CN114398469A - 搜索词权重的确定方法、装置及电子设备 - Google Patents
搜索词权重的确定方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114398469A CN114398469A CN202111506790.7A CN202111506790A CN114398469A CN 114398469 A CN114398469 A CN 114398469A CN 202111506790 A CN202111506790 A CN 202111506790A CN 114398469 A CN114398469 A CN 114398469A
- Authority
- CN
- China
- Prior art keywords
- search
- word
- belongs
- weight
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 11
- 238000013145 classification model Methods 0.000 description 11
- 238000012937 correction Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000002372 labelling 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
- 230000008569 process Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012549 training Methods 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
- 230000007423 decrease Effects 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
- 238000001914 filtration Methods 0.000 description 1
- 230000014509 gene expression Effects 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
- 239000000463 material Substances 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
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
-
- 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
- G06F16/35—Clustering; Classification
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开公开了搜索词权重的确定方法,涉及数据处理技术领域,尤其涉及大数据、智能搜索等领域。具体实现方案为:通过对获取的搜索文本进行分类,以确定搜索文本所属的类别,之后再对搜索文本中的各个搜索词进行词类识别,以确定每个搜索词所属的词类,进而根据搜索文本所属的类别及每个搜索词所属的词类,确定每个搜索词在所述搜索文本中的权重,从而不仅使得确定的搜索词的权重准确性高,而且增强了确定的搜索词权重的可解释性。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及大数据、智能搜索等领域,具体涉及搜索词权重的确定方法、装置及电子设备。
背景技术
在搜索系统中,获取的搜索文本可能由多个词语组成的,而用户可能只关注其中的部分搜索词。因此,如何准确确定搜索词的权重成为搜索领域亟需解决的问题。
发明内容
本公开提供了一种搜索词权重的确定方法和装置。
根据本公开的一方面,提供了一种搜索词权重的确定方法,包括:
对获取的搜索文本进行分类,以确定所述搜索文本所属的类别;
对所述搜索文本中的各个搜索词进行词类识别,以确定每个所述搜索词所属的词类;
根据所述搜索文本所属的类别及每个所述搜索词所属的词类,确定每个所述搜索词在所述搜索文本中的权重。
根据本公开的另一方面,提供了一种搜索词权重的确定装置,包括:
第一分类模块,用于对获取的搜索文本进行分类,以确定所述搜索文本所属的类别;
第二分类模块,用于对所述搜索文本中的各个搜索词进行词类识别,以确定每个所述搜索词所属的词类;
计算模块,用于根据所述搜索文本所属的类别及每个所述搜索词所属的词类,确定每个所述搜索词在所述搜索文本中的权重。
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上述实施例所述的方法。
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,所述计算机指令用于使所述计算机执行根据上述实施例所述的方法。
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,所述计算机程序在被处理器执行时实现上述实施例所述方法的步骤。
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为本公开实施例提供的一种搜索词权重的确定方法的流程示意图;
图2为本公开实施例提供的另一种搜索词权重的确定方法的流程示意图;
图3为本公开实施例提供的另一种搜索词权重的确定装置的流程示意图;
图4是用来实现本公开实施例的搜索词权重的确定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。
大数据,或称巨量资料,指的是所涉及的资料量规模巨大到无法透过目前主流软件工具,在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。
智能搜索,是结合了人工智能技术的新一代搜索方法。除了能提供传统的快速检索、相关度排序等功能,还能提供用户角色登记、用户兴趣自动识别、内容的语义理解、智能信息化过滤和推送等功能。
下面参考附图,对本公开实施例的搜索词权重的确定方法、装置、电子设备和存储介质进行详细说明。
图1为本公开实施例提供的一种搜索词权重的确定方法的流程示意图。
如图1所示,该方法包括:
步骤101,对获取的搜索文本进行分类,以确定搜索文本所属的类别。
其中,搜索文本所属的类别,可以用该搜索文本对应的搜索结果所属的类别来表征,比如,搜索文本用于搜索影视作品,则其所属的类别可以为作品,或者,搜索文本用于搜索一个区域,则其所属的类别可以为地区类等。本公开对此不作限制。
本公开中,可以通过标注了文本所属类别的搜索文本集合,训练文本分类模型,获取一个用于确定搜索文本所属类型的文本分类模型。进而,在获取到搜索文本后,即可利用此文本分类模型,确定该搜索文本所属的类别。
比如,当搜索文本为“XXXX中YY是谁扮演的”时,可以将此搜索文本输入到预先训练的文本分类模型中,从而可以确定该搜索文本所属的类型为“作品类”。其中,XXXX可以为任一作品名称,YY可以为XXXX作品中的某一人物名称等。
步骤102,对搜索文本中的各个搜索词进行词类识别,以确定每个搜索词所属的词类。
其中,搜索词所属的词类可以包括:实体、作品类_实体、词汇用语、场景事件等。本公开对此不作限制。
本公开中,可以通过标注了每个搜索词所对应的词类的搜索文本集合,训练分类模型,获取一个用于计算搜索词所属词类的词类分类模型。当获取一个搜索文本后,即可利用此词类分类模型,确定该搜索文本中每个词所属的词类。
比如,当搜索文本为“XXXX中YY是谁扮演的”时,可以将此搜索文本输入到预先训练的词类分类模型中,从而可以确定该搜索文本中每个词所属的词类为:XXXX[作品类_实体]中[词汇用语]YY[人物类_实体]是谁[疑问词]扮演[场景事件]的[助词]。
可选的,还可以通过标注了搜索文本所属的类别,及每个搜索词所对应的词类的搜索文本集合,训练分类模型,获取一个用于计算搜索文本所属的类别,及搜索词所属词类的分类模型。当获取一个搜索文本后,即可利用此分类模型,确定该搜索文本所属的类别,及每个搜索词所属的词类。
步骤103,根据搜索文本所属的类别及每个搜索词所属的词类,确定每个搜索词在搜索文本中的权重。
本公开中,可以根据每个搜索词所属的词类与搜索文本所属的类别间的关联度,确定每个搜索词在搜索文本中的重要度。进而再根据每个搜索词的重要度及搜索文本所属的类别,确定每个搜索词在搜索文本中的权重。
具体实施中,可以计算搜索文本的类别与每个搜索词所属的词类对应向量的距离,并利用距离来表征相似度,当距离大时,相似度较低,对应的搜索词与搜索文本的关联度较低,当距离小时,相似度较高,对应的搜索词与搜索文本的关联度较高。当搜索词与搜索文本关联度较高时,搜索词在搜索文本中对应的重要度就越高。
比如,搜索文本为“XXXX中YY是谁扮演的”时,其搜索文本所属类别为:“作品集”,每个词所属的词类为:XXXX[作品类_实体]中[词汇用语]YY[人物类_实体]是谁[疑问词]扮演[场景事件]的[助词],可以计算搜索文本的类别“作品集”与“作品类_实体”、“词汇用语”等搜索文本中所有搜索词的词类对应的向量的距离,假设“作品集”与“作品类_实体”所对应的向量的距离较小,则“作品集”与“作品类_实体”关联度较高,“作品集”与“词汇用语”所对应的向量的距离较大,则“作品集”与“词汇用语”关联度较低。因此,在此搜索文本中,“作品类_实体”的重要度高于“词汇用语”的重要度。
可选的,对于同一搜索文本,其与包含的不同搜索词间的关联度可能相同,但是各个搜索词在获取搜索结果过程中的作用可能并不相同,本公开中,为了更准确的确定搜索文本中每个搜索的权重,可以根据每个搜索词的重要度及搜索文本所属的类别,确定每个搜索词在搜索文本中的权重。
比如,本公开中,在确定搜索文本所属类型,与搜索文本中每个搜索词的词类及重要度级别后,可以将搜索文本所属类型,与搜索文本中每个搜索词的词类、重要度级别、词性、词的位置等作为特征,输入到预设的搜索词权重计算模型中,以获得每个搜索词对应的权重。其中,权重计算模型可以基于标记了搜索文本所属类型,与每个搜索词的词类、重要度级别、预期权重等信息的训练数据集,训练得到。
比如,搜索文本“XXXX中YY是谁扮演的”,通过解析后可知,该搜索文本所属的类型为“作品类”,其中包含的各搜索词的重要度分别为:XXXX[作品类_实体]中[词汇用语]YY[人物类_实体]是谁[疑问词]扮演[场景事件]的[助词]。之后,将“XXXX中YY是谁扮演的”、及其对应的搜索文本类型“作品类”,每个搜索词所对应的词类及重要度级别等信息,输入到权重计算模型中,得到的搜索词权重计算结果为:XXXX[0.261]中[0.133]YY[0.260]是谁[0.144]扮演[0.102]的[0.101]。
本公开中,通过对获取的搜索文本进行分类,以确定搜索文本所属的类别,之后再对搜索文本中的各个搜索词进行词类识别,以确定每个搜索词所属的词类,进而根据搜索文本所属的类别及每个搜索词所属的词类,确定每个搜索词在所述搜索文本中的权重,从而不仅使得确定的搜索词的权重准确性高,而且增强了确定的搜索词权重的可解释性。
图2为本公开实施例提供的一种搜索词权重的确定方法的流程示意图。
如图2所示,该方法包括:
步骤201,对获取的搜索文本进行分类,以确定搜索文本所属的类别。
步骤202,对搜索文本中的各个搜索词进行词类识别,以确定每个搜索词所属的词类。
本公开中,步骤201-步骤202的具体实现过程,可参见上述实施例的详细描述,在此不再赘述。
步骤203,获取与搜索文本所属的类别关联的词类重要度排序列表。
本公开中,不同搜索领域,其关注的搜索词不同,因此,可以为不同搜索文本所属的类别,设计不同的词类重要度排序列表。从而提高了不同类别的搜索文本对应的搜索词权重的准确性。
其中,词类重要度排序列表中可以包括不同的词类类型及各词类类型分别对应的重要度等。
比如,搜索领域中,词类通常可以分为:类别实体词、类别意图词、通用意图词、通用限定词、其他实体词、其他限定词、语法词、其他词汇等不同的词类类型。本公开中,可以通过对不同类别的搜索文本进行统计分析,确定各个类别的搜索文本对应的词类重要度排序列表。举例来说:作品类的搜索文本,对应的词类重要度排序列表中,重要程度由高到底依次包括:类别实体词(作品类_实体、人物类_实体)、类别意图词(场景事件)、语法词(疑问词、助词)。其中括号内词类属于括号前第一个词类类型包括的词类。因此,括号内词类对应的重要度可以与所属词类类型的重要度相同,当括号内包括多个词类时,多个词类对应的重要度排序可以相同。
本公开中,实体词可以包括搜索文本中出现的人名、机构名、地名以及其他所有以名称为标识的实体。意图词可以包括体现用户搜索意图的词语,例如“门票”等。限定词可以包括限定搜索文本表示范围的词语,例如“北京”等。语法词可以包括诸如助词、疑问词等语言学中,用于标识词在句中的功能和关系的词语。其他词汇可以包括除上述重要度概念包含的词语外的其他词语,例如“中”等。
此外,通用意图词和通用限定词可以包括在各个文本类别下都经常出现的意图词和限定词。比如,通用意图词可以包括符号编码指标(价格、费用)等。通用限定词可以包括中国地区(北京市、海淀区)等。本公开对此不作限制。
类别实体词、类别意图词、其他实体词、其他限定词可以为在特定文本类别下,根据人工先验知识指定的重要度级别。比如,在作品类中,类别实体词可以包括作品类_实体(音乐作品、小说作品)、人物类_实体(虚拟角色、明星演员)等。类别意图词可以包括场景事件(上传下载、在线观看)、信息资料(门票)等。其他实体词可以包括除类别实体词外的其他实体词。其他意图词可以包括除类别意图词外的其他意图词。本公开对此不作限制。
本公开中,可以预先为不同的文本类型,设计不同的词类类型重要度排序列表,当确定搜索文本所属类别后,即可查询到对应的词类类型重要度排序列表。比如,假设文本类别为作品类,根据先验知识,可以确定其更关注实体,因此,可以将类别实体词、和其它实体词重要度设置较高,从而,作品类文本中,搜索词对应的重要度从高到低的排序可以为:类别实体词、其他实体词、类别意图词、通用意图词、通用限定词、其他限定词、语法词、其他词汇。
可选的,每个重要度排序还可以用重要、一般、不重要等标签标识,也可用数字标识,本公开对此不作限制。
比如,在作品类文本中,搜索词对应的重要度排序可以为:类别实体词(重要)、类别意图词(重要)、通用意图词(重要)、通用限定词(重要)、其他实体词(一般)、其他限定词(一般)、语法词(不重要)、其他词汇(不重要)。或者,类别实体词(8)、类别意图词(7)、通用意图词(6)、通用限定词(5)、其他实体词(4)、其他限定词(3)、语法词(2)、其他词汇(1)。
步骤204,根据词类重要度排序列表,及每个搜索词所属的词类,确定每个搜索词在搜索文本中的重要度。
本公开中,在确定搜索文本对应的词类重要度排序列表后,即可基于每个搜索词所属的词类,按照词类重要度排序列表,确定每个搜索词在搜索文本中的重要度。
比如,搜索文本“XXXX中YY是谁扮演的”中各个搜索词重要度级别为:XXXX[作品类_实体]中[词汇用语]YY[人物类_实体]是谁[疑问词]扮演[场景事件]的[助词]。搜索文本的类型为作品类,因此,其搜索词对应的重要度排序可以为:类别实体词(重要)、类别意图词(重要)、通用意图词(重要)、通用限定词(重要)、其他实体词(一般)、其他限定词(一般)、语法词(不重要)、其他词汇(不重要)。此外,作品类_实体、人物类_实体属于类别实体词,词汇用语属于其他词汇,疑问词、助词属于语法词,场景事件属于类别意图词。从而搜索词对应的重要度为:XXXX[重要]中[不重要]YY[重要]是谁[不重要]扮演[重要]的[不重要]。
步骤205,获取搜索文本所属的类别对应的参考语料库。
其中,参考语料库可以包含大量的搜索文本,可以通过分析历史搜索日志获取。此外,不同文本所属的类别对应的参考语料库可以不同,比如,作品类对应的参考语料库,可以只包含作品领域的搜索文本。游戏类对应的参考语料库,可以只包含游戏领域的搜索文本。
本公开中,不同的搜索文本类型,所代表的领域不同,因此,可以基于各领域的参考语料库,确定各领域中不同类型搜索词对应的权重。从而,可以保证在各领域中,不同类型的搜索词对应的搜索权重准确性。
步骤206,确定每个搜索词在参考语料库中的逆文档频率。
本公开中,可以利用词语频率-逆文档频率统计(term frequency–inversedocument frequency,TF-IDF)方法,分别统计出搜索文本中,每个搜索词在参考语料库中的逆文档频率。
其中,词语频率-逆文档频率统计(term frequency–inverse documentfrequency,TF-IDF)是一种用于资讯检索与资讯探勘的常用加权术,用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加,但同时会随着它在语料库中出现的频率成反比下降。
步骤207,根据每个搜索词对应的逆文档频率,确定每个搜索词的初始权重。
本公开中,逆文档频率越高时,其对应的搜索词在搜索文本中的重要性越高,因此,可以用每个搜索词对应的逆文档频率,作为每个搜索词的初始权重。
步骤208,根据每个搜索词的重要度,对初始权重进行修正,以确定每个搜索词在搜索文本中的权重。
本公开中,可以为不同的重要等级,预设不同的修正方向和修正参数值。比如,对于重要度较高的搜索词,可以设置较大的修正参数值,对于重要度较低的搜索词,可以设置较小的修正参数值。在确定修正参数值后,可以利用修正参数值与搜索词的初始权重相乘,然后,对搜索文本中所有搜索词修正后的权重做归一化处理,从而确定每个搜索词在搜索文本中的权重。
比如,搜索文本“XXXX中YY是谁扮演的”中,假设每个搜索词初始权重为:XXXX[重要,0.261]中[不重要,0.133]YY[重要,0.260]是谁[不重要,0.144]扮演[重要,0.102]的[不重要,0.101]。为重要、不重要等级预设的修正参数值为3、1,将搜索词初始权重分别乘以对应的修正参数值,并作归一化处理后,其最终的搜索词权重为:XXXX[重要,0.348]中[不重要,0.059]YY[重要,0.347]是谁[不重要,0.064]扮演[重要,0.136]的[不重要,0.045]。
可选的,不同的重要度,对应的修正函数可以不同,然后可以利用修正函数对应重要度的搜索词初始权重进行修正,生成修正后的权重。
步骤209,根据每个搜索词的权重,获取搜索文本对应的搜索结果。
本公开中,搜索文本中可能包含多个搜索词,用户可能只关注核心搜索词,即权重最大的一个或多个搜索词。因此,可以将核心搜索词对应的搜索结果,作为此搜索文本对应的搜索结果,优先展示。
由此,根据搜索词的权重,获取搜索文本对应的搜索结果,提高了推送搜索结果的准确性。
可选的,还可以根据需要,输出搜索文本中每个搜索词对应的权重信息和/或每个搜索词对应的重要度级别等,本公开对此不作限制。
由此,用户可以自主的选择所要输出搜索词权重的重要度信息,从而,提高了搜索词权重确定的可解释性。
本公开中,在确定搜索文本所属的类别,及各个搜索词的词类后,可以根据搜索文本所属的类别关联的词类重要度排序列表,及每个搜索词所属的词类,确定每个搜索词在搜索文本中的重要度,进而基于搜索文本所属的类别对应的参考语料库,确定每个搜索词在参考语料库中的逆文档频率,之后再根据每个搜索词对应的逆文档频率,确定每个搜索词的初始权重,然后再根据每个搜索词的重要度,对初始权重进行修正,以确定每个搜索词在搜索文本中的权重。由此,通过根据不同类别的搜索文本对应的词类重要度排序列表及参考语料库,可以进一步提高确定的搜索文本中各个搜索词的权重准确性和可解释性。
为了实现上述实施例,本公开实施例还提出一种搜索词权重的确定装置。图3为本公开实施例提供的一种搜索词权重的确定装置的结构示意图。
如图3所示,该业务请求的处理装置300包括:第一分类模块310、第二分类模块320、计算模块330。
第一分类模块310,用于对获取的搜索文本进行分类,以确定所述搜索文本所属的类别;
第二分类模块320,用于对所述搜索文本中的各个搜索词进行词类识别,以确定每个所述搜索词所属的词类;
计算模块330,用于根据所述搜索文本所属的类别及每个所述搜索词所属的词类,确定每个所述搜索词在所述搜索文本中的权重。
在本公开实施例一种可能的实现方式中,上述计算模块330,具体用于:
根据每个所述搜索词所属的词类与所述搜索文本所属的类别间的关联度,确定每个所述搜索词在所述搜索文本中的重要度;
根据每个所述搜索词的重要度及所述搜索文本所属的类别,确定每个所述搜索词在所述搜索文本中的权重。
在本公开实施例一种可能的实现方式中,上述计算模块330,具体用于:
获取与所述搜索文本所属的类别关联的词类重要度排序列表;
根据所述词类重要度排序列表,及每个所述搜索词所属的词类,确定每个所述搜索词在所述搜索文本中的重要度;
根据每个所述搜索词的重要度及所述搜索文本所属的类别,确定每个所述搜索词在所述搜索文本中的权重。
在本公开实施例一种可能的实现方式中,上述计算模块330,具体用于:
获取所述搜索文本所属的类别对应的参考语料库;
确定每个所述搜索词在参考语料库中的逆文档频率;
根据每个所述搜索词对应的逆文档频率,确定每个所述搜索词的初始权重;
根据每个所述搜索词的重要度,对所述初始权重进行修正,以确定每个所述搜索词在所述搜索文本中的权重。
在本公开实施例一种可能的实现方式中,还包括:
获取模块,用于根据每个所述搜索词的权重,获取所述搜索文本对应的搜索结果。
需要说明的是,前述搜索词权重的确定方法实施例的解释说明,也适用于该实施例的装置,故在此不再赘述。
本公开中,通过对获取的搜索文本进行分类,以确定搜索文本所属的类别,之后再对搜索文本中的各个搜索词进行词类识别,以确定每个搜索词所属的词类,进而根据搜索文本所属的类别及每个搜索词所属的词类,确定每个搜索词在所述搜索文本中的权重,从而不仅使得确定的搜索词的权重准确性高,而且增强了确定的搜索词权重的可解释性。
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4示出了可以用来实施本公开的实施例的示例电子设备400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4所示,设备400包括计算单元401,其可以根据存储在ROM(Read-OnlyMemory,只读存储器)402中的计算机程序或者从存储单元408加载到RAM(Random AccessMemory,随机访问/存取存储器)403中的计算机程序,来执行各种适当的动作和处理。在RAM403中,还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。I/O(Input/Output,输入/输出)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405,包括:输入单元406,例如键盘、鼠标等;输出单元407,例如各种类型的显示器、扬声器等;存储单元408,例如磁盘、光盘等;以及通信单元409,例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400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401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401的一些示例包括但不限于CPU(Central Processing Unit,中央处理单元)、GPU(Graphic Processing Units,图形处理单元)、各种专用的AI(Artificial Intelligence,人工智能)计算芯片、各种运行机器学习模型算法的计算单元、DSP(Digital SignalProcessor,数字信号处理器)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理,例如搜索词权重的确定方法。例如,在一些实施例中,对搜索词权重的确定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408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时,可以执行上文描述的搜索词权重的确定方法的一个或多个步骤。备选地,在其他实施例中,计算单元401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行搜索词权重的确定方法。
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、FPGA(Field Programmable Gate Array,现场可编程门阵列)、ASIC(Application-Specific Integrated Circuit,专用集成电路)、ASSP(Application Specific StandardProduct,专用标准产品)、SOC(System On Chip,芯片上系统的系统)、CPLD(ComplexProgrammable Logic Device,复杂可编程逻辑设备)、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、RAM、ROM、EPROM(Electrically Programmable Read-Only-Memory,可擦除可编程只读存储器)或快闪存储器、光纤、CD-ROM(Compact Disc Read-Only Memory,便捷式紧凑盘只读存储器)、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(Cathode-Ray Tube,阴极射线管)或者LCD(Liquid Crystal Display,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:LAN(LocalArea Network,局域网)、WAN(Wide Area Network,广域网)、互联网和区块链网络。
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(VirtualPrivate Server,虚拟专用服务器)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。
根据本公开的实施例,本公开还提供了一种计算机程序产品,当计算机程序产品中的指令处理器执行时,执行本公开上述实施例提出的搜索词权重的确定方法。
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 (13)
1.一种搜索词权重的确定方法,包括:
对获取的搜索文本进行分类,以确定所述搜索文本所属的类别;
对所述搜索文本中的各个搜索词进行词类识别,以确定每个所述搜索词所属的词类;
根据所述搜索文本所属的类别及每个所述搜索词所属的词类,确定每个所述搜索词在所述搜索文本中的权重。
2.如权利要求1所述的方法,其中,所述根据所述搜索文本所属的类别及每个所述搜索词所属的词类,确定每个所述搜索词在所述搜索文本中的权重,包括:
根据每个所述搜索词所属的词类与所述搜索文本所属的类别间的关联度,确定每个所述搜索词在所述搜索文本中的重要度;
根据每个所述搜索词的重要度及所述搜索文本所属的类别,确定每个所述搜索词在所述搜索文本中的权重。
3.如权利要求1所述的方法,其中,所述根据所述搜索文本所属的类别及每个所述搜索词所属的词类,确定每个所述搜索词在所述搜索文本中的权重,包括:
获取与所述搜索文本所属的类别关联的词类重要度排序列表;
根据所述词类重要度排序列表,及每个所述搜索词所属的词类,确定每个所述搜索词在所述搜索文本中的重要度;
根据每个所述搜索词的重要度及所述搜索文本所属的类别,确定每个所述搜索词在所述搜索文本中的权重。
4.如权利要求2或3所述的方法,其中,所述根据每个所述搜索词的重要度及所述搜索文本所属的类别,确定每个所述搜索词在所述搜索文本中的权重,包括:
获取所述搜索文本所属的类别对应的参考语料库;
确定每个所述搜索词在参考语料库中的逆文档频率;
根据每个所述搜索词对应的逆文档频率,确定每个所述搜索词的初始权重;
根据每个所述搜索词的重要度,对所述初始权重进行修正,以确定每个所述搜索词在所述搜索文本中的权重。
5.如权利要求1-4任一所述的方法,其中,在所述确定每个所述搜索词在所述搜索文本中的权重之后,还包括:
根据每个所述搜索词的权重,获取所述搜索文本对应的搜索结果。
6.一种搜索词权重的确定装置,包括:
第一分类模块,用于对获取的搜索文本进行分类,以确定所述搜索文本所属的类别;
第二分类模块,用于对所述搜索文本中的各个搜索词进行词类识别,以确定每个所述搜索词所属的词类;
计算模块,用于根据所述搜索文本所属的类别及每个所述搜索词所属的词类,确定每个所述搜索词在所述搜索文本中的权重。
7.如权利要求6所述的装置,其中,所述计算模块,具体用于:
根据每个所述搜索词所属的词类与所述搜索文本所属的类别间的关联度,确定每个所述搜索词在所述搜索文本中的重要度;
根据每个所述搜索词的重要度及所述搜索文本所属的类别,确定每个所述搜索词在所述搜索文本中的权重。
8.如权利要求6所述的装置,其中,所述计算模块,具体用于:
获取与所述搜索文本所属的类别关联的词类重要度排序列表;
根据所述词类重要度排序列表,及每个所述搜索词所属的词类,确定每个所述搜索词在所述搜索文本中的重要度;
根据每个所述搜索词的重要度及所述搜索文本所属的类别,确定每个所述搜索词在所述搜索文本中的权重。
9.如权利要求7或8所述的装置,其中,所述计算模块,具体用于:
获取所述搜索文本所属的类别对应的参考语料库;
确定每个所述搜索词在参考语料库中的逆文档频率;
根据每个所述搜索词对应的逆文档频率,确定每个所述搜索词的初始权重;
根据每个所述搜索词的重要度,对所述初始权重进行修正,以确定每个所述搜索词在所述搜索文本中的权重。
10.如权利要求6-9任一所述的装置,其中,还包括:
获取模块,用于根据每个所述搜索词的权重,获取所述搜索文本对应的搜索结果。
11.一种电子设备,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1-5中任一项所述的方法。
12.一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1-5中任一项所述的方法。
13.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现权利要求1-5中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111506790.7A CN114398469A (zh) | 2021-12-10 | 2021-12-10 | 搜索词权重的确定方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111506790.7A CN114398469A (zh) | 2021-12-10 | 2021-12-10 | 搜索词权重的确定方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114398469A true CN114398469A (zh) | 2022-04-26 |
Family
ID=81226112
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111506790.7A Pending CN114398469A (zh) | 2021-12-10 | 2021-12-10 | 搜索词权重的确定方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114398469A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109408797A (zh) * | 2017-08-18 | 2019-03-01 | 普天信息技术有限公司 | 一种文本句向量表示方法及系统 |
CN110427463A (zh) * | 2019-08-08 | 2019-11-08 | 腾讯科技(深圳)有限公司 | 搜索语句响应方法、装置及服务器和存储介质 |
CN110706021A (zh) * | 2019-09-12 | 2020-01-17 | 微梦创科网络科技(中国)有限公司 | 一种广告投放方法及系统 |
CN113553851A (zh) * | 2021-07-15 | 2021-10-26 | 杭州网易云音乐科技有限公司 | 关键词的确定方法、装置、存储介质和计算设备 |
-
2021
- 2021-12-10 CN CN202111506790.7A patent/CN114398469A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109408797A (zh) * | 2017-08-18 | 2019-03-01 | 普天信息技术有限公司 | 一种文本句向量表示方法及系统 |
CN110427463A (zh) * | 2019-08-08 | 2019-11-08 | 腾讯科技(深圳)有限公司 | 搜索语句响应方法、装置及服务器和存储介质 |
CN110706021A (zh) * | 2019-09-12 | 2020-01-17 | 微梦创科网络科技(中国)有限公司 | 一种广告投放方法及系统 |
CN113553851A (zh) * | 2021-07-15 | 2021-10-26 | 杭州网易云音乐科技有限公司 | 关键词的确定方法、装置、存储介质和计算设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114549874A (zh) | 多目标图文匹配模型的训练方法、图文检索方法及装置 | |
CN112989023A (zh) | 标签推荐方法、装置、设备、存储介质及计算机程序产品 | |
CN114579104A (zh) | 数据分析场景的生成方法、装置、设备及存储介质 | |
CN115168562A (zh) | 一种智能问答系统的构建方法、装置、设备及介质 | |
CN114625834A (zh) | 企业的行业信息确定方法、装置及电子设备 | |
CN115248890B (zh) | 用户兴趣画像的生成方法、装置、电子设备以及存储介质 | |
CN114116997A (zh) | 知识问答方法、装置、电子设备及存储介质 | |
CN113191145A (zh) | 关键词的处理方法、装置、电子设备和介质 | |
CN112506864A (zh) | 文件检索的方法、装置、电子设备及可读存储介质 | |
CN115600592A (zh) | 文本内容的关键信息提取方法、装置、设备及介质 | |
CN112926297B (zh) | 处理信息的方法、装置、设备和存储介质 | |
CN115292506A (zh) | 应用于办公领域的知识图谱本体构建方法和装置 | |
CN115048523A (zh) | 文本分类方法、装置、设备以及存储介质 | |
KR20220024251A (ko) | 이벤트 라이브러리를 구축하는 방법 및 장치, 전자 기기, 및 컴퓨터 판독가능 매체 | |
CN115080741A (zh) | 一种问卷调查分析方法、装置、存储介质及设备 | |
CN114416990A (zh) | 对象关系网络的构建方法、装置和电子设备 | |
CN114048315A (zh) | 确定文档标签的方法、装置、电子设备和存储介质 | |
CN114398469A (zh) | 搜索词权重的确定方法、装置及电子设备 | |
CN113239273A (zh) | 用于生成文本的方法、装置、设备以及存储介质 | |
CN114492409B (zh) | 文件内容的评价方法、装置、电子设备及程序产品 | |
CN116069914B (zh) | 训练数据的生成方法、模型训练方法以及装置 | |
CN113656393B (zh) | 数据处理方法、装置、电子设备以及存储介质 | |
CN114417871B (zh) | 模型训练及命名实体识别方法、装置、电子设备及介质 | |
CN113377921B (zh) | 用于匹配信息的方法、装置、电子设备以及介质 | |
CN114692618A (zh) | 检索词识别方法、装置、电子设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220426 |