[发明专利]搜索意图识别方法、装置、服务器及存储介质有效

专利信息
申请号: 202110619306.5 申请日: 2021-06-03
公开(公告)号: CN113255354B 公开(公告)日: 2021-12-07
发明(设计)人: 陈小龙;刘振国;陈凯 申请(专利权)人: 北京达佳互联信息技术有限公司
主分类号: G06F40/295 分类号: G06F40/295;G06F40/30;G06F16/35;G06F16/335;G06F16/33;G06K9/62;G06N20/00
代理公司: 广州华进联合专利商标代理有限公司 44224 代理人: 梁皓茹
地址: 100085 北京市海淀*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 搜索 意图 识别 方法 装置 服务器 存储 介质
【说明书】:

本公开关于一种搜索意图识别方法、装置、服务器及存储介质,所述方法包括:响应于搜索请求,获得待识别搜索文本;识别出所述待识别搜索文本中的至少一个实体词;根据所述至少一个实体词,确定实体领域标识;其中,所述实体领域标识为所述实体词表征的实体所属领域对应的标识;将所述待识别搜索文本和所述实体领域标识输入至目标意图识别模型,得到所述搜索请求对应的目标搜索意图。采用本公开可以提高搜素意图的识别效率。

技术领域

本公开涉及计算机技术领域,尤其涉及一种搜索意图识别方法、装置、服务器及存储介质。

背景技术

搜索意图理解是指基于用户偏好、时空特性、上下文、交互、以及文本、手势、图像和视频等在内的多模态信息等内容,在语义级上准确理解用户的意图,并以支持高效查询推演的统一模型进行表示。通过将搜索输入内容转换为机器可识别的表示语言,深度学习用户思维,统一搜索查询视图,从而将用户搜索转换为机器可识别的语言模型,便于机器理解搜索意图。

相关技术在进行搜索意图识别时,往往是通过模型识别出搜索文本中的各个实体词对应的实体特征来识别出搜索意图。然而,这使得相关技术中的模型需要利用具体到实体词层面的信息,模型数据处理量大,不便于模型进行多领域、多层级的扩展;同时,为了使模型的识别精度不受实体词库的更新的影响,相关技术还需要基于实体词库的热更新不断对模型进行重新训练,这也使得模型无法高效地完成搜索意图识别任务。

因此,相关技术中存在搜索意图识别效率不高的问题。

发明内容

本公开提供一种搜索意图识别方法、装置、服务器及存储介质,以至少解决相关技术中搜索意图识别效率不高的问题。本公开的技术方案如下:

根据本公开实施例的第一方面,提供一种搜索意图识别方法,包括:

响应于搜索请求,获得待识别搜索文本;

识别出所述待识别搜索文本中的至少一个实体词;

根据所述至少一个实体词,确定实体领域标识;其中,所述实体领域标识为所述实体词表征的实体所属领域对应的标识;

将所述待识别搜索文本和所述实体领域标识输入至目标意图识别模型,得到所述搜索请求对应的目标搜索意图。

在一种可能实现方式中,所述将所述待识别搜索文本和所述实体领域标识输入至目标意图识别模型,得到所述搜索请求对应的目标搜索意图,包括:

将所述实体领域标识拼接至所述待识别搜索文本,得到拼接后文本;

将所述拼接后文本输入至所述目标意图识别模型,得到所述目标搜索意图。

在一种可能实现方式中,若所述实体领域标识具有多个,所述将所述实体领域标识拼接至所述待识别搜索文本,得到拼接后文本,包括:

对多个所述实体领域标识进行排序,得到排序后领域标识;

将所述排序后领域标识添加至所述待识别搜索文本,得到所述拼接后文本。

在一种可能实现方式中,所述目标意图识别模型包括文本向量化模型、向量融合模型和分类模型,所述将所述拼接后文本输入至所述目标意图识别模型,得到所述目标搜索意图,包括:

将所述拼接后文本输入至所述文本向量化模型,获得所述拼接后文本中各个字符的字符向量表示,以及,获取所述实体领域标识对应的领域向量表示;

将所述字符向量表示和所述领域向量表示输入至所述向量融合模型,通过所述向量融合模型对所述字符向量表示和所述领域向量表示进行融合处理,得到融合后向量表示;

将所述融合后向量表示输入至所述分类模型,通过所述分类模型对所述融合后向量表示进行分类处理,得到所述目标搜索意图。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京达佳互联信息技术有限公司,未经北京达佳互联信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110619306.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top