CN114065008A - 基于搜索的对象识别的方法、装置、设备以及存储介质 - Google Patents

Abstract

本公开提供了一种基于搜索的对象识别方法、装置、设备以及存储介质，涉及计算机技术领域，尤其涉及基于搜索的对象识别领域。具体实现方案为：获取与目标对象相关联的所有搜索请求；确定目标搜索请求在上述所有搜索请求中的占比值，其中，通过判定所有搜索请求的情感倾向确定上述目标搜索请求；确定与目标网页对应的可信度值，其中，上述目标网页为包含了与上述目标搜索请求关联的搜索内容的网页，上述可信度值用于表征上述目标网页佐证上述目标搜索请求的可信程度；基于上述占比值和上述可信度值，确定上述目标对象所属的对象类别。本公开解决了现有技术中基于搜索的对象识别方法采用点击率衡量可信程度，导致结果存在偏差的技术问题。

Description

基于搜索的对象识别的方法、装置、设备以及存储介质

技术领域

本公开涉及计算机技术领域，尤其涉及基于搜索的对象识别领域。

背景技术

互联网百科类产品中人物词条占有相当大的比重，且多样混杂，常常存在一些可疑人物的词条，由于各种原因，在词条正文中，并未包含提示信息，用户获取到的仅为片面信息，影响了百科类产品的全面性和中立性。因此，需要识别出可疑人物，并在页面对用户进行提示。

但是，现有技术中采用的基于搜索的对象识别方法对可疑人物的甄别没有黄金标准，即使是人工进行判定，也只能根据个人经验，这导致挖掘结果无法准确验证，且存在一定偏差。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本公开提供了一种用于基于搜索的对象识别的方法、装置、设备以及存储介质。

根据本公开的一方面，提供了一种基于搜索的对象识别方法，包括：获取与目标对象相关联的所有搜索请求；确定目标搜索请求在上述所有搜索请求中的占比值，其中，通过判定所有搜索请求的情感倾向确定上述目标搜索请求；确定与目标网页对应的可信度值，其中，上述目标网页为包含了与上述目标搜索请求关联的搜索内容的网页，上述可信度值用于表征上述目标网页佐证上述目标搜索请求的可信程度；基于上述占比值和上述可信度值，确定上述目标对象所属的对象类别。

可选的，上述获取与目标对象相关联的所有搜索请求，包括：检测接收到的搜索请求中是否存在与上述目标对象相关联的描述信息；若接收到的搜索请求中存在上述描述信息，则基于上述描述信息对接收到的搜索请求进行聚合处理，得到与上述目标对象相关联的上述所有搜索请求。

可选的，通过如下方式确定上述目标搜索请求：采用预设的样本模板从上述所有搜索请求中获取初始搜索请求；在对上述初始搜索请求进行回扫的过程中，采用情感倾向模型判定每个上述初始搜索请求的情感倾向；基于目标情感倾向扩充上述样本模板，以采用扩充后样本模板从上述所有搜索请求中再次获取上述初始搜索请求，并在迭代多次后得到上述目标搜索请求。

可选的，上述确定目标搜索请求在上述所有搜索请求中的占比值，包括：确定所有搜索请求的第一搜索流量值，以及上述目标搜索请求的第二搜索流量值；依据上述第一搜索流量值和上述第二搜索流量值，计算得到上述目标搜索请求在上述所有搜索请求中的占比值。

可选的，上述确定所有搜索请求的第一搜索流量值，以及上述目标搜索请求的第二搜索流量值，包括：计算上述所有搜索请求的流量总值，得到上述第一搜索流量值；计算上述目标搜索请求对应的搜索流量值，得到上述第二搜索流量值。

可选的，上述确定与目标网页对应的可信度值，包括：获取上述目标网页相关的点击次数和展示次数；计算上述点击次数和展示次数的比值；将上述比值确定为上述可信度值。

可选的，上述基于上述占比值和上述可信度值，确定上述目标对象所属的对象类别，包括：比对预设的可信度阈值和上述可信度值，得到比对结果；依据上述比对结果筛选所有的网页，得到证据列表，其中，上述证据列表中的每个证据均包括：上述目标网页和上述目标网页的可信度值；基于上述占比值和上述证据列表，确定上述目标对象所属的对象类别。

根据本公开的另一方面，提供了一种基于搜索的对象识别装置，包括：获取模块，用于获取与目标对象相关联的所有搜索请求；第一确定模块，用于确定目标搜索请求在上述所有搜索请求中的占比值，其中，通过判定所有搜索请求的情感倾向确定上述目标搜索请求；第二确定模块，用于确定与目标网页对应的可信度值，其中，上述目标网页为包含了与上述目标搜索请求关联的搜索内容的网页，上述可信度值用于表征上述目标网页佐证上述目标搜索请求的可信程度；第三确定模块，用于基于上述占比值和上述可信度值，确定上述目标对象所属的对象类别。

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；以及与上述至少一个处理器通信连接的存储器；其中，上述存储器存储有可被上述至少一个处理器执行的指令，上述指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行任一项上述的基于搜索的对象识别方法。

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，上述计算机指令用于使上述计算机执行任一项上述的基于搜索的对象识别方法。

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，上述计算机程序在被处理器执行时实现任一项上述的基于搜索的对象识别方法。

在本公开实施例中，通过获取与目标对象相关联的所有搜索请求；确定目标搜索请求在上述所有搜索请求中的占比值，其中，通过判定所有搜索请求的情感倾向确定上述目标搜索请求；确定与目标网页对应的可信度值，其中，上述目标网页为包含了与上述目标搜索请求关联的搜索内容的网页，上述可信度值用于表征上述目标网页佐证上述目标搜索请求的可信程度；基于上述占比值和上述可信度值，确定上述目标对象所属的对象类别，达到了对目标对象进行识别的目的，从而实现了基于搜索占比和可信度判断目标对象类别的技术效果，进而解决了现有技术中基于搜索的对象识别方法采用点击率衡量可信程度，导致结果存在偏差的技术问题。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开第一实施例的基于搜索的对象识别方法的步骤流程示意图；

图2是根据本公开第一实施例的确定与目标网页对应的可信度值过程示意图；

图3是根据本公开第一实施例的确定目标对象所属的对象类别过程示意图；

图4是根据本公开第二实施例的基于搜索的对象识别装置的结构示意图；

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800的示意性框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本公开实施例，提供了一种基于搜索的对象识别方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本公开第一实施例的基于搜索的对象识别方法的步骤流程示意图，如图1所示，该方法包括如下步骤：

步骤S102，获取与目标对象相关联的所有搜索请求；

步骤S104，确定目标搜索请求在上述所有搜索请求中的占比值，其中，通过判定所有搜索请求的情感倾向确定上述目标搜索请求；

步骤S106，确定与目标网页对应的可信度值，其中，上述目标网页为包含了与上述目标搜索请求关联的搜索内容的网页，上述可信度值用于表征上述目标网页佐证上述目标搜索请求的可信程度；

步骤S108，基于上述占比值和上述可信度值，确定上述目标对象所属的对象类别。

在本公开实施例中，通过获取与目标对象相关联的所有搜索请求；确定目标搜索请求在上述所有搜索请求中的占比值，其中，通过判定所有搜索请求的情感倾向确定上述目标搜索请求；确定与目标网页对应的可信度值，其中，上述目标网页为包含了与上述目标搜索请求关联的搜索内容的网页，上述可信度值用于表征上述目标网页佐证上述目标搜索请求的可信程度；基于上述占比值和上述可信度值，确定上述目标对象所属的对象类别。

需要说明的是，上述目标对象不作具体限定，可以是某个人，也可以是某个集体，还可以是某个物体；上述与目标对象相关联的所有搜索请求，即包含上述目标对象关键词的所有搜索请求，关键词可以是某个人的名字、某个集体的团队名称等；通过分析上述所有搜索请求的具体内容，判断发出搜索请求的用户的情感倾向，上述情感倾向用于确定上述目标搜索请求，上述目标搜索请求可以为负向搜索请求(消极搜索请求，例如，搜索一个人的负面评价)，还可以为正向搜索请求(积极搜索请求，例如，搜索一个人的优点或者积极事项)；上述目标网页为包含了与上述目标搜索请求关联的搜索内容的网页，上述可信度值用于表征上述目标网页佐证上述目标搜索请求的可信程度。

可选的，上述目标对象所属的对象类别包括人物类别以及非人物类别，当上述目标对象为人物时，上述对象类别可以是是否为可疑人物，例如：张三是一个骗子、李四是一个被通缉的在逃犯等；当上述目标对象为非人物时，上述对象类别可以是是否为可疑区域，例如：某图书馆是一个犯罪现场等，上述目标对象所属的对象类别可以根据实际情况进行更具体的限定。

在一种可选的实施例中，上述获取与目标对象相关联的所有搜索请求，包括：

步骤S202，检测接收到的搜索请求中是否存在与上述目标对象相关联的描述信息；

步骤S204，若接收到的搜索请求中存在上述描述信息，则基于上述描述信息对接收到的搜索请求进行聚合处理，得到与上述目标对象相关联的上述所有搜索请求。

在本公开实施例中，以上述目标对象为人物时为例，首先挖掘并收集所有人物相关的搜索请求，检测接收到的所有搜索请求中是否存在与上述目标人物相关联的描述信息，例如：搜索请求中是否出现目标人物的名字、代号等信息；若存在与上述目标人物相关联的描述信息，则基于相关描述信息对接收到的搜索请求进行聚合处理，得到与上述目标人物相关联的上述所有搜索请求，根据上述目标人物相关联的上述所有搜索请求可以计算该目标人物的总流量。

在一种可选的实施例中，通过如下方式确定上述目标搜索请求：

步骤S302，采用预设的样本模板从上述所有搜索请求中获取初始搜索请求；

步骤S304，在对上述初始搜索请求进行回扫的过程中，采用情感倾向模型判定每个上述初始搜索请求的情感倾向；

步骤S306，基于目标情感倾向扩充上述样本模板，以采用扩充后样本模板从上述所有搜索请求中再次获取上述初始搜索请求，并在迭代多次后得到上述目标搜索请求。

可选的，采用预设的样本模板从上述所有搜索请求中获取初始搜索请求，上述样本模板可以根据实际需要进行设定或修改，通过不同的预先设置的模版获取到的各种搜索请求的合集便是上述初始搜索请求；基于目标情感倾向扩充上述样本模板，例如：通过“xxx是骗子？”，“xxx可靠么？”等模版，可以获取“xxx”相关的负向搜索请求，同理，可通过其他模板获取其他搜索请求；在迭代多次后得到上述目标搜索请求。

在一种可选的实施例中，上述确定目标搜索请求在上述所有搜索请求中的占比值，包括：

步骤S402，确定所有搜索请求的第一搜索流量值，以及上述目标搜索请求的第二搜索流量值；

步骤S404，依据上述第一搜索流量值和上述第二搜索流量值，计算得到上述目标搜索请求在上述所有搜索请求中的占比值。

在本公开实施例中，确定所有搜索请求的第一搜索流量值，以及目标搜索请求的第二搜索流量值，计算第二搜索流量值在第一搜索流量值中的占比，得到占比值。

在一种可选的实施例中，上述确定所有搜索请求的第一搜索流量值，以及上述目标搜索请求的第二搜索流量值，包括：

步骤S502，计算上述所有搜索请求的流量总值，得到上述第一搜索流量值；

步骤S504，计算上述目标搜索请求对应的搜索流量值，得到上述第二搜索流量值。

在本公开实施例中，仍以目标对象为人物为例，首先计算“xxx”的所有搜索请求的流量总值，得到上述第一搜索流量值；然后计算上述目标搜索请求对应的搜索流量值，上述目标搜索请求可以为具体的搜索请求，例如：“xxx是骗子”的搜索请求，然后对“xxx”相关的搜索请求模版进行挖掘，例如：挖掘出“xxx被警方通报”，则对“xxx是骗子”的相关模版进行了扩充，并确定“xxx被警方通报”的搜索请求的搜索流量值；计算扩充后的上述目标搜索请求对应的搜索流量值，得到上述第二搜索流量值。

需要说明的是，上述目标搜索流量值的数量不作具体限定，可以根据挖掘到的相关模版数量进行变化。

在一种可选的实施例中，上述确定与目标网页对应的可信度值，包括：

步骤S602，获取上述目标网页相关的点击次数和展示次数；

步骤S604，计算上述点击次数和展示次数的比值；

步骤S606，将上述比值确定为上述可信度值。

可选的，如图2所示的确定与目标网页对应的可信度值过程示意图，上述目标网页相关的点击次数为用户搜索后点击进入具体内容页面的次数，上述目标网页相关的展示次数即目标网页被搜索到的次数；计算上述点击次数和展示次数的比值；将上述比值确定为上述可信度值。

例如，获取“xxx是骗子”搜索请求搜索到的页面的点击次数和展示次数，但在实际情况中，“xxx”不可能是骗子，因此，“xxx是骗子”搜索请求搜索到的页面点击次数较低，计算上述点击次数和展示次数得到的比值较低，最后计算得到的可信度低。

在一种可选的实施例中，上述基于上述占比值和上述可信度值，确定上述目标对象所属的对象类别，包括：

步骤S702，比对预设的可信度阈值和上述可信度值，得到比对结果；

步骤S704，依据上述比对结果筛选所有的网页，得到证据列表，其中，上述证据列表中的每个证据均包括：上述目标网页和上述目标网页的可信度值；

步骤S706，基于上述占比值和上述证据列表，确定上述目标对象所属的对象类别。

在本公开实施例中，如图3所示的确定目标对象所属的对象类别过程示意图，通过预先设置一个可信度阈值，并比对上述可信度值和可信度阈值的大小，得到比对结果；依据上述比对结果对所有的网页进行筛选，得到包括上述目标网页和上述目标网页的可信度值的证据列表；并根据上述占比值和上述证据列表，确定上述目标对象所属的对象类别。

例如，“xxx是骗子”的网页可信度低于预设的可信度阈值，那么确定“xxx”的对象类别时，“xxx是骗子”的网页不会影响到对“xxx”的对象类别的确定；“xxx是骗子”的网页可信度高于预设的可信度阈值，那么确定“xxx”的对象类别时，可以确定“xxx”为骗子。

通过本公开实施例，采用获取与目标对象相关联的所有搜索请求；确定目标搜索请求在上述所有搜索请求中的占比值；确定与目标网页对应的可信度值；基于上述占比值和上述可信度值，确定上述目标对象所属的对象类别的方法；减少了大量人工成本，避免人工进行判定，且证据均为第三方网页，保证了产品公正客观性；解决了目前针对可疑人物的判定，主要采用图像处理技术，应用于视频监控和安全领域，尚无纯粹根据文本来进行分析的报道的技术问题。

实施例2

根据本公开实施例，还提供了一种用于实施上述基于搜索的对象识别方法的装置实施例，图4是根据本公开第二实施例的基于搜索的对象识别装置的结构示意图，如图4所示，上述基于搜索的对象识别装置，包括：获取模块40、第一确定模块42、第二确定模块44和第三确定模块46，其中：

获取模块40，用于获取与目标对象相关联的所有搜索请求；

第一确定模块42，用于确定目标搜索请求在上述所有搜索请求中的占比值，其中，通过判定所有搜索请求的情感倾向确定上述目标搜索请求；

第二确定模块44，用于确定与目标网页对应的可信度值，其中，上述目标网页为包含了与上述目标搜索请求关联的搜索内容的网页，上述可信度值用于表征上述目标网页佐证上述目标搜索请求的可信程度；

第三确定模块46，用于基于上述占比值和上述可信度值，确定上述目标对象所属的对象类别。

需要说明的是，上述各个模块是可以通过软件或硬件来实现的，例如，对于后者，可以通过以下方式实现：上述各个模块可以位于同一处理器中；或者，上述各个模块以任意组合的方式位于不同的处理器中。

此处需要说明的是，上述获取模块40、第一确定模块42、第二确定模块44和第三确定模块46对应于实施例1中的步骤S102至步骤S108，上述模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在计算机终端中。

需要说明的是，本实施例的可选或优选实施方式可以参见实施例1中的相关描述，此处不再赘述。

上述的基于搜索的对象识别装置还可以包括处理器和存储器，上述获取模块40、第一确定模块42、第二确定模块44和第三确定模块46等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元，上述内核可以设置一个或以上。存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(f lash RAM)，存储器包括至少一个存储芯片。

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5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5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，例如方法获取与目标对象相关联的所有搜索请求。例如，在一些实施例中，方法获取与目标对象相关联的所有搜索请求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方法获取与目标对象相关联的所有搜索请求的一个或多个步骤。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)而被配置为执行方法获取与目标对象相关联的所有搜索请求。

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 (11)

1.一种基于搜索的对象识别方法，包括：

获取与目标对象相关联的所有搜索请求；

确定目标搜索请求在所述所有搜索请求中的占比值，其中，通过判定所有搜索请求的情感倾向确定所述目标搜索请求；

确定与目标网页对应的可信度值，其中，所述目标网页为包含了与所述目标搜索请求关联的搜索内容的网页，所述可信度值用于表征所述目标网页佐证所述目标搜索请求的可信程度；

基于所述占比值和所述可信度值，确定所述目标对象所属的对象类别。

2.根据权利要求1所述的方法，其中，所述获取与目标对象相关联的所有搜索请求，包括：

检测接收到的搜索请求中是否存在与所述目标对象相关联的描述信息；

若接收到的搜索请求中存在所述描述信息，则基于所述描述信息对接收到的搜索请求进行聚合处理，得到与所述目标对象相关联的所述所有搜索请求。

3.根据权利要求1所述的方法，其中，通过如下方式确定所述目标搜索请求：

采用预设的样本模板从所述所有搜索请求中获取初始搜索请求；

在对所述初始搜索请求进行回扫的过程中，采用情感倾向模型判定每个所述初始搜索请求的情感倾向；

基于目标情感倾向扩充所述样本模板，以采用扩充后样本模板从所述所有搜索请求中再次获取所述初始搜索请求，并在迭代多次后得到所述目标搜索请求。

4.根据权利要求1所述的方法，其中，所述确定目标搜索请求在所述所有搜索请求中的占比值，包括：

确定所有搜索请求的第一搜索流量值，以及所述目标搜索请求的第二搜索流量值；

依据所述第一搜索流量值和所述第二搜索流量值，计算得到所述目标搜索请求在所述所有搜索请求中的占比值。

5.根据权利要求4所述的方法，其中，所述确定所有搜索请求的第一搜索流量值，以及所述目标搜索请求的第二搜索流量值，包括：

计算所述所有搜索请求的流量总值，得到所述第一搜索流量值；

计算所述目标搜索请求对应的搜索流量值，得到所述第二搜索流量值。

6.根据权利要求1所述的方法，其中，所述确定与目标网页对应的可信度值，包括：

获取所述目标网页相关的点击次数和展示次数；

计算所述点击次数和展示次数的比值；

将所述比值确定为所述可信度值。

7.根据权利要求1所述的方法，其中，所述基于所述占比值和所述可信度值，确定所述目标对象所属的对象类别，包括：

比对预设的可信度阈值和所述可信度值，得到比对结果；

依据所述比对结果筛选所有的网页，得到证据列表，其中，所述证据列表中的每个证据均包括：所述目标网页和所述目标网页的可信度值；

基于所述占比值和所述证据列表，确定所述目标对象所属的对象类别。

8.一种基于搜索的对象识别装置，包括：

获取模块，用于获取与目标对象相关联的所有搜索请求；

第一确定模块，用于确定目标搜索请求在所述所有搜索请求中的占比值，其中，通过判定所有搜索请求的情感倾向确定所述目标搜索请求；

第二确定模块，用于确定与目标网页对应的可信度值，其中，所述目标网页为包含了与所述目标搜索请求关联的搜索内容的网页，所述可信度值用于表征所述目标网页佐证所述目标搜索请求的可信程度；

第三确定模块，用于基于所述占比值和所述可信度值，确定所述目标对象所属的对象类别。

9.一种电子设备，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中任一项所述的基于搜索的对象识别方法。

10.一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中任一项所述的基于搜索的对象识别方法。

11.一种计算机程序产品，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中任一项所述的基于搜索的对象识别方法。

Images