[发明专利]数据检索方法及装置

权利要求书

1.一种数据检索方法，其特征在于，包括：

根据用户的检索请求，确定多个查询意图；所述查询意图用于表征与用户检索请求的语意对应的检索关键字；

将对应该检索请求的多个查询意图作为输入数据，输入到查询意图边界识别机器学习模型，得到查询意图边界；所述查询意图边界识别机器学习模型根据历史用户查询意图数据，对机器学习模型训练得到；所述历史用户查询意图数据包括：对应不同用户的：查询意图和查询意图边界的历史数据；

根据查询意图边界，对多个查询意图进行分类排序，确定查询意图边界范围内的多个查询意图；

根据用户的查询意图与用户社交网络信息间的关联关系，对查询意图边界范围内的多个查询意图进行筛选和重新排序；

根据查询意图边界范围内的多个经筛选和重新排序的查询意图，确定数据检索结果。

2.如权利要求1所述的方法，其特征在于，所述查询意图边界识别机器学习模型按如下方式根据对应该检索请求的多个查询意图，确定查询意图边界：

根据对应该检索请求的多个查询意图，确定多个查询意图间的点击相似度和内容相似度；

根据多个查询意图间的点击相似度和内容相似度，确定查询意图边界。

3.如权利要求1所述的方法，其特征在于，还包括：

按如下方式建立查询意图边界识别机器学习模型：

将历史用户查询意图数据划分为训练数据集和测试数据集；

根据机器学习算法，以训练数据集，对机器学习模型进行训练，获得查询意图边界识别机器学习模型；

以测试数据集，对训练好的查询意图边界识别机器学习模型进行测试。

4.如权利要求1所述的方法，其特征在于，还包括：按如下方式建立用户的查询意图与用户社交网络信息间的关联关系：

根据爬虫技术，获取用户社交网络信息；所述用户社交网络信息包括与用户cookie数据对应的不同社交网站的检索信息；

根据用户社交网络信息，确定用户的兴趣关注点；

将用户的查询意图的历史数据，与用户的兴趣关注点进行匹配，得到用户的查询意图与用户社交网络信息间的关联关系；

根据用户的查询意图与用户社交网络信息间的关联关系，对查询意图边界范围内的多个查询意图进行筛选和重新排序，包括：

根据用户的查询意图与用户社交网络信息间的关联关系，对查询意图边界范围内的多个查询意图进行筛选，得到与所述关联关系匹配的多个查询意图；

对与所述关联关系匹配的多个查询意图，按照用户的兴趣关注点的权重从小到大的顺序，进行重新排序。

5.如权利要求1所述的方法，其特征在于，还包括：

将对应该检索请求的多个查询意图作为输入数据，输入到查询意图满意度计算学习模型，得到不同的查询意图的满意度；所述查询意图满意度计算学习模型根据历史用户查询意图满意度数据，对机器学习模型训练得到；所述历史用户查询意图满意度数据包括：对应不同用户的：查询意图和查询意图满意度的历史数据；所述历史用户查询意图满意度数据通过对用户鼠标操作数据进行定量分析得出；所述用户鼠标操作数据为用户在不同查询意图所对应的页面的滑动轨迹、点击行为和停留时长数据；所述定量分析用于对用户鼠标操作数据进行滑动鼠标动量的角度和动能的计算；

根据用户的查询意图与用户社交网络信息间的关联关系，对查询意图边界范围内的多个查询意图进行筛选和重新排序，包括：

根据用户的查询意图与用户社交网络信息间的关联关系，和不同的查询意图的满意度，对查询意图边界范围内的多个查询意图进行筛选和重新排序。

6.如权利要求1所述的方法，其特征在于，还包括：

按如下方式建立查询意图满意度计算学习模型：

将历史用户查询意图满意度数据划分为训练数据集和测试数据集；

根据机器学习算法，以训练数据集，对机器学习模型进行训练，获得查询意图满意度计算学习模型；

以测试数据集，对训练好的查询意图满意度计算学习模型进行测试。