CN110750616A (zh) * 2019-10-16 2020-02-04 网易（杭州）网络有限公司 检索式聊天方法、装置以及计算机设备
CN111382255A (zh) * 2020-03-17 2020-07-07 北京百度网讯科技有限公司 用于问答处理的方法、装置、设备和介质
CN111984774A (zh) * 2020-08-11 2020-11-24 北京百度网讯科技有限公司 搜索方法、装置、设备以及存储介质
CN112948553A (zh) * 2021-02-26 2021-06-11 平安国际智慧城市科技股份有限公司 法律智能问答方法、装置、电子设备及存储介质

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003001413A1 (en) * 2001-06-22 2003-01-03 Nosa Omoigui System and method for knowledge retrieval, management, delivery and presentation
CN103229162B (zh) * 2010-09-28 2016-08-10 国际商业机器公司 使用候选答案逻辑综合提供问题答案
CN102799591B (zh) * 2011-05-26 2015-03-04 阿里巴巴集团控股有限公司 一种提供推荐词的方法及装置
US9122727B1 (en) * 2012-03-02 2015-09-01 Google Inc. Identification of related search queries that represent different information requests
US9679568B1 (en) * 2012-06-01 2017-06-13 Google Inc. Training a dialog system using user feedback
US9830314B2 (en) * 2013-11-18 2017-11-28 International Business Machines Corporation Error correction in tables using a question and answer system
CN106033466A (zh) * 2015-03-20 2016-10-19 华为技术有限公司 数据库查询的方法和设备
KR101992399B1 (ko) * 2016-07-05 2019-06-24 한국전자통신연구원 하이브리드 추론 기반의 자연어 질의응답 시스템 및 그 방법
CN107609152B (zh) * 2017-09-22 2021-03-09 百度在线网络技术（北京）有限公司 用于扩展查询式的方法和装置
US11016966B2 (en) * 2018-06-26 2021-05-25 Adobe Inc. Semantic analysis-based query result retrieval for natural language procedural queries
US11768869B2 (en) * 2021-02-08 2023-09-26 Adobe, Inc. Knowledge-derived search suggestion

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104123322A (zh) * 2013-04-28 2014-10-29 百度在线网络技术（北京）有限公司 基于同义处理获取与输入问题对应的相关问题的方法、设备
US20180373782A1 (en) * 2017-06-27 2018-12-27 Beijing Baidu Netcom Science And Technology Co., Ltd. Method and apparatus for recommending answer to question based on artificial intelligence
CN109033244A (zh) * 2018-07-05 2018-12-18 百度在线网络技术（北京）有限公司 搜索结果排序方法和装置
CN109271505A (zh) * 2018-11-12 2019-01-25 深圳智能思创科技有限公司 一种基于问题答案对的问答系统实现方法
CN110750616A (zh) * 2019-10-16 2020-02-04 网易（杭州）网络有限公司 检索式聊天方法、装置以及计算机设备
CN111382255A (zh) * 2020-03-17 2020-07-07 北京百度网讯科技有限公司 用于问答处理的方法、装置、设备和介质
CN111984774A (zh) * 2020-08-11 2020-11-24 北京百度网讯科技有限公司 搜索方法、装置、设备以及存储介质
CN112948553A (zh) * 2021-02-26 2021-06-11 平安国际智慧城市科技股份有限公司 法律智能问答方法、装置、电子设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
乔世权;戴继勇;: "基于文本相似度的智能查号引擎研究", 河北科技大学学报, no. 03, pages 96 - 102 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114579573A (zh) * 2022-03-03 2022-06-03 北京百度网讯科技有限公司 信息检索方法、装置、电子设备以及存储介质
CN114579573B (zh) * 2022-03-03 2022-12-09 北京百度网讯科技有限公司 信息检索方法、装置、电子设备以及存储介质
CN114897183A (zh) * 2022-05-16 2022-08-12 北京百度网讯科技有限公司 问题数据处理方法、深度学习模型的训练方法和装置
CN114897183B (zh) * 2022-05-16 2023-06-13 北京百度网讯科技有限公司 问题数据处理方法、深度学习模型的训练方法和装置
CN116610782A (zh) * 2023-04-28 2023-08-18 北京百度网讯科技有限公司 文本检索方法、装置、电子设备及介质
CN116610782B (zh) * 2023-04-28 2024-03-15 北京百度网讯科技有限公司 文本检索方法、装置、电子设备及介质

Also Published As

Publication number Publication date
CN113326420B (zh) 2023-10-27
US11977567B2 (en) 2024-05-07
US20220300543A1 (en) 2022-09-22

Similar Documents

Publication Publication Date Title
CN113326420B (zh) 问题检索方法、装置、电子设备和介质
CN113590796B (zh) 排序模型的训练方法、装置和电子设备
CN112966081B (zh) 处理问答信息的方法、装置、设备和存储介质
CN112506864B (zh) 文件检索的方法、装置、电子设备及可读存储介质
CN114116997A (zh) 知识问答方法、装置、电子设备及存储介质
CN116028618B (zh) 文本处理、文本检索方法、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
CN111401039A (zh) 基于二元互信息的词语检索方法、装置、设备及存储介质
CN114048315A (zh) 确定文档标签的方法、装置、电子设备和存储介质
CN117971698A (zh) 测试用例生成方法、装置、电子设备和存储介质
CN113919424A (zh) 文本处理模型的训练、文本处理方法、装置、设备和介质
CN115186163B (zh) 搜索结果排序模型的训练与搜索结果排序方法、装置
CN114417856B (zh) 文本的稀疏编码方法、装置及电子设备
CN116383340A (zh) 信息搜索方法、装置、电子设备和存储介质
CN113515932B (zh) 处理问答信息的方法、装置、设备和存储介质
CN112528644B (zh) 实体挂载的方法、装置、设备以及存储介质
CN114328855A (zh) 文档查询方法、装置、电子设备和可读存储介质
CN112926295A (zh) 模型推荐方法和装置
CN112784600A (zh) 信息排序方法、装置、电子设备和存储介质
CN112926297A (zh) 处理信息的方法、装置、设备和存储介质
CN112818167A (zh) 实体检索方法、装置、电子设备及计算机可读存储介质
CN112800315A (zh) 数据处理方法、装置、设备及存储介质
CN114925185B (zh) 交互方法、模型的训练方法、装置、设备及介质
CN113656393B (zh) 数据处理方法、装置、电子设备以及存储介质

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
GR01 Patent grant
GR01 Patent grant