CN117540062B - 基于知识图谱的检索模型推荐方法及装置 - Google Patents
基于知识图谱的检索模型推荐方法及装置 Download PDFInfo
- Publication number
- CN117540062B CN117540062B CN202410032625.XA CN202410032625A CN117540062B CN 117540062 B CN117540062 B CN 117540062B CN 202410032625 A CN202410032625 A CN 202410032625A CN 117540062 B CN117540062 B CN 117540062B
- Authority
- CN
- China
- Prior art keywords
- retrieval
- model
- search
- target
- matching degree
- 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 48
- 238000012216 screening Methods 0.000 claims description 30
- 230000006870 function Effects 0.000 claims description 23
- 238000010276 construction Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 description 19
- 238000001228 spectrum Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 3
- 238000010183 spectrum analysis Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及人工智能技术领域,公开了一种基于知识图谱的检索模型推荐方法及装置,该方法包括:获取多个检索模型以及目标平台对应的知识图谱;基于知识图谱,分析预先获取到的问题信息,得到问题信息对应的问题分析结果;对于每个检索模型,基于该检索模型针对问题信息进行检索,得到该检索模型对应的检索结果;根据问题分析结果和所有检索模型对应的检索结果,确定目标平台对应的目标检索模型。可见,实施本发明能够提高检索模型的推荐准确性,有利于提高平台的检索准确性,以提高用户对于检索模型的使用体验感。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种基于知识图谱的检索模型推荐方法及装置。
背景技术
随着人工智能技术的发展,检索模型广泛应用于各个领域,例如:搜索引擎、自然语言处理等领域,使用检索模型能够快速高效地对大量数据进行搜索、分析。
在实际应用中,行业内有多种检索模型可供用户使用,然而,并不是每一种检索模型的性能、适用领域都符合用户的需求。因此,提出一种能够提高检索模型的推荐准确性,以提高用户对于检索模型的使用体验感的技术方案显得尤为重要。
发明内容
本发明所要解决的技术问题在于,提供一种基于知识图谱的检索模型推荐方法及装置,能够提高检索模型的推荐准确性,有利于提高用户对于检索模型的使用体验感。
为了解决上述技术问题,本发明第一方面公开了一种基于知识图谱的检索模型推荐方法,所述方法包括:
获取多个检索模型以及目标平台对应的知识图谱;
基于所述知识图谱,分析预先获取到的问题信息,得到所述问题信息对应的问题分析结果;
对于每个所述检索模型,基于该检索模型针对所述问题信息进行检索,得到该检索模型对应的检索结果;
根据所述问题分析结果和所有所述检索模型对应的检索结果,确定所述目标平台对应的目标检索模型。
作为一种可选的实施方式,在本发明第一方面中,所述方法还包括:
根据获取到的所述目标平台对应的平台信息,分析所述目标平台对应的用户画像,所述平台信息包括用户信息、业务信息和热点话题信息中的一种或多种的组合;
以及,所述基于所述知识图谱,分析预先获取到的问题信息,得到所述问题信息对应的问题分析结果,包括:
分析所述知识图谱,得到所述知识图谱对应的图谱信息,所述知识图谱对应的图谱信息包括所述知识图谱对应的至少一种知识类型;
根据所述平台信息和所述用户画像,从所有所述知识类型中确定所述目标平台对应的目标知识类型;
根据所述用户画像和所述目标知识类型,分析预先获取到的问题信息,得到所述问题信息对应的问题分析结果,所述问题分析结果包括问题类型、问题场景和问题关键词集合中的至少一种,所述问题关键词集合包括至少一个问题关键词。
作为一种可选的实施方式,在本发明第一方面中,每个所述检索模型对应有多个模型版本,且每个所述检索模型在每个所述模型版本对应有不同的模型参数;
其中,所述对于每个所述检索模型,基于该检索模型针对所述问题信息进行检索,得到该检索模型对应的检索结果,包括:
对于每个所述检索模型,基于该检索模型对应的每个所述模型版本针对所述问题信息进行检索,得到该检索模型在每个所述模型版本对应的版本检索结果;
对于每个所述检索模型,比对该检索模型对应的所有所述版本检索结果,得到该检索模型对应的检索比对结果;
对于每个所述检索模型,根据所述检索比对结果,从所有所述版本检索结果中筛选出满足预设检索条件的版本检索结果作为该检索模型对应的检索结果。
作为一种可选的实施方式,在本发明第一方面中,所述根据所述问题分析结果和所有所述检索模型对应的检索结果,确定所述目标平台对应的目标检索模型,包括:
对于每个所述检索模型,根据该检索模型对应的检索结果,分析该检索模型与所述问题分析结果之间的检索匹配度,所述检索匹配度用于表示该检索模型对应的检索结果与所述问题分析结果之间的匹配程度;
根据所有所述检索匹配度,确定满足预设匹配条件的目标匹配度;
根据所述目标匹配度对应的检索模型,确定所述目标平台对应的目标检索模型。
作为一种可选的实施方式,在本发明第一方面中,所述对于每个所述检索模型,根据该检索模型对应的检索结果,分析该检索模型与所述问题分析结果之间的检索匹配度,包括:
根据所述问题分析结果,确定所述问题分析结果对应的至少一个分析结果组以及每个所述分析结果组对应的分析权重,每个所述分析结果组包括所述问题分析结果中的至少一个问题分析子结果;
对于每个所述检索模型,分析该检索模型对应的检索结果与每个所述分析结果组之间的第一匹配度,所述第一匹配度包括知识类型匹配度、语义匹配度、词性匹配度和实体关系匹配度中的一种或多种的组合;
对于每个所述检索模型,根据该检索模型对应的所有所述第一匹配度和每个所述分析结果组对应的分析权重,确定该检索模型对应的第二匹配度;
对于每个所述检索模型,将该检索模型对应的第二匹配度确定为该检索模型与所述问题分析结果之间的检索匹配度。
作为一种可选的实施方式,在本发明第一方面中,每个所述检索模型包括多个检索组件;
其中,所述方法还包括:
基于多个所述检索模型对应的检索组件,构建组合检索模型;
基于所述组合检索模型针对所述问题信息进行检索,得到所述组合检索模型对应的组合检索结果;
根据所述组合检索模型对应的组合检索结果,分析所述组合检索模型与所述问题分析结果之间的组合检索匹配度;
以及,所述根据所有所述检索匹配度,确定满足预设匹配条件的目标匹配度,包括:
从所有所述检索匹配度和所述组合检索匹配度中筛选出大于或等于预设匹配度的目标匹配度。
作为一种可选的实施方式,在本发明第一方面中,所述基于多个所述检索模型对应的检索组件,构建组合检索模型,包括:
对于每个所述检索模型,确定该检索模型的每个所述检索组件对应的功能信息;
对于每个所述检索模型,根据所有所述功能信息,从该检索模型的所有所述检索组件中筛选出该检索模型对应的关键检索组件;
对于每个所述检索模型,根据所有所述关键检索组件对应的功能信息,评估该检索模型对应的关键检索组件与其余检索模型对应的关键检索组件之间的组件关联度,所述组件关联度包括组件衔接关联度和/或组件功能关联度;
根据所有所述组件关联度,从所有所述关键检索组件中筛选出满足预设组合条件的多个目标检索组件;
对于每个所述目标检索组件,根据该目标检索组件对应的组件关联度和该目标检索组件对应的组件参数,调整该目标检索组件对应的组件参数;
基于所有所述目标检索组件以及调整后的每个所述目标检索组件对应的组件参数,构建组合检索模型。
本发明第二方面公开了一种基于知识图谱的检索模型推荐装置,所述装置包括:
获取模块,用于获取多个检索模型以及目标平台对应的知识图谱;
分析模块,用于基于所述知识图谱,分析预先获取到的问题信息,得到所述问题信息对应的问题分析结果;
检索模块,用于对于每个所述检索模型,基于该检索模型针对所述问题信息进行检索,得到该检索模型对应的检索结果;
确定模块,用于根据所述问题分析结果和所有所述检索模型对应的检索结果,确定所述目标平台对应的目标检索模型。
作为一种可选的实施方式,在本发明第二方面中,所述分析模块,还用于根据获取到的所述目标平台对应的平台信息,分析所述目标平台对应的用户画像,所述平台信息包括用户信息、业务信息和热点话题信息中的一种或多种的组合;
以及,所述分析模块基于所述知识图谱,分析预先获取到的问题信息,得到所述问题信息对应的问题分析结果的具体方式包括:
分析所述知识图谱,得到所述知识图谱对应的图谱信息,所述知识图谱对应的图谱信息包括所述知识图谱对应的至少一种知识类型;
根据所述平台信息和所述用户画像,从所有所述知识类型中确定所述目标平台对应的目标知识类型;
根据所述用户画像和所述目标知识类型,分析预先获取到的问题信息,得到所述问题信息对应的问题分析结果,所述问题分析结果包括问题类型、问题场景和问题关键词集合中的至少一种,所述问题关键词集合包括至少一个问题关键词。
作为一种可选的实施方式,在本发明第二方面中,每个所述检索模型对应有多个模型版本,且每个所述检索模型在每个所述模型版本对应有不同的模型参数;
其中,所述检索模块对于每个所述检索模型,基于该检索模型针对所述问题信息进行检索,得到该检索模型对应的检索结果的具体方式包括:
对于每个所述检索模型,基于该检索模型对应的每个所述模型版本针对所述问题信息进行检索,得到该检索模型在每个所述模型版本对应的版本检索结果;
对于每个所述检索模型,比对该检索模型对应的所有所述版本检索结果,得到该检索模型对应的检索比对结果;
对于每个所述检索模型,根据所述检索比对结果,从所有所述版本检索结果中筛选出满足预设检索条件的版本检索结果作为该检索模型对应的检索结果。
作为一种可选的实施方式,在本发明第二方面中,所述确定模块根据所述问题分析结果和所有所述检索模型对应的检索结果,确定所述目标平台对应的目标检索模型的具体方式包括:
对于每个所述检索模型,根据该检索模型对应的检索结果,分析该检索模型与所述问题分析结果之间的检索匹配度,所述检索匹配度用于表示该检索模型对应的检索结果与所述问题分析结果之间的匹配程度;
根据所有所述检索匹配度,确定满足预设匹配条件的目标匹配度;
根据所述目标匹配度对应的检索模型,确定所述目标平台对应的目标检索模型。
作为一种可选的实施方式,在本发明第二方面中,所述确定模块对于每个所述检索模型,根据该检索模型对应的检索结果,分析该检索模型与所述问题分析结果之间的检索匹配度的具体方式包括:
根据所述问题分析结果,确定所述问题分析结果对应的至少一个分析结果组以及每个所述分析结果组对应的分析权重,每个所述分析结果组包括所述问题分析结果中的至少一个问题分析子结果;
对于每个所述检索模型,分析该检索模型对应的检索结果与每个所述分析结果组之间的第一匹配度,所述第一匹配度包括知识类型匹配度、语义匹配度、词性匹配度和实体关系匹配度中的一种或多种的组合;
对于每个所述检索模型,根据该检索模型对应的所有所述第一匹配度和每个所述分析结果组对应的分析权重,确定该检索模型对应的第二匹配度;
对于每个所述检索模型,将该检索模型对应的第二匹配度确定为该检索模型与所述问题分析结果之间的检索匹配度。
作为一种可选的实施方式,在本发明第二方面中,每个所述检索模型包括多个检索组件;
其中,所述装置还包括:
构建模块,用于基于多个所述检索模型对应的检索组件,构建组合检索模型;
所述检索模块,还用于基于所述组合检索模型针对所述问题信息进行检索,得到所述组合检索模型对应的组合检索结果;
所述分析模块,还用于根据所述组合检索模型对应的组合检索结果,分析所述组合检索模型与所述问题分析结果之间的组合检索匹配度;
以及,所述确定模块根据所有所述检索匹配度,确定满足预设匹配条件的目标匹配度的具体方式包括:
从所有所述检索匹配度和所述组合检索匹配度中筛选出大于或等于预设匹配度的目标匹配度。
作为一种可选的实施方式,在本发明第二方面中,所述构建模块基于多个所述检索模型对应的检索组件,构建组合检索模型的具体方式包括:
对于每个所述检索模型,确定该检索模型的每个所述检索组件对应的功能信息;
对于每个所述检索模型,根据所有所述功能信息,从该检索模型的所有所述检索组件中筛选出该检索模型对应的关键检索组件;
对于每个所述检索模型,根据所有所述关键检索组件对应的功能信息,评估该检索模型对应的关键检索组件与其余检索模型对应的关键检索组件之间的组件关联度,所述组件关联度包括组件衔接关联度和/或组件功能关联度;
根据所有所述组件关联度,从所有所述关键检索组件中筛选出满足预设组合条件的多个目标检索组件;
对于每个所述目标检索组件,根据该目标检索组件对应的组件关联度和该目标检索组件对应的组件参数,调整该目标检索组件对应的组件参数;
基于所有所述目标检索组件以及调整后的每个所述目标检索组件对应的组件参数,构建组合检索模型。
本发明第三方面公开了另一种基于知识图谱的检索模型推荐装置,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明第一方面公开的基于知识图谱的检索模型推荐方法。
本发明第四方面公开了一种计算机存储介质,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行本发明第一方面公开的基于知识图谱的检索模型推荐方法。
与现有技术相比,本发明实施例具有以下有益效果:
本发明实施例中,获取多个检索模型以及目标平台对应的知识图谱;基于知识图谱,分析预先获取到的问题信息,得到问题信息对应的问题分析结果;对于每个检索模型,基于该检索模型针对问题信息进行检索,得到该检索模型对应的检索结果;根据问题分析结果和所有检索模型对应的检索结果,确定目标平台对应的目标检索模型。可见,实施本发明能够获取多个检索模型和目标平台对应的知识图谱,并基于该知识图谱分析问题信息得到相应的问题分析结果,以及基于每个检索模型针对问题信息进行检索,得到每个检索模型对应的检索结果,再根据问题分析结果和所有检索模型对应的检索结果确定出目标平台对应的目标检索模型,实现了基于知识图谱向平台智能化推荐检索模型,能够基于知识图谱分析问题信息,提高问题信息的分析准确性和分析结果准确性,以及基于多个检索模型对同一问题信息进行检索得到各检索模型对应的检索结果,能够提高检索结果的可靠性和准确性,从而提高对于所有检索模型的分析准确性,有利于在综合考虑准确的问题分析结果和各检索模型对应的准确检索结果的基础上确定出更适合平台的检索模型,进而有利于提高检索模型的推荐准确性,有利于提高平台的检索准确性,以提高平台用户使用检索模型或使用检索模型相关的平台功能的使用体验感,从而提高用户对平台的使用满意度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种基于知识图谱的检索模型推荐方法的流程示意图;
图2是本发明实施例公开的另一种基于知识图谱的检索模型推荐方法的流程示意图;
图3是本发明实施例公开的一种基于知识图谱的检索模型推荐装置的结构示意图;
图4是本发明实施例公开的另一种基于知识图谱的检索模型推荐装置的结构示意图;
图5是本发明实施例公开的又一种基于知识图谱的检索模型推荐装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种基于知识图谱的检索模型推荐方法及装置,能够获取多个检索模型和目标平台对应的知识图谱,并基于该知识图谱分析问题信息得到相应的问题分析结果,以及基于每个检索模型针对问题信息进行检索,得到每个检索模型对应的检索结果,再根据问题分析结果和所有检索模型对应的检索结果确定出目标平台对应的目标检索模型,实现了基于知识图谱向平台智能化推荐检索模型,能够基于知识图谱分析问题信息,提高问题信息的分析准确性和分析结果准确性,以及基于多个检索模型对同一问题信息进行检索得到各检索模型对应的检索结果,能够提高检索结果的可靠性和准确性,从而提高对于所有检索模型的分析准确性,有利于在综合考虑准确的问题分析结果和各检索模型对应的准确检索结果的基础上确定出更适合平台的检索模型,进而有利于提高检索模型的推荐准确性,有利于提高平台的检索准确性,以提高平台用户使用检索模型或使用检索模型相关的平台功能的使用体验感,从而提高用户对平台的使用满意度。以下分别进行详细说明。
实施例一
请参阅图1,图1是本发明实施例公开的一种基于知识图谱的检索模型推荐方法的流程示意图。其中,图1所描述基于知识图谱的检索模型推荐方法可以应用于基于知识图谱的检索模型推荐装置中,该装置可以包括推荐设备、推荐终端、推荐系统和服务器中的一种,其中,服务器可以包括本地服务器或者云服务器,本发明实施例不做限定,该方法也可以应用于需要基于检索模型进行开发的应用程序、系统和平台中的一种,本发明实施例不做限定。如图1所示,该基于知识图谱的检索模型推荐方法可以包括以下操作:
101、获取多个检索模型以及目标平台对应的知识图谱。
本发明实施例中,目标平台可以为企业、互联网社群、互联网平台和软件产品中的一种,本发明实施例不做限定。
102、基于知识图谱,分析预先获取到的问题信息,得到问题信息对应的问题分析结果。
本发明实施例中,问题信息可以包括由一条或多条问题数据组成的问题数据集,本发明实施例不做限定;其中,问题数据可以为文本数据、图片数据和语音数据中的一种或多种的组合,本发明实施例不做限定;其中,问题信息对应的问题分析结果可以包括每条问题数据对应的问题分析结果,也可以包括多条问题数据组合对应的问题分析结果,本发明实施例不做限定。
103、对于每个检索模型,基于该检索模型针对问题信息进行检索,得到该检索模型对应的检索结果。
本发明实施例中,每个检索模型对应的检索结果为每个检索模型针对问题信息的检索结果,且每个检索模型针对问题信息的检索结果可以包括多个候选检索结果,每个候选检索结果可以包括文本检索结果、图片检索结果和语音检索结果中的一种或多种的组合,本发明实施例不做限定。
104、根据问题分析结果和所有检索模型对应的检索结果,确定目标平台对应的目标检索模型。
本发明实施例中,目标平台对应的目标检索模型为向目标平台推荐的检索模型。
需要说明的是,步骤102与步骤103没有先后关系,即步骤102可以发生在步骤103之前或之后或者与步骤103同时发生,本发明实施例不做限定。
可见,实施本发明实施例所描述的方法能够获取多个检索模型和目标平台对应的知识图谱,并基于该知识图谱分析问题信息得到相应的问题分析结果,以及基于每个检索模型针对问题信息进行检索,得到每个检索模型对应的检索结果,再根据问题分析结果和所有检索模型对应的检索结果确定出目标平台对应的目标检索模型,实现了基于知识图谱向平台智能化推荐检索模型,能够基于知识图谱分析问题信息,提高问题信息的分析准确性和分析结果准确性,以及基于多个检索模型对同一问题信息进行检索得到各检索模型对应的检索结果,能够提高检索结果的可靠性和准确性,从而提高对于所有检索模型的分析准确性,有利于在综合考虑准确的问题分析结果和各检索模型对应的准确检索结果的基础上确定出更适合平台的检索模型,进而有利于提高检索模型的推荐准确性,有利于提高平台的检索准确性,以提高平台用户使用检索模型或使用检索模型相关的平台功能的使用体验感,从而提高用户对平台的使用满意度。
在一个可选的实施例中,该方法还可以包括以下操作:
根据获取到的目标平台对应的平台信息,分析目标平台对应的用户画像,平台信息包括用户信息、业务信息和热点话题信息中的一种或多种的组合。
其中,目标平台对应的用户信息可以包括目标平台的用户的身份信息、用户在目标平台的操作记录和用户在目标平台的偏好信息中的一种或多种的组合,目标平台对应的业务信息可以包括目标平台对应的业务类型、目标平台对应的业务记录和目标平台对应的每种业务类型对应的业务数量中的一种或多种的组合,目标平台对应的热点话题信息可以包括目标平台对应的热点排行榜信息和/或目标平台对应的热点关键词集合,其中,目标平台对应的热点关键词集合可以包括在第一预设时长段内在目标平台上讨论频次大于预设频次的至少一个关键词,本发明实施例不做限定;其中,平台信息还可以包括平台主题,本发明实施例不做限定。
可见,该可选的实施例能够基于目标平台对应的平台信息分析得到目标平台所对应的用户画像,能够将平台用户的用户形象具体化,从而有利于了解用户在目标平台的检索需求,进而有利于向平台推荐更符合用户需求的检索模型。
在该可选的实施例中,可选的,基于知识图谱,分析预先获取到的问题信息,得到问题信息对应的问题分析结果,可以包括以下操作:
分析知识图谱,得到知识图谱对应的图谱信息,知识图谱对应的图谱信息包括知识图谱对应的至少一种知识类型;
根据平台信息和用户画像,从所有知识类型中确定目标平台对应的目标知识类型;
根据用户画像和目标知识类型,分析预先获取到的问题信息,得到问题信息对应的问题分析结果,问题分析结果包括问题类型、问题场景和问题关键词集合中的至少一种,问题关键词集合包括至少一个问题关键词。
其中,目标平台对应的目标知识类型为可以为在目标平台的讨论度大于预设讨论度的知识类型或者与目标平台的平台主题的相关度高于预设相关度的知识类型,本发明实施例不做限定。
其中,每种知识类型对应的知识图谱可以包括该种知识类型的信息以及该种信息所对应的多种实体之间的关系;示例性的,知识类型可以包括电商类型、社交类型、艺术类型、地图类型和其他知识类型中的一种,本发明实施例不做限定。
其中,示例性的,若问题信息包括文本数据,则问题信息对应的问题场景可以包括文本所描述的情景场景;若问题信息包括图片数据,则问题信息对应的问题场景可以包括图片内容中的自然场景或者情景场景;若问题信息包括语音数据,则问题信息对应的问题场景可以为语音对话中的对话场景或者采集语音数据时所处的场景,本发明实施例不做限定。
可见,该可选的实施例还能够通过分析平台对应的知识图谱得到知识图谱对应的图谱信息,根据平台信息和用户画像从知识图谱所对应的所有知识类型中确定出目标平台对应的目标知识类型,并根据用户画像和目标知识类型,分析问题信息并得到相应的问题分析结果,能够提高平台知识图谱的分析准确性,从而有利于提高平台所侧重关注的知识类型的确定准确性,有利于提高问题信息的分析准确性,以向平台推荐更符合用户需求以及平台所侧重关注的内容信息的检索模型,进而提高检索模型的推荐准确性。
在该可选的实施例中,可选的,该方法还可以包括以下操作:
根据平台信息中的用户信息和用户画像,确定目标平台对应的用户检索信息;
根据目标平台对应的目标知识类型,确定目标平台对应的关键词集合,关键词集合包括至少一个关于目标知识类型的信息内容对应的关键词;
根据关键词集合和用户检索信息,分析目标平台对应的检索需求。
其中,用户检索信息可以包括每个用户的检索频率、每个用户的检索偏好、每个用户在使用检索相关的功能时的反馈信息中的一种或多种的组合,其中,检索相关的功能可以包括搜索功能、自然语言处理功能等需要使用检索模型的功能,本发明实施例不做限定。
其中,目标平台对应的检索需求用于表示用户在目标平台的检索需求和/或目标平台的检索功能关于目标知识类型所对应的检索结果的内容倾向的需求,本发明实施例不做限定;目标平台对应的检索需求可以包括检索知识类型需求、检索内容需求、检索频率需求、检索时长需求和检索结果的数据类型需求中的一种或多种的组合,本发明实施例不做限定。
可见,该可选的实施例还能够根据用户信息和用户画像确定出目标平台的用户关于检索的信息,并根据目标知识类型确定出目标平台对应的关键词集合,根据目标平台所对应的关键词和用户检索信息分析得到目标平台对应的检索需求,实现了平台检索需求的智能化分析,能够提高平台用户的检索信息的分析准确性,以及提高平台所侧重关注的知识类型的分析准确性,从而提高平台检索需求的确定准确性,有利于向平台推荐符合检索需求的检索模型,以提高检索模型的推荐准确性。
在该可选的实施例中,进一步可选的,根据问题分析结果和所有检索模型对应的检索结果,确定目标平台对应的目标检索模型,可以包括以下操作:
根据目标平台对应的检索需求、问题分析结果和所有检索模型对应的检索结果,确定目标平台对应的目标检索模型。
可见,该可选的实施例还能够综合目标平台对应的检索需求、问题分析结果和所有检索模型对应的检索结果,确定出目标平台对应的目标检索模型,能够向平台推荐符合平台的内容环境且符合平台的检索需求的检索模型,从而进一步提高检索模型的推荐准确性。
在另一个可选的实施例中,每个检索模型对应有多个模型版本,且每个检索模型在每个模型版本对应有不同的模型参数;
其中,对于每个检索模型,基于该检索模型针对问题信息进行检索,得到该检索模型对应的检索结果,可以包括以下操作:
对于每个检索模型,基于该检索模型对应的每个模型版本针对问题信息进行检索,得到该检索模型在每个模型版本对应的版本检索结果;
对于每个检索模型,比对该检索模型对应的所有版本检索结果,得到该检索模型对应的检索比对结果;
对于每个检索模型,根据检索比对结果,从所有版本检索结果中筛选出满足预设检索条件的版本检索结果作为该检索模型对应的检索结果。
其中,每个检索模型对应的检索比对结果用于表示该检索模型对应的所有模型版本对应的版本检索结果之间的检索结果差异;其中,每个检索模型所对应的所有模型版本可以包括该检索模型的多个训练版本和/或该检索模型的多个迭代版本;其中,每个检索模型在每个模型版本对应有不同的模型参数可以是模型参数的参数数值和/或模型参数的参数类型不同,本发明实施例不做限定。
可见,该可选的实施例能够对基于每个检索模型的每个模型版本针对问题信息进行检索,得到每个检索模型在每个模型版本对应的版本检索结果,并比对每个检索模型对应的所有版本检索结果,并根据相应的检索比对结果,根据检索比对结果,从所有版本检索结果中筛选出满足预设检索条件的版本检索结果作为检索模型对应的检索结果,实现了对于同一检索模型的多个模型版本的智能化筛选,能够提高检索模型的版本检索结果的筛选准确性,从而提高检索模型的版本筛选准确性,进而提高检索模型的检索结果的确定准确性,有利于提高检索模型的分析准确性,以提高检索模型的推荐准确性。
在该可选的实施例中,可选的,该方法还可以包括以下操作:
根据目标平台对应的目标检索模型和目标检索模型对应的检索结果所对应的模型版本,确定目标检索模型对应的目标模型版本。
可见,该可选的实施例能够确定出目标检索模型对应的目标模型版本,能够提高检索模型版本的推荐准确性,从而进一步提高检索模型的推荐准确性,进而有利于提高平台的检索准确性。
在该可选的实施例中,可选的,对于每个检索模型,基于该检索模型对应的每个模型版本针对问题信息进行检索,得到该检索模型在每个模型版本对应的版本检索结果,可以包括以下操作:
基于预先设定的划分条件,将问题信息中的所有问题数据划分为至少两个问题数据集合,每个问题数据集合包括至少一条问题数据;
对于每个检索模型对应的每个模型版本,基于在该模型版本的该检索模型针对每个问题数据集合进行检索,得到该模型版本针对每个问题数据集合对应的候选检索结果;
对于每个检索模型对应的每个模型,根据该模型版本针对每个问题数据集合对应的候选检索结果,基于该检索模型对应的信息融合条件,融合该模型版本对应的所有候选检索结果,得到该检索模型在该模型版本对应的版本检索结果。
其中,示例性的,预先设定的划分条件可以为将问题信息中的所有问题数据随机划分为多个问题数据集合,也可以为基于问题数据的采集时刻划分问题信息中的所有问题数据,还可以为基于问题数据对应的用户类型/问题类型划分问题信息中的所有问题数据,本发明实施例不做限定。
可见,该可选的实施例还能够先将问题信息划分为多个问题数据集合,根据每个模型版本针对每个问题数据集合所检索得到的候选检索结果并基于信息融合条件,将该模型版本所对应的所有候选检索结果进行融合得到该模型版本对应的版本检索结果,能够提高检索模型的版本检索结果的确定准确性,从而有利于提高检索模型的版本筛选准确性,进而提高检索模型的检索结果的确定准确性。
实施例二
请参阅图2,图2是本发明实施例公开的一种基于知识图谱的检索模型推荐方法的流程示意图。其中,图2所描述的基于知识图谱的检索模型推荐方法可以应用于基于知识图谱的检索模型推荐装置中,该装置可以包括推荐设备、推荐终端、推荐系统和服务器中的一种,其中,服务器可以包括本地服务器或者云服务器,本发明实施例不做限定,该方法也可以应用于需要基于检索模型进行开发的应用程序、系统和平台中的一种,本发明实施例不做限定。如图2所示,该基于知识图谱的检索模型推荐方法可以包括以下操作:
201、获取多个检索模型以及目标平台对应的知识图谱。
202、基于知识图谱,分析预先获取到的问题信息,得到问题信息对应的问题分析结果。
203、对于每个检索模型,基于该检索模型针对问题信息进行检索,得到该检索模型对应的检索结果。
204、对于每个检索模型,根据该检索模型对应的检索结果,分析该检索模型与问题分析结果之间的检索匹配度。
本发明实施例中,检索匹配度用于表示该检索模型对应的检索结果与问题分析结果之间的匹配程度。
205、根据所有检索匹配度,确定满足预设匹配条件的目标匹配度。
本发明实施例中,可选的,可以从所有检索匹配度中筛选出大于或等于第一预设匹配度的目标匹配度,本发明实施例不做限定。
206、根据目标匹配度对应的检索模型,确定目标平台对应的目标检索模型。
本发明实施例中,可选的,当只存在一个目标匹配度时,可以将目标匹配度对应的检索模型确定为目标平台对应的目标检索模型;当存在多个目标匹配度时,可以从所有目标匹配度对应的检索模型中筛选出满足目标平台对应的检索需求的检索模型作为目标检索模型,本发明实施例不做限定,其中,目标平台对应的检索需求的具体确定方式可以参照实施例一中的详细描述。
本发明实施例中,针对步骤201-步骤203的其它详细描述,请参照实施例一中针对步骤101-步骤103的详细描述,本发明实施例不再赘述。
可见,实施本发明实施例所描述的方法能够获取多个检索模型和目标平台对应的知识图谱,并基于该知识图谱分析问题信息得到相应的问题分析结果,以及基于每个检索模型针对问题信息进行检索,得到每个检索模型对应的检索结果,再根据问题分析结果和所有检索模型对应的检索结果确定出目标平台对应的目标检索模型,实现了基于知识图谱向平台智能化推荐检索模型,能够基于知识图谱分析问题信息,提高问题信息的分析准确性和分析结果准确性,以及基于多个检索模型对同一问题信息进行检索得到各检索模型对应的检索结果,能够提高检索结果的可靠性和准确性,从而提高对于所有检索模型的分析准确性,有利于在综合考虑准确的问题分析结果和各检索模型对应的准确检索结果的基础上确定出更适合平台的检索模型,进而有利于提高检索模型的推荐准确性,有利于提高平台的检索准确性,以提高平台用户使用检索模型或使用检索模型相关的平台功能的使用体验感,从而提高用户对平台的使用满意度。此外,还能够根据每个检索模型对应的检索结果,分析该检索模型与问题分析结果之间的检索匹配度,并根据所有检索匹配度确定出满足预设匹配条件的目标匹配度,再根据目标匹配度对应的检索模型确定出目标平台对应的目标检索模型,能够提高检索结果与问题分析结果的匹配度分析准确性,从而提高检索模型与平台的匹配程度分析准确性,有利于向平台推荐与平台相匹配的检索模型,进而进一步提高检索模型的推荐准确性,有利于提高平台的检索准确性。
在一个可选的实施例中,对于每个检索模型,根据该检索模型对应的检索结果,分析该检索模型与问题分析结果之间的检索匹配度,可以包括以下操作:
根据问题分析结果,确定问题分析结果对应的至少一个分析结果组以及每个分析结果组对应的分析权重,每个分析结果组包括问题分析结果中的至少一个问题分析子结果;
对于每个检索模型,分析该检索模型对应的检索结果与每个分析结果组之间的第一匹配度,第一匹配度包括知识类型匹配度、语义匹配度、词性匹配度和实体关系匹配度中的一种或多种的组合;
对于每个检索模型,根据该检索模型对应的所有第一匹配度和每个分析结果组对应的分析权重,确定该检索模型对应的第二匹配度;
对于每个检索模型,将该检索模型对应的第二匹配度确定为该检索模型与问题分析结果之间的检索匹配度。
其中,每个问题分析子结果可以为问题类型、问题场景和问题关键词中的一种;其中,示例性的,每个分析结果组可以包括问题类型和问题场景,也可以包括一个或多个问题关键词,还可以包括问题类型和至少一个问题关键词,还可以包括其他一种或多种问题分析子结果的组合,本发明实施例不做限定;其中,每个分析结果组对应的分析权重用于表示该分析结果组在分析每个检索模型对应的检索匹配度的过程中的关键程度。
其中,实体关系匹配度用于表示在知识图谱中检索结果所包含或所对应的第一实体和分析结果组所包含或所对应的第二实体之间的关系的关联程度。
可见,该可选的实施例能够确定问题分析结果对应的至少一个分析结果组以及相应的分析权重,并分析每个检索模型对应的检索结果与每个分析结果组之间的第一匹配度,再根据该检索模型对应的所有第一匹配度以及每个分析结果组对应的分析权重确定出该检索模型对应的第二匹配度并将该第二匹配度作为检索匹配度,能够提高检索结果的分析准确性,从而提高检索匹配度的确定准确性,进而有利于提高检索模型与平台的匹配程度分析准确性,有利于提高检索模型的推荐准确性。
在另一个可选的实施例中,每个检索模型包括多个检索组件;
其中,该方法还可以包括以下操作:
基于多个检索模型对应的检索组件,构建组合检索模型;
基于组合检索模型针对问题信息进行检索,得到组合检索模型对应的组合检索结果;
根据组合检索模型对应的组合检索结果,分析组合检索模型与问题分析结果之间的组合检索匹配度。
其中,每个检索模型所包括的所有检索组件可以包括该检索模型在执行检索操作时所包括的多个步骤中每个步骤所对应的一个或多个组件,和/或,该检索模型所包括的多个功能模块中每个功能模块所对应的一个或多个组件,本发明实施例不做限定;以及,每个检索模型所包括的检索组件的组件类型/组件功能/组件位置可以与其余检索模型所包括的检索组件不同,本发明实施例不做限定。
可见,该可选的实施例能够基于多个检索模型对应的检索组件构建出信道组合检索模型,并基于该组合检索模型针对问题信息进行检索得到相应的组合检索结果,且分析组合检索模型与问题分析结果之间的组合检索匹配度,实现了基于模型组件的检索模型智能化重构,能够增加候选检索模型的数量,且提高重构得到的检索模型的分析准确性,从而有利于提高重构得到的检索模型与平台的匹配程度分析准确性,有利于提高检索模型的推荐准确性。
在该可选的实施例中,可选的,根据所有检索匹配度,确定满足预设匹配条件的目标匹配度,可以包括以下操作:
从所有检索匹配度和组合检索匹配度中筛选出大于或等于预设匹配度的目标匹配度。
其中,上述预设匹配度可以为第二预设匹配度,且第二预设匹配度的数值可以与第一预设匹配度的数值不同,本发明实施例不做限定。
可见,该可选的实施例还能够从所有检索匹配度和组合检索匹配度中筛选出大于或等于预设匹配度的目标匹配度,能够提高目标匹配度的筛选全面性和筛选准确性,从而有利于提高推荐的检索模型的确定准确性,进而有利于提高检索模型的推荐准确性。
在该可选的实施例中,可选的,基于多个检索模型对应的检索组件,构建组合检索模型,可以包括以下操作:
对于每个检索模型,确定该检索模型的每个检索组件对应的功能信息;
对于每个检索模型,根据所有功能信息,从该检索模型的所有检索组件中筛选出该检索模型对应的关键检索组件;
对于每个检索模型,根据所有关键检索组件对应的功能信息,评估该检索模型对应的关键检索组件与其余检索模型对应的关键检索组件之间的组件关联度,组件关联度包括组件衔接关联度和/或组件功能关联度;
根据所有组件关联度,从所有关键检索组件中筛选出满足预设组合条件的多个目标检索组件;
对于每个目标检索组件,根据该目标检索组件对应的组件关联度和该目标检索组件对应的组件参数,调整该目标检索组件对应的组件参数;
基于所有目标检索组件以及调整后的每个目标检索组件对应的组件参数,构建组合检索模型。
其中,每个检索模型对应的关键检索组件包括该检索模型所包括的所有检索组件中组件性能数值高于预设性能数值的检索组件,和/或,所有检索模型中组件性能数值高于其他检索模型的同组件类型/同组件功能检索组件的组件性能数值的检索组件,本发明实施例不做限定。
可见,该可选的实施例还能够根据每个检索模型的每个检索组件对应的功能信息,并根据所有功能信息从该检索模型的所有检索组件中筛选出关键检索组件,评估每个检索模型对应的关键检索组件与其余检索模型对应的关键检索组件之间的组件关联度,根据所有组件关联度从所有关键检索组件中筛选出满足预设组合条件的多个目标检索组件,并根据目标检索组件对应的组件关联度调整目标检索组件对应的组件参数,再基于所有目标检索组件和调整后的组件参数构建组合检索模型,在实现了基于每个检索模型组件的智能化评估的基础上实现检索模型的智能化重构,能够提高模型组件的分析准确性,从而提高模型组件之间的关联程度分析准确性,进而提高目标检索组件的筛选准确性,有利于提高组件参数的调整准确性,进而有利于提高重构得到的检索模型的稳定性和可靠性,以提高检索模型的重构精准性。
实施例三
请参阅图3,图3是是本发明实施例公开的一种基于知识图谱的检索模型推荐装置的结构示意图。其中,图3所描述的基于知识图谱的检索模型推荐装置可以包括推荐设备、推荐终端、推荐系统和服务器中的一种,其中,服务器可以包括本地服务器或者云服务器,本发明实施例不做限定,该装置可以应用于需要基于检索模型进行开发的应用程序、系统和平台中的一种,本发明实施例不做限定。如图3所示,该基于知识图谱的检索模型推荐装置可以包括:
获取模块301,用于获取多个检索模型以及目标平台对应的知识图谱;
分析模块302,用于基于知识图谱,分析预先获取到的问题信息,得到问题信息对应的问题分析结果;
检索模块303,用于对于每个检索模型,基于该检索模型针对问题信息进行检索,得到该检索模型对应的检索结果;
确定模块304,用于根据问题分析结果和所有检索模型对应的检索结果,确定目标平台对应的目标检索模型。
可见,实施本发明实施例所描述的装置能够获取多个检索模型和目标平台对应的知识图谱,并基于该知识图谱分析问题信息得到相应的问题分析结果,以及基于每个检索模型针对问题信息进行检索,得到每个检索模型对应的检索结果,再根据问题分析结果和所有检索模型对应的检索结果确定出目标平台对应的目标检索模型,实现了基于知识图谱向平台智能化推荐检索模型,能够基于知识图谱分析问题信息,提高问题信息的分析准确性和分析结果准确性,以及基于多个检索模型对同一问题信息进行检索得到各检索模型对应的检索结果,能够提高检索结果的可靠性和准确性,从而提高对于所有检索模型的分析准确性,有利于在综合考虑准确的问题分析结果和各检索模型对应的准确检索结果的基础上确定出更适合平台的检索模型,进而有利于提高检索模型的推荐准确性,有利于提高平台的检索准确性,以提高平台用户使用检索模型或使用检索模型相关的平台功能的使用体验感,从而提高用户对平台的使用满意度。
在一个可选的实施例中,分析模块302,还用于根据获取到的目标平台对应的平台信息,分析目标平台对应的用户画像,平台信息包括用户信息、业务信息和热点话题信息中的一种或多种的组合;
以及,分析模块302基于知识图谱,分析预先获取到的问题信息,得到问题信息对应的问题分析结果的具体方式可以包括:
分析知识图谱,得到知识图谱对应的图谱信息,知识图谱对应的图谱信息包括知识图谱对应的至少一种知识类型;
根据平台信息和用户画像,从所有知识类型中确定目标平台对应的目标知识类型;
根据用户画像和目标知识类型,分析预先获取到的问题信息,得到问题信息对应的问题分析结果,问题分析结果包括问题类型、问题场景和问题关键词集合中的至少一种,问题关键词集合包括至少一个问题关键词。
可见,实施该可选的实施例所描述的装置能够基于目标平台对应的平台信息分析得到目标平台所对应的用户画像,能够将平台用户的用户形象具体化,从而有利于了解用户在目标平台的检索需求,进而有利于向平台推荐更符合用户需求的检索模型;以及,通过分析平台对应的知识图谱得到知识图谱对应的图谱信息,根据平台信息和用户画像从知识图谱所对应的所有知识类型中确定出目标平台对应的目标知识类型,并根据用户画像和目标知识类型,分析问题信息并得到相应的问题分析结果,能够提高平台知识图谱的分析准确性,从而有利于提高平台所侧重关注的知识类型的确定准确性,有利于提高问题信息的分析准确性,以向平台推荐更符合用户需求以及平台所侧重关注的内容信息的检索模型,进而提高检索模型的推荐准确性。
在另一个可选的实施例中,每个检索模型对应有多个模型版本,且每个检索模型在每个模型版本对应有不同的模型参数;
其中,检索模块303对于每个检索模型,基于该检索模型针对问题信息进行检索,得到该检索模型对应的检索结果的具体方式可以包括:
对于每个检索模型,基于该检索模型对应的每个模型版本针对问题信息进行检索,得到该检索模型在每个模型版本对应的版本检索结果;
对于每个检索模型,比对该检索模型对应的所有版本检索结果,得到该检索模型对应的检索比对结果;
对于每个检索模型,根据检索比对结果,从所有版本检索结果中筛选出满足预设检索条件的版本检索结果作为该检索模型对应的检索结果。
可见,实施该可选的实施例所描述的装置能够对基于每个检索模型的每个模型版本针对问题信息进行检索,得到每个检索模型在每个模型版本对应的版本检索结果,并比对每个检索模型对应的所有版本检索结果,并根据相应的检索比对结果,根据检索比对结果,从所有版本检索结果中筛选出满足预设检索条件的版本检索结果作为检索模型对应的检索结果,实现了对于同一检索模型的多个模型版本的智能化筛选,能够提高检索模型的版本检索结果的筛选准确性,从而提高检索模型的版本筛选准确性,进而提高检索模型的检索结果的确定准确性,有利于提高检索模型的分析准确性,以提高检索模型的推荐准确性。
在又一个可选的实施例中,确定模块304根据问题分析结果和所有检索模型对应的检索结果,确定目标平台对应的目标检索模型的具体方式可以包括:
对于每个检索模型,根据该检索模型对应的检索结果,分析该检索模型与问题分析结果之间的检索匹配度,检索匹配度用于表示该检索模型对应的检索结果与问题分析结果之间的匹配程度;
根据所有检索匹配度,确定满足预设匹配条件的目标匹配度;
根据目标匹配度对应的检索模型,确定目标平台对应的目标检索模型。
可见,实施该可选的实施例所描述的装置能够根据每个检索模型对应的检索结果,分析该检索模型与问题分析结果之间的检索匹配度,并根据所有检索匹配度确定出满足预设匹配条件的目标匹配度,再根据目标匹配度对应的检索模型确定出目标平台对应的目标检索模型,能够提高检索结果与问题分析结果的匹配度分析准确性,从而提高检索模型与平台的匹配程度分析准确性,有利于向平台推荐与平台相匹配的检索模型,进而进一步提高检索模型的推荐准确性,有利于提高平台的检索准确性。
在该可选的实施例中,可选的,确定模块304对于每个检索模型,根据该检索模型对应的检索结果,分析该检索模型与问题分析结果之间的检索匹配度的具体方式可以包括:
根据问题分析结果,确定问题分析结果对应的至少一个分析结果组以及每个分析结果组对应的分析权重,每个分析结果组包括问题分析结果中的至少一个问题分析子结果;
对于每个检索模型,分析该检索模型对应的检索结果与每个分析结果组之间的第一匹配度,第一匹配度包括知识类型匹配度、语义匹配度、词性匹配度和实体关系匹配度中的一种或多种的组合;
对于每个检索模型,根据该检索模型对应的所有第一匹配度和每个分析结果组对应的分析权重,确定该检索模型对应的第二匹配度;
对于每个检索模型,将该检索模型对应的第二匹配度确定为该检索模型与问题分析结果之间的检索匹配度。
可见,实施该可选的实施例所描述的装置还能够确定问题分析结果对应的至少一个分析结果组以及相应的分析权重,并分析每个检索模型对应的检索结果与每个分析结果组之间的第一匹配度,再根据该检索模型对应的所有第一匹配度以及每个分析结果组对应的分析权重确定出该检索模型对应的第二匹配度并将该第二匹配度作为检索匹配度,能够提高检索结果的分析准确性,从而提高检索匹配度的确定准确性,进而有利于提高检索模型与平台的匹配程度分析准确性,有利于提高检索模型的推荐准确性。
在该可选的实施例中,可选的,每个检索模型包括多个检索组件;
其中,如图4所示,该装置还可以包括:
构建模块305,用于基于多个检索模型对应的检索组件,构建组合检索模型;
检索模块303,还用于基于组合检索模型针对问题信息进行检索,得到组合检索模型对应的组合检索结果;
分析模块302,还用于根据组合检索模型对应的组合检索结果,分析组合检索模型与问题分析结果之间的组合检索匹配度;
以及,确定模块304根据所有检索匹配度,确定满足预设匹配条件的目标匹配度的具体方式可以包括:
从所有检索匹配度和组合检索匹配度中筛选出大于或等于预设匹配度的目标匹配度。
可见,实施该可选的实施例所描述的装置还能够基于多个检索模型对应的检索组件构建出信道组合检索模型,并基于该组合检索模型针对问题信息进行检索得到相应的组合检索结果,且分析组合检索模型与问题分析结果之间的组合检索匹配度,实现了基于模型组件的检索模型智能化重构,能够增加候选检索模型的数量,且提高重构得到的检索模型的分析准确性,从而有利于提高重构得到的检索模型与平台的匹配程度分析准确性,有利于提高检索模型的推荐准确性;以及,从所有检索匹配度和组合检索匹配度中筛选出大于或等于预设匹配度的目标匹配度,能够提高目标匹配度的筛选全面性和筛选准确性,从而有利于提高推荐的检索模型的确定准确性,进而有利于提高检索模型的推荐准确性。
在该可选的实施例中,进一步可选的,构建模块305基于多个检索模型对应的检索组件,构建组合检索模型的具体方式可以包括:
对于每个检索模型,确定该检索模型的每个检索组件对应的功能信息;
对于每个检索模型,根据所有功能信息,从该检索模型的所有检索组件中筛选出该检索模型对应的关键检索组件;
对于每个检索模型,根据所有关键检索组件对应的功能信息,评估该检索模型对应的关键检索组件与其余检索模型对应的关键检索组件之间的组件关联度,组件关联度包括组件衔接关联度和/或组件功能关联度;
根据所有组件关联度,从所有关键检索组件中筛选出满足预设组合条件的多个目标检索组件;
对于每个目标检索组件,根据该目标检索组件对应的组件关联度和该目标检索组件对应的组件参数,调整该目标检索组件对应的组件参数;
基于所有目标检索组件以及调整后的每个目标检索组件对应的组件参数,构建组合检索模型。
可见,实施该可选的实施例所描述的装置还能够根据每个检索模型的每个检索组件对应的功能信息,并根据所有功能信息从该检索模型的所有检索组件中筛选出关键检索组件,评估每个检索模型对应的关键检索组件与其余检索模型对应的关键检索组件之间的组件关联度,根据所有组件关联度从所有关键检索组件中筛选出满足预设组合条件的多个目标检索组件,并根据目标检索组件对应的组件关联度调整目标检索组件对应的组件参数,再基于所有目标检索组件和调整后的组件参数构建组合检索模型,在实现了基于每个检索模型组件的智能化评估的基础上实现检索模型的智能化重构,能够提高模型组件的分析准确性,从而提高模型组件之间的关联程度分析准确性,进而提高目标检索组件的筛选准确性,有利于提高组件参数的调整准确性,进而有利于提高重构得到的检索模型的稳定性和可靠性,以提高检索模型的重构精准性。
实施例四
请参阅图5,图5是本发明实施例公开的又一种基于知识图谱的检索模型推荐装置的结构示意图。如图5所示,该基于知识图谱的检索模型推荐装置可以包括:
存储有可执行程序代码的存储器401;
与存储器401耦合的处理器402;
处理器402调用存储器401中存储的可执行程序代码,执行本发明实施例一或本发明实施例二所描述的基于知识图谱的检索模型推荐方法中的步骤。
实施例五
本发明实施例公开了一种计算机存储介质,该计算机存储介质存储有计算机指令,该计算机指令被调用时,用于执行本发明实施例一或本发明实施例二所描述的基于知识图谱的检索模型推荐方法中的步骤。
实施例六
本发明实施例公开了一种计算机程序产品,该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,且该计算机程序可操作来使计算机执行实施例一或实施例二中所描述的基于知识图谱的检索模型推荐方法中的步骤。
以上所描述的装置实施例仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施例的具体描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是:本发明实施例公开的一种基于知识图谱的检索模型推荐方法及装置所揭露的仅为本发明较佳实施例而已,仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各项实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (6)
1.一种基于知识图谱的检索模型推荐方法,其特征在于,所述方法包括:
获取多个检索模型以及目标平台对应的知识图谱;
基于所述知识图谱,分析预先获取到的问题信息,得到所述问题信息对应的问题分析结果;
对于每个所述检索模型,基于该检索模型针对所述问题信息进行检索,得到该检索模型对应的检索结果;
根据所述问题分析结果和所有所述检索模型对应的检索结果,确定所述目标平台对应的目标检索模型;
其中,所述根据所述问题分析结果和所有所述检索模型对应的检索结果,确定所述目标平台对应的目标检索模型,包括:
对于每个所述检索模型,根据该检索模型对应的检索结果,分析该检索模型与所述问题分析结果之间的检索匹配度,所述检索匹配度用于表示该检索模型对应的检索结果与所述问题分析结果之间的匹配程度;
根据所有所述检索匹配度,确定满足预设匹配条件的目标匹配度;
根据所述目标匹配度对应的检索模型,确定所述目标平台对应的目标检索模型;
其中,所述对于每个所述检索模型,根据该检索模型对应的检索结果,分析该检索模型与所述问题分析结果之间的检索匹配度,包括:
根据所述问题分析结果,确定所述问题分析结果对应的至少一个分析结果组以及每个所述分析结果组对应的分析权重,每个所述分析结果组包括所述问题分析结果中的至少一个问题分析子结果;
对于每个所述检索模型,分析该检索模型对应的检索结果与每个所述分析结果组之间的第一匹配度,所述第一匹配度包括知识类型匹配度、语义匹配度、词性匹配度和实体关系匹配度中的一种或多种的组合;
对于每个所述检索模型,根据该检索模型对应的所有所述第一匹配度和每个所述分析结果组对应的分析权重,确定该检索模型对应的第二匹配度;
对于每个所述检索模型,将该检索模型对应的第二匹配度确定为该检索模型与所述问题分析结果之间的检索匹配度;
其中,每个所述检索模型包括多个检索组件;
其中,所述方法还包括:
基于多个所述检索模型对应的检索组件,构建组合检索模型;
基于所述组合检索模型针对所述问题信息进行检索,得到所述组合检索模型对应的组合检索结果;
根据所述组合检索模型对应的组合检索结果,分析所述组合检索模型与所述问题分析结果之间的组合检索匹配度;
以及,所述根据所有所述检索匹配度,确定满足预设匹配条件的目标匹配度,包括:
从所有所述检索匹配度和所述组合检索匹配度中筛选出大于或等于预设匹配度的目标匹配度。
2.根据权利要求1所述的基于知识图谱的检索模型推荐方法,其特征在于,所述方法还包括:
根据获取到的所述目标平台对应的平台信息,分析所述目标平台对应的用户画像,所述平台信息包括用户信息、业务信息和热点话题信息中的一种或多种的组合;
以及,所述基于所述知识图谱,分析预先获取到的问题信息,得到所述问题信息对应的问题分析结果,包括:
分析所述知识图谱,得到所述知识图谱对应的图谱信息,所述知识图谱对应的图谱信息包括所述知识图谱对应的至少一种知识类型;
根据所述平台信息和所述用户画像,从所有所述知识类型中确定所述目标平台对应的目标知识类型;
根据所述用户画像和所述目标知识类型,分析预先获取到的问题信息,得到所述问题信息对应的问题分析结果,所述问题分析结果包括问题类型、问题场景和问题关键词集合中的至少一种,所述问题关键词集合包括至少一个问题关键词。
3.根据权利要求1所述的基于知识图谱的检索模型推荐方法,其特征在于,每个所述检索模型对应有多个模型版本,且每个所述检索模型在每个所述模型版本对应有不同的模型参数;
其中,所述对于每个所述检索模型,基于该检索模型针对所述问题信息进行检索,得到该检索模型对应的检索结果,包括:
对于每个所述检索模型,基于该检索模型对应的每个所述模型版本针对所述问题信息进行检索,得到该检索模型在每个所述模型版本对应的版本检索结果;
对于每个所述检索模型,比对该检索模型对应的所有所述版本检索结果,得到该检索模型对应的检索比对结果;
对于每个所述检索模型,根据所述检索比对结果,从所有所述版本检索结果中筛选出满足预设检索条件的版本检索结果作为该检索模型对应的检索结果。
4.根据权利要求1-3任一项所述的基于知识图谱的检索模型推荐方法,其特征在于,所述基于多个所述检索模型对应的检索组件,构建组合检索模型,包括:
对于每个所述检索模型,确定该检索模型的每个所述检索组件对应的功能信息;
对于每个所述检索模型,根据所有所述功能信息,从该检索模型的所有所述检索组件中筛选出该检索模型对应的关键检索组件;
对于每个所述检索模型,根据所有所述关键检索组件对应的功能信息,评估该检索模型对应的关键检索组件与其余检索模型对应的关键检索组件之间的组件关联度,所述组件关联度包括组件衔接关联度和/或组件功能关联度;
根据所有所述组件关联度,从所有所述关键检索组件中筛选出满足预设组合条件的多个目标检索组件;
对于每个所述目标检索组件,根据该目标检索组件对应的组件关联度和该目标检索组件对应的组件参数,调整该目标检索组件对应的组件参数;
基于所有所述目标检索组件以及调整后的每个所述目标检索组件对应的组件参数,构建组合检索模型。
5.一种基于知识图谱的检索模型推荐装置,其特征在于,所述装置包括:
获取模块,用于获取多个检索模型以及目标平台对应的知识图谱;
分析模块,用于基于所述知识图谱,分析预先获取到的问题信息,得到所述问题信息对应的问题分析结果;
检索模块,用于对于每个所述检索模型,基于该检索模型针对所述问题信息进行检索,得到该检索模型对应的检索结果;
确定模块,用于根据所述问题分析结果和所有所述检索模型对应的检索结果,确定所述目标平台对应的目标检索模型;
其中,所述确定模块根据所述问题分析结果和所有所述检索模型对应的检索结果,确定所述目标平台对应的目标检索模型的具体方式包括:
对于每个所述检索模型,根据该检索模型对应的检索结果,分析该检索模型与所述问题分析结果之间的检索匹配度,所述检索匹配度用于表示该检索模型对应的检索结果与所述问题分析结果之间的匹配程度;
根据所有所述检索匹配度,确定满足预设匹配条件的目标匹配度;
根据所述目标匹配度对应的检索模型,确定所述目标平台对应的目标检索模型;
其中,所述确定模块对于每个所述检索模型,根据该检索模型对应的检索结果,分析该检索模型与所述问题分析结果之间的检索匹配度的具体方式包括:
根据所述问题分析结果,确定所述问题分析结果对应的至少一个分析结果组以及每个所述分析结果组对应的分析权重,每个所述分析结果组包括所述问题分析结果中的至少一个问题分析子结果;
对于每个所述检索模型,分析该检索模型对应的检索结果与每个所述分析结果组之间的第一匹配度,所述第一匹配度包括知识类型匹配度、语义匹配度、词性匹配度和实体关系匹配度中的一种或多种的组合;
对于每个所述检索模型,根据该检索模型对应的所有所述第一匹配度和每个所述分析结果组对应的分析权重,确定该检索模型对应的第二匹配度;
对于每个所述检索模型,将该检索模型对应的第二匹配度确定为该检索模型与所述问题分析结果之间的检索匹配度;
其中,每个所述检索模型包括多个检索组件;
其中,所述装置还包括:
构建模块,用于基于多个所述检索模型对应的检索组件,构建组合检索模型;
所述检索模块,还用于基于所述组合检索模型针对所述问题信息进行检索,得到所述组合检索模型对应的组合检索结果;
所述分析模块,还用于根据所述组合检索模型对应的组合检索结果,分析所述组合检索模型与所述问题分析结果之间的组合检索匹配度;
以及,所述确定模块根据所有所述检索匹配度,确定满足预设匹配条件的目标匹配度的具体方式包括:
从所有所述检索匹配度和所述组合检索匹配度中筛选出大于或等于预设匹配度的目标匹配度。
6.一种基于知识图谱的检索模型推荐装置,其特征在于,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求1-4任一项所述的基于知识图谱的检索模型推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410032625.XA CN117540062B (zh) | 2024-01-10 | 2024-01-10 | 基于知识图谱的检索模型推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410032625.XA CN117540062B (zh) | 2024-01-10 | 2024-01-10 | 基于知识图谱的检索模型推荐方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117540062A CN117540062A (zh) | 2024-02-09 |
CN117540062B true CN117540062B (zh) | 2024-04-12 |
Family
ID=89792369
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410032625.XA Active CN117540062B (zh) | 2024-01-10 | 2024-01-10 | 基于知识图谱的检索模型推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117540062B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112836061A (zh) * | 2021-01-12 | 2021-05-25 | 平安科技(深圳)有限公司 | 智能推荐的方法、装置以及计算机设备 |
CN114722149A (zh) * | 2022-04-08 | 2022-07-08 | 北京奇艺世纪科技有限公司 | 一种语义相关性检索模型的确定方法及装置 |
WO2023065211A1 (zh) * | 2021-10-21 | 2023-04-27 | 华为技术有限公司 | 一种信息获取方法以及装置 |
CN116108191A (zh) * | 2022-11-13 | 2023-05-12 | 复旦大学 | 一种基于知识图谱的深度学习模型推荐方法 |
CN116932909A (zh) * | 2023-07-26 | 2023-10-24 | 中国工商银行股份有限公司 | 模型的推荐方法、装置、处理器以及电子设备 |
CN117009605A (zh) * | 2023-08-08 | 2023-11-07 | 四川大学 | 一种策略化创新设计问题求解方法及系统 |
-
2024
- 2024-01-10 CN CN202410032625.XA patent/CN117540062B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112836061A (zh) * | 2021-01-12 | 2021-05-25 | 平安科技(深圳)有限公司 | 智能推荐的方法、装置以及计算机设备 |
WO2022151594A1 (zh) * | 2021-01-12 | 2022-07-21 | 平安科技(深圳)有限公司 | 智能推荐的方法、装置以及计算机设备 |
WO2023065211A1 (zh) * | 2021-10-21 | 2023-04-27 | 华为技术有限公司 | 一种信息获取方法以及装置 |
CN114722149A (zh) * | 2022-04-08 | 2022-07-08 | 北京奇艺世纪科技有限公司 | 一种语义相关性检索模型的确定方法及装置 |
CN116108191A (zh) * | 2022-11-13 | 2023-05-12 | 复旦大学 | 一种基于知识图谱的深度学习模型推荐方法 |
CN116932909A (zh) * | 2023-07-26 | 2023-10-24 | 中国工商银行股份有限公司 | 模型的推荐方法、装置、处理器以及电子设备 |
CN117009605A (zh) * | 2023-08-08 | 2023-11-07 | 四川大学 | 一种策略化创新设计问题求解方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117540062A (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107451199B (zh) | 问题推荐方法及装置、设备 | |
CN110909182B (zh) | 多媒体资源搜索方法、装置、计算机设备及存储介质 | |
CN109189990B (zh) | 一种搜索词的生成方法、装置及电子设备 | |
CN110704674A (zh) | 一种视频播放完整度预测方法及装置 | |
CN111209477B (zh) | 一种信息推荐的方法及装置、电子设备、存储介质 | |
CN111191133B (zh) | 业务搜索处理方法、装置及设备 | |
CN112100504B (zh) | 内容推荐方法、装置、电子设备及存储介质 | |
CN111159563A (zh) | 用户兴趣点信息的确定方法、装置、设备及存储介质 | |
CN112650842A (zh) | 基于人机交互的客服机器人意图识别方法及相关设备 | |
CN110765348A (zh) | 一种热词的推荐方法、装置、电子设备及存储介质 | |
CN108595526B (zh) | 资源推荐方法及装置 | |
CN117725259A (zh) | 视频搜索方法和装置 | |
CN111488510A (zh) | 小程序相关词的确定方法、装置、处理设备及搜索系统 | |
CN113742578A (zh) | 一种数据推荐方法、装置、电子设备及存储介质 | |
CN113407772B (zh) | 视频推荐模型的生成方法、视频推荐方法、装置 | |
CN109063127A (zh) | 一种搜索方法、装置、服务器及存储介质 | |
CN113836388A (zh) | 信息推荐方法、装置、服务器及存储介质 | |
CN117540062B (zh) | 基于知识图谱的检索模型推荐方法及装置 | |
CN116956183A (zh) | 多媒体资源推荐方法、模型训练方法、装置及存储介质 | |
CN117056619A (zh) | 确定用户行为特征的方法和装置 | |
CN113127720A (zh) | 一种热搜词确定方法及装置 | |
CN113961811B (zh) | 基于事件图谱的话术推荐方法、装置、设备及介质 | |
CN109885726B (zh) | 一种生成视频元信息的方法和装置 | |
CN112711717A (zh) | 房间产品搜索方法、装置、电子设备 | |
CN117648444B (zh) | 基于图卷积属性聚合的专利聚类方法和系统 |
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 |