CN114238581A - 一种基于语义理解的智能检索系统及方法 - Google Patents
一种基于语义理解的智能检索系统及方法 Download PDFInfo
- Publication number
- CN114238581A CN114238581A CN202111575120.0A CN202111575120A CN114238581A CN 114238581 A CN114238581 A CN 114238581A CN 202111575120 A CN202111575120 A CN 202111575120A CN 114238581 A CN114238581 A CN 114238581A
- Authority
- CN
- China
- Prior art keywords
- retrieval
- template
- semantic
- result
- sorting
- 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 27
- 238000000605 extraction Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 230000015654 memory Effects 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 241000157593 Milvus Species 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000001174 ascending effect Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 description 12
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000002244 precipitate Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- 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
- 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
- G06F16/338—Presentation of query results
-
- 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 Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种基于语义理解的智能检索系统及方法,包括:配置单元,其用于对检索参数进行配置,生成检索模板;语义检索单元,其用于基于所述检索模板中的参数,采用语义特征提取方法对待检索信息进行语义特征提取;基于提取的语义特征以及相似度计算方法,从所述检索模板绑定的数据集中获取第一检索结果;关键词检索单元,其用于从待检索信息中进行关键词提取,基于提取的关键词从所述检索模板绑定的数据集中获取第二检索结果;检索结果获取单元,其用于基于所述检索模板中的排序方式,将所述第一检索结果与第二检索结果进行合并排序,获得检索结果。
Description
技术领域
本公开属于大数据检索技术领域,尤其涉及一种基于语义理解的智能检索系统及方法。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
随着网络信息的不断发展,企业沉淀了数以万计的数据信息,而如何将这些数据快速提供准确给用户,并且根据用户的喜好推送数据成为了该思考的问题。
发明人发现,按照传统的方式,需要技术人员通过编写接口的方式,将数据按照一定的格式传输给外部,这种方式存在着比较大的局限性,比如客户的需求如果发生改变,就需要开发人员来修改代码调整接口,同时为了满足不同的数据需求,开发人员可能会在同一个接口中做不同的适配或者写不同的接口来满足需求,这样不仅耗时耗力,还会造成代码的冗余,对于后期的维护不利,同时,传统的检索模式均是采用关键词检索模式,无法准确捕捉用户的需求,同时也无法根据用户的喜好来进行推荐。
发明内容
本公开为了解决上述问题,提供了一种基于语义理解的智能检索系统及方法,所述方案通过基于用户的自定义配置,根据业务需求配置接口的请求参数、排序方式、返回参数,最终生成检索接口替代了传统的技术人员开发;同时,所述方案通过将语义检索与关键词检索相结合的方式,能够快速准确的实现基于目标数据的语义检索和用户的个人喜好推荐。
根据本公开实施例的第一个方面,提供了一种基于语义理解的智能检索系统,包括:
配置单元,其用于对检索参数进行配置,生成检索模板;
语义检索单元,其用于基于所述检索模板中的参数,采用语义特征提取方法对待检索信息进行语义特征提取;基于提取的语义特征以及相似度计算方法,从所述检索模板绑定的数据集中获取第一检索结果;
关键词检索单元,其用于从待检索信息中进行关键词提取,基于提取的关键词从所述检索模板绑定的数据集中获取第二检索结果;
检索结果获取单元,其用于基于所述检索模板中的排序方式,将所述第一检索结果与第二检索结果进行合并排序,获得检索结果。
进一步的,所述语义检索单元,采用BERT算法对数据集中的样本进行语义特征提取,并基于Milvus中内置的特征提取算法对待检索信息进行语义特征提取,并基于语义特征向量内积方法计算待检索信息与数据集中样本间的相似度,基于所述相似度结果以及预设阈值获得检索结果。
进一步的,所述关键词检索单元,预先对带检索信息进行分词,并基于关键词提取算法从分词结果中获取待检索的关键词;同时,通过判断数据集样本中是否存在所述关键词,获得检索结果。
进一步的,所述将所述第一检索结果与第二检索结果进行合并排序,具体为:筛除所述第一检索结果与第二检索结果中的重复检索结果,并根据所述检索模板中预先配置的排序方式及排序字段进行检索结果排序。
进一步的,所述检索模板的配置包括:模板名称、绑定数据集、请求参数、返回参数以及排序方式的配置。
进一步的,所述排序方式包括但不限于属性排序和相关度排序,其中,所述属性排序包括升序和降序,且所述属性配排序需要预先确定排序字段。
根据本公开实施例的第二个方面,提供了一种基于语义理解的智能检索方法,包括:
预先对检索参数进行配置,生成检索模板;
基于所述检索模板中的参数,采用语义特征提取方法对待检索信息进行语义特征提取;基于提取的语义特征以及相似度计算方法,从所述检索模板绑定的数据集中获取第一检索结果;
从待检索信息中进行关键词提取,基于提取的关键词从所述检索模板绑定的数据集中获取第二检索结果;
基于所述检索模板中的排序方式,将所述第一检索结果与第二检索结果进行合并排序,获得检索结果。
根据本公开实施例的第三个方面,提供了一种电子设备,包括:一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序;其中,处理器与存储器连接,上述一个或多个计算机程序被存储在存储器中,当电子设备运行时,该处理器执行该存储器存储的一个或多个计算机程序,以使电子设备执行所述基于语义理解的智能检索方法。
根据本公开实施例的第四个方面,提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,实现所述基于语义理解的智能检索方法。
与现有技术相比,本公开的有益效果是:
本公开所述方案提供了一种基于语义理解的智能检索系统及方法,所述方案基于所述配置单元,用户可根据自己的业务需求配置接口的请求参数、排序方式、返回参数,最终生成检索接口同时也可将根据配置信息直接生成页面展示,替代传统的技术人员开发;同时,所述方案通过将语义检索与关键词检索相结合的方式,能够快速准确的实现基于目标数据的语义检索和用户的个人喜好推荐,且所述方案中的关键词检索并不需要人工进行关键词的选取及输入,能够有效提高检索效率。
本公开附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本公开的实践了解到。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1为本公开实施例一中所述的基于语义理解的智能检索系统结构示意图;
图2为本公开实施例二中所述的基于语义理解的智能检索方法流程图。
具体实施方式
下面结合附图与实施例对本公开做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
实施例一:
本实施例的目的是一种基于语义理解的智能检索系统。
如图1所示,一种基于语义理解的智能检索系统,包括:
配置单元,其用于对检索参数进行配置,生成检索模板;
语义检索单元,其用于基于所述检索模板中的参数,采用语义特征提取方法对待检索信息进行语义特征提取;基于提取的语义特征以及相似度计算方法,从所述检索模板绑定的数据集中获取第一检索结果;
关键词检索单元,其用于从待检索信息中进行关键词提取,基于提取的关键词从所述检索模板绑定的数据集中获取第二检索结果;
检索结果获取单元,其用于基于所述检索模板中的排序方式,将所述第一检索结果与第二检索结果进行合并排序,获得检索结果。
进一步的,所述语义检索单元,采用BERT算法对数据集中的样本进行语义特征提取,并基于Milvus中内置的特征提取算法对待检索信息进行语义特征提取,并基于语义特征向量内积方法计算待检索信息与数据集中样本间的相似度,基于所述相似度结果以及预设阈值获得检索结果。
具体的,所述语义检索单元,需要预先进行模型训练,其训练过程如下:
步骤1:归集训练数据集和测试训练集。根据用户需求,在数据库中归集合适的数据组成训练数据集。
其中,所述训练集为用户提供的检索结果数据集,比如文章标题、文章内容、其他说明文字等。在此限定文本长度为255个字,对于大于该长度的文本,进行长度截取。
步骤2:构建模型。对训练数据集中的数据使用bert进行语义特征提取然后导入Milvus建立索引;其次,对待检索信息进行语义特征提取,根据待检索信息的语义特征使用基于语义理解的检索方法对待检索信息进行检索并返回检索结果,根据待检索信息使用基于关键词的检索方法从Elasticsearch中检索并返回检索结果,最后,将基于语义与关键词的检索结果进行合并排序,返回最终的检索结果。
其中,所述待检索信息使用Milvus中的feature_extract_model方法进行特征提取,对语义特征提取向量内积方法计算基于语义理解的检索结果相似性,并返回待检索结果。
步骤3:观测模型训练情况(包括训练损失、训练集检索情况、测试集检索情况),并视情况不断调整参数。
步骤4:在模型训练结果准确率达到90%时,则完成模型训练,如果低于90%,则重复步骤3。
基于训练后的模型进行待检索信息的语义检索。
进一步的,所述关键词检索单元,预先对带检索信息进行分词,并基于关键词提取算法从分词结果中获取待检索的关键词;同时,通过判断数据集样本中是否存在所述关键词,获得检索结果。
进一步的,所述将所述第一检索结果与第二检索结果进行合并排序,具体为:筛除所述第一检索结果与第二检索结果中的重复检索结果,并根据所述检索模板中预先配置的排序方式及排序字段进行检索结果排序。
进一步的,所述检索模板的配置包括:模板名称、绑定数据集、请求参数、返回参数以及排序方式的配置。
具体的,所述检索模板的配置包括:
步骤1:配置模板名称、模板描述及绑定数据集。
步骤2:配置请求参数。请求参数分为基本检索和高级检索两种。
基本检索为检索框绑定字段,根据需求可同时配置多个绑定字段。
高级检索字段类型分为:自定义字段和选择字段。字段类型主要用于技术人员页面展示。
自定义字段分为时间模板和地域模板,对应页面展示的时间选择器和地址选择器。
若为选择字段,系统使用Elasticsearch的aggregations方法自动聚合该字段下的所有值用于展示。
步骤3:配置返回参数和排序方式。返回参数可根据业务需求配置多个,同时也可以自定义返回参数的名称。排序方式分为属性排序和相关度排序,属性排序即为升序和降序,若选择属性排序须同时设置排序字段。
进一步的,所述排序方式包括但不限于属性排序和相关度排序,其中,所述属性排序包括升序和降序,且所述属性配排序需要预先确定排序字段。
进一步的,所述系统还包括检索结果展示单元,其用于对获得的检索结果进行展示。
具体的,所述检索结果展示单元用于查看接口文档及页面展示,配置结束后,最终产出物包含检索接口、相似度推荐接口、检索信息配置接口、检索详情接口及检索页面,可在列表中直接查看对应的接口文档,在接口文档中具体展示接口地址、请求参数及返回参数,同时也可查看根据配置的信息生成的检索页面。
通过本公开所述系统,可实现非技术人员定制化生成智能语义检索接口,通过一次配置,实现基于语义检索接口、检索详情接口、检索信息配置接口、用户喜好接口及可展示页面,减少开发时间的同时实现了基于目标数据的语义检索和相似内容推荐功能。
实施例二:
本实施例的目的是提供一种基于语义理解的智能检索方法。
如图2所示,一种基于语义理解的智能检索方法,包括:
预先对检索参数进行配置,生成检索模板;
基于所述检索模板中的参数,采用语义特征提取方法对待检索信息进行语义特征提取;基于提取的语义特征以及相似度计算方法,从所述检索模板绑定的数据集中获取第一检索结果;
从待检索信息中进行关键词提取,基于提取的关键词从所述检索模板绑定的数据集中获取第二检索结果;
基于所述检索模板中的排序方式,将所述第一检索结果与第二检索结果进行合并排序,获得检索结果。
本公开提供了一种基于语义理解的智能检索系统及方法,用户只需配置请求参数、排序方式、返回参数信息,系统自动调用内置语义模型生成接口和可展示检索页面,实现用户高定制、基于语义检索、可推荐用户喜好的接口和可直接使用的页面。
在更多实施例中,还提供:
一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成实施例二中所述的方法。为了简洁,在此不再赘述。
应理解,本实施例中,处理器可以是中央处理单元CPU,处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASI C,现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如,存储器还可以存储设备类型的信息。
一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成实施例二中所述的方法。
实施例一中的方法可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
本领域普通技术人员可以意识到,结合本实施例描述的各示例的单元即算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
上述实施例提供的一种基于语义理解的智能检索系统及方法可以实现,具有广阔的应用前景。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.一种基于语义理解的智能检索系统,其特征在于,包括:
配置单元,其用于对检索参数进行配置,生成检索模板;
语义检索单元,其用于基于所述检索模板中的参数,采用语义特征提取方法对待检索信息进行语义特征提取;基于提取的语义特征以及相似度计算方法,从所述检索模板绑定的数据集中获取第一检索结果;
关键词检索单元,其用于从待检索信息中进行关键词提取,基于提取的关键词从所述检索模板绑定的数据集中获取第二检索结果;
检索结果获取单元,其用于基于所述检索模板中的排序方式,将所述第一检索结果与第二检索结果进行合并排序,获得检索结果。
2.如权利要求1所述的基于语义理解的智能检索系统,其特征在于,所述语义检索单元,采用BERT算法对数据集中的样本进行语义特征提取,并基于Milvus中内置的特征提取算法对待检索信息进行语义特征提取,并基于语义特征向量内积方法计算待检索信息与数据集中样本间的相似度,基于所述相似度结果以及预设阈值获得检索结果。
3.如权利要求1所述的基于语义理解的智能检索系统,其特征在于,所述关键词检索单元,预先对带检索信息进行分词,并基于关键词提取算法从分词结果中获取待检索的关键词;同时,通过判断数据集样本中是否存在所述关键词,获得检索结果。
4.如权利要求1所述的基于语义理解的智能检索系统,其特征在于,所述将所述第一检索结果与第二检索结果进行合并排序,具体为:筛除所述第一检索结果与第二检索结果中的重复检索结果,并根据所述检索模板中预先配置的排序方式及排序字段进行检索结果排序。
5.如权利要求1所述的基于语义理解的智能检索系统,其特征在于,所述检索模板的配置包括:模板名称、绑定数据集、请求参数、返回参数以及排序方式的配置。
6.如权利要求5所述的基于语义理解的智能检索系统,其特征在于,所述排序方式包括但不限于属性排序和相关度排序,其中,所述属性排序包括升序和降序,且所述属性配排序需要预先确定排序字段。
7.如权利要求1所述的基于语义理解的智能检索系统,其特征在于,所述系统还包括检索结果展示单元,其用于对获得的检索结果进行展示。
8.一种基于语义理解的智能检索方法,其特征在于,包括:
预先对检索参数进行配置,生成检索模板;
基于所述检索模板中的参数,采用语义特征提取方法对待检索信息进行语义特征提取;基于提取的语义特征以及相似度计算方法,从所述检索模板绑定的数据集中获取第一检索结果;
从待检索信息中进行关键词提取,基于提取的关键词从所述检索模板绑定的数据集中获取第二检索结果;
基于所述检索模板中的排序方式,将所述第一检索结果与第二检索结果进行合并排序,获得检索结果。
9.一种电子设备,其特征在于,包括:一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序;其中,处理器与存储器连接,上述一个或多个计算机程序被存储在存储器中,当电子设备运行时,该处理器执行该存储器存储的一个或多个计算机程序,以使电子设备执行如下步骤:
预先对检索参数进行配置,生成检索模板;
基于所述检索模板中的参数,采用语义特征提取方法对待检索信息进行语义特征提取;基于提取的语义特征以及相似度计算方法,从所述检索模板绑定的数据集中获取第一检索结果;
从待检索信息中进行关键词提取,基于提取的关键词从所述检索模板绑定的数据集中获取第二检索结果;
基于所述检索模板中的排序方式,将所述第一检索结果与第二检索结果进行合并排序,获得检索结果。
10.一种计算机可读存储介质,其特征在于,用于存储计算机指令,所述计算机指令被处理器执行时,实现如下步骤:
预先对检索参数进行配置,生成检索模板;
基于所述检索模板中的参数,采用语义特征提取方法对待检索信息进行语义特征提取;基于提取的语义特征以及相似度计算方法,从所述检索模板绑定的数据集中获取第一检索结果;
从待检索信息中进行关键词提取,基于提取的关键词从所述检索模板绑定的数据集中获取第二检索结果;
基于所述检索模板中的排序方式,将所述第一检索结果与第二检索结果进行合并排序,获得检索结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111575120.0A CN114238581A (zh) | 2021-12-21 | 2021-12-21 | 一种基于语义理解的智能检索系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111575120.0A CN114238581A (zh) | 2021-12-21 | 2021-12-21 | 一种基于语义理解的智能检索系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114238581A true CN114238581A (zh) | 2022-03-25 |
Family
ID=80760766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111575120.0A Pending CN114238581A (zh) | 2021-12-21 | 2021-12-21 | 一种基于语义理解的智能检索系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114238581A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115470338A (zh) * | 2022-10-27 | 2022-12-13 | 之江实验室 | 一种基于多路召回的多场景智能问答方法和系统 |
-
2021
- 2021-12-21 CN CN202111575120.0A patent/CN114238581A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115470338A (zh) * | 2022-10-27 | 2022-12-13 | 之江实验室 | 一种基于多路召回的多场景智能问答方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11599714B2 (en) | Methods and systems for modeling complex taxonomies with natural language understanding | |
WO2018072071A1 (zh) | 知识图谱构建系统及方法 | |
WO2016179938A1 (zh) | 题目推荐方法和题目推荐装置 | |
WO2021098648A1 (zh) | 文本推荐方法、装置、设备及介质 | |
US8131684B2 (en) | Adaptive archive data management | |
CN108874992A (zh) | 舆情分析方法、系统、计算机设备和存储介质 | |
CN111666401B (zh) | 基于图结构的公文推荐方法、装置、计算机设备及介质 | |
US20180268038A1 (en) | Systems and Methods for Similarity and Context Measures for Trademark and Service Mark Analysis and Repository Searches | |
CN110232126B (zh) | 热点挖掘方法及服务器和计算机可读存储介质 | |
CN109598307B (zh) | 数据筛选方法、装置、服务器及存储介质 | |
CN112035614B (zh) | 测试集生成方法、装置、计算机设备和存储介质 | |
CN110109924A (zh) | 检索方法及装置 | |
CN110968664A (zh) | 一种文书检索方法、装置、设备及介质 | |
CN115795030A (zh) | 文本分类方法、装置、计算机设备和存储介质 | |
CN112148952A (zh) | 一种任务执行方法、装置、设备及计算机可读存储介质 | |
CN110110143B (zh) | 一种视频分类方法及装置 | |
CN112825089A (zh) | 文章推荐方法、装置、设备及存储介质 | |
CN114238581A (zh) | 一种基于语义理解的智能检索系统及方法 | |
AU2018273369A1 (en) | Automated classification of network-accessible content | |
CN117520533A (zh) | 一种图表生成方法 | |
CN112084376A (zh) | 基于图谱知识的推荐方法、推荐系统及电子装置 | |
KR101650888B1 (ko) | 컨텐츠 수집, 추천 시스템 및 방법 | |
CN113407678B (zh) | 知识图谱构建方法、装置和设备 | |
CN108520012A (zh) | 基于机器学习的移动互联网用户评论挖掘方法 | |
CN110413782B (zh) | 一种表自动主题分类方法、装置、计算机设备及存储介质 |
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 | ||
CB02 | Change of applicant information |
Country or region after: China Address after: Floor 12, Building 3, Shuntai Plaza, No. 2000 Shunhua Road, High tech Industrial Development Zone, Jinan City, Shandong Province, 250101 Applicant after: SHANDONG ECLOUD INFORMATION TECHNOLOGY CO.,LTD. Address before: 250014 3rd floor, block B, Yinhe building, 2008 Xinluo street, high tech Zone, Jinan City, Shandong Province Applicant before: SHANDONG ECLOUD INFORMATION TECHNOLOGY CO.,LTD. Country or region before: China |