CN115982466B - 检索数据的方法、装置、设备以及存储介质 - Google Patents
检索数据的方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN115982466B CN115982466B CN202211742729.7A CN202211742729A CN115982466B CN 115982466 B CN115982466 B CN 115982466B CN 202211742729 A CN202211742729 A CN 202211742729A CN 115982466 B CN115982466 B CN 115982466B
- Authority
- CN
- China
- Prior art keywords
- feature
- numerical
- text
- candidate data
- matching
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 239000013598 vector Substances 0.000 claims description 40
- 238000002156 mixing Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 4
- 230000008685 targeting Effects 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000003058 natural language processing Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 230000004913 activation Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005266 casting Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization 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
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix 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
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开提供了一种检索数据的方法、装置、设备以及存储介质，涉及人工智能技术领域，尤其涉及自然语言处理技术领域。具体实现方案为：确定检索词的第一文本特征和第一数值特征；确定检索词对应的至少一个候选数据；确定至少一个候选数据中每个候选数据的第二文本特征和第二数值特征；根据第一文本特征、第一数值特征、每个候选数据的第二文本特征和第二数值特征，确定每个候选数据的匹配分数，其中，匹配分数用于表示候选数据与检索词之间的匹配程度；以及根据匹配分数，确定至少一个候选数据中的目标数据。
Description
技术领域
本公开涉及人工智能技术领域，尤其涉及自然语言处理技术领域。
背景技术
越来越多的用户通过使用检索系统来检索数据来获取目标场景相关的相关信息。对于检索系统来说，对于数据的检索准确率关乎用户体验。基于此，如何提高数据的检索准确率是亟需解决的问题。
发明内容
本公开提供了一种检索数据的方法、装置、设备、存储介质以及程序产品。
根据本公开的一方面，提供了一种检索数据的方法，包括：确定检索词的第一文本特征和第一数值特征；确定所述检索词对应的至少一个候选数据；确定至少一个候选数据中每个候选数据的第二文本特征和第二数值特征；根据所述第一文本特征、所述第一数值特征、所述每个候选数据的第二文本特征和第二数值特征，确定所述每个候选数据的匹配分数，其中，所述匹配分数用于表示所述候选数据与所述检索词之间的匹配程度；以及根据匹配分数，确定所述至少一个候选数据中的目标数据。
根据本公开的另一方面，提供了一种检索数据的装置，包括：第一特征确定模块，用于确定检索词的第一文本特征和第一数值特征；候选确定模块，用于确定所述检索词对应的至少一个候选数据；第二特征确定模块，用于确定至少一个候选数据中每个候选数据的第二文本特征和第二数值特征；分数确定模块，用于根据所述第一文本特征、所述第一数值特征、所述每个候选数据的第二文本特征和第二数值特征，确定所述每个候选数据的匹配分数，其中，所述匹配分数用于表示所述候选数据与所述检索词之间的匹配程度；以及目标确定模块，用于根据匹配分数，确定所述至少一个候选数据中的目标数据。
本公开的另一个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本公开实施例所示的方法。
根据本公开实施例的另一方面，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本公开实施例所示的方法。
根据本公开实施例的另一方面，提供了一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现本公开实施例所示方法的步骤。
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示意性示出了根据本公开实施例的可以应用检索数据的方法和装置的示例性系统架构；
图2示意性示出了根据本公开的实施例的检索数据的方法的流程图；
图3示意性示出了根据本公开的实施例的确定每个候选数据的匹配分数的方法的流程图；
图4示意性示出了根据本公开的实施例的确定文本匹配特征的方法的示意图；
图5示意性示出了根据本公开的实施例的确定数值匹配特征的方法的示意图；
图6示意性示出了根据本公开的实施例的确定匹配分数的方法的示意图；
图7示意性示出了根据本公开的实施例的匹配模型的示意图；
图8示意性示出了根据本公开实施例的检索数据的装置的框图；
图9示意性示出了可以用来实施本公开的实施例的示例电子设备的框图。
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。
以下将结合图1对本公开提供的检索数据的方法和装置的应用场景进行描述。
图1示意性示出了根据本公开实施例的可以应用检索数据的方法和装置的示例性系统架构100。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如电子地图应用、购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供数据检索服务的检索服务器。用户可以通过终端设备101、102、103的输入接口输入与目标场景相关的数据检索请求，终端设备101、102、103可以将与目标场景相关的数据检索请求发送至服务器105。服务器105可以对接收到的与目标场景相关的检索数据请求进行处理，并将对应的检索数据反馈给终端设备101、102、103。服务器105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105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。
需要说明的是，本公开实施例所提供的检索数据的方法一般可以由服务器105执行。相应地，本公开实施例所提供的检索数据的装置一般可以设置于服务器105中。本公开实施例所提供的检索数据的方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的检索数据的装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
在本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供、公开和应用等处理，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。
在本公开的技术方案中，在获取或采集用户个人信息之前，均获取了用户的授权或同意。
以下将结合图2对本公开提供的检索数据的方法进行描述。
图2示意性示出了根据本公开的实施例的检索数据的方法的流程图。
如图2所示，该检索数据的方法200包括在操作S210，确定检索词的第一文本特征和第一数值特征。
根据本公开的实施例，检索词的第一文本特征可以包括表示与检索词相关的文本类型的特征。示例性地，本实施例中，第一文本特征例如可以包括：检索词的文本内容。
根据本公开的实施例，检索词的第一数值特征可以包括与检索词相关的数值类型的特征。示例性地，本实施例中，第一数值特征例如可以包括以下至少一个：检索词的历史搜索次数、检索词的历史点击次数和检索词的点击率。
然后，在操作S220，确定检索词对应的至少一个候选数据。
根据本公开的实施例，例如可以确定与检索词相关度较高的数据，作为候选数据。其中，数据例如可以包括兴趣点(Point of Interest，POI)、网页等等。
在操作S230，确定至少一个候选数据中每个候选数据的第二文本特征和第二数值特征。
根据本公开的实施例，候选数据的第二文本特征可以包括表示与候选数据相关的文本类型的特征。候选数据的第二数值特征可以包括与候选数据相关的数值类型的特征。
示例性地，本实施例中，在候选数据包括兴趣点的情况下，第二文本特征例如可以包括以下至少一个：兴趣点的名称、兴趣点的位置和兴趣点的类型。第二数值特征例如可以包括以下至少一个：数据的历史搜索次数、数据的历史点击次数和数据的点击率。
示例性地，本实施例中，在候选数据包括网页的情况下，第二文本特征例如可以包括以下至少一个：网页的标题和网页的摘要。第二数值特征例如可以包括以下至少一个：网页的历史搜索次数、网页的历史点击次数和网页的点击率。
在操作S240，根据第一文本特征、第一数值特征、每个候选数据的第二文本特征和第二数值特征，确定每个候选数据的匹配分数。
根据本公开的实施例，匹配分数可以用于表示候选数据与检索词之间的匹配程度。示例性地，例如可以预先训练匹配模型，利用匹配模型确定候选数据与检索词之间的匹配程度，得到匹配分数。其中，匹配模型的输入可以包括检索词的第一文本特征、第一数值特征、候选数据的第二文本特征和第二数值特征，输出可以包括与检索词和该候选数据对应的匹配分数。
在操作S250，根据匹配分数，确定至少一个候选数据中的目标数据。
根据本公开的实施例，例如可以确定至少一个候选数据中匹配分数最高的候选数据，作为目标数据。
根据本公开的实施例，在检索数据的过程中，同时参考了检索词和候选数据的文本特征和数值特征，从而提高了检索结果的准确度。
以下将结合图3对本公开提供的确定每个候选数据的匹配分数的方法进行描述。
图3示意性示出了根据本公开的实施例的确定每个候选数据的匹配分数的方法的流程图。
如图3所示，该确定每个候选数据的匹配分数的方法340包括针对每个候选数据执行操作S341～S343
在操作S341，根据第一文本特征和候选数据的第二文本特征，确定文本匹配特征。
根据本公开的实施例，例如可以将第一文本特征和候选数据的第二文本特征进行拼接，得到文本拼接特征。然后将文本拼接特征输入预训练语言模型，得到文本匹配特征。其中，预训练语言模型例如可以包括ERNIE模型。
在操作S342，根据第一数值特征和候选数据的第二数值特征，确定数值匹配特征。
根据本公开的实施例，例如可以将第一数值特征与候选数据的第二数值特征进行拼接，得到数值拼接特征，其中，数值拼接特征包括多个数值。然后对数值拼接特征中的每个数值进行向量化，得到多个第一向量，其中，多个第一向量与多个数值一一对应。接下来，对多个第一向量中的每个第一向量进行特征混合，得到多个第二向量。接着，将多个第二向量进行拼接，得到数值匹配特征。示例性地，例如可以将每个数值通过Embedding(嵌入)操作来进行向量化。
在操作S343，根据文本匹配特征和数值匹配特征，确定候选数据的匹配分数。
根据本公开的实施例，例如可以将文本匹配特征、数值匹配特征和所述数值拼接特征拼接，得到目标向量。然后对目标向量进行特征混合，得到匹配分数。示例性地，例如可以将每个数值通过MLP(多层感知网络)层来进行特征混合。
根据本公开的另一实施例，在输入匹配模型前，还可以对数值拼接特征中的每个数值进行平滑处理。通过平滑处理，可以使将数值拼接特征中的数值之间的差距变小，提高检索的准确性。例如，可以计算X’＝(log(xi+1.0+k)，i＝1...n)，其中，X’为平滑后的数值拼接特征，xi为平滑前的数值，n是数值的个数。通过计算x+1.0，可以使得log(xi)＞＝0.0，再加上一个比较小的数值k，可以使得当xi＝0.0时，平滑后的xi’能够＞0.0，即使得数值不会为0.0。其中，k可以根据实际需要设置，例如k可以为0.01。
以下将结合图4对本公开提供的确定文本匹配特征的方法进行描述。
图4示意性示出了根据本公开的实施例的确定文本匹配特征的方法的示意图。
如图4所示，本实施例中，可以将检索词的第一文本特征411和候选数据的第二文本特征412进行拼接，得到文本拼接特征413。然后将文本拼接特征413输入预训练语言模型420。预训练语言模型420输出文本匹配特征414。
以下将结合图5对本公开提供的确定数值匹配特征的方法进行描述。
图5示意性示出了根据本公开的实施例的确定数值匹配特征的方法的示意图。
如图5所示，第一数值特征501可以包括至少一个数值5011。第二数值特征502可以包括至少一个数值5021。本实施例中，可以将第一数值特征501与候选数据的第二数值特征502进行拼接，得到数值拼接特征503，其中，数值拼接特征503包括多个数值5031。然后对数值拼接特征503中的每个数值5031进行向量化，得到多个第一向量5041。接下来，可以对多个第一向量5041中的每个第一向量5041进行特征混合，得到多个第二向量5051。接着，将多个第二向量5051进行拼接，得到数值匹配特征506。
以下将结合图6对本公开提供的确定匹配分数的方法进行描述。
图6示意性示出了根据本公开的实施例的确定匹配分数的方法的示意图。
如图6所示，本实施例中，可以将文本匹配特征601、数值匹配特征602和数值拼接特征603拼接，得到目标向量604。然后可以对目标向量604进行特征混合，得到匹配分数605。
根据本公开的另一实施例，例如可以对检索词进行意图识别，得到意图识别结果，然后确定多个数据中与意图识别结果之间的相关度高于相关度阈值的数据，作为候选数据。其中，相对度阈值可以根据实际需要设置。
根据本公开的实施例，可以利用匹配模型确定候选数据与检索词之间的匹配程度，得到匹配分数。下面参考图7，结合具体实施例对上文所示的匹配模型做进一步说明。本领域技术人员可以理解，以下示例实施例仅用于理解本公开，本公开并不局限于此。
图7示意性示出了根据本公开的实施例的匹配模型的示意图。
在图7中示出了，匹配模型可以包括预训练语言模型ERNIE、FC(Full Connect，全连接)层、embedding层、MLP(多层感知网络)层。
根据本公开的实施例，匹配模型的输入可以包括检索词(query)的第一文本特征、检索词的第一数值特征、候选数据的第二文本特征和候选数据的第二数值特征。匹配模型的输出可以包括匹配分数，表示数据与检索词之间的匹配程度。示例性地，本实施例中，第一文本特征例如可以包括：检索词的文本内容。第一数值特征例如可以包括以下至少一个：检索词的历史搜索次数、检索词的历史点击次数和检索词的点击率。第二文本特征例如可以包括以下至少一个：兴趣点的名称、兴趣点的位置和兴趣点的类型。第二数值特征例如可以包括以下至少一个：兴趣点的历史搜索次数、兴趣点的历史点击次数和兴趣点的点击率。
根据本公开的实施例，可以将第一文本特征query_text与第二文本特征poi_text拼接，得到文本拼接特征，如：[CLS]query_text[SEP]poi_text。然后将文本拼接特征输入到预训练语言模型中，如ERNIE，预训练语言模型输出[CLS]token的输出表示向量，如图中的Text embedding作为文本匹配特征，其中t是Text embedding的维度。
根据本公开的实施例，可以将第一数值特征query_value与第二数值特征poi_value拼接，得到数值拼接特征X＝(x1，x2，...，xn)。其中，xi＞＝0.0，其中i＝1...n。对每个数值可以进行平滑处理，例如，可以计算X’＝(log(xi+1.0+k)，i＝1...n)，其中，n是数值的个数。通过计算x+1.0，可以使得log(xi)＞＝0.0，再加上一个比较小的数值k(例如0.01)，可以使得当xi＝0.0时，平滑后的xi’能够＞0.0，即使得数值不会为0.0。
然后，可以将X’通过n个矩阵进行向量化(其中，/>为实数集合，其维度为1×d)，然后输入ReLU激活函数，得到Value embedding V1＝ReLU(X’·W1)，d是Value embedding的维度，ReLU是激活函数，W为Wi1的集合。
接下来，可以将V1通过矩阵进行特征混合，得到V2＝(V1·W2+b2)，其中，b2为偏置项。
接着，可以将V2在第0维(n的维度)进行拼接(concat)，得到embedding作为数值匹配特征。
根据本公开的实施例，可以将文本匹配特征、数值匹配特征和数值拼接特征进行拼接(concat)，得到目标向量将Vout输入一个MLP层，对特征进行混合并最终输出一个匹配分数S＝(Vxut·Wo1+bo1)·Wo2+bo2，其中，bo1、bo2分别为偏置项， 其中，MLP层例如可以包括FC层和激活函数，可以先输入将VoutFC层，得到第一结果，然后将第一结果输入ReLU激活函数，得到第二结果，接着将第二结果输入另一个FC层，得到匹配分数S。
以下将结合图8对本公开提供的检索数据的装置进行描述。
图8示意性示出了根据本公开实施例的检索数据的装置的框图。
如图8所示，装置800包括第一特征确定模块810、候选确定模块820、第二特征确定模块830、分数确定模块840和目标确定模块850。
第一特征确定模块810，用于确定检索词的第一文本特征和第一数值特征。
候选确定模块820，用于确定检索词对应的至少一个候选数据。
第二特征确定模块830，用于确定至少一个候选数据中每个候选数据的第二文本特征和第二数值特征。
分数确定模块840，用于根据第一文本特征、第一数值特征、每个候选数据的第二文本特征和第二数值特征，确定每个候选数据的匹配分数，其中，匹配分数用于表示候选数据与检索词之间的匹配程度。
目标确定模块850，用于根据匹配分数，确定至少一个候选数据中的目标数据。
根据本公开的实施例，分数确定模块可以包括：文本匹配特征确定子模块，用于针对每个候选数据，根据第一文本特征和候选数据的第二文本特征，确定文本匹配特征；数值匹配特征确定子模块，用于根据第一数值特征和候选数据的第二数值特征，确定数值匹配特征；以及分数确定子模块，用于根据文本匹配特征和数值匹配特征，确定候选数据的匹配分数。
根据本公开的实施例，文本匹配特征确定子模块可以包括：第一拼接单元，用于将第一文本特征和候选数据的第二文本特征进行拼接，得到文本拼接特征；以及输入单元，用于将文本拼接特征输入预训练语言模型，得到文本匹配特征。
根据本公开的实施例，数值匹配特征确定子模块可以包括：第二拼接单元，用于将第一数值特征与候选数据的第二数值特征进行拼接，得到数值拼接特征，其中，数值拼接特征包括多个数值；向量化单元，用于对数值拼接特征中的每个数值进行向量化，得到多个第一向量，其中，多个第一向量与多个数值一一对应；第一特征混合单元，用于对多个第一向量中的每个第一向量进行特征混合，得到多个第二向量；以及第三拼接单元，用于将多个第二向量进行拼接，得到数值匹配特征。
根据本公开的实施例，分数确定子模块可以包括：第四拼接单元，用于将文本匹配特征、数值匹配特征和数值拼接特征拼接，得到目标向量；以及第二特征混合单元，用于对目标向量进行特征混合，得到匹配分数。
根据本公开的实施例，上述装置还可以包括：平滑模块，用于对第一数值特征中的每个第一数值和第二数值特征中的每个第二数值进行平滑处理。
根据本公开的实施例，所述第一文本特征可以包括：所述检索词的文本内容；以及所述第一数值特征可以包括以下至少一个：所述检索词的历史搜索次数、所述检索词的历史点击次数和所述检索词的点击率。
根据本公开的实施例，候选数据可以包括兴趣点，所述第二文本特征可以包括以下至少一个：所述兴趣点的名称、所述兴趣点的位置和所述兴趣点的类型；以及所述第二数值特征可以包括以下至少一个：所述兴趣点的历史搜索次数、所述兴趣点的历史点击次数和所述兴趣点的点击率
根据本公开的实施例，候选数据可以包括网页，所述第二文本特征可以包括以下至少一个：所述网页的标题、所述网页的摘要；以及所述第二数值特征包括以下至少一个：所述网页的历史搜索次数、所述网页的历史点击次数和所述网页的点击率。
根据本公开的实施例，候选确定模块可以包括：识别子模块，用于对检索词进行意图识别，得到意图识别结果；以及相关度判断子模块，用于确定多个数据中与意图识别结果之间的相关度高于相关度阈值的数据，作为候选数据。
根据本公开的实施例，目标确定模块可以包括：分数判断子单元，确定至少一个候选数据中匹配分数最高的候选数据，作为目标数据。
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9示意性示出了可以用来实施本公开的实施例的示例电子设备900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9所示，设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900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901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901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901执行上文所描述的各个方法和处理，例如检索数据的方法。例如，在一些实施例中，检索数据的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908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时，可以执行上文描述的检索数据的方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行检索数据的方法。
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、现场可编程门阵列(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-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。
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 (18)
1.一种检索数据的方法，包括：
确定检索词的第一文本特征和第一数值特征；
确定所述检索词对应的至少一个候选数据；
确定至少一个候选数据中每个候选数据的第二文本特征和第二数值特征；
根据所述第一文本特征、所述第一数值特征、所述每个候选数据的第二文本特征和第二数值特征，确定所述每个候选数据的匹配分数，其中，所述匹配分数用于表示所述候选数据与所述检索词之间的匹配程度；以及
根据匹配分数，确定所述至少一个候选数据中的目标数据；
其中，所述根据所述第一文本特征、所述第一数值特征、所述每个候选数据的第二文本特征和第二数值特征，确定所述每个候选数据的匹配分数，包括：针对所述每个候选数据，
根据所述第一文本特征和所述候选数据的第二文本特征，确定文本匹配特征；
根据所述第一数值特征和所述候选数据的第二数值特征，确定数值匹配特征，包括：将所述第一数值特征与所述候选数据的第二数值特征进行拼接，得到数值拼接特征，其中，所述数值拼接特征包括多个数值；对所述数值拼接特征中的每个数值进行向量化，得到多个第一向量，其中，所述多个第一向量与所述多个数值一一对应；对所述多个第一向量中的每个第一向量进行特征混合，得到多个第二向量；以及将所述多个第二向量进行拼接，得到所述数值匹配特征；
将所述文本匹配特征、所述数值匹配特征和所述数值拼接特征拼接，得到目标向量；以及
对所述目标向量进行特征混合，得到所述匹配分数。
2. 根据权利要求1所述的方法，其中，所述根据所述第一文本特征和所述候选数据的第二文本特征，确定文本匹配特征，包括：
将所述第一文本特征和所述候选数据的第二文本特征进行拼接，得到文本拼接特征；以及
将所述文本拼接特征输入预训练语言模型，得到所述文本匹配特征。
3.根据权利要求1所述的方法，还包括：
对所述数值拼接特征中的每个数值进行平滑处理。
4.根据权利要求1所述的方法，其中，所述第一文本特征包括：所述检索词的文本内容；以及
所述第一数值特征包括以下至少一个：所述检索词的历史搜索次数、所述检索词的历史点击次数和所述检索词的点击率。
5.根据权利要求1所述的方法，其中，候选数据包括兴趣点，所述第二文本特征包括以下至少一个：所述兴趣点的名称、所述兴趣点的位置和所述兴趣点的类型；以及
所述第二数值特征包括以下至少一个：所述兴趣点的历史搜索次数、所述兴趣点的历史点击次数和所述兴趣点的点击率。
6.根据权利要求1所述的方法，其中，候选数据包括网页，所述第二文本特征包括以下至少一个：所述网页的标题、所述网页的摘要；以及
所述第二数值特征包括以下至少一个：所述网页的历史搜索次数、所述网页的历史点击次数和所述网页的点击率。
7. 根据权利要求1所述的方法，其中，所述确定所述检索词对应的至少一个候选数据，包括：
对所述检索词进行意图识别，得到意图识别结果；以及
确定多个数据中与所述意图识别结果之间的相关度高于相关度阈值的数据，作为所述候选数据。
8.根据权利要求1所述的方法，其中，所述根据匹配分数，确定所述至少一个候选数据中的目标数据，包括：
确定所述至少一个候选数据中匹配分数最高的候选数据，作为所述目标数据。
9.一种检索数据的装置，包括：
第一特征确定模块，用于确定检索词的第一文本特征和第一数值特征；
候选确定模块，用于确定所述检索词对应的至少一个候选数据；
第二特征确定模块，用于确定至少一个候选数据中每个候选数据的第二文本特征和第二数值特征；
分数确定模块，用于根据所述第一文本特征、所述第一数值特征、所述每个候选数据的第二文本特征和第二数值特征，确定所述每个候选数据的匹配分数，其中，所述匹配分数用于表示所述候选数据与所述检索词之间的匹配程度；以及
目标确定模块，用于根据匹配分数，确定所述至少一个候选数据中的目标数据；
其中，所述分数确定模块，包括：
文本匹配特征确定子模块，用于针对所述每个候选数据，根据所述第一文本特征和所述候选数据的第二文本特征，确定文本匹配特征；
数值匹配特征确定子模块，用于根据所述第一数值特征和所述候选数据的第二数值特征，确定数值匹配特征，其中，所述数值匹配特征确定子模块包括：第二拼接单元，用于将所述第一数值特征与所述候选数据的第二数值特征进行拼接，得到数值拼接特征，其中，所述数值拼接特征包括多个数值；向量化单元，用于对所述数值拼接特征中的每个数值进行向量化，得到多个第一向量，其中，所述多个第一向量与所述多个数值一一对应；第一特征混合单元，用于对所述多个第一向量中的每个第一向量进行特征混合，得到多个第二向量；以及第三拼接单元，用于将所述多个第二向量进行拼接，得到所述数值匹配特征；
分数确定子模块，包括：第四拼接单元，用于将所述文本匹配特征、所述数值匹配特征拼接和所述数值拼接特征，得到目标向量；以及第二特征混合单元，用于对所述目标向量进行特征混合，得到所述匹配分数。
10. 根据权利要求9所述的装置，其中，所述文本匹配特征确定子模块，包括：
第一拼接单元，用于将所述第一文本特征和所述候选数据的第二文本特征进行拼接，得到文本拼接特征；以及
输入单元，用于将所述文本拼接特征输入预训练语言模型，得到所述文本匹配特征。
11.根据权利要求9所述的装置，还包括：
平滑模块，用于对所述数值拼接特征中的每个数值进行平滑处理。
12.根据权利要求9所述的装置，其中，所述第一文本特征包括：所述检索词的文本内容；以及
所述第一数值特征包括以下至少一个：所述检索词的历史搜索次数、所述检索词的历史点击次数和所述检索词的点击率。
13. 根据权利要求9所述的装置，其中，候选数据包括兴趣点；
所述第二文本特征包括以下至少一个：所述兴趣点的名称、所述兴趣点的位置和所述兴趣点的类型；以及
所述第二数值特征包括以下至少一个：所述兴趣点的历史搜索次数、所述兴趣点的历史点击次数和所述兴趣点的点击率。
14. 根据权利要求9所述的装置，其中，候选数据包括网页；
所述第二文本特征包括以下至少一个：所述网页的标题、所述网页的摘要；以及
所述第二数值特征包括以下至少一个：所述网页的历史搜索次数、所述网页的历史点击次数和所述网页的点击率。
15. 根据权利要求9所述的装置，其中，所述候选确定模块，包括：
识别子模块，用于对所述检索词进行意图识别，得到意图识别结果；以及
相关度判断子模块，用于确定多个数据中与所述意图识别结果之间的相关度高于相关度阈值的数据，作为所述候选数据。
16.根据权利要求9所述的装置，其中，所述目标确定模块，包括：
分数判断子单元，确定所述至少一个候选数据中匹配分数最高的候选数据，作为所述目标数据。
17. 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1-8中任一项所述的方法。
18.一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1-8中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211742729.7A CN115982466B (zh) | 2022-12-30 | 2022-12-30 | 检索数据的方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211742729.7A CN115982466B (zh) | 2022-12-30 | 2022-12-30 | 检索数据的方法、装置、设备以及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115982466A CN115982466A (zh) | 2023-04-18 |
| CN115982466B true CN115982466B (zh) | 2023-09-12 |
Family
ID=85975802
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211742729.7A Active CN115982466B (zh) | 2022-12-30 | 2022-12-30 | 检索数据的方法、装置、设备以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115982466B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105045781A (zh) * | 2015-08-27 | 2015-11-11 | 广州神马移动信息科技有限公司 | 查询词相似度计算方法及装置、查询词搜索方法及装置 |
-
2022
- 2022-12-30 CN CN202211742729.7A patent/CN115982466B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105045781A (zh) * | 2015-08-27 | 2015-11-11 | 广州神马移动信息科技有限公司 | 查询词相似度计算方法及装置、查询词搜索方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115982466A (zh) | 2023-04-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113780098B (zh) | 文字识别方法、装置、电子设备以及存储介质 | |
| CN113407850B (zh) | 一种虚拟形象的确定和获取方法、装置以及电子设备 | |
| CN112749300B (zh) | 用于视频分类的方法、装置、设备、存储介质和程序产品 | |
| CN113128209B (zh) | 用于生成词库的方法及装置 | |
| CN112580733B (zh) | 分类模型的训练方法、装置、设备以及存储介质 | |
| CN113407610B (zh) | 信息抽取方法、装置、电子设备和可读存储介质 | |
| CN112560481B (zh) | 语句处理方法、设备和存储介质 | |
| CN113378855A (zh) | 用于处理多任务的方法、相关装置及计算机程序产品 | |
| CN112818686A (zh) | 领域短语挖掘方法、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 | |
| CN116257611B (zh) | 问答模型的训练方法、问答处理方法、装置及存储介质 | |
| CN117333889A (zh) | 文档检测模型的训练方法、装置及电子设备 | |
| CN115880506B (zh) | 图像生成方法、模型的训练方法、装置及电子设备 | |
| CN115982466B (zh) | 检索数据的方法、装置、设备以及存储介质 | |
| CN114036397B (zh) | 数据推荐方法、装置、电子设备和介质 | |
| CN114419327B (zh) | 图像检测方法和图像检测模型的训练方法、装置 | |
| CN114238611B (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
| CN116204624A (zh) | 应答方法、装置、电子设备及存储介质 | |
| CN113360672B (zh) | 用于生成知识图谱的方法、装置、设备、介质和产品 | |
| CN114201568A (zh) | 信息处理方法、生成方法、装置、电子设备以及存储介质 | |
| CN113806541A (zh) | 情感分类的方法和情感分类模型的训练方法、装置 | |
| CN113128601B (zh) | 分类模型的训练方法和对图像进行分类的方法 | |
| CN114422584B (zh) | 资源的推送方法、设备和存储介质 | |
| CN116383491B (zh) | 信息推荐方法、装置、设备、存储介质和程序产品 | |
| CN113360602B (zh) | 用于输出信息的方法、装置、设备以及存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |