[发明专利]数据搜索方法及装置、电子设备、存储介质

权利要求书

1.一种数据搜索方法，其特征在于，包括：

获取搜索数据；

通过词形和词义计算所述搜索数据与多个历史搜索数据之间的相似度；

通过所述相似度从所述历史搜索数据中确定所述搜索数据的近义词；

根据所述近义词进行搜索，以返回搜索结果。

2.根据权利要求1所述的数据搜索方法，其特征在于，通过词形和词义计算所述搜索数据与多个历史搜索数据之间的相似度包括：

对所述搜索数据进行分词处理，以获取第一词序列；

对所述历史搜索数据进行分词处理，以获取第二词序列；

通过词形和词义计算所述第一词序列与所述第二词序列之间的相似度。

3.根据权利要求2所述的数据搜索方法，其特征在于，通过词形和词义计算所述第一词序列与所述第二词序列之间的相似度包括：

计算所述第一词序列与所述第二词序列之间的匹配度；

计算所述第一词序列与所述第二词序列之间的编辑距离；

确定所述第一词序列与所述第二词序列之间的词义相似度。

4.根据权利要求3所述的数据搜索方法，其特征在于，所述匹配度的计算公式包括：

s＝P_i/len(term)，

其中，s为匹配度，P_i为第一词序列与第二词序列中相同词的数量，len(term)为第一词序列中词的数量。

5.根据权利要求3所述的数据搜索方法，其特征在于，所述编辑距离的计算公式包括：

d＝0.1×Edit(a,b)，

其中，a为第一词序列，b为第二词序列。

6.根据权利要求3所述的数据搜索方法，其特征在于，确定所述第一词序列与所述第二词序列之间的词义相似度包括：

通过将第一词序列中的每个词输入一搜索词模型，以确定第一词序列的目标向量；

计算所述目标向量与第二词序列的参考向量之间的余弦相似度，以得到所述词义相似度。

7.根据权利要求6所述的数据搜索方法，其特征在于，所述余弦相似度的计算公式包括：

其中，A_i为目标向量，B_i为参考向量。

8.根据权利要求6所述的数据搜索方法，其特征在于，通过将第一词序列中的每个词输入一搜索词模型，以确定第一词序列的目标向量包括：

通过将第一词序列中的每个词输入所述搜索词模型，确定与第一词序列中每个词对应的搜索词向量；

将所述第一词序列中所有词对应的所述搜索词向量进行加权求和，得到求和向量；

将所述求和向量作为所述第一词序列的所述目标向量。

9.根据权利要求6所述的数据搜索方法，其特征在于，所述方法还包括：

通过预设类别的样本数据对一卷积神经网络模型进行训练，以得到所述搜索词模型。

10.根据权利要求3所述的数据搜索方法，其特征在于，通过所述相似度从所述历史搜索数据中确定所述搜索数据的近义词包括：

通过所述相似度，确定所述搜索数据与每个各所述历史搜索数据之间的实际排名；

根据所述实际排名确定所述搜索数据的近义词。

11.根据权利要求10所述的数据搜索方法，其特征在于，所述实际排名的计算公式包括：

Score＝w1×s+w2×d+w3×cosθ，

其中，w1为第一权重，w2为第二权重，w3为第三权重，s为匹配度，d为编辑距离，cosθ为余弦相似度。

12.根据权利要求11所述的数据搜索方法，其特征在于，所述相似度和所述实际排名通过分布式计算框架计算。