CN113377921B - 用于匹配信息的方法、装置、电子设备以及介质 - Google Patents
用于匹配信息的方法、装置、电子设备以及介质 Download PDFInfo
- Publication number
- CN113377921B CN113377921B CN202110711923.8A CN202110711923A CN113377921B CN 113377921 B CN113377921 B CN 113377921B CN 202110711923 A CN202110711923 A CN 202110711923A CN 113377921 B CN113377921 B CN 113377921B
- Authority
- CN
- China
- Prior art keywords
- information
- matched
- matching degree
- sub
- query text
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000000875 corresponding effect Effects 0.000 claims description 54
- 230000004044 response Effects 0.000 claims description 15
- 230000002596 correlated effect Effects 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 238000010801 machine learning 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
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003058 natural language processing Methods 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了用于匹配信息的方法、装置、电子设备以及介质,涉及计算机技术领域,特别涉及信息检索和智能办公领域。具体实现方案为:获取查询文本与待匹配信息集合;分别生成该待匹配信息集合中的待匹配信息与该查询文本之间的语义匹配度;根据所生成的语义匹配度与第一预设阈值的比较结果,按照与所述比较结果对应的方式从所述待匹配信息集合中选取第一数目个待匹配信息作为匹配结果,其中,该第一数目不大于预设数目阈值。从而实现了在满足匹配时间要求的前提下提升信息匹配的精度;并且通过预设数目阈值的设置将最为相关的信息进行反馈以呈现给用户,使得匹配结果更加简洁、明晰,有助于提升用户的使用效率。
Description
技术领域
本公开涉及计算机技术领域,特别涉及信息检索和智能办公领域,尤其涉及用于匹配信息的方法、装置、电子设备以及介质。
背景技术
随着互联网技术的发展和数据规模的增长,现有的检索技术逐步确立了以召回——排序为核心策略的框架。
现有技术中,通常在召回阶段使用基于Tire树(字典树)的字符匹配方法;在排序阶段,通常使用大量的特征进行排序。
发明内容
提供了一种用于匹配信息的方法、装置、电子设备以及存储介质。
根据第一方面,提供了一种用于匹配信息的方法,该方法包括:获取查询文本与待匹配信息集合;分别生成待匹配信息集合中的待匹配信息与查询文本之间的语义匹配度;根据所生成的语义匹配度与第一预设阈值的比较结果,按照与比较结果对应的方式从待匹配信息集合中选取第一数目个待匹配信息作为匹配结果,其中,第一数目不大于预设数目阈值。
根据第二方面,提供了一种用于匹配信息的装置,该装置包括:获取单元,被配置成获取查询文本与待匹配信息集合;生成单元,被配置成分别生成待匹配信息集合中的待匹配信息与查询文本之间的语义匹配度;选取单元,被配置成根据所生成的语义匹配度与第一预设阈值的比较结果,按照与比较结果对应的方式从待匹配信息集合中选取第一数目个待匹配信息作为匹配结果,其中,第一数目不大于预设数目阈值。
根据第三方面,提供了一种电子设备,该电子设备包括:至少一个处理器;以及与上述至少一个处理器通信连接的存储器;其中,存储器存储有可被上述至少一个处理器执行的指令,上述指令被至少一个处理器执行,以使上述至少一个处理器能够执行如第一方面中任一实现方式所描述的方法。
根据第四方面,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能够执行如第一方面中任一实现方式所描述的方法。
根据第五方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现如第一方面中任一实现方式所描述的方法。
根据本公开的技术通过语义匹配度与第一预设阈值进行比较生成比较结果,并且采用与比较结果对应的方式从待匹配信息集合中选取匹配结果,而非通过使用大量较为复杂的特征,实现了在满足匹配时间要求的前提下提升信息匹配的精度;并且通过预设数目阈值的设置将最为相关的信息进行反馈以呈现给用户,使得匹配结果更加简洁、明晰,有助于提升用户的使用效率。
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是根据本公开第一实施例的示意图;
图2是根据本公开第二实施例的示意图;
图3是可以实现本公开实施例的用于匹配信息的方法的一个应用场景的示意图;
图4是根据本公开实施例的用于匹配信息的装置的示意图;
图5是用来实现本公开实施例的用于匹配信息的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。
图1是示出了根据本公开第一实施例的示意图100。该用于匹配信息的方法包括以下步骤:
S101,获取查询文本与待匹配信息集合。
在本实施例中,用于匹配信息的方法的执行主体可以通过各种方式获取查询文本与待匹配信息集合。其中,上述查询文本可以是用户输入的查询词、查询语句等。上述待匹配信息集合可以是包含有待返回的、与上述查询文本相匹配的信息的集合。作为示例,上述查询文本可以是用户输入的待查找的关键词。上述待匹配信息集合可以是与上述待查找的关键词的查询范围相匹配的聊天记录。作为又一示例,上述查询文本可以是用户点击“常用页面”所生成的查询语句。上述待匹配信息集合可以是预先设置的页面信息列表。
在本实施例中,上述执行主体可以通过各种方式获取上述查询文本与待匹配信息集合。作为示例,上述执行主体可以从本地获取上述查询文本和待匹配信息集合。作为又一示例,上述执行主体还可以从通信连接的电子设备(例如用户终端和数据库服务器)分别获取查询文本和待匹配信息集合。
S102,分别生成待匹配信息集合中的待匹配信息与查询文本之间的语义匹配度。
在本实施例中,上述执行主体可以通过各种方式分别生成步骤S101所获取的待匹配信息集合中的待匹配信息与查询文本之间的语义匹配度。其中,上述语义匹配度可以用于表征语义层面的相似性。作为示例,上述语义匹配度可以通过各种基于机器学习的自然语言处理模型得到。
S103,根据所生成的语义匹配度与第一预设阈值的比较结果,按照与比较结果对应的方式从待匹配信息集合中选取第一数目个待匹配信息作为匹配结果。
在本实施例中,上述执行主体可以首先将步骤S102所生成的语义匹配度与第一预设阈值进行比较,从而生成比较结果。其中,上述比较结果可以包括多种形式。作为示例,上述比较结果可以用于指示上述所生成的语义匹配度与上述第一预设阈值之间的大小,例如“大于”、“等于”、“小于”。作为又一示例,上述比较结果还可以用于表征两者之间的差异程度,例如“语义匹配度为上述第一预设阈值的1.5倍”。而后,上述执行主体可以按照与上述比较结果对应的方式从上述步骤S101获取的待匹配信息集合中选取第一数目个待匹配信息作为匹配结果。作为示例,当上述比较结果用于指示“语义匹配度为上述第一预设阈值的1.5倍”时,上述执行主体可以直接将大于上述第一预设阈值的1.5倍的语义匹配度对应的待匹配信息作为匹配结果。其中,上述第一数目通常不大于预设数目阈值。
可选地,若大于上述第一预设阈值的1.5倍的语义匹配度对应的待匹配信息的数目大于上述预设数目阈值,上述执行主体可以从上述大于上述第一预设阈值的1.5倍的语义匹配度对应的待匹配信息中选取上述预设数目阈值个语义匹配度最大的待匹配信息作为匹配结果。
在本实施例中,上述预设数目阈值可以设置为较小的数,例如3或1等。从而,上述预设数目阈值的数值越小,对匹配的准确度要求越高,呈现的匹配结果也越简洁。
本公开的上述实施例提供的方法,通过语义匹配度与第一预设阈值进行比较生成比较结果,并且采用与比较结果对应的方式从待匹配信息集合中选取匹配结果,而非通过使用大量较为复杂的特征,实现了在满足匹配时间要求的前提下提升信息匹配的精度;并且通过预设数目阈值的设置将最为相关的信息进行反馈以呈现给用户,使得匹配结果更加简洁、明晰,有助于提升用户的使用效率。
在本实施例的一些可选的实现方式中,上述执行主体可以按照如下方式分别生成待匹配信息集合中的待匹配信息与查询文本之间的语义匹配度:
将待匹配信息集合中的待匹配信息与查询文本输入至预先训练的语义匹配模型,分别生成输入的各待匹配信息与查询文本之间的语义匹配度。
在这些实现方式中,上述语义匹配模型可以包括特征提取层、特征融合层和输出层。其中,上述特征提取层可以用于提取输入上述语义匹配模型的待匹配信息和查询文本的字面特征和语义特征。上述字面特征可以包括但不限于以下至少一项:BM25(BestMatch25)、TF-IDF(term frequency–inverse document frequency,词频-逆向文件频率)、编辑距离。上述语义特征可以包括但不限于使用语义匹配SimNet架构训练得到的模型(例如SimNet-BOW、SimNet-RNN、SimNet-CNN)所提取的特征。上述特征融合层可以对上述特征提取层所得到的特征进行融合。上述输出层可以根据上述特征融合层所得到的融合后的特征生成输入的待匹配信息和查询文本之间的语义匹配度。上述语义匹配度可以用于表征输入的待匹配信息和查询文本之间的语义相似程度。例如用“1”表示两者语义完全相同,用“0”表示两者语义完全不同。
在这些实现方式中,上述语义匹配模型可以包括各种基于机器学习方法训练得到的模型,在此不再赘述。
基于上述可选的实现方式,本方案可以利用融合了字面特征和语义特征的语义匹配模型生成待匹配信息与上述查询文本之间的语义匹配度,从而提升了语义匹配度的准确度,进而提高了匹配度的准确度。
在本实施例的一些可选的实现方式中,上述待匹配信息集合中的待匹配信息可以包括标题和至少一个关键字。上述执行主体可以按照以下步骤将待匹配信息集合中的待匹配信息与上述查询文本输入至预先训练的语义匹配模型,分别生成输入的各待匹配信息与查询文本之间的语义匹配度:
第一步,将待匹配信息集合中的待匹配信息的标题和至少一个关键字分别与查询文本输入至预先训练的语义匹配模型,分别生成输入的各待匹配信息对应的第一子语义匹配度和第二子语义匹配度。
在这些实现方式中,上述第一子语义匹配度可以用于表征待匹配信息的标题与上述查询文本之间的语义匹配度。上述第二子语义匹配度可以用于表征待匹配信息的关键字与上述查询文本之间的语义匹配度。
作为示例,上述待匹配信息集合中可以包括与文本X对应的标题Y和关键字K1、K2。上述执行主体可以将上述标题Y和查询文本输入至上述预先训练的语义匹配模型,从而生成标题Y和查询文本之间的语义匹配度作为第一子语义匹配度。同理,上述执行主体可以将上述关键字K1和查询文本输入至上述预先训练的语义匹配模型,从而生成关键字K1和查询文本之间的语义匹配度作为第二子语义匹配度。上述执行主体可以将上述关键字K2和查询文本输入至上述预先训练的语义匹配模型,从而生成关键字K2和查询文本之间的语义匹配度作为又一个第二子语义匹配度。
第二步,从所生成的对应于同一待匹配信息的第一子语义匹配度和第二子语义匹配度中选取最大值作为该待匹配信息与查询文本之间的语义匹配度。
在这些实现方式中,作为示例,上述执行主体可以从上述第一步所生成的第一子语义匹配度和两个第二子语义匹配度中选取最大值作为上述标题Y和关键字K1、K2对应的待匹配信息(例如文本X)的语义匹配度。
需要说明的是,上述预先训练的语义匹配模型可以与前述描述一致,此处不再赘述。
基于上述可选的实现方式,本方案可以从标题和关键字进行匹配的角度为信息匹配提供参考,从而提供了一种新的语义匹配度生成方式。
可选地,基于上述可选的实现方式,根据所生成的语义匹配度与第一预设阈值的比较结果,上述执行主体可以按照如下方式按照与比较结果对应的方式从待匹配信息集合中选取第一数目个待匹配信息作为匹配结果:
响应于确定所生成的语义匹配度中存在大于第一预设阈值的语义匹配度,从待匹配信息集合中选取第二数目个大于第一预设阈值的语义匹配度对应的待匹配信息作为匹配结果。
在这些实现方式中,上述第二数目通常不大于上述第一数目。
基于上述可选的实现方式中,本方案通过优先考虑语义相关性,在语义相关性满足第一预设阈值的要求时直接返回匹配结果,可以无需进行后续其他文本特征的计算,从而可以减少计算量,并且提升信息匹配的速度。
在本实施例的一些可选的实现方式中,上述待匹配信息集合中的待匹配信息可以包括召回得到的网站信息。上述网站信息包括的至少一个关键字可以包括:上述网络信息对应的网站的网站标题和网站关键字的值中出现频率最高的词。
在这些实现方式中,当本方案应用于信息检索技术的排序环节,上述待匹配信息集合中的待匹配信息还可以包括召回阶段所得到的网站信息。其中,上述网站信息包括的至少一个关键词可以包括:上述网络信息对应的网站通过源代码所设置的网站标题(title)和网站关键字(keywords)中出现频率最高的词(term)。
可选地,上述网站信息还可以包括网址和对网站的自定义描述信息。上述网站信息、网址名称、网站标题(title)
基于上述可选的实现方式中,本方案可以应用于网站检索的排序阶段,从而提升该场景下的信息检索效率。并且,尤其适用于企业内部常用网站的检索,实现在提升匹配速度的同时确保信息匹配的准确性,有利于匹配结果的快捷呈现。
在本实施例的一些可选的实现方式中,上述执行主体还可以将步骤S103所得到的匹配结果发送至目标设备。其中,上述目标设备例如可以是发送上述查询文本的用户端。从而,本方案可以使得用户通过上述目标设备方便地获取到与查询文本匹配的匹配结果。
继续参见图2,图2是根据本公开第二实施例的示意图200。该用于匹配信息的方法包括以下步骤:
S201,获取查询文本与待匹配信息集合。
S202,分别生成待匹配信息集合中的待匹配信息与查询文本之间的语义匹配度。
上述S201、S202可以分别与前述实施例中的S101和S102及其可选的实现方式一致,上文针对S101和S102及其可选的实现方式的描述也适用于S201、S202,此处不再赘述。
S203,响应于确定所生成的语义匹配度中不存在大于第一预设阈值的语义匹配度,获取待匹配信息集合中的待匹配信息与查询文本之间的重叠匹配度。
在本实施例中,响应于确定上述步骤S202所生成的语义匹配度中不存在大于第一预设阈值的语义匹配度,上述执行主体可以通过各种方式获取待匹配信息集合中的待匹配信息与查询文本之间的重叠匹配度。其中,上述重叠匹配度可以用于表征待匹配信息与查询文本之间的字面匹配程度。作为示例,上述重叠匹配度可以基于待匹配信息集合中的待匹配信息与查询文本之间的交集而确定,例如交集与并集的比值。
在本实施例的一些可选的实现方式中,上述重叠匹配度可以通过以下步骤生成:
第一步,确定待匹配信息集合中的待匹配信息与查询文本之间的第一子重叠匹配度。
在这些实现方式中,上述第一子重叠匹配度可以与交集词汇量呈正相关。上述第一子重叠匹配度可以与上述查询文本进行分词后所得到的分词的数目呈负相关。作为示例,上述第一子重叠匹配度可以包括cqr。
第二步,确定待匹配信息集合中的待匹配信息与查询文本之间的第二子重叠匹配度。
在这些实现方式中,上述第二子重叠匹配度可以与交集词汇量呈正相关。上述第二子重叠匹配度可以与上述待匹配信息集合中的待匹配信息进行分词后所得到的分词的数目呈负相关。作为示例,上述第二子重叠匹配度可以包括ctr。
第三步,根据第一子重叠匹配度和第二子重叠匹配度中的至少一项,生成重叠匹配度。
在这些实现方式中,根据上述第一步所生成的第一子重叠匹配度和上述第二步所生成的第二子重叠匹配度中的至少一项,上述执行主体可以通过各种方式生成重叠匹配度。作为示例,上述执行主体可以将上述第一子重叠匹配度、第二子重叠匹配度单独或组合作为上述重叠匹配度。作为又一示例,上述执行主体还可以将上述第一子重叠匹配度和第二子重叠匹配度之中的最大值或最小值作为上述重叠匹配度。
基于上述可选的实现方式,本方案提供了一种新的计算的重叠匹配度的方法,进而丰富了重叠匹配度的生成方式。
可选地,基于上述可选的实现方式,根据上述第一子重叠匹配度和第二子重叠匹配度中的至少一项,上述执行主体可以按照如下步骤生成重叠匹配度:
S3-1,响应于确定查询文本命中待匹配信息集合中的待匹配信息的关键字,对所命中的关键字对应的待匹配信息的第一子重叠匹配度和第二子重叠匹配度中的至少一项进行修正,以增大第一子重叠匹配度和第二子重叠匹配度中的至少一项的数值。
在这些实现方式中,响应于确定上述查询文本命中待匹配信息集合中的待匹配信息的关键字,对所命中的关键字对应的待匹配信息的第一子重叠匹配度和第二子重叠匹配度中的至少一项进行修正,以增大第一子重叠匹配度和第二子重叠匹配度中的至少一项的数值。作为示例,若上述待匹配信息集合中存在对应的关键字与上述查询文本匹配的待匹配信息,上述执行主体可以将该待匹配信息对应的第一子重叠匹配度和第二子重叠匹配度中的至少一项乘以一个大于1的系数。
S3-2,根据修正后的第一子重叠匹配度和第二子重叠匹配度中的至少一项,生成重叠匹配度。
在这些实现方式中,根据上述步骤S3-1所得到的修正后的第一子重叠匹配度和第二子重叠匹配度中的至少一项,上述执行主体可以通过各种方式生成重叠匹配度。其中,上述生成重叠匹配度的方式可以与前述第三步生成重叠匹配度的方式一致,此处不再赘述。
S204,从待匹配信息集合中选取对应的重叠匹配度大于第二预设阈值的待匹配信息生成准匹配信息集合。
在本实施例中,上述执行主体可以通过各种方式从待匹配信息集合中选取对应的步骤S203所生成的重叠匹配度大于第二预设阈值的待匹配信息生成准匹配信息集合。作为示例,上述执行主体可以将所生成的重叠匹配度大于第二预设阈值的所有待匹配信息组合成准匹配信息集合。作为示例,上述执行主体也可以根据所生成的重叠匹配度由大至小的顺序选取待匹配信息生成准匹配信息集合。
需要说明的是,若上述重叠匹配度为一个数值(例如第一子重叠匹配度、第二子重叠匹配度或基于第一子重叠匹配度和第二子重叠匹配度生成的重叠匹配度),则上述第二预设阈值也为一个;若上述重叠匹配度为两个数值(例如第一子重叠匹配度和第二子重叠匹配度),则上述第二预设阈值也可以针对上述第一子重叠匹配度和第二子重叠匹配度分别设置。其中,所设置的第二预设阈值可以相同(例如均为0.6)或不同(例如分别为0.8和0.6),此处不作限定。
还需要说明的是,上述所选取的准匹配信息对应的重叠匹配度通常均需要大于上述对应的第二预设阈值。
在本实施例的一些可选的实现方式中,上述第二预设阈值可以与上述查询文本进行分词后所得到的分词的数目呈负相关。作为示例,当上述查询文本进行分词后所得到的分词的数目不大于2时,上述第二预设阈值可以被设置为0.8~1之间。作为又一示例,当上述查询文本进行分词后所得到的分词的数目不小于3时,上述第二预设阈值可以被设置为0.6。
基于上述可选的实现方式,通过根据查询文本进行分词后所得到的分词的数目来调整上述第二预设阈值,本方案可以提升匹配的准确度和成功率。
S205,根据所生成的语义匹配度和重叠匹配度,分别生成准匹配信息集合中的待匹配信息与查询文本之间的综合匹配度。
在本实施例中,根据所生成的语义匹配度和重叠匹配度,上述执行主体可以通过各种方式分别生成准匹配信息集合中的待匹配信息与查询文本之间的综合匹配度。
在本实施例中,对于上述准匹配信息集合中的待匹配信息,作为示例,上述执行主体可以选取该待匹配信息对应的所生成的语义匹配度和重叠匹配度之中的最大值或最小值作为该待匹配信息与查询文本之间的综合匹配度。作为又一示例,上述执行主体可以选取该待匹配信息对应的所生成的语义匹配度和重叠匹配度的加权求和值或乘积作为该待匹配信息与查询文本之间的综合匹配度。
S206,根据所生成的综合匹配度,从准匹配信息集合中选取第一数目个待匹配信息作为匹配结果。
在本实施例中,根据步骤S205所生成的综合匹配度,上述执行主体可以通过各种方式从上述步骤S204所生成的准匹配信息集合中选取第一数目个待匹配信息作为匹配结果。作为示例,上述执行主体可以选取综合匹配度最大的前N个对应的待匹配信息作为匹配结果。其中,上述N即为上述第一数目。
在本实施例的一些可选的实现方式中,上述待匹配信息集合中的待匹配信息可以包括召回得到的网站信息。上述网站信息包括的至少一个关键字可以包括:上述网络信息对应的网站的网站标题和网站关键字的值中出现频率最高的词。
从图2中可以看出,本实施例中的用于匹配信息的方法的流程200体现了响应于确定所生成的语义匹配度中不存在大于第一预设阈值的语义匹配度,获取待匹配信息集合中的待匹配信息与查询文本之间的重叠匹配度的步骤以及根据重叠匹配度对待匹配信息进行过滤,并在过滤后的待匹配信息中根据重叠匹配度和语义匹配度进一步生成匹配结果的步骤。由此,本实施例描述的方案可以在不满足语义匹配度的情况下综合重叠匹配度和语义匹配度进一步进行信息匹配,从而可以在尽可能减少匹配时间的情况下提升信息匹配效果。
继续参见图3,图3是根据本公开的实施例的用于匹配信息的方法的应用场景的一个示意图。在图3的应用场景中,用户301可以使用终端设备302向服务器304发送查询文本“xxx官网”303。服务器304可以分别生成存储于本地的待匹配网站信息集合304中的待匹配网站信息与上述查询文本303之间的语义匹配度306。根据所生成的语义匹配度306与第一预设阈值(例如0.6)的比较结果,服务器304按照与比较结果对应的方式(例如选取最大的语义匹配度对应的待匹配信息)选取语义匹配度最大的待匹配网站信息307作为匹配结果。可选地,服务器304还可以将上述待匹配网站信息307发送至上述终端设备302。
目前,现有技术之一通常是使用大量的特征对召回的结果进行排序,由于过多的特征需要占用较大的计算资源和时间,且对于诸如企业内部搜索等较为有限的场景下而言,过多的特征反而容易导致匹配的准确度下降。而本公开的上述实施例提供的方法,通过语义匹配度与第一预设阈值进行比较生成比较结果,并且采用与比较结果对应的方式从待匹配信息集合中选取匹配结果,而非通过使用大量较为复杂的特征,实现了在满足匹配时间要求的前提下提升信息匹配的精度;并且通过预设数目阈值的设置将最为相关的信息进行反馈以呈现给用户,使得匹配结果更加简洁、明晰,有助于提升用户的使用效率。
进一步参考图4,作为对上述各图所示方法的实现,本公开提供了用于匹配信息的装置的一个实施例,该装置实施例与图1或图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,本实施例提供的用于匹配信息的装置400包括获取单元401、生成单元402和选取单元403。其中,获取单元401,被配置成获取查询文本与待匹配信息集合;生成单元402,被配置成分别生成待匹配信息集合中的待匹配信息与查询文本之间的语义匹配度;选取单元403,被配置成根据所生成的语义匹配度与第一预设阈值的比较结果,按照与比较结果对应的方式从待匹配信息集合中选取第一数目个待匹配信息作为匹配结果,其中,第一数目不大于预设数目阈值。
在本实施例中,用于匹配信息的装置400中:获取单元401、生成单元402和选取单元403的具体处理及其所带来的技术效果可分别参考图1对应实施例中的步骤S101、S102、S103的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述生成单元402可以被进一步配置成:将待匹配信息集合中的待匹配信息与上述查询文本输入至预先训练的语义匹配模型,分别生成输入的各待匹配信息与查询文本之间的语义匹配度。其中,上述语义匹配模型可以包括特征提取层、特征融合层和输出层。上述特征提取层可以用于提取输入语义匹配模型的待匹配信息和查询文本的字面特征和语义特征。
在本实施例的一些可选的实现方式中,上述待匹配信息集合中的待匹配信息可以包括标题和至少一个关键字。上述根据第一子重叠匹配度和第二子重叠匹配度中的至少一项,生成重叠匹配度可以包括:将待匹配信息集合中的待匹配信息的标题和至少一个关键字分别与查询文本输入至预先训练的语义匹配模型,分别生成输入的各待匹配信息对应的第一子语义匹配度和第二子语义匹配度,其中,上述第一子语义匹配度可以用于表征待匹配信息的标题与查询文本之间的语义匹配度,上述第二子语义匹配度可以用于表征待匹配信息的关键字与查询文本之间的语义匹配度;从所生成的对应于同一待匹配信息的第一子语义匹配度和第二子语义匹配度中选取最大值作为该待匹配信息与查询文本之间的语义匹配度。
在本实施例的一些可选的实现方式中,上述选取单元403可以被进一步配置成:响应于确定所生成的语义匹配度中存在大于第一预设阈值的语义匹配度,从待匹配信息集合中选取第二数目个大于第一预设阈值的语义匹配度对应的待匹配信息作为匹配结果,其中,第二数目不大于第一数目。
在本实施例的一些可选的实现方式中,上述选取单元403可以被进一步配置成:响应于确定所生成的语义匹配度中不存在大于第一预设阈值的语义匹配度,获取待匹配信息集合中的待匹配信息与查询文本之间的重叠匹配度,其中,重叠匹配度可以用于表征待匹配信息与查询文本之间的字面匹配程度;从待匹配信息集合中选取对应的重叠匹配度大于第二预设阈值的待匹配信息生成准匹配信息集合;根据所生成的语义匹配度和重叠匹配度,分别生成准匹配信息集合中的待匹配信息与查询文本之间的综合匹配度;根据所生成的综合匹配度,从准匹配信息集合中选取第一数目个待匹配信息作为匹配结果。
在本实施例的一些可选的实现方式中,上述重叠匹配度可以通过以下步骤生成:确定待匹配信息集合中的待匹配信息与查询文本之间的第一子重叠匹配度,其中,第一子重叠匹配度与交集词汇量呈正相关,第一子重叠匹配度与查询文本进行分词后所得到的分词的数目呈负相关;确定待匹配信息集合中的待匹配信息与查询文本之间的第二子重叠匹配度,其中,第二子重叠匹配度与交集词汇量呈正相关,第二子重叠匹配度与待匹配信息集合中的待匹配信息进行分词后所得到的分词的数目呈负相关;根据第一子重叠匹配度和第二子重叠匹配度中的至少一项,生成重叠匹配度。
在本实施例的一些可选的实现方式中,上述选取单元403可以被进一步配置成:响应于确定查询文本命中待匹配信息集合中的待匹配信息的关键字,对所命中的关键字对应的待匹配信息的第一子重叠匹配度和第二子重叠匹配度中的至少一项进行修正,以增大第一子重叠匹配度和第二子重叠匹配度中的至少一项的数值;根据修正后的第一子重叠匹配度和第二子重叠匹配度中的至少一项,生成重叠匹配度。
在本实施例的一些可选的实现方式中,上述第二预设阈值可以与查询文本进行分词后所得到的分词的数目呈负相关。
在本实施例的一些可选的实现方式中,上述待匹配信息集合中的待匹配信息可以包括召回得到的网站信息。上述网站信息包括的至少一个关键字可以包括:上述网络信息对应的网站的网站标题和网站关键字的值中出现频率最高的词。
本公开的上述实施例提供的装置,通过生成单元402生成获取单元401所获取的查询文本与待匹配信息集合中的待匹配信息之间的语义匹配度,还通过选取单元403采用与生成单元402所生成的语义匹配度与第一预设阈值的比较结果对应的方式进行信息匹配得到匹配结果,与现有的通过使用大量较为复杂的特征进行信息匹配的方法相比,实现了在满足匹配时间要求的前提下提升信息匹配的精度;并且通过预设数目阈值的设置将最为相关的信息进行反馈以呈现给用户,使得匹配结果更加简洁、明晰,有助于提升用户的使用效率。
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,采取了必要保密措施,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。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505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RAM503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,例如用于匹配信息的方法。例如,在一些实施例中,用于匹配信息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用于匹配信息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)而被配置为执行用于匹配信息的方法。
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,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 (16)
1.一种用于匹配信息的方法,包括:
获取查询文本与待匹配信息集合;
分别生成所述待匹配信息集合中的待匹配信息与所述查询文本之间的语义匹配度;
根据所生成的语义匹配度与第一预设阈值的比较结果,按照与所述比较结果对应的方式从所述待匹配信息集合中选取第一数目个待匹配信息作为匹配结果,其中,所述第一数目不大于预设数目阈值;
其中,所述根据所生成的语义匹配度与第一预设阈值的比较结果,按照与所述比较结果对应的方式从所述待匹配信息集合中选取第一数目个待匹配信息作为匹配结果,包括:
响应于确定所生成的语义匹配度中不存在大于所述第一预设阈值的语义匹配度,获取所述待匹配信息集合中的待匹配信息与所述查询文本之间的重叠匹配度,其中,所述重叠匹配度用于表征待匹配信息与查询文本之间的字面匹配程度;
从所述待匹配信息集合中选取对应的重叠匹配度大于第二预设阈值的待匹配信息生成准匹配信息集合;
根据所生成的语义匹配度和重叠匹配度,分别生成所述准匹配信息集合中的待匹配信息与所述查询文本之间的综合匹配度;
根据所生成的综合匹配度,从所述准匹配信息集合中选取所述第一数目个待匹配信息作为匹配结果;
其中,所述重叠匹配度通过以下步骤生成:
确定所述待匹配信息集合中的待匹配信息与所述查询文本之间的第一子重叠匹配度,其中,所述第一子重叠匹配度与交集词汇量呈正相关,所述第一子重叠匹配度与所述查询文本进行分词后所得到的分词的数目呈负相关;
确定所述待匹配信息集合中的待匹配信息与所述查询文本之间的第二子重叠匹配度,其中,所述第二子重叠匹配度与交集词汇量呈正相关,所述第二子重叠匹配度与所述待匹配信息集合中的待匹配信息进行分词后所得到的分词的数目呈负相关;
根据所述第一子重叠匹配度和所述第二子重叠匹配度中的至少一项,生成重叠匹配度。
2.根据权利要求1所述的方法,其中,所述分别生成所述待匹配信息集合中的待匹配信息与所述查询文本之间的语义匹配度,包括:
将所述待匹配信息集合中的待匹配信息与所述查询文本输入至预先训练的语义匹配模型,分别生成输入的各待匹配信息与所述查询文本之间的语义匹配度,其中,所述语义匹配模型包括特征提取层、特征融合层和输出层,所述特征提取层用于提取输入所述语义匹配模型的待匹配信息和查询文本的字面特征和语义特征。
3.根据权利要求2所述的方法,其中,所述待匹配信息集合中的待匹配信息包括标题和至少一个关键字;以及
所述将所述待匹配信息集合中的待匹配信息与所述查询文本输入至预先训练的语义匹配模型,分别生成输入的各待匹配信息与所述查询文本之间的语义匹配度,包括:
将所述待匹配信息集合中的待匹配信息的标题和至少一个关键字分别与所述查询文本输入至所述预先训练的语义匹配模型,分别生成输入的各待匹配信息对应的第一子语义匹配度和第二子语义匹配度,其中,所述第一子语义匹配度用于表征待匹配信息的标题与所述查询文本之间的语义匹配度,所述第二子语义匹配度用于表征待匹配信息的关键字与所述查询文本之间的语义匹配度;
从所生成的对应于同一待匹配信息的第一子语义匹配度和第二子语义匹配度中选取最大值作为该待匹配信息与所述查询文本之间的语义匹配度。
4.根据权利要求1所述的方法,其中,所述根据所生成的语义匹配度与第一预设阈值的比较结果,按照与所述比较结果对应的方式从所述待匹配信息集合中选取第一数目个待匹配信息作为匹配结果,包括:
响应于确定所生成的语义匹配度中存在大于所述第一预设阈值的语义匹配度,从所述待匹配信息集合中选取第二数目个大于所述第一预设阈值的语义匹配度对应的待匹配信息作为匹配结果,其中,所述第二数目不大于所述第一数目。
5.根据权利要求1所述的方法,其中,所述根据所述第一子重叠匹配度和所述第二子重叠匹配度中的至少一项,生成重叠匹配度,包括:
响应于确定所述查询文本命中所述待匹配信息集合中的待匹配信息的关键字,对所命中的关键字对应的待匹配信息的第一子重叠匹配度和第二子重叠匹配度中的至少一项进行修正,以增大所述第一子重叠匹配度和第二子重叠匹配度中的至少一项的数值;
根据修正后的所述第一子重叠匹配度和第二子重叠匹配度中的至少一项,生成重叠匹配度。
6.根据权利要求1所述的方法,其中,所述第二预设阈值与所述查询文本进行分词后所得到的分词的数目呈负相关。
7.根据权利要求1-6之一所述的方法,其中,所述待匹配信息集合中的待匹配信息包括召回得到的网站信息,所述网站信息包括的至少一个关键字包括:网络信息对应的网站的网站标题和网站关键字的值中出现频率最高的词。
8.一种用于匹配信息的装置,包括:
获取单元,被配置成获取查询文本与待匹配信息集合;
生成单元,被配置成分别生成所述待匹配信息集合中的待匹配信息与所述查询文本之间的语义匹配度;
选取单元,被配置成根据所生成的语义匹配度与第一预设阈值的比较结果,按照与所述比较结果对应的方式从所述待匹配信息集合中选取第一数目个待匹配信息作为匹配结果,其中,所述第一数目不大于预设数目阈值;
其中,所述选取单元被进一步配置成:
响应于确定所生成的语义匹配度中不存在大于所述第一预设阈值的语义匹配度,获取所述待匹配信息集合中的待匹配信息与所述查询文本之间的重叠匹配度,其中,所述重叠匹配度用于表征待匹配信息与查询文本之间的字面匹配程度;
从所述待匹配信息集合中选取对应的重叠匹配度大于第二预设阈值的待匹配信息生成准匹配信息集合;
根据所生成的语义匹配度和重叠匹配度,分别生成所述准匹配信息集合中的待匹配信息与所述查询文本之间的综合匹配度;
根据所生成的综合匹配度,从所述准匹配信息集合中选取所述第一数目个待匹配信息作为匹配结果;
其中,所述重叠匹配度通过以下步骤生成:
确定所述待匹配信息集合中的待匹配信息与所述查询文本之间的第一子重叠匹配度,其中,所述第一子重叠匹配度与交集词汇量呈正相关,所述第一子重叠匹配度与所述查询文本进行分词后所得到的分词的数目呈负相关;
确定所述待匹配信息集合中的待匹配信息与所述查询文本之间的第二子重叠匹配度,其中,所述第二子重叠匹配度与交集词汇量呈正相关,所述第二子重叠匹配度与所述待匹配信息集合中的待匹配信息进行分词后所得到的分词的数目呈负相关;
根据所述第一子重叠匹配度和所述第二子重叠匹配度中的至少一项,生成重叠匹配度。
9.根据权利要求8所述的装置,其中,所述生成单元被进一步配置成:
将所述待匹配信息集合中的待匹配信息与所述查询文本输入至预先训练的语义匹配模型,分别生成输入的各待匹配信息与所述查询文本之间的语义匹配度,其中,所述语义匹配模型包括特征提取层、特征融合层和输出层,所述特征提取层用于提取输入所述语义匹配模型的待匹配信息和查询文本的字面特征和语义特征。
10.根据权利要求9所述的装置,其中,所述待匹配信息集合中的待匹配信息包括标题和至少一个关键字;以及
所述生成单元被进一步配置成:
将所述待匹配信息集合中的待匹配信息的标题和至少一个关键字分别与所述查询文本输入至所述预先训练的语义匹配模型,分别生成输入的各待匹配信息对应的第一子语义匹配度和第二子语义匹配度,其中,所述第一子语义匹配度用于表征待匹配信息的标题与所述查询文本之间的语义匹配度,所述第二子语义匹配度用于表征待匹配信息的关键字与所述查询文本之间的语义匹配度;
从所生成的对应于同一待匹配信息的第一子语义匹配度和第二子语义匹配度中选取最大值作为该待匹配信息与所述查询文本之间的语义匹配度。
11.根据权利要求8所述的装置,其中,所述选取单元被进一步配置成:
响应于确定所生成的语义匹配度中存在大于所述第一预设阈值的语义匹配度,从所述待匹配信息集合中选取第二数目个大于所述第一预设阈值的语义匹配度对应的待匹配信息作为匹配结果,其中,所述第二数目不大于所述第一数目。
12.根据权利要求8所述的装置,其中,所述根据所述第一子重叠匹配度和所述第二子重叠匹配度中的至少一项,生成重叠匹配度,包括:
响应于确定所述查询文本命中所述待匹配信息集合中的待匹配信息的关键字,对所命中的关键字对应的待匹配信息的第一子重叠匹配度和第二子重叠匹配度中的至少一项进行修正,以增大所述第一子重叠匹配度和第二子重叠匹配度中的至少一项的数值;
根据修正后的所述第一子重叠匹配度和第二子重叠匹配度中的至少一项,生成重叠匹配度。
13.根据权利要求8所述的装置,其中,所述第二预设阈值与所述查询文本进行分词后所得到的分词的数目呈负相关。
14.根据权利要求8-13之一所述的装置,其中,所述待匹配信息集合中的待匹配信息包括召回得到的网站信息,所述网站信息包括的至少一个关键字包括:网络信息对应的网站的网站标题和网站关键字的值中出现频率最高的词。
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根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110711923.8A CN113377921B (zh) | 2021-06-25 | 2021-06-25 | 用于匹配信息的方法、装置、电子设备以及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110711923.8A CN113377921B (zh) | 2021-06-25 | 2021-06-25 | 用于匹配信息的方法、装置、电子设备以及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113377921A CN113377921A (zh) | 2021-09-10 |
CN113377921B true CN113377921B (zh) | 2023-07-21 |
Family
ID=77579235
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110711923.8A Active CN113377921B (zh) | 2021-06-25 | 2021-06-25 | 用于匹配信息的方法、装置、电子设备以及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113377921B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011059551A1 (en) * | 2009-11-10 | 2011-05-19 | Alibaba Group Holding Limited | Method and system for text filtering |
CN106682194A (zh) * | 2016-12-29 | 2017-05-17 | 北京百度网讯科技有限公司 | 基于深度问答的答案定位方法及装置 |
CN109829045A (zh) * | 2018-12-30 | 2019-05-31 | 贝壳技术有限公司 | 一种问答方法和装置 |
CN110377714A (zh) * | 2019-07-18 | 2019-10-25 | 泰康保险集团股份有限公司 | 基于迁移学习的文本匹配方法、装置、介质及设备 |
CN111414765A (zh) * | 2020-03-20 | 2020-07-14 | 北京百度网讯科技有限公司 | 句子一致性的判定方法、装置、电子设备及可读存储介质 |
CN111460264A (zh) * | 2020-03-30 | 2020-07-28 | 口口相传(北京)网络技术有限公司 | 语义相似度匹配模型的训练方法及装置 |
CN111738001A (zh) * | 2020-08-06 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 同义词识别模型的训练方法、同义词确定方法及设备 |
CN112052319A (zh) * | 2020-09-01 | 2020-12-08 | 杭州师范大学 | 一种基于多特征融合的智能客服方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9836529B2 (en) * | 2014-09-22 | 2017-12-05 | Oracle International Corporation | Semantic text search |
-
2021
- 2021-06-25 CN CN202110711923.8A patent/CN113377921B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011059551A1 (en) * | 2009-11-10 | 2011-05-19 | Alibaba Group Holding Limited | Method and system for text filtering |
CN106682194A (zh) * | 2016-12-29 | 2017-05-17 | 北京百度网讯科技有限公司 | 基于深度问答的答案定位方法及装置 |
CN109829045A (zh) * | 2018-12-30 | 2019-05-31 | 贝壳技术有限公司 | 一种问答方法和装置 |
CN110377714A (zh) * | 2019-07-18 | 2019-10-25 | 泰康保险集团股份有限公司 | 基于迁移学习的文本匹配方法、装置、介质及设备 |
CN111414765A (zh) * | 2020-03-20 | 2020-07-14 | 北京百度网讯科技有限公司 | 句子一致性的判定方法、装置、电子设备及可读存储介质 |
CN111460264A (zh) * | 2020-03-30 | 2020-07-28 | 口口相传(北京)网络技术有限公司 | 语义相似度匹配模型的训练方法及装置 |
CN111738001A (zh) * | 2020-08-06 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 同义词识别模型的训练方法、同义词确定方法及设备 |
CN112052319A (zh) * | 2020-09-01 | 2020-12-08 | 杭州师范大学 | 一种基于多特征融合的智能客服方法及系统 |
Non-Patent Citations (2)
Title |
---|
基于Siamese网络的句子相似度计算方法;江燕;侯霞;杨鸿波;;北京信息科技大学学报(自然科学版)(第03期);全文 * |
层次化神经网络模型下的释义识别方法;袁蕾;高曙;郭淼;袁自勇;;哈尔滨工业大学学报(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113377921A (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220027569A1 (en) | Method for semantic retrieval, device and storage medium | |
CN114549874B (zh) | 多目标图文匹配模型的训练方法、图文检索方法及装置 | |
CN114861889B (zh) | 深度学习模型的训练方法、目标对象检测方法和装置 | |
CN113660541B (zh) | 新闻视频的摘要生成方法及装置 | |
CN115168537B (zh) | 语义检索模型的训练方法、装置、电子设备及存储介质 | |
EP3992814A2 (en) | Method and apparatus for generating user interest profile, electronic device and storage medium | |
CN116257690A (zh) | 一种资源推荐方法、装置、电子设备和存储介质 | |
CN115098729A (zh) | 视频处理方法、样本生成方法、模型训练方法及装置 | |
CN112506864B (zh) | 文件检索的方法、装置、电子设备及可读存储介质 | |
CN112926297B (zh) | 处理信息的方法、装置、设备和存储介质 | |
CN112560425B (zh) | 模板生成方法、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 | |
CN113378015A (zh) | 搜索方法、装置、电子设备、存储介质和程序产品 | |
CN112925912A (zh) | 文本处理方法、同义文本召回方法及装置 | |
CN114818736B (zh) | 文本处理方法、用于短文本的链指方法、装置及存储介质 | |
CN115186163B (zh) | 搜索结果排序模型的训练与搜索结果排序方法、装置 | |
CN116597443A (zh) | 素材标签处理方法、装置、电子设备及介质 | |
CN116226533A (zh) | 基于关联性预测模型的新闻关联推荐方法、装置及介质 | |
CN116049370A (zh) | 信息查询方法和信息生成模型的训练方法、装置 | |
CN113377921B (zh) | 用于匹配信息的方法、装置、电子设备以及介质 | |
CN113377922B (zh) | 用于匹配信息的方法、装置、电子设备以及介质 | |
CN114329206A (zh) | 标题生成方法和装置、电子设备、计算机可读介质 | |
CN114417862A (zh) | 文本匹配方法、文本匹配模型的训练方法和装置 | |
CN114218431A (zh) | 视频搜索方法、装置、电子设备以及存储介质 | |
CN114328855A (zh) | 文档查询方法、装置、电子设备和可读存储介质 |
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 |