CN114168756B - 搜索意图的查询理解方法和装置,存储介质和电子设备 - Google Patents
搜索意图的查询理解方法和装置,存储介质和电子设备 Download PDFInfo
- Publication number
- CN114168756B CN114168756B CN202210113219.7A CN202210113219A CN114168756B CN 114168756 B CN114168756 B CN 114168756B CN 202210113219 A CN202210113219 A CN 202210113219A CN 114168756 B CN114168756 B CN 114168756B
- Authority
- CN
- China
- Prior art keywords
- information
- recall
- entity
- searched
- determining
- 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
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
-
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
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)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开一种搜索意图的查询理解方法和装置,存储介质和电子设备,所述方法包括:对待搜索信息进行实体识别,确定所述待搜索信息中的实体类型信息;根据所述实体类型信息中核心实体和属性实体,与构建的知识图谱建立的关联关系,获取所述核心实体的核心信息和所述属性实体的属性信息;根据所述实体类型信息,确定所述待搜索信息的召回域;根据所述核心信息和所述属性信息,确定所述待搜索信息的召回内容;根据所述召回域和所述召回内容生成所述待搜索信息的召回条件,从而能够提高召回效率以及召回的准确度。
Description
技术领域
本申请涉及一种计算机应用技术领域,具体涉及一种搜索意图的查询理解方法和装置。本申请同时涉及一种计算机存储介质和电子设备。
背景技术
为方便用户在网络平台上快速且准确的获取待查找信息,可以通过网络平台设置的搜索引擎输入待查找信息的关键字,进而获取的与所述待查找信息相关的信息。
发明内容
本申请提供一种搜索意图的查询理解方法,以解决现有技术中对搜索意图理解不完备,召回效果差的技术问题。
本申请提供一种搜索意图的查询理解方法,包括:
对待搜索信息进行实体识别,确定所述待搜索信息中的实体类型信息;
根据所述实体类型信息中核心实体和属性实体,与构建的知识图谱建立的关联关系,获取所述核心实体的核心信息和所述属性实体的属性信息;
根据所述实体类型信息,确定所述待搜索信息的召回域;根据所述核心信息和所述属性信息,确定所述待搜索信息的召回内容;
根据所述召回域和所述召回内容生成所述待搜索信息的召回条件。
在一些实施例中,所述对待搜索信息进行实体识别,确定所述待搜索信息中的实体类型信息,包括:
确定所述对待搜索信息进行实体识别的实体类型之间是否存在嵌套关系;
若是,则将存在所述嵌套关系的实体类型作为同一类型实体,确定为所述实体类型信息。
在一些实施例中,所述根据所述实体类型信息中核心实体和/或属性实体,与构建的知识图谱建立的关联关系,获取所述核心实体的核心信息和/或所述属性实体的属性信息,包括:
建立所述核心实体和属性实体,与所述知识图谱对应的实体类型之间的关联关系;
根据所述关联关系,获取所述核心实体的核心信息和所述属性实体的属性信息。
在一些实施例中,所述根据所述召回域和所述召回内容生成所述待搜索信息的召回条件,包括:
将所述召回域和所述召回内容生成所述待搜索信息的知识类型召回条件。
在一些实施例中,所述根据所述核心信息和属性信息,确定所述待搜索信息的召回内容,包括:
根据所述知识图谱,将所述核心信息和所述属性信息作为整体进行字段粒度解析,获取用于描述所述核心信息和所述属性信息的单元字段;
根据所述知识图谱,获取所述单元字段的改写字段;
将所述改写字段确定为所述召回条件中关键字段召回内容;
所述根据所述召回域和所述召回内容生成所述待搜索信息的召回条件,包括:
根据所述召回域和所述关键字段召回内容,生成所述待搜索信息的关键字段类型召回条件。
在一些实施例中,所述根据所述核心信息和属性信息,确定所述待搜索信息的召回内容,包括:
根据所述知识图谱,将所述核心信息和所述属性信息作为整体进行字段粒度解析,获取用于描述所述核心信息和所述属性信息的单元字段;
根据所述单元字段,确定所述单元字段的权重和/或紧密度;
所述根据所述权重和/或紧密度,确定所述待搜索信息的召回内容;
所述根据所述召回域和所述召回内容生成所述待搜索信息的召回条件,包括:
根据所述召回域和所述关键字段召回内容,生成所述待搜索信息的关键字段类型召回条件。
在一些实施例中,所述根据所述权重和/或紧密度,确定所述待搜索信息的召回内容,包括:
根据所述单元字段的权重和/或紧密度,对所述单元字段进行丢字段和/或改写,获取目标单元字段;
将所述目标单元字段确定为所述召回内容;
所述根据所述召回域和所述召回内容生成所述待搜索信息的召回条件,包括:
根据所述召回域和所述目标单元字段,生成所述待搜索信息的关键字段类型召回条件。
在一些实施例中,还包括:
当所述实体类型信息包括主题实体、场景实体和类目实体中的至少一种实体类型信息时,对所述实体类型信息进行标签化处理;
根据所述标签化处理,预测与所述至少一种实体对应的标签信息。
在一些实施例中,所述根据所述实体类型信息,确定所述待搜索信息的召回域;根据所述属性信息,确定所述待搜索信息的召回内容,包括:
将所述实体类型信息中的所述主题实体确定为主题召回域;将所述主题实体的主题标签确定为主题标签召回内容;
所述根据所述召回域和所述召回内容生成所述待搜索信息的召回条件,包括:
根据所述主题召回域和所述主题标签召回内容生成所述待搜索信息的主题标签类型召回条件。
在一些实施例中,所述根据所述实体类型信息,确定所述待搜索信息的召回域;根据所述属性信息,确定所述待搜索信息的召回内容,包括:
将所述实体类型信息中的所述场景实体确定为场景召回域;将所述场景实体的场景标签确定为场景标签召回内容;
所述根据所述召回域和所述召回内容生成所述待搜索信息的召回条件,包括:
根据所述场景召回域和所述场景标签召回内容生成所述待搜索信息的场景标签类型召回条件。
在一些实施例中,所述根据所述实体类型信息,确定所述待搜索信息的召回域;根据所述核心信息和所述属性信息,确定所述待搜索信息的召回内容,包括:
将所述实体类型信息中的所述类目实体确定为类目召回域;将所述类目实体的类目标签确定为类目标签召回内容;
所述根据所述召回域和所述召回内容生成所述待搜索信息的召回条件,包括:
根据所述类目召回域和所述类目标签召回内容生成所述待搜索信息的类目标签类型召回条件。
在一些实施例中,还包括:
确定所述待搜索信息的行业类型;
所述对待搜索信息进行实体识别,确定所述待搜索信息中的实体类型信息,包括:
在所述行业类型的范围内对所述待搜索信息进行实体识别,确定所述待搜索信息中的所述实体类型信息。
在一些实施例中,还包括:
对所述待搜索信息进行纠错处理;
所述对待搜索信息进行实体识别,确定所述待搜索信息中的实体类型信息,包括:
根据纠错处理后的所述待搜索信息进行实体识别,确定所述待搜索信息中的所述实体类型信息。
在一些实施例中,还包括:
当所述实体类型信息为地址类实体信息时,将所述地址类实体信息中地址字段确定为地址召回域;将所述地址类实体字段或地址实体字段归一化后的标准地址名,确定为地址召回内容;
所述根据所述召回域和所述召回内容生成所述待搜索信息的召回条件,包括:
根据所述地址召回域和所述地址召回内容生成所述待搜索信息的地址类型召回条件。
本申请还提供一种搜索意图的查询理解装置,包括:
第一确定单元,用于对待搜索信息进行实体识别,确定所述待搜索信息中的实体类型信息;
第二确定单元,用于根据所述实体类型信息中核心实体和属性实体,与构建的知识图谱建立的关联关系,获取所述核心实体的核心信息和所述属性实体的属性信息;
第三确定单元,用于根据所述实体类型信息,确定所述待搜索信息的召回域;根据所述核心信息和所述属性信息,确定所述待搜索信息的召回内容;
生成单元,用于根据所述召回域和所述召回内容生成所述待搜索信息的召回条件。
本申请还提供一种计算机存储介质,用于存储网络平台产生数据,以及对应所述网络平台产生数据进行处理的程序;
所述程序在被处理器读取执行时,执行如上述搜索意图的查询理解方法的步骤。
本申请还提供一种电子设备,包括:
处理器;
存储器,用于存储对网络平台产生数据进行处理的程序,所述程序在被所述处理器读取执行时,执行如上述搜索意图的查询理解方法的步骤。
与现有技术相比,本申请具有以下优点:
本申请提供的一种搜索意图的查询理解方法,通过识别出待搜索信息中的实体类型信息中核心实体和属性实体,与构建的知识图谱建立的关联关系,获取所述核心实体的核心信息和所述属性实体的属性信息;根据所述实体类型信息,确定所述待搜索信息的召回域;根据所述核心信息和所述属性信息,确定所述待搜索信息的召回内容;根据所述召回域和所述召回内容生成所述待搜索信息的召回条件;可见,通过知识图谱贯穿于查询理解的处理过程,从而能够提高召回效率以及召回的准确度。
另外,本申请提供的搜索意图的查询理解方法,能够通过多粒度(实体识别粒度(粗粒度)+词(term)粒度(也可以称为字段粒度,即细粒度))结构化理解,实体粒度的识别用于确定召回域,然后对核心实体和/或属性实体细粒度的识别(term粒度)用于生成召回条件(或者称为检索条件),同样也能够提高召回的准确度和召回效率。
附图说明
图1是本申请提供一种搜索意图的查询理解方法的实施例的流程图;
图2是本申请提供的一种搜索意图的查询理解装置的实施例的结构示意图;
图3是本申请提供的一种电子设备实施例的结构示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
本申请中使用的术语是仅仅出于对特定实施例描述的目的,而非旨在限制本申请。在本申请中和所附权利要求书中所使用的描述方式例如:“一种”、“第一”、和“第二”等,并非对数量上的限定或先后顺序上的限定,而是用来将同一类型的信息彼此区分。
结合上述背景技术可知,通过网络应用平台中设置的搜索引擎满足用户的查询需求,相较于通过推荐系统执行的被动式需求满足,用户在使用搜索引擎时可以通过query(查询)实现主动诉求的表达,进而通过用户较为明确的搜索意图可以提供更具针对性推荐结果。因为,用户的主动搜索是最直接表达用户真实需求的方式。因此搜索功能在电商、本地生活服务等领域的应用服务平台上属于核心功能之一。
通常搜索链路一般可以划分为如下几个环节:查询理解,召回,相关性计算以及排序。首先搜索引擎会对用户发起的query进行处理和理解,包括分字段、纠错、改写等。然后基于query理解的内容进行召回并计算query与doc的相关性,最后进行排序并把搜索结果展现给用户。然而,常规的query理解仅是通过各个功能模块单独的作用完成召回内容的输出,对query理解存在一定的欠缺,召回内容与实际查询内容之间的相关性也存在一定缺陷。特别是涉及生活服务领域的应用服务平台,查询理解会涉及多种不同的垂直行业,如:餐饮类、生活服务类、医疗服务类、零售类等等,如果按照常规的query理解方式,必然会导致召回内容的相关性较差,召回范围涉及较广导致召回效率低。
鉴于上述,本申请提供一种搜索意图的查询理解方法,如图1所示,所述查询理解方法实施例的具体过程包括如下步骤S101到步骤S104,下面依次对各个步骤进行详细描述。
步骤S101:对待搜索信息进行实体识别,确定所述待搜索信息中的实体类型信息;
所述步骤S101中所述待搜索信息可以是在应用服务页面中提供的搜索框中输入的文本信息或者其他形式的信息,如图片、视频、语音等。所述实体识别又可以称为命名实体识别(Named Entity Recognition),指识别文本中有特定含义的语义项,例如:人名,地名,组织机构名等,对于应用服务软件则可以是例如:菜品、饮品、药品、商品等。所述语义项即为实体类型信息,对应文本信息中不同的字段。比如:搜索文本为“AA店铺的消肿止痛膏”,则实体识别结果为AA为药店实体类型,消肿止痛膏为药品实体类型,其中:消肿和止痛是功能实体类型,膏是剂型实体类型;又如:搜索文本为“位于学院路CC店的宫保鸡丁”,则实体识别结果为学院路为地址实体类型,CC店为店铺实体类型,宫保鸡丁为菜品实体类型。
上述内容是对所述步骤S101中涉及的技术名字段的解释以及便于理解的说明示例,并不对技术名字段进行适用场景及使用范围进行限定。
所述步骤S101的具体实现过程可以包括:
步骤S101-11:确定所述对待搜索信息进行实体识别的实体类型之间是否存在嵌套关系;
步骤S101-12:若是,则将存在所述嵌套关系的实体类型作为同一类型实体,确定为所述实体类型信息。
所述步骤S101-11和所述步骤S101-12的目的是对所述待搜索信息进行实体识别时采用最大粒度识别的实体类型信息为准,例如:待搜索信息为“消肿止痛膏”进行实体识别。“消肿”和“止痛”是功能,“膏”是剂型,“消肿止痛膏”整体是一个药品。消肿止痛膏存在嵌套关系,实体识别则会选择最大粒度的作为实体识别结果,即最终识别结果为“消肿止痛膏”为药品实体类型信息。当然如果待搜索信息中还包括地址实体,而地址实体与药品实体之间不存在嵌套关系,因此是两个独立的实体类型信息,如果地址信息为“北京海淀学院路”可以将北京海淀学院路识别为一个地址实体,而无需拆分成多个实体。在本实施例中,对于待搜索信息的实体识别可以采用最大粒度(即粗粒度)的识别方式。又例如:待搜索信息为“某某药房氯雷他定片”,实体识别结果为“某某药房”为店铺实体类型,“氯雷他定”为药品名称实体类型,“片”为药品剂型实体类型,而“氯雷他定片”为药品实体类型。
关于对待搜索信息进行实体识别的具体方式此处不再赘述,命名实体识别属于自然语言处理中的常规技术手段。
此处需要说明的是,为了提高实体识别的准确性,在对所述待搜索信息进行命名实体识别时,可以对所述待搜索信息进行纠错处理,将所述待搜索信息中的破碎和/或不完整信息进行补全,对错别字进行修改。例如:待搜索信息为“kendej”可以纠正处理为“肯德基”,“阿莫西”可以纠正处理为“阿莫西林”等,纠错的方式不限于上述举例,任何将所述待搜索信息进行补全或调整的操作均可为纠错,目的在于使得识别更为准确,当然纠错可以根据所述待搜索信息的搜索意图进行纠错,可以结合输入的信息以及语义等等进行纠错。纠错处理后,对纠错后的待搜索信息进行实体识别。
同样地,为提高实体识别的准确性,还可以包括:
确定所述待搜索信息的行业类型;
所述对待搜索信息进行实体识别,确定所述待搜索信息中的实体类型信息,包括:
在所述行业类型的范围内对所述待搜索信息进行实体识别,确定所述待搜索信息中的所述实体类型信息。
其中,对所述待搜索信息的行业类型可以通过待搜索信息整体文本信息进行确定,例如:“消肿止痛膏”即可确定为涉及的是医药行业,“宫保鸡丁”则可以确定为涉及的是餐饮行业等等。
通过对待搜索信息的所属行业的判别,能够在实体识别时减少实体区分的范围和难度。在对实体知识理解进行开始之前对行业进行判别(或者是步骤S102开始之前),也可以理解为,是对整体句子级别的分类任务,而句子级别的分类任务相对于词级别的序列标注任务难度低,因此,更容易获知所述待搜索信息所涉及的行业范围。
步骤S102:根据所述实体类型信息中核心实体和属性实体,与构建的知识图谱建立的关联关系,获取所述核心实体的核心信息和所述属性实体的属性信息;
所述步骤S102中的知识图谱可以是预先建立的数据结构体,可以是按照领域、行业等建立。所述步骤S102的目的在对所述实体类型信息进行理解,获得实体知识,所述实体知识可以包括用于描述所述实体类型信息中核心实体的核心信息和用于描述所述实体类型信息中属性实体的属性信息,其中所述核心实体可以是针对不同行业或不同领域指定的实体,例如:医药行业的核心实体可以是药品、医疗器械、药店等,属性实体可以是适用疾病、剂型、功能等;餐饮行业的核心实体可以是菜品、饮品、餐饮店铺等,属性实体可以是食材、烹饪方法、口味、菜系等;零售行业的核心实体可以是商品、超市,属性实体可以是品牌、材质等;此处不再一一举例。换言之,在本实施例中,所述实体类型信息可以包括核心实体类型信息和/或属性实体类型信息,当然还可以包括其他实体类型信息,例如:地址实体类型信息、类目实体类型信息、主题实体类型信息、场景实体类型信息等等,在本实施例中,主要以核心实体类型信息和属性实体类型信息进行举例说明,地址、主题、类目等实体类型信息作为辅助说明。
所述步骤S102的具体实现过程包括:
步骤S102-1:建立所述核心实体和属性实体,与所述知识图谱对应的实体类型之间的关联关系;
其中,所述实体类型信息中的所述核心实体可以包括资源对象实体和/或资源对象提供方实体时,可以建立所述资源对象实体与所述知识图谱的关联关系,和/或,建立所述资源对象提供方实体与所述知识图谱的关联关系。
步骤S102-2:根据所述关联关系,获取所述核心实体的核心信息和所述属性实体的属性信息。
根据步骤S102-2中可以根据所述关联关系,获取所述资源对象实体的信息;和/或,获取所述资源对象提供方实体的信息。
所述步骤S102-1中的资源对象实体可以是服务商品,例如菜品、饮品、药品等,资源对象提供方实体可以是餐饮店铺、药店、超市等。
在所述步骤S102-2以所述医药行业为例进行说明,例如“消肿止痛膏”链接到知识图谱对应的药品,对核心实体和属性实体进行理解,获得实体知识,即得到通用药品名、适用疾病、适用症状、药品功能、药品剂型、药品成分等信息。
步骤S103:根据所述实体类型信息,确定所述待搜索信息的召回域,根据所述核心信息和所述属性信息,确定所述待搜索信息的召回内容;
步骤S104:根据所述召回域和所述召回内容生成所述待搜索信息的召回条件。
在本实施例中,当所述实体类型信息中针对核心实体和属性实体进行实体理解时,所述步骤S104中的根据所述核心信息和属性信息,确定所述待搜索信息的召回内容,具体实现过程可以包括:将所述召回域和所述召回内容生成所述待搜索信息的知识类型召回条件。
在其他实施例中,还可以根据所述核心实体的核心信息进一步的确定召回内容,因此,所述步骤S103中的所述根据所述核心信息和属性信息,确定所述待搜索信息的召回内容,还可以包括:
步骤S103-11:根据所述知识图谱,将所述核心信息和所述属性信息作为整体进行字段粒度解析,获取用于描述所述核心信息和所述属性信息的单元字段;
例如:对于“消肿止痛膏”基于知识图谱可以得到核心实体中的核心信息“消肿”、“止痛”是功能成分,属性实体“膏”是剂型成分。因此,从字段粒度进行解析即可得到三个单元字段“消肿”,“止痛”,“膏”。其中,消肿和止痛可以理解为是核心信息的单元字段,膏是属性信息的单元字段。也就是说,所述步骤S103-11是以细粒度方式对核心信息和/或所述属性信息进行解析。
步骤S103-12:根据所述知识图谱,获取所述单元字段的改写字段;
基于知识图谱查询步骤S103-1中的单元字段的同义词产生同义改写,获取单元字段的改写字段,如“消肿止痛贴”,“消肿镇痛膏(贴)”,“消肿去痛膏(贴)”等。
步骤S103-13:将所述改写字段确定为所述待搜索信息中关键字段召回内容。
所述步骤S104的具体实现可以包括:
步骤S104-11:根据所述召回域和所述关键字段召回内容,生成所述待搜索信息的关键字段类型召回条件。
在其他实施例中,所述步骤S103中的所述根据所述核心信息和属性信息,确定所述待搜索信息的召回内容,还可以包括:
步骤S103-21:根据所述知识图谱,将所述核心信息和所述属性信息作为整体进行字段粒度解析,获取用于描述所述核心信息和所述属性信息成分的单元字段;
步骤S103-22:根据所述单元字段,确定所述单元字段的权重(term weight)和/或紧密度(term tight);
步骤S103-23:根据所述权重(term weight)和/或紧密度(term tight),确定所述待搜索信息的召回内容。
所述步骤S103-23的具体实现过程可以包括:
根据所述单元字段的权重和/或紧密度,对所述单元字段进行丢字段和/或改写,获取目标单元字段;
将所述目标单元字段确定为所述召回内容。
相应的,所述步骤S104的具体实现过程可以包括:
步骤S104-21:根据所述召回域和所述单元字段的权重和/或紧密度确定的所述召回内容,生成所述待搜索信息的关键字段类型召回条件。具体地,可以是根据所述召回域和所述目标单元字段,生成所述待搜索信息的关键字段类型召回条件。
以上是对本实施例中,所述实体类型信息中包括核心实体和属性实体时的处理过程,其中,核心实体可以是指定的实体。
那么,当所述实体类型信息中包括主题实体、场景实体和类目实体中的至少一种实体时,对所述实体类型信息进行标签化处理,也就是把用户搜索的多种多样的字符串归一化到预设好的类目或标签上。根据所述标签化处理,预测与所述至少一种实体对应的标签信息。其中,主题实体和场景实体可以是结合具体应用服务确定,例如:对于针对生活服务或者外卖服务的应用,可以是涉及特定场景或主题的信息,如:中秋节礼品、家庭聚会、团圆年夜饭等;而类目实体可以理解为通常对于应用服务维护的具有层级关系的品类树,品类树按照树状层级结构定义类目,例如:“美食->中餐->地方菜”。也可以理解为针对某一服务的类目划分,如:服装类的划分“外套、裤子、鞋”等,其中,针对每个类目还可以包括子类目,如:鞋可以包括跑鞋、篮球鞋、休闲鞋、皮鞋等。
相应地,当所述实体类型信息为所述主题实体时,所述步骤S103的具体实现过程可以包括:
将所述实体类型信息中的所述主题实体确定为主题召回域;将所述主题实体的主题标签确定为主题标签召回内容;
相应地,所述步骤S104的具体实现过程可以包括:
根据所述主题召回域和所述主题标签召回内容生成所述待搜索信息的主题标签类型召回条件。
相应地,当所述实体类型信息为所述场景实体时,所述步骤S103的具体实现过程可以包括:
将所述实体类型信息中的所述场景实体确定为场景召回域;将所述场景实体的场景标签确定为场景标签召回内容;
相应地,所述步骤S104的具体实现过程可以包括:
根据所述场景召回域和所述场景标签召回内容生成所述待搜索信息的场景标签类型召回条件。
相应地,当所述实体类型信息为所述类目实体时,所述步骤S103的具体实现过程可以包括:
将所述实体类型信息中的所述类目实体确定为类目召回域;将所述类目实体的类目标签确定为类目标签召回内容;
相应地,所述步骤S104的具体实现过程可以包括:
根据所述类目召回域和所述类目标签召回内容生成所述待搜索信息的类目标签类型召回条件。
相应地,当所述实体类型信息为地址类实体信息时,所述步骤S103的具体实现过程可以包括:
将所述地址类实体信息中地址字段确定为地址召回域;将所述地址类实体字段或地址实体字段归一化后的标准地址名,确定为地址召回内容;
相应地,所述步骤S104的具体实现过程可以包括:
根据所述地址召回域和所述地址召回内容生成所述待搜索信息的地址类型召回条件。
可以理解的是,所述知识类型召回条件、关键字段类型召回条件、标签类召回条件(可以包括主题标签类型召回条件、场景标签类型召回条件和/或类目标签类型召回条件等)以及地址类型召回条件,在本实施例中可以根据待搜索信息确定为一种或多种组合,例如:当待搜索信息中识别的实体包括地址、类目、核心、属性等实体时,则可以是多种召回条件的组合,当待搜索信息中识别的实体仅包括一种实体时,则可以根据所述实体确定对应的召回条件。
以上是对本申请提供的一种搜索意图的查询理解方法实施例的具体描述,与前述提供的一种搜索意图的查询理解方法实施例相对应,本申请还公开一种搜索意图的查询理解装置实施例,请参看图2,由于装置实施例基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
如图2所示,图2是本申请提供的一种搜索意图的查询理解装置的实施例的结构示意图,装置实施例中可以包括:
第一确定单元201,用于对待搜索信息进行实体识别,确定所述待搜索信息中的实体类型信息;
所述第一确定单元201具体可以包括:嵌套关系确定子单元和确定子单元;所述嵌套关系确定子单元,用于确定所述对待搜索信息进行实体识别的实体类型之间是否存在嵌套关系;所述确定子单元,用于在所述嵌套关系确定子单元确定结果为是时,将存在所述嵌套关系的实体类型作为同一类型实体,确定为所述实体类型信息。
第二确定单元202,用于根据所述实体类型信息中核心实体和属性实体,与构建的知识图谱建立的关联关系,获取所述核心实体的核心信息和所述属性实体的属性信息;
所述第二确定单元202可以包括:建立子单元和获取子单元;
所述建立子单元,用于建立所述核心实体和属性实体,与所述知识图谱对应的实体类型之间的关联关系;
所述获取子单元,用于根据所述关联关系,获取所述核心实体的核心信息和所述属性实体的属性信息。
第三确定单元203,用于根据所述实体类型信息,确定所述待搜索信息的召回域;根据所述核心信息和所述属性信息,确定所述待搜索信息的召回内容;
生成单元204,用于根据所述召回域和所述召回内容生成所述待搜索信息的召回条件;
所述生成单元204具体用于将所述召回域和所述召回内容生成所述待搜索信息的知识类型召回条件。
当所述实体类型信息包括核心实体和属性实体时,所述第三确定单元203中根据所述核心信息和所述属性信息,确定所述待搜索信息的召回内容,可以包括:解析子单元、改写子单元、内容确定子单元;
其中,所述解析子单元,用于根据所述知识图谱,将所述核心信息和所述属性信息作为整体进行字段粒度解析,获取用于描述所述核心信息和所述属性信息的单元字段;
所述改写子单元,用于根据所述知识图谱,获取所述单元字段的改写字段;
所述内容确定子单元,用于将所述改写字段确定为所述待搜索信息中关键字段召回内容;
相应地,所述生成单元204具体可以是根据所述召回域和所述关键字段召回内容,生成所述待搜索信息的关键字段类型召回条件。
在其他实施例中,为使生成召回条件达到精准的范围,提高查询理解的准确度,所述第三确定单元203中的根据所述核心信息和属性信息,确定所述待搜索信息的召回内容,可以包括:解析子单元、内容确定子单元;其中,所述解析子单元,用于根据所述知识图谱,将所述核心信息和所述属性信息作为整体进行字段粒度解析,获取用于描述所述核心信息和所述属性信息的单元字段;所述内容确定子单元,用于所述根据所述权重和/或紧密度,确定所述待搜索信息的关键字段召回内容。
相应地,在该实施例中,所述生成单元204,用于根据所述召回域和所述关键字段召回内容,生成所述待搜索信息的关键字段类型召回条件。
其中,所述内容确定子单元,包括:获取子单元、确定子单元;所述获取子单元,用于根据所述单元字段的权重和/或紧密度,对所述单元字段进行丢字段和/或改写,获取目标单元字段;所述确定子单元,用于将所述目标单元字段确定为所述召回内容。
进一步的,所述生成单元204,用于根据所述召回域和所述目标单元字段,生成所述待搜索信息的关键字段类型召回条件。
在其他实施例中,还可以包括标签化处理单元和预测单元;所述标签化处理单元,用于当所述实体类型信息中包括主题实体、场景实体和类目实体中的至少一种实体时,对所述实体类型信息进行标签化处理;
所述预测单元,用于根据所述标签化处理,预测与所述至少一种实体对应的标签信息。
相应地,所述第三确定单元203具体可以是将所述实体类型信息中的所述主题实体确定为主题召回域;将所述主题实体的主题标签确定为主题标签召回内容;所述生成单元204具体可以是根据所述主题召回域和所述主题标签召回内容生成所述待搜索信息的主题标签类型召回条件。
相应地,所述第三确定单元203具体可以是将所述实体类型信息中的所述场景实体确定为场景召回域;将所述场景实体的场景标签确定为场景标签召回内容;所述生成单元204具体可以是根据所述场景召回域和所述场景标签召回内容生成所述待搜索信息的场景标签类型召回条件。
相应地,所述第三确定单元203具体可以是将所述实体类型信息中的所述类目实体确定为类目召回域;将所述类目实体的类目标签确定为类目标签召回内容;所述生成单元204具体可以是根据所述类目召回域和所述类目标签召回内容生成所述待搜索信息的类目标签类型召回条件。
为提高实体识别的准确性,还可以包括:行业确定单元,用于确定所述待搜索信息的行业类型;所述第一确定单元201具体可以用于在所述行业类型的范围内对所述待搜索信息进行实体识别,确定所述待搜索信息中的所述实体类型信息。
其中,对所述待搜索信息的行业类型可以通过待搜索信息整体文本信息进行确定,例如:“消肿止痛膏”即可确定为涉及的是医药行业,“宫保鸡丁”则可以确定为涉及的是餐饮行业等等。
通过对待搜索信息的所属行业的判别,能够在实体识别时减少实体区分的范围和难度。在对实体知识理解进行开始之前对行业进行判别(或者是步骤S102开始之前),也可以理解为,是对整体句子级别的分类任务,而句子级别的分类任务相对于词级别的序列标注任务难度低,因此,更容易获知所述待搜索信息所涉及的行业范围。
为提高实体识别的准确性,还可以包括:纠错单元,用于对所述待搜索信息进行纠错处理;所述第一确定单元201具体可以根据纠错处理后的所述待搜索信息进行实体识别,确定所述待搜索信息中的所述实体类型信息。
在其他实施例中,当所述实体类型信息为地址类实体信息时,还包括第四确定单元,用于将所述地址类实体信息中地址字段确定为地址召回域;将所述地址类实体字段或地址实体字段归一化后的标准地址名,确定为地址召回内容。所述生成单元,用于根据所述地址召回域和所述地址召回内容生成所述待搜索信息的地址类型召回条件。
以上是对本申请提供的一种搜索意图的查询理解装置实施例的描述,关于装置实施例的具体内容可以参考上述步骤S101到步骤S104的描述,此处不再对重复内容进行描述。
基于上述内容,本申请还提供一种计算机存储介质,用于存储网络平台产生数据,以及对应所述网络平台产生数据进行处理的程序;
所述程序在被处理器读取执行时,执行采用如上述搜索意图的查询理解方法实施例的步骤S101到步骤S104。
基于上述内容,如图3所示,本申请还提供一种电子设备,该电子设备实施例包括:
处理器301;
存储器302,用于存储对网络平台产生数据进行处理的程序,所述程序在被所述处理器读取执行时,执行采用如上述搜索意图的查询理解方法实施例的步骤S101到步骤S104。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存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(flash RAM)。内存是计算机可读介质的示例。
1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
2、本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改,因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
Claims (15)
1.一种搜索意图的查询理解方法,其特征在于,包括:
对待搜索信息进行实体识别,确定所述待搜索信息中的实体类型信息;
根据所述实体类型信息中核心实体和属性实体,与构建的知识图谱建立的关联关系,获取所述核心实体的核心信息和所述属性实体的属性信息;
根据所述实体类型信息,确定所述待搜索信息的召回域;根据所述核心信息和所述属性信息,确定所述待搜索信息的召回内容;
所述根据所述核心信息和属性信息,确定所述待搜索信息的召回内容,包括:
根据所述知识图谱,将所述核心信息和所述属性信息作为整体进行字段粒度解析,获取用于描述所述核心信息和所述属性信息的单元字段;
根据所述单元字段,确定所述待搜索信息中的关键字段召回内容;
根据所述召回域和所述召回内容生成所述待搜索信息的召回条件;
所述根据所述召回域和所述召回内容生成所述待搜索信息的召回条件,包括:
根据所述召回域和所述关键字段召回内容,生成所述待搜索信息的关键字段类型召回条件。
2.根据权利要求1所述的搜索意图的查询理解方法,其特征在于,所述对待搜索信息进行实体识别,确定所述待搜索信息中的实体类型信息,包括:
确定所述对待搜索信息进行实体识别的实体类型之间是否存在嵌套关系;
若是,则将存在所述嵌套关系的实体类型作为同一类型实体,确定为所述实体类型信息。
3.根据权利要求1所述的搜索意图的查询理解方法,其特征在于,所述根据所述实体类型信息中核心实体和/或属性实体,与构建的知识图谱建立的关联关系,获取所述核心实体的核心信息和/或所述属性实体的属性信息,包括:
建立所述核心实体和属性实体,与所述知识图谱对应的实体类型之间的关联关系;
根据所述关联关系,获取所述核心实体的核心信息和所述属性实体的属性信息。
4.根据权利要求3所述的搜索意图的查询理解方法,其特征在于,所述根据所述召回域和所述召回内容生成所述待搜索信息的召回条件,包括:
将所述召回域和所述召回内容生成所述待搜索信息的知识类型召回条件。
5.根据权利要求1所述的搜索意图的查询理解方法,其特征在于,所述根据所述单元字段,确定所述待搜索信息中的关键字段召回内容,包括:
根据所述知识图谱,获取所述单元字段的改写字段;
将所述改写字段确定为所述待搜索信息中关键字段召回内容。
6.根据权利要求1所述的搜索意图的查询理解方法,其特征在于,所述根据所述单元字段,确定所述待搜索信息中的关键字段召回内容,包括:
根据所述单元字段,确定所述单元字段的权重和/或紧密度;
根据所述权重和/或紧密度,确定所述待搜索信息的关键字段召回内容。
7.根据权利要求6所述的搜索意图的查询理解方法,其特征在于,所述根据所述权重和/或紧密度,确定所述待搜索信息的关键字段召回内容,包括:
根据所述单元字段的权重和/或紧密度,对所述单元字段进行丢字段和/或改写,获取目标单元字段;
将所述目标单元字段确定为所述关键字段召回内容;
所述根据所述召回域和所述召回内容生成所述待搜索信息的召回条件,包括:
根据所述召回域和所述目标单元字段,生成所述待搜索信息的关键字段类型召回条件。
8.根据权利要求1所述搜索意图的查询理解方法,其特征在于,还包括:
当所述实体类型信息包括主题实体、场景实体和类目实体中的至少一种实体类型信息时,对所述实体类型信息进行标签化处理;
根据所述标签化处理,预测与所述至少一种实体对应的标签信息。
9.根据权利要求8所述的搜索意图的查询理解方法,其特征在于,所述根据所述实体类型信息,确定所述待搜索信息的召回域;根据所述属性信息,确定所述待搜索信息的召回内容,包括:
将所述实体类型信息中的所述主题实体确定为主题召回域;将所述主题实体的主题标签确定为主题标签召回内容;
所述根据所述召回域和所述召回内容生成所述待搜索信息的召回条件,包括:
根据所述主题召回域和所述主题标签召回内容生成所述待搜索信息的主题标签类型召回条件。
10.根据权利要求8或9所述的搜索意图的查询理解方法,其特征在于,所述根据所述实体类型信息,确定所述待搜索信息的召回域;根据所述属性信息,确定所述待搜索信息的召回内容,包括:
将所述实体类型信息中的所述场景实体确定为场景召回域;将所述场景实体的场景标签确定为场景标签召回内容;
所述根据所述召回域和所述召回内容生成所述待搜索信息的召回条件,包括:
根据所述场景召回域和所述场景标签召回内容生成所述待搜索信息的场景标签类型召回条件。
11.根据权利要求10所述的搜索意图的查询理解方法,其特征在于,所述根据所述实体类型信息,确定所述待搜索信息的召回域;根据所述核心信息和所述属性信息,确定所述待搜索信息的召回内容,包括:
将所述实体类型信息中的所述类目实体确定为类目召回域;将所述类目实体的类目标签确定为类目标签召回内容;
所述根据所述召回域和所述召回内容生成所述待搜索信息的召回条件,包括:
根据所述类目召回域和所述类目标签召回内容生成所述待搜索信息的类目标签类型召回条件。
12.根据权利要求1所述搜索意图的查询理解方法,其特征在于,还包括:
确定所述待搜索信息的行业类型;
所述对待搜索信息进行实体识别,确定所述待搜索信息中的实体类型信息,包括:
在所述行业类型的范围内对所述待搜索信息进行实体识别,确定所述待搜索信息中的所述实体类型信息。
13.根据权利要求1所述搜索意图的查询理解方法,其特征在于,还包括:
当所述实体类型信息为地址类实体信息时,将所述地址类实体信息中地址字段确定为地址召回域;将所述地址类实体字段或地址实体字段归一化后的标准地址名,确定为地址召回内容;
所述根据所述召回域和所述召回内容生成所述待搜索信息的召回条件,包括:
根据所述地址召回域和所述地址召回内容生成所述待搜索信息的地址类型召回条件。
14.一种计算机存储介质,用于存储网络平台产生数据,以及对应所述网络平台产生数据进行处理的程序;
所述程序在被处理器读取执行时,执行采用权利要求1到权利要求13任意一项所述的搜索意图的查询理解方法。
15.一种电子设备,包括:
处理器;
存储器,用于存储对网络平台产生数据进行处理的程序,所述程序在被所述处理器读取执行时,执行采用权利要求1到权利要求13任意一项所述的搜索意图的查询理解方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210113219.7A CN114168756B (zh) | 2022-01-29 | 2022-01-29 | 搜索意图的查询理解方法和装置,存储介质和电子设备 |
PCT/CN2023/084548 WO2023143640A1 (zh) | 2022-01-29 | 2023-03-29 | 搜索意图的查询理解方法和装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210113219.7A CN114168756B (zh) | 2022-01-29 | 2022-01-29 | 搜索意图的查询理解方法和装置,存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114168756A CN114168756A (zh) | 2022-03-11 |
CN114168756B true CN114168756B (zh) | 2022-05-13 |
Family
ID=80489553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210113219.7A Active CN114168756B (zh) | 2022-01-29 | 2022-01-29 | 搜索意图的查询理解方法和装置,存储介质和电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114168756B (zh) |
WO (1) | WO2023143640A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114168756B (zh) * | 2022-01-29 | 2022-05-13 | 浙江口碑网络技术有限公司 | 搜索意图的查询理解方法和装置,存储介质和电子设备 |
CN115168436B (zh) * | 2022-07-20 | 2023-08-08 | 贝壳找房(北京)科技有限公司 | 查询信息处理方法、电子设备及可读存储介质 |
Citations (3)
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 |
CN111061859A (zh) * | 2019-12-02 | 2020-04-24 | 深圳追一科技有限公司 | 基于知识图谱的数据处理方法、装置和计算机设备 |
CN113742446A (zh) * | 2021-07-16 | 2021-12-03 | 华中科技大学 | 一种基于路径排序的知识图谱问答方法及系统 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130110628A1 (en) * | 2011-10-28 | 2013-05-02 | Google Inc. | Advertisement determination system and method for clustered search results |
US11003729B2 (en) * | 2012-12-12 | 2021-05-11 | Google Llc | Providing search results based on a compositional query |
CN106649818B (zh) * | 2016-12-29 | 2020-05-15 | 北京奇虎科技有限公司 | 应用搜索意图的识别方法、装置、应用搜索方法和服务器 |
CN109145153B (zh) * | 2018-07-02 | 2021-03-12 | 北京奇艺世纪科技有限公司 | 意图类别的识别方法和装置 |
CN110795528B (zh) * | 2019-09-05 | 2023-10-13 | 腾讯科技(深圳)有限公司 | 一种数据查询方法、装置、电子设备及存储介质 |
CN110569367A (zh) * | 2019-09-10 | 2019-12-13 | 苏州大学 | 一种基于知识图谱的空间关键字查询方法、装置及设备 |
CN113254756B (zh) * | 2020-02-12 | 2024-03-26 | 百度在线网络技术(北京)有限公司 | 广告召回方法、装置、设备和存储介质 |
CN111460095B (zh) * | 2020-03-17 | 2023-06-27 | 北京百度网讯科技有限公司 | 问答处理方法、装置、电子设备及存储介质 |
CN111553162B (zh) * | 2020-04-28 | 2023-09-22 | 腾讯科技(深圳)有限公司 | 一种意图识别的方法以及相关装置 |
CN111625633A (zh) * | 2020-05-22 | 2020-09-04 | 广东飞企互联科技股份有限公司 | 基于知识图谱的企业制度问答意图识别方法及装置 |
CN111708943B (zh) * | 2020-06-12 | 2024-03-01 | 北京搜狗科技发展有限公司 | 一种搜索结果展示方法、装置和用于搜索结果展示的装置 |
CN111800493B (zh) * | 2020-06-29 | 2023-07-28 | 百度在线网络技术(北京)有限公司 | 信息内容推送方法、装置、电子设备和存储介质 |
CN112084405A (zh) * | 2020-09-04 | 2020-12-15 | 北京字节跳动网络技术有限公司 | 一种搜索方法、装置及计算机存储介质 |
CN112685544A (zh) * | 2020-12-25 | 2021-04-20 | 中国联合网络通信集团有限公司 | 电信信息的查询方法、装置、设备和介质 |
CN112434072B (zh) * | 2021-01-27 | 2021-04-30 | 浙江口碑网络技术有限公司 | 搜索方法、装置、电子设备及存储介质 |
CN113255351B (zh) * | 2021-06-22 | 2023-02-03 | 中国平安财产保险股份有限公司 | 语句意图识别方法、装置、计算机设备及存储介质 |
CN113641813A (zh) * | 2021-09-01 | 2021-11-12 | 上海明略人工智能(集团)有限公司 | 基于知识图谱的问答系统、方法、电子设备及存储介质 |
CN114168756B (zh) * | 2022-01-29 | 2022-05-13 | 浙江口碑网络技术有限公司 | 搜索意图的查询理解方法和装置,存储介质和电子设备 |
-
2022
- 2022-01-29 CN CN202210113219.7A patent/CN114168756B/zh active Active
-
2023
- 2023-03-29 WO PCT/CN2023/084548 patent/WO2023143640A1/zh unknown
Patent Citations (3)
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 |
CN111061859A (zh) * | 2019-12-02 | 2020-04-24 | 深圳追一科技有限公司 | 基于知识图谱的数据处理方法、装置和计算机设备 |
CN113742446A (zh) * | 2021-07-16 | 2021-12-03 | 华中科技大学 | 一种基于路径排序的知识图谱问答方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114168756A (zh) | 2022-03-11 |
WO2023143640A1 (zh) | 2023-08-03 |
WO2023143640A9 (zh) | 2023-10-05 |
WO2023143640A8 (zh) | 2023-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9928537B2 (en) | Management and storage of distributed bookmarks | |
US10990632B2 (en) | Multidimensional search architecture | |
CN114168756B (zh) | 搜索意图的查询理解方法和装置,存储介质和电子设备 | |
US9619468B2 (en) | Generation of synthetic context frameworks for dimensionally constrained hierarchical synthetic context-based objects | |
JP5679993B2 (ja) | クエリを実行する方法およびクエリシステム | |
US8775442B2 (en) | Semantic search using a single-source semantic model | |
US7020654B1 (en) | Methods and apparatus for indexing content | |
US8589429B1 (en) | System and method for providing query recommendations based on search activity of a user base | |
US8832102B2 (en) | Methods and apparatuses for clustering electronic documents based on structural features and static content features | |
FR3102276A1 (fr) | Procedes et systemes pour résumer des document multiples en utilisant une approche d’apprentissage automatique | |
US20110320470A1 (en) | Generating and presenting a suggested search query | |
CN107111640B (zh) | 用于与图像搜索结果一起呈现辅助内容的方法和用户界面 | |
US20130339369A1 (en) | Search Method and Apparatus | |
US20120023089A1 (en) | Method to search a task-based web interaction | |
US20180075070A1 (en) | Search space reduction for knowledge graph querying and interactions | |
US20230298481A1 (en) | Food description processing methods and apparatuses | |
US20150169988A1 (en) | Detecting Modified Images | |
US11061943B2 (en) | Constructing, evaluating, and improving a search string for retrieving images indicating item use | |
CN109101512B (zh) | 法律数据库的构建方法、法律数据查询方法及装置 | |
CN101866340A (zh) | 一种产品情报的在线检索和智能分析方法与系统 | |
US20190205434A1 (en) | Constructing, evaluating, and improving a search string for retrieving images indicating item use | |
Prathyusha et al. | Normalization Methods for Multiple Sources of Data | |
US10423636B2 (en) | Relating collections in an item universe | |
US20190205431A1 (en) | Constructing, evaluating, and improving a search string for retrieving images indicating item use | |
CN113177116B (zh) | 信息展示方法及装置、电子设备、存储介质及程序产品 |
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 |