CN114328855A - 文档查询方法、装置、电子设备和可读存储介质 - Google Patents
文档查询方法、装置、电子设备和可读存储介质 Download PDFInfo
- Publication number
- CN114328855A CN114328855A CN202111393697.XA CN202111393697A CN114328855A CN 114328855 A CN114328855 A CN 114328855A CN 202111393697 A CN202111393697 A CN 202111393697A CN 114328855 A CN114328855 A CN 114328855A
- Authority
- CN
- China
- Prior art keywords
- document
- weight
- participle
- query
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000011218 segmentation Effects 0.000 claims abstract description 56
- 238000012545 processing Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 abstract description 2
- 238000003058 natural language processing Methods 0.000 abstract description 2
- 238000012549 training Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000003062 neural network model Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000002372 labelling Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning 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
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种文档查询方法、装置、电子设备和可读存储介质,涉及自然语言处理、知识图谱、深度学习等人工智能技术领域。其中,文档查询方法包括:获取查询词,切分所述查询词得到至少一个分词;根据所述查询词,获取所述至少一个分词的意图权重;根据所述至少一个分词得到多个候选文档,获取所述至少一个分词对应于每个候选文档的统计权重;根据所述至少一个分词的意图权重与所述至少一个分词对应于每个候选文档的统计权重,确定每个候选文档的推荐分值;根据所述推荐分值从所述多个候选文档中选取至少一个目标文档,将所述至少一个目标文档作为所述查询词的文档查询结果。本公开能够提升文档查询的准确性。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及自然语言处理、知识图谱、深度学习等人工智能技术领域。提供了一种文档查询方法、装置、电子设备和可读存储介质。
背景技术
现有技术在根据查询词进行文档查询时,通常仅会根据查询词中的每个分词在文档中的统计结果来确定用于推荐的文档,由于分词在文档中的统计结果仅能够反映有限的的推荐信息,因此导致现有技术所查询得到的文档的准确性较低。
发明内容
根据本公开的第一方面,提供了一种文档查询方法,包括:获取查询词,切分所述查询词得到至少一个分词;根据所述查询词,获取所述至少一个分词的意图权重;根据所述至少一个分词得到多个候选文档,获取所述至少一个分词对应于每个候选文档的统计权重;根据所述至少一个分词的意图权重与所述至少一个分词对应于每个候选文档的统计权重,确定每个候选文档的推荐分值;根据所述推荐分值从所述多个候选文档中选取至少一个目标文档,将所述至少一个目标文档作为所述查询词的文档查询结果。
根据本公开的第二方面,提供了一种文档查询装置,包括:获取单元,用于获取查询词,切分所述查询词得到至少一个分词;第一处理单元,用于根据所述查询词,获取所述至少一个分词的意图权重;第二处理单元,用于根据所述至少一个分词得到多个候选文档,获取所述至少一个分词对应于每个候选文档的统计权重;确定单元,用于根据所述至少一个分词的意图权重与所述至少一个分词对应于每个候选文档的统计权重,确定每个候选文档的推荐分值;推荐单元,用于根据所述推荐分值从所述多个候选文档中选取至少一个目标文档,将所述至少一个目标文档作为所述查询词的文档查询结果。
根据本公开的第三方面,提供了一种电子设备,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如上所述的方法。
根据本公开的第四方面,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,其中,所述计算机指令用于使所述计算机执行如上所述的方法。
根据本公开的第五方面,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如上所述的方法。
由以上技术方案可以看出,本公开通过结合查询词中分词的统计权重与意图权重这两部分内容来进行文档查询,能够提升文档查询的准确性。
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是用来实现本公开实施例的文档查询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机构的描述。
图1是根据本公开第一实施例的示意图。如图1所示,本实施例的文档查询方法,具体包括如下步骤:
S101、获取查询词,切分所述查询词得到至少一个分词;
S102、根据所述查询词,获取所述至少一个分词的意图权重;
S103、根据所述至少一个分词得到多个候选文档,获取所述至少一个分词对应于每个候选文档的统计权重;
S104、根据所述至少一个分词的意图权重与所述至少一个分词对应于每个候选文档的统计权重,确定每个候选文档的推荐分值;
S105、根据所述推荐分值从所述多个候选文档中选取至少一个目标文档,将所述至少一个目标文档作为所述查询词的文档查询结果。
本实施例的文档查询方法,在切分查询词得到至少一个分词之后,首先获取至少一个分词的意图权重与至少一个分词对应于每个候选文档的统计权重,然后根据至少一个分词的意图权重与统计权重,确定每个候选文档的推荐分值,最后将根据各候选文档的推荐分值所选取的至少一个目标文档,作为查询词的文档查询结果,本实施例通过结合查询词中分词的统计权重与意图权重这两部分内容来进行文档查询,能够提升文档查询的准确性。
本实施例在执行S101获取查询词(query)时,可以将输入端实时输入的文本作为查询词,也可以将输入端在网络上选取的文本作为查询词。
本实施例在执行S101获取查询词之后,切分所获取的查询词,从而得到查询词包含的至少一个分词;本实施例使用现有技术切分查询词来得到分词,具体过程在此不进行赘述。
本实施例在执行S101对所获取的查询词进行切分得到至少一个分词之后,执行获取至少一个分词的意图权重的步骤与获取至少一个分词对应于每个候选文档的统计权重的步骤。
其中,本实施例获取的意图权重,用于表示查询词的查询意图与查询词中不同的分词之间的相关程度;分词的意图权重越大,表示查询词的查询意图与该分词越相关,相反,分词的意图权重越小,表示查询词的查询意图与该分词越不相关。
本实施例获取的统计权重,用于表示查询词中不同的分词对应于不同的候选文档的统计结果,分词对应于候选文档的统计结果可以为分词在候选文档中的出现次数、分词对应于候选文档的逆文档频率等。
本实施例对获取至少一个分词的意图权重与统计权重的顺序不进行限定,可以同时执行,也可以按顺序依次进行;在下文中以首先获取至少一个分词的意图权重,然后获取至少一个分词的统计权重为例来描述。
具体地,本实施例在执行S102根据查询词,获取至少一个分词的意图权重时,可以采用的可选实现方式为:将查询词输入意图权重获取模型,本实施例中的意图权重获取模型为通过预先训练所得到的;将该意图权重获取模型针对输入的查询词中至少一个分词所输出的输出结果,作为至少一个分词的意图权重。
也就是说,本实施例可以通过预先训练得到的意图权重获取模型,来获取查询词中不同的分词的意图权重,由于该意图权重获取模型能够在对输入的查询词进行切分之后,分别计算切分后所得到的每个分词的意图权重,因此能够提升本实施例在获取分词的意图权重时的准确性。
其中,本实施例执行S102所使用的意图权重获取模型,可以采用以下方式训练得到:获取训练数据,所获取的训练数据中包含多个样本查询词与多个样本查询词中至少一个分词的意图权重标注结果,分词的意图权重标注结果用于表示样本查询词的查询意图与该分词的真实相关程度;将多个样本查询词分别输入神经网络模型,得到神经网络模型针对每个样本查询词中至少一个分词所输出的意图权重预测结果,分词的意图权重预测结果用于表示样本查询词的查询意图与该分词的预测相关程度;根据至少一个分词的意图权重标注结果与意图权重预测结果,计算损失函数值;使用计算得到的损失函数值调整神经网络模型的参数,直至神经网络模型收敛,得到意图权重获取模型。
另外,本实施例在执行S102根据查询词,获取至少一个分词的意图权重时,还可以采用以下方式:获取查询词的语义信息与至少一个分词的语义信息;针对每个分词,计算该分词的语义信息与查询词的语义信息之间的相似度;将计算得到的相似度,作为至少一个分词的意图权重。
也就是说,本实施例还能够根据查询词整体的语义信息与每个分词的语义信息之间的相似度,来得到每个分词的意图权重,从而简化了本实施例在获取分词的意图权重时的步骤。
本实施例在执行S102获取至少一个分词的意图权重之后,执行S103根据至少一个分词得到多个候选文档,并获取至少一个分词对应于每个候选文档的统计权重。
本实施例在执行S103根据至少一个分词得到多个候选文档时,可以采用的可选实现方式为:根据词语与文档列表之间的对应关系,确定至少一个分词对应的文档列表,本实施例中的词语与文档列表之间的对应关系是预先生成的;将所确定的文档列表中包含的文档,作为多个候选文档。
本实施例在执行S103获取至少一个分词对应于每个候选文档的统计权重时,可以针对每个分词,将该分词在不同的候选文档中预设类型的统计结果,作为该分词对应于每个候选文档的统计权重。
举例来说,本实施例可以将分词在每个候选文档中的出现次数,作为该分词对应于每个候选文档的统计权重;本实施例还可以将分词对应于候选文档的逆文档频率,作为该分词对应于每个候选文档的统计权重。
本实施例在执行S103获取至少一个分词对应于每个候选文档的统计权重之后,执行S104根据至少一个分词的意图权重与至少一个分词对应于每个候选文档的统计权重,确定每个候选文档的推荐分值。
具体地,本实施例在执行S104根据至少一个分词的意图权重与至少一个分词对应于每个候选文档的统计权重,确定每个候选文档的推荐分值时,可以采用的可选实现方式为:针对每个候选文档,根据每个分词对应于该候选文档的统计权重与每个分词的意图权重,得到每个分词对应于该候选文档的最终权重,例如将分词的统计权重与意图权重之间的乘积作为分词的最终权重;根据查询词中包含的全部分词的最终权重,确定该候选文档的推荐分值。
也就是说,本实施例通过结合各分词的统计权重与意图权重的方式来确定每个候选文档的推荐分值,由于分词的意图权重能够反映该分词所对应的查询意图,因此本实施例所确定的推荐分值中也会包含查询意图的信息,从而提升了所确定的推荐分值的准确性。
举例来说,若切分查询词得到了分词1与分词2,若根据分词1与分词2得到的候选文档为候选文档1、候选文档2与候选文档3,若分词1对应于候选文档1的统计权重为权重1、分词2对应于候选文档1的统计权重为权重2,若分词1的意图权重为权重3、分词2的意图权重为权重4,本实施例根据权重1与权重3,得到分词1对应于候选文档1的最终权重1,根据权重2与权重4,得到分词2对应于候选文档1的最终权重2,进而根据分词1的最终权重1与分词2的最终权重2,确定候选文档1的推荐分值。
其中,本实施例在执行S103根据查询词中所包含的分词的最终权重,确定该候选文档的推荐分值时,可以直接将各分词的最终权重的累加结果作为该候选文档的推荐分值。
为了进一步提升在确定候选文档的推荐分值时的准确性,本实施例在执行S103根据查询词中包含的全部分词的最终权重,确定该候选文档的推荐分值时,可以采用的可选实现方式为:根据该候选文档的文档字数,获取该候选文档的文档系数,例如将候选文档的文档字数与平均字数之间的比值作为文档系数;根据查询词中包含的全部分词的最终权重与所获取的文档系数,确定该候选文档的推荐分值。
具体地,本实施例在执行S103时可以采用以下计算公式确定候选文档的推荐分值:
在公式中:Score(doc)表示候选文档的推荐分值;n表示查询词中包含n个分词;Weight(termi)final表示分词i的最终权重;Norm(doc)表示候选文档的文档系数。
另外,本实施例在执行S103时可以采用以下计算公式得到每个分词的最终权重:
Weight(term)final=Weight(term)origin×Weight(term)intent
在公式中:Weight(term)final表示分词的最终权重;Weight(term)origin表示分词对应于某一候选文档的统计权重;Weight(term)intent表示分词的意图权重。
本实施例在执行S104确定每个候选文档的推荐分值之后,执行S105根据推荐分值从多个候选文档中选取至少一个目标文档,将所选取的至少一个目标文档作为查询词的文档查询结果。
其中,本实施例在执行S105根据推荐分值从多个候选文档中选取至少一个目标文档时,可以按照推荐分值从大到小的顺序,对候选文档进行排序,将排在前N位的候选文档作为目标文档,N为大于等于1的正整数。
本实施例在执行S105得到查询词的文档查询结果之后,可以将所选取的至少一个目标文档返回给输入端,以用于输入端对所返回的目标文档进行查看、下载等操作。
图2是根据本公开第二实施例的示意图。如图2所示,本实施例的文档查询装置200,包括:
获取单元201、用于获取查询词,切分所述查询词得到至少一个分词;
第一处理单元202、用于根据所述查询词,获取所述至少一个分词的意图权重;
第二处理单元203、用于根据所述至少一个分词得到多个候选文档,获取所述至少一个分词对应于每个候选文档的统计权重;
确定单元204、用于根据所述至少一个分词的意图权重与所述至少一个分词对应于每个候选文档的统计权重,确定每个候选文档的推荐分值;
推荐单元205、用于根据所述推荐分值从所述多个候选文档中选取至少一个目标文档,将所述至少一个目标文档作为所述查询词的文档查询结果。
获取单元201在获取查询词(query)时,可以将输入端实时输入的文本作为查询词,也可以将输入端在网络上选取的文本作为查询词。
获取单元201在获取查询词之后,切分所获取的查询词,从而得到查询词包含的至少一个分词;获取单元201使用现有技术切分查询词来得到分词,具体过程在此不进行赘述。
本实施例在由获取单元201对所获取的查询词进行切分得到至少一个分词之后,由第一处理单元202来获取至少一个分词的意图权重与第二处理单元203来获取至少一个分词对应于每个候选文档的统计权重。
本实施例对第一处理单元202与第二处理单元203的执行顺序不进行限定,可以同时执行,也可以按顺序依次进行;在下文中以首先由第一处理单元202获取至少一个分词的意图权重,然后由第二处理单元203获取至少一个分词的统计权重为例来描述。
具体地,第一处理单元202根据查询词,获取至少一个分词的意图权重时,可以采用的可选实现方式为:将查询词输入意图权重获取模型;将该意图权重获取模型针对输入的查询词中至少一个分词所输出的输出结果,作为至少一个分词的意图权重。
也就是说,第一处理单元202可以通过预先训练得到的意图权重获取模型,来获取查询词中不同的分词的意图权重,由于该意图权重获取模型能够在对输入的查询词进行切分之后,分别计算切分后所得到的每个分词的意图权重,因此能够提升本实施例在获取分词的意图权重时的准确性。
其中,第一处理单元202所使用的意图权重获取模型,可以采用以下方式训练得到:获取训练数据,所获取的训练数据中包含多个样本查询词与多个样本查询词中至少一个分词的意图权重标注结果;将多个样本查询词分别输入神经网络模型,得到神经网络模型针对每个样本查询词中至少一个分词所输出的意图权重预测结果;根据至少一个分词的意图权重标注结果与意图权重预测结果,计算损失函数值;使用计算得到的损失函数值调整神经网络模型的参数,直至神经网络模型收敛,得到意图权重获取模型。
另外,第一处理单元202根据查询词,获取至少一个分词的意图权重时,还可以采用以下方式:获取查询词的语义信息与至少一个分词的语义信息;针对每个分词,计算该分词的语义信息与查询词的语义信息之间的相似度;将计算得到的相似度,作为至少一个分词的意图权重。
也就是说,第一处理单元202还能够根据查询词整体的语义信息与每个分词的语义信息之间的相似度,来得到每个分词的意图权重,从而简化了本实施例在获取分词的意图权重时的步骤。
本实施例在由第一处理单元202获取至少一个分词的意图权重之后,由第二处理单元203根据至少一个分词得到多个候选文档,并获取至少一个分词对应于每个候选文档的统计权重。
第二处理单元203在根据至少一个分词得到多个候选文档时,可以采用的可选实现方式为:根据词语与文档列表之间的对应关系,确定至少一个分词对应的文档列表;将所确定的文档列表中包含的文档,作为多个候选文档。
第二处理单元203在获取至少一个分词对应于每个候选文档的统计权重时,可以针对每个分词,将该分词在不同的候选文档中预设类型的统计结果,作为该分词对应于每个候选文档的统计权重。
本实施例在由第二处理单元203获取至少一个分词对应于每个候选文档的统计权重之后,由确定单元204根据至少一个分词的意图权重与至少一个分词对应于每个候选文档的统计权重,确定每个候选文档的推荐分值。
具体地,确定单元204在根据至少一个分词的意图权重与至少一个分词对应于每个候选文档的统计权重,确定每个候选文档的推荐分值时,可以采用的可选实现方式为:针对每个候选文档,根据每个分词对应于该候选文档的统计权重与每个分词的意图权重,得到每个分词对应于该候选文档的最终权重;根据查询词中包含的全部分词的最终权重,确定该候选文档的推荐分值。
也就是说,确定单元204通过结合各分词的统计权重与意图权重的方式来确定每个候选文档的推荐分值,由于分词的意图权重能够反映该分词所对应的查询意图,因此确定单元204所确定的推荐分值中也会包含查询意图的信息,从而提升了所确定的推荐分值的准确性。
其中,确定单元204在根据查询词中所包含的分词的最终权重,确定该候选文档的推荐分值时,可以直接将各分词的最终权重的累加结果作为该候选文档的推荐分值。
为了进一步提升在确定候选文档的推荐分值时的准确性,确定单元204在根据查询词中包含的全部分词的最终权重,确定该候选文档的推荐分值时,可以采用的可选实现方式为:根据该候选文档的文档字数,获取该候选文档的文档系数;根据查询词中包含的全部分词的最终权重与所获取的文档系数,确定该候选文档的推荐分值。
本实施例在由确定单元204确定每个候选文档的推荐分值之后,由推荐单元205根据推荐分值从多个候选文档中选取至少一个目标文档,将所选取的至少一个目标文档作为查询词的文档查询结果。
其中,推荐单元205在根据推荐分值从多个候选文档中选取至少一个目标文档时,可以按照推荐分值从大到小的顺序,对候选文档进行排序,将排在前N位的候选文档作为目标文档,N为大于等于1的正整数。
推荐单元205在得到查询词的文档查询结果之后,可以将所选取的至少一个目标文档返回给输入端,以用于输入端对所返回的目标文档进行查看、下载等操作。
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。
如图3所示,是根据本公开实施例的文档查询方法的电子设备的框图。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3所示,设备300包括计算单元301,其可以根据存储在只读存储器(ROM)302中的计算机程序或者从存储单元308加载到随机访问存储器(RAM)303中的计算机程序,来执行各种适当的动作和处理。在RAM303中,还可存储设备300操作所需的各种程序和数据。计算单元301、ROM302以及RAM303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
设备300中的多个部件连接至I/O接口305,包括:输入单元306,例如键盘、鼠标等;输出单元307,例如各种类型的显示器、扬声器等;存储单元308,例如磁盘、光盘等;以及通信单元309,例如网卡、调制解调器、无线通信收发机等。通信单元309允许设备300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301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301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301执行上文所描述的各个方法和处理,例如文档查询方法。例如,在一些实施例中,文档查询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308。
在一些实施例中,计算机程序的部分或者全部可以经由ROM302和/或通信单元309而被载入和/或安装到设备300上。当计算机程序加载到RAM 303并由计算单元301执行时,可以执行上文描述的文档查询方法的一个或多个步骤。备选地,在其他实施例中,计算单元301可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行文档查询方法。
此处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)、复杂可编程逻辑设备(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文档查询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,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务(“Virtual Private Server”,或简称“VPS”)中,存在的管理难度大,业务扩展性弱的缺陷。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 (15)
1.一种文档查询方法,包括:
获取查询词,切分所述查询词得到至少一个分词;
根据所述查询词,获取所述至少一个分词的意图权重;
根据所述至少一个分词得到多个候选文档,获取所述至少一个分词对应于每个候选文档的统计权重;
根据所述至少一个分词的意图权重与所述至少一个分词对应于每个候选文档的统计权重,确定每个候选文档的推荐分值;
根据所述推荐分值从所述多个候选文档中选取至少一个目标文档,将所述至少一个目标文档作为所述查询词的文档查询结果。
2.根据权利要求1所述的方法,其中,所述根据所述查询词,获取所述至少一个分词的意图权重包括:
将所述查询词输入意图权重获取模型;
将所述意图权重获取模型针对输入的所述查询词中至少一个分词所输出的输出结果,作为所述至少一个分词的意图权重。
3.根据权利要求1所述的方法,其中,所述根据所述查询词,获取所述至少一个分词的意图权重包括:
获取所述查询词的语义信息与所述至少一个分词的语义信息;
针对每个分词,计算该分词的语义信息与所述查询词的语义信息之间的相似度;
将计算得到的相似度,作为所述至少一个分词的意图权重。
4.根据权利要求1-3中任一项所述的方法,其中,所述根据所述至少一个分词得到多个候选文档包括:
根据词语与文档列表之间的对应关系,确定所述至少一个分词对应的文档列表;
将所述文档列表中包含的文档,作为所述多个候选文档。
5.根据权利要求1-4中任一项所述的方法,其中,所述根据所述至少一个分词的意图权重与所述至少一个分词对应于每个候选文档的统计权重,确定每个候选文档的推荐分值包括:
针对每个候选文档,根据每个分词对应于该候选文档的统计权重与每个分词的意图权重,得到每个分词对应于该候选文档的最终权重;
根据所述查询词中包含的全部分词的最终权重,确定该候选文档的推荐分值。
6.根据权利要求5所述的方法,其中,所述根据所述查询词中包含的全部分词的最终权重,确定该候选文档的推荐分值包括:
根据该候选文档的文档字数,获取该候选文档的文档系数;
根据所述查询词中包含的全部分词的最终权重与所述文档系数,确定该候选文档的推荐分值。
7.一种文档查询装置,包括:
获取单元,用于获取查询词,切分所述查询词得到至少一个分词;
第一处理单元,用于根据所述查询词,获取所述至少一个分词的意图权重;
第二处理单元,用于根据所述至少一个分词得到多个候选文档,获取所述至少一个分词对应于每个候选文档的统计权重;
确定单元,用于根据所述至少一个分词的意图权重与所述至少一个分词对应于每个候选文档的统计权重,确定每个候选文档的推荐分值;
推荐单元,用于根据所述推荐分值从所述多个候选文档中选取至少一个目标文档,将所述至少一个目标文档作为所述查询词的文档查询结果。
8.根据权利要求7所述的装置,其中,所述第一处理单元在根据所述查询词,获取所述至少一个分词的意图权重时,具体执行:
将所述查询词输入意图权重获取模型;
将所述意图权重获取模型针对输入的所述查询词中至少一个分词所输出的输出结果,作为所述至少一个分词的意图权重。
9.根据权利要求7所述的装置,其中,所述第一处理单元在根据所述查询词,获取所述至少一个分词的意图权重时,具体执行:
获取所述查询词的语义信息与所述至少一个分词的语义信息;
针对每个分词,计算该分词的语义信息与所述查询词的语义信息之间的相似度;
将计算得到的相似度,作为所述至少一个分词的意图权重。
10.根据权利要求7-9中任一项所述的装置,其中,所述第二处理单元在根据所述至少一个分词得到多个候选文档时,具体执行:
根据词语与文档列表之间的对应关系,确定所述至少一个分词对应的文档列表;
将所述文档列表中包含的文档,作为所述多个候选文档。
11.根据权利要求7-10中任一项所述的装置,其中,所述确定单元在根据所述至少一个分词的意图权重与所述至少一个分词对应于每个候选文档的统计权重,确定每个候选文档的推荐分值时,具体执行:
针对每个候选文档,根据每个分词对应于该候选文档的统计权重与每个分词的意图权重,得到每个分词对应于该候选文档的最终权重;
根据所述查询词中包含的全部分词的最终权重,确定该候选文档的推荐分值。
12.根据权利要求11所述的装置,其中,所述确定单元在根据所述查询词中包含的全部分词的最终权重,确定该候选文档的推荐分值时,具体执行:
根据该候选文档的文档字数,获取该候选文档的文档系数;
根据所述查询词中包含的全部分词的最终权重与所述文档系数,确定该候选文档的推荐分值。
13.一种电子设备,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1-6中任一项所述的方法。
14.一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1-6中任一项所述的方法。
15.一种计算机程序产品,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1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111393697.XA CN114328855A (zh) | 2021-11-23 | 2021-11-23 | 文档查询方法、装置、电子设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111393697.XA CN114328855A (zh) | 2021-11-23 | 2021-11-23 | 文档查询方法、装置、电子设备和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114328855A true CN114328855A (zh) | 2022-04-12 |
Family
ID=81047444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111393697.XA Pending CN114328855A (zh) | 2021-11-23 | 2021-11-23 | 文档查询方法、装置、电子设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114328855A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117151051A (zh) * | 2023-09-18 | 2023-12-01 | 上海鸿翼软件技术股份有限公司 | 文档处理方法、装置、设备及介质 |
-
2021
- 2021-11-23 CN CN202111393697.XA patent/CN114328855A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117151051A (zh) * | 2023-09-18 | 2023-12-01 | 上海鸿翼软件技术股份有限公司 | 文档处理方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113590645B (zh) | 搜索方法、装置、电子设备及存储介质 | |
CN113836314B (zh) | 知识图谱构建方法、装置、设备以及存储介质 | |
CN112528641A (zh) | 建立信息抽取模型的方法、装置、电子设备和可读存储介质 | |
CN112560481A (zh) | 语句处理方法、设备和存储介质 | |
CN113963197A (zh) | 图像识别方法、装置、电子设备和可读存储介质 | |
CN113408280B (zh) | 负例构造方法、装置、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 | |
CN113378015A (zh) | 搜索方法、装置、电子设备、存储介质和程序产品 | |
CN114328855A (zh) | 文档查询方法、装置、电子设备和可读存储介质 | |
CN117271884A (zh) | 确定推荐内容的方法、装置、电子设备及存储介质 | |
CN115186163B (zh) | 搜索结果排序模型的训练与搜索结果排序方法、装置 | |
CN114490969B (zh) | 基于表格的问答方法、装置以及电子设备 | |
CN115454261A (zh) | 输入法候选词生成方法、装置、电子设备及可读存储介质 | |
CN114841172A (zh) | 文本匹配双塔模型的知识蒸馏方法、装置及程序产品 | |
CN114817476A (zh) | 语言模型的训练方法、装置、电子设备和存储介质 | |
CN114549695A (zh) | 图像生成方法、装置、电子设备及可读存储介质 | |
CN114417862A (zh) | 文本匹配方法、文本匹配模型的训练方法和装置 | |
CN114048376A (zh) | 广告的业务信息挖掘方法、装置、电子设备以及存储介质 | |
CN114118049A (zh) | 信息获取方法、装置、电子设备及存储介质 | |
CN112988976A (zh) | 搜索方法、搜索装置、电子设备、存储介质和程序产品 | |
CN112860626A (zh) | 一种文档排序方法、装置及电子设备 | |
CN116069914B (zh) | 训练数据的生成方法、模型训练方法以及装置 | |
CN116383491B (zh) | 信息推荐方法、装置、设备、存储介质和程序产品 | |
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 |
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 |