CN116415050A - 信息搜索方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开提供了一种信息搜索方法、装置、电子设备及存储介质，本公开涉及计算机技术领域，具体涉及智能搜索、大数据和深度学习等人工智能技术领域。具体实施方案为：获取搜索词，并预测搜索词对应的目标类簇标识和第一描述信息；获取目标类簇标识所标识的目标类簇中的搜索对象和搜索对象的第二描述信息；确定第一描述信息与第二描述信息之间的相似度，并根据相似度从目标类簇中的搜索对象中，确定搜索词对应的目标搜索对象。通过对搜索词进行处理，从而可以通过搜索词的描述信息和目标类簇标识下的描述信息进行比对，确定搜索词对应的目标搜索对象，可以提升信息搜索的效率，同时通过这种描述信息匹配的方式，还可以提升信息搜索的准确率。

Description

信息搜索方法、装置、电子设备及存储介质

技术领域

本公开涉及计算机技术领域，具体涉及智能搜索、大数据和深度学习等人工智能技术领域，尤其涉及一种信息搜索方法、装置和电子设备及存储介质。

背景技术

信息时代，人们希望从海量的书本、网页、文档中快速地找到自己需要的信息。从大规模的数据中召回候选项，辅以对召回的数据进行置信度打分的重排序，已经成为当前信息检索的主流模式。

对于语义检索任务来说，通常会分为多个阶段，例如，召回阶段、排序阶段。

发明内容

本公开提供了一种用于信息搜索方法、装置、电子设备及存储介质。

根据本公开的第一方面，提供了一种信息搜索方法，包括：获取搜索词，并预测所述搜索词对应的目标类簇标识和第一描述信息；获取所述目标类簇标识所标识的目标类簇中的搜索对象和所述搜索对象的第二描述信息；确定所述第一描述信息与所述第二描述信息之间的相似度，并根据所述相似度从所述目标类簇中的搜索对象中，确定所述搜索词对应的目标搜索对象。

根据本公开的第二方面，提供了一种信息搜索装置，包括：预测模块，用于获取搜索词，并预测所述搜索词对应的目标类簇标识和第一描述信息；获取模块，用于获取所述目标类簇标识所标识的目标类簇中的搜索对象和所述搜索对象的第二描述信息；确定模块，用于确定所述第一描述信息与所述第二描述信息之间的相似度，并根据所述相似度从所述目标类簇中的搜索对象中，确定所述搜索词对应的目标搜索对象。

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上述一方面实施例所述的信息搜索方法。

根据本公开第四方面，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，其上存储有计算机程序/指令，所述计算机指令用于使所述计算机执行上述一方面实施例所述的信息搜索方法。

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/指令，所述计算机程序/指令被处理器执行时实现上述一方面实施例所述的信息搜索方法。

通过对搜索词进行处理，从而可以通过搜索词的描述信息和目标类簇标识下的描述信息进行比对，确定搜索词对应的目标搜索对象，可以提升信息搜索的效率，同时通过这种描述信息匹配的方式，还可以提升信息搜索的准确率。

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信息搜索方法的流程示意图；

图2为本公开实施例提供的另一信息搜索方法的流程示意图；

图3为本公开实施例提供的一种层级结构树的结构示意图；

图4为本公开实施例提供的另一信息搜索方法的流程示意图；

图5为本公开实施例提供的一信息搜索装置的结构示意图；

图6为根据本公开实施例的信息搜索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。

下面参考附图描述本公开实施例的信息搜索方法、装置和电子设备。

人工智能(Artificial Intelligence，简称AI)，是研究使计算机来模拟人生的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术，也有软件层面的技术。人工智能硬件技术一般包括计算机视觉技术、语音识别技术、自然语言处理技术以及及其学习/深度学习、大数据处理技术、知识图谱技术等几大方面。

深度学习(Deep Learning，简称DL)，是机器学习(Machine Learning，简称ML)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能。深度学习是学习样本数据的内在律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。

智能搜索是结合了人工智能技术的新一代搜索引擎。他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。

图1为本公开实施例提供的一种信息搜索方法的流程示意图。

如图1所示，该信息搜索方法，可包括：

S101，获取搜索词，并预测搜索词对应的目标类簇标识和第一描述信息。

需要说明的是，搜索词是用来输入至搜索引擎或者搜索软件中用于对待搜索对象进行搜索的词、句子等，需要说明的是，该句子可以是单句，也可以是多个句子组成的段落，此处不作任何限定。本公开实施例中的搜索对象可为多种，举例来说，可包括文字搜索、图像搜索等，此处不作任何限定，具体可根据实际的设计需要进行限定。

目标类簇标识是指基于搜索词分析出的待搜索对象所属的分类、种类等，可以表示出待搜索对象的属性。第一描述信息是对待搜索对象的特征的具体描述。

在本公开实施例中，可通过对搜索词和预设的信息库进行检索，以获取搜索词对应的目标类簇标识和第一描述信息。需要说明的是，该信息库为所有目标类簇标识和第一描述信息的集合，为提前设定好的，并存储在电子设备的存储空间中，以方便在需要时调取使用。

作为另一种可能实现的方式，还可通过自然语言算法，将搜索词通过自然语言算法生成对应的目标类簇标识和第一描述信息。该自然语言算法可为提前设定好的，并可根据实际的设计需要进行变更，此处不作任何限定。

作为另一种可能实现的方式，还可通过数据提取模型来获取搜索词对应的目标类簇标识和第一描述信息。需要说明的是，该数据提取模型可为提前训练好的，并可存储在电子设备的存储空间中，以方便在需要时调取使用。

S102，获取目标类簇标识所标识的目标类簇中的搜索对象和搜索对象的第二描述信息。

在本公开实施例中，目标聚类簇可下属包含多个搜索对象，该搜索对象可为历史记录中已经完成搜索的对象，也可为提前设定好的搜索对象，此处不作任何限定。

需要说明的是，第二描述信息是对搜索对象的特征的具体描述，该第二描述信息为提前设定好的，并可根据实际的设计需要进行变更，此处不作任何限定。举例来说，可根据历史的搜索记录，对对应的搜索对象的第二描述信息进行更改和增减。

S103，确定第一描述信息与第二描述信息之间的相似度，并根据相似度从目标类簇中的搜索对象中，确定搜索词对应的目标搜索对象。

在获取到第一描述信息与第二描述信息后，可通过自然语言算法计算第一描述信息与第二描述信息之间的相似度。

可选地，还可基于第一描述信息与第二描述信息生成向量信息，然后基于二者的向量信息进行向量匹配召回计算，以确定二者之间的相似度。

在本公开实施例中，在获取到相似度后，可选取相似度最大的搜索对象作为搜索词对应的目标搜索对象。

可选地，还可将相速度与相似度阈值进行比较，选取相似度大于相似度阈值的搜索对象作为搜索词对应的目标搜索对象。

在本公开实施例中，首先获取搜索词，并预测所述搜索词对应的目标类簇标识和第一描述信息，然后获取所述目标类簇标识所标识的目标类簇中的搜索对象和所述搜索对象的第二描述信息，最后确定所述第一描述信息与所述第二描述信息之间的相似度，并根据所述相似度从所述目标类簇中的搜索对象中，确定所述搜索词对应的目标搜索对象。通过对搜索词进行处理，从而可以通过搜索词的描述信息和目标类簇标识下的描述信息进行比对，确定搜索词对应的目标搜索对象，可以提升信息搜索的效率，同时通过这种描述信息匹配的方式，还可以提升信息搜索的准确率。

在本公开实施例中，获取目标类簇标识所标识的目标类簇中的搜索对象和搜索对象的第二描述信息，可首先基于目标类簇标识在层级结构树中进行定位，确定目标类簇，然后获取目标类簇中的搜索对象的节点信息，从节点信息中确定第二描述信息。由此，通过目标类簇标识在层级结构树中进行定位，可以快速获取搜索对象和搜索对象的第二描述信息，相较于传统的搜索方法，更加快速准确。

需要说明的是，预测搜索词对应的目标类簇和第一描述信息，可首先对搜索词进行编码，获取搜索词的第一编码向量，然后基于第一编码向量进行解码，得到搜索词的目标类簇标识和第一描述信息。由此，通过对搜索词进行编码和解码，既可以方便进行信息的比对，又可以快捷的获取搜索词中的关键信息，可以大大提升搜索的速度。

上述实施例中，获取搜索词，并预测搜索词对应的目标类簇标识和第一描述信息之前，还可通过图2进一步解释，该方法包括：

S201，对数据库中的搜索对象进行编码，得到搜索对象的第一编码向量。

需要说明的是，数据库为包含有搜索对象的信息库集合，数据库中的搜索对象可为历史搜索中的数据，也可为人工输入的，此处不作任何限定。

在本公开实施例中，可通过编码程序对数据库中的搜索对象进行编码，以获取搜索对象的第一编码向量。该编码程序为提前设计好的，并存储在电子设备的存储空间中，以方便在需要时调取使用。

S202，对第一编码向量进行层次聚类处理，得到不同的类簇和类簇之间的层级关系。

需要说明的是，在获取到搜索对象的第一编码向量后，可通过对第一编码向量进行聚类，并根据聚类结果确定不同的类簇。需要说明的是，层级关系即为第一编码向量与类簇的所属关系。

类簇可以为多个，也可为一个。此处不作任何限定。举例来说，在对搜索对象的第一编码向量进行聚类后，可得到1、2、3三个类簇，每个类簇下又包含有多个标识，例如，类簇1下包含11、12两个搜索对象的标识，类簇2下包含21、22、23三个搜索对象的标识。

S203，确定类簇的标识和搜索对象的标识。

在本公开实施例中，类簇的标识和搜索对象的标识为提前设定好的，并可根据实际的设计需要进行变更，此处不作任何限定。

可选地，可根据每个类簇的层级和同一层级内的类簇数量，确定每个类簇的标识，基于搜索对象所属类簇的标识和类簇中对象的数量，确定搜索对象的标识。

举例来说，类簇的标识可为1、2、3，类簇1下包含11、12两个搜索对象的标识，类簇2下包含21、22、23三个搜索对象的标识。

S204，以类簇为父节点和搜索对象为叶子节点，按照层级关系构建层级结构树。

在获取到类簇的标识和搜索对象的标识后，可根据层级关系构建层级结构树，举例来说，如图3所示，其中最上一层为输入层，第二层为聚类层，第三层为搜索对象层，其中聚类层包括1、2、3三个类簇标识，类簇1下包含11、12两个搜索对象的标识，类簇2下包含21、22、23三个搜索对象的标识。

在本公开实施例中，首先对数据库中的搜索对象进行编码，得到搜索对象的第一编码向量，然后对第一编码向量进行层次聚类处理，得到不同的类簇和类簇之间的层级关系，而后确定类簇的标识和搜索对象的标识，最后以类簇为父节点和搜索对象为叶子节点，按照层级关系构建层级结构树。由此，通过对搜索对象进行编码和聚类，以生成具有层级关系的结构树，可以为后续的信息搜索提供数据基础，提升数据搜索的效率。

需要说明的是，还可根据第一编码向量确定搜索对象的第二描述信息，并在搜索对象的叶子节点中携带第二描述信息。由此，通过确定第二描述信息，既可以将类簇下的各个搜索对象进行区分，方便进行存储和管理，同时也为后续的信息搜索提供数据基础，提升信息搜索的效率。

上述实施例中，以类簇和搜索对象为节点，按照层级关系构建层级结构树之后，还可通过图4进一步解释，该方法包括：

S401，获取待更新的搜索对象，并获取待更新的搜索对象进行编码，得到待更新的搜索对象的第一编码向量。

在本公开实施例中，待更新的搜索对象可以为搜索成功的搜索对象，也可为人工进行输入的数据。举例来说，以地图更新为例，该待更新的搜索对象可以为一个新增的建筑或者街道，或者一处变更了的公司等。

可通过对待更新的搜索对象的搜索词进行编码，以获取待更新的搜索对象的第一编码向量。

S402，基于待更新的搜索对象的第一编码向量，确定层级结构树中待更新的搜索对象所属的父节点。

在获取到第一编码向量后，可通过第一编码向量进行解析，以确定层级结构树中与第一编码向量对应的父节点。

在本公开实施例中，可通过对待更新的搜索对象的第一编码向量进行层次聚类处理，确定待更新的搜索对象所属的末级类簇，然后从层级结构树中确定待更新的搜索对象所属的末级类簇对应的节点，作为待更新的搜索对象所属的父节点。需要说明的是，末级类簇是指待更新的搜索对象所处的最小单位的聚类簇，通过确定末级类簇，可以更加准确的对待更新的搜索对象进行定位，提升层级结构树更新的准确性。

S403，基于待更新的搜索对象的更新指令，对父节点下的叶子节点进行更新。

需要说明的是，更新指令可为多种，举例来说，更新指令可为增加指令、删除指令、修改指令等，此处不作任何限定。

需要说明的是，由于存在父节点中可能存在与搜索对象对应的叶子节点情况，因此，如果更新指令为增加指令时，还需要通过待更新的搜索对象进行判断，如果已经存在，则进行更新，如果不存在，则不进行更新。

在本公开实施例中，首先获取待更新的搜索对象，并获取待更新的搜索对象进行编码，得到待更新的搜索对象的第一编码向量，然后基于待更新的搜索对象的第一编码向量，确定层级结构树中待更新的搜索对象所属的父节点，最后基于待更新的搜索对象的更新指令，对父节点下的叶子节点进行更新。由此，通过对层级结构树进行更新，可以实现搜索时的数据的准确性。

在本公开实施例中，若更新指令为增加指令，将待更新的搜索对象作为新的叶子节点添加至父节点中，若更新指令为删除指令，从父节点中删除待更新的搜索对象的叶子节点。由此，通过确定更新指令类型，确定具体的操作，可以提升层级结构树更新的准确性。

与上述几种实施例提供的信息搜索方法相对应，本公开的一个实施例还提供了一种信息搜索装置，由于本公开实施例提供的信息搜索装置与上述几种实施例提供的信息搜索方法相对应，因此上述信息搜索方法的实施方式也适用于本公开实施例提供的信息搜索装置，在下述实施例中不再详细描述。

图5为本公开实施例提供的一种信息搜索装置的结构示意图。该信息搜索装置500包括：预测模块510、获取模块520、确定模块530。

其中，预测模块510，用于获取搜索词，并预测搜索词对应的目标类簇标识和第一描述信息。

获取模块520，用于获取目标类簇标识所标识的目标类簇中的搜索对象和搜索对象的第二描述信息。

确定模块530，用于确定第一描述信息与第二描述信息之间的相似度，并根据相似度从目标类簇中的搜索对象中，确定搜索词对应的目标搜索对象。

在本公开的一个实施例中，预测模块510，还用于：对数据库中的搜索对象进行编码，得到搜索对象的第一编码向量；对第一编码向量进行层次聚类处理，得到不同的类簇和类簇之间的层级关系；确定类簇的标识和搜索对象的标识；以类簇为父节点和搜索对象为叶子节点，按照层级关系构建层级结构树。

在本公开的一个实施例中，获取模块520，还用于：根据第一编码向量确定搜索对象的第二描述信息，并在搜索对象的叶子节点中携带第二描述信息。

在本公开的一个实施例中，预测模块510，还用于：获取待更新的搜索对象，并获取待更新的搜索对象进行编码，得到待更新的搜索对象的第一编码向量；基于待更新的搜索对象的第一编码向量，确定层级结构树中待更新的搜索对象所属的父节点；基于待更新的搜索对象的更新指令，对父节点下的叶子节点进行更新。

在本公开的一个实施例中，预测模块510，还用于：若更新指令为增加指令，将待更新的搜索对象作为新的叶子节点添加至父节点中；若更新指令为删除指令，从父节点中删除待更新的搜索对象的叶子节点。

在本公开的一个实施例中，预测模块510，还用于：对待更新的搜索对象的第一编码向量进行层次聚类处理，确定待更新的搜索对象所属的末级类簇；从层级结构树中确定待更新的搜索对象所属的末级类簇对应的节点，作为待更新的搜索对象所属的父节点。

在本公开的一个实施例中，获取模块520，还用于：基于目标类簇标识在层级结构树中进行定位，确定目标类簇；获取目标类簇中的搜索对象的节点信息，从节点信息中确定第二描述信息。

在本公开的一个实施例中，获取模块520，还用于：对搜索词进行编码，获取搜索词的第一编码向量；基于第一编码向量进行解码，得到搜索词的目标类簇标识和第一描述信息。

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。

图6示出了可以用来实施本公开的实施例的示例电子设备600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6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序/指令或者从存储单元606载到随机访问存储器(RAM)603中的计算机程序/指令，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

设备600中的多个部件连接至I/O接口605，包括：输入单元606如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600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601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601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601执行上文所描述的各个方法和处理，例如信息搜索方法。例如，在一些实施例中，信息搜索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606些实施例中，计算机程序/指令的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序/指令加载到RAM 603并由计算单元601执行时，可以执行上文描述的信息搜索方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行信息搜索方法。

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、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)、负载可编程逻辑设备(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/指令中，该一个或者多个计算机程序/指令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、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)、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/指令来产生客户端和服务器的关系。服务器可以是云服务器，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，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 (19)

1.一种信息搜索方法，其中，包括：

获取搜索词，并预测所述搜索词对应的目标类簇标识和第一描述信息；

获取所述目标类簇标识所标识的目标类簇中的搜索对象和所述搜索对象的第二描述信息；

确定所述第一描述信息与所述第二描述信息之间的相似度，并根据所述相似度从所述目标类簇中的搜索对象中，确定所述搜索词对应的目标搜索对象。

2.根据权利要求1所述的方法，其中，所述获取搜索词，并预测所述搜索词对应的目标类簇标识和第一描述信息之前，还包括：

对数据库中的搜索对象进行编码，得到所述搜索对象的第一编码向量；

对所述第一编码向量进行层次聚类处理，得到不同的类簇和类簇之间的层级关系；

确定所述类簇的标识和所述搜索对象的标识；

以所述类簇为父节点和所述搜索对象为叶子节点，按照所述层级关系构建所述层级结构树。

3.根据权利要求2所述的方法，其中，所述方法还包括：

根据所述第一编码向量确定所述搜索对象的第二描述信息，并在所述搜索对象的叶子节点中携带所述第二描述信息。

4.根据权利要求2或3所述的方法，其中，所述以所述类簇和所述搜索对象为节点，按照所述层级关系构建所述层级结构树之后，还包括：

获取待更新的搜索对象，并获取所述待更新的搜索对象进行编码，得到所述待更新的搜索对象的第一编码向量；

基于所述待更新的搜索对象的第一编码向量，确定所述层级结构树中所述待更新的搜索对象所属的父节点；

基于所述待更新的搜索对象的更新指令，对所述父节点下的叶子节点进行更新。

5.根据权利要求4所述的方法，其中，所述基于所述待更新的搜索对象的更新指令，对所述父节点下的叶子节点进行更新，包括：

若所述更新指令为增加指令，将所述待更新的搜索对象作为新的叶子节点添加至所述父节点中；

若所述更新指令为删除指令，从所述父节点中删除所述待更新的搜索对象的叶子节点。

6.根据权利要求4所述的方法，其中，所述基于所述待更新的搜索对象的第一编码向量，确定所述层级结构树中所述待更新的搜索对象所属的父节点，包括：

对所述待更新的搜索对象的第一编码向量进行层次聚类处理，确定所述待更新的搜索对象所属的末级类簇；

从所述层级结构树中确定所述待更新的搜索对象所属的末级类簇对应的节点，作为所述待更新的搜索对象所属的父节点。

7.根据权利要求3所述的方法，其中，所述获取所述目标类簇标识所标识的目标类簇中的搜索对象和所述搜索对象的第二描述信息，包括：

基于所述目标类簇标识在所述层级结构树中进行定位，确定所述目标类簇；

获取所述目标类簇中的搜索对象的节点信息，从所述节点信息中确定所述第二描述信息。

8.根据权利要求1-3中任一项所述的方法，其中，所述预测所述搜索词对应的目标类簇和第一描述信息，包括：

对所述搜索词进行编码，获取所述搜索词的第一编码向量；

基于所述第一编码向量进行解码，得到所述搜索词的目标类簇标识和第一描述信息。

9.一种信息搜索装置，包括：

预测模块，用于获取搜索词，并预测所述搜索词对应的目标类簇标识和第一描述信息；

获取模块，用于获取所述目标类簇标识所标识的目标类簇中的搜索对象和所述搜索对象的第二描述信息；

确定模块，用于确定所述第一描述信息与所述第二描述信息之间的相似度，并根据所述相似度从所述目标类簇中的搜索对象中，确定所述搜索词对应的目标搜索对象。

10.根据权利要求9所述的装置，其中，所述预测模块，还用于：

对数据库中的搜索对象进行编码，得到所述搜索对象的第一编码向量；

对所述第一编码向量进行层次聚类处理，得到不同的类簇和类簇之间的层级关系；

确定所述类簇的标识和所述搜索对象的标识；

以所述类簇为父节点和所述搜索对象为叶子节点，按照所述层级关系构建所述层级结构树。

11.根据权利要求2所述的装置，其中，所述获取模块，还用于：

根据所述第一编码向量确定所述搜索对象的第二描述信息，并在所述搜索对象的叶子节点中携带所述第二描述信息。

12.根据权利要求10或11所述的装置，其中，所述预测模块，还用于：

获取待更新的搜索对象，并获取所述待更新的搜索对象进行编码，得到所述待更新的搜索对象的第一编码向量；

基于所述待更新的搜索对象的第一编码向量，确定所述层级结构树中所述待更新的搜索对象所属的父节点；

基于所述待更新的搜索对象的更新指令，对所述父节点下的叶子节点进行更新。

13.根据权利要求12所述的装置，其中，所述预测模块，还用于：

若所述更新指令为增加指令，将所述待更新的搜索对象作为新的叶子节点添加至所述父节点中；

若所述更新指令为删除指令，从所述父节点中删除所述待更新的搜索对象的叶子节点。

14.根据权利要求12所述的装置，其中，所述预测模块，还用于：

对所述待更新的搜索对象的第一编码向量进行层次聚类处理，确定所述待更新的搜索对象所属的末级类簇；

从所述层级结构树中确定所述待更新的搜索对象所属的末级类簇对应的节点，作为所述待更新的搜索对象所属的父节点。

15.根据权利要求11所述的装置，其中，所述获取模块，还用于：

基于所述目标类簇标识在所述层级结构树中进行定位，确定所述目标类簇；

获取所述目标类簇中的搜索对象的节点信息，从所述节点信息中确定所述第二描述信息。

16.根据权利要求9-11中任一项所述的装置，其中，所述获取模块，还用于：

对所述搜索词进行编码，获取所述搜索词的第一编码向量；

基于所述第一编码向量进行解码，得到所述搜索词的目标类簇标识和第一描述信息。

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中任一项所述的信息搜索方法。

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中任一项所述的信息搜索方法。

19.一种计算机程序产品，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，执行时实现权利要求1-8中任一项所述的信息搜索方法。

Images