[发明专利]搜索语句处理方法、装置及服务器在审

专利信息
申请号: 201810497418.6 申请日: 2018-05-22
公开(公告)号: CN110516226A 公开(公告)日: 2019-11-29
发明(设计)人: 赵建明 申请(专利权)人: 广东神马搜索科技有限公司
主分类号: G06F17/27 分类号: G06F17/27
代理公司: 11205 北京同立钧成知识产权代理有限公司 代理人: 张子青;刘芳<国际申请>=<国际公布>=
地址: 510627 广东省广州市天河区黄埔大*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 语句 搜索 搜索结果 语义向量 实体识别 解析 特征词 服务器
【权利要求书】:

1.一种搜索语句处理方法,其特征在于,包括:

获取用户输入的搜索语句;

根据所述搜索语句,获取与所述搜索语句对应的至少一个搜索结果;

对所述搜索语句进行语义向量解析得到第一语义向量;

对所述至少一个搜索结果中的每个搜索结果进行语义向量解析得到所述每个搜索结果对应的第二语义向量;

根据所述第一语义向量和所述第二语义向量,确定所述搜索语句的类别;

根据所述搜索语句和所述至少一个搜索结果的共性内容,确定所述搜索语句中属于所述类别的实体。

2.根据权利要求1所述的方法,其特征在于,所述对所述搜索语句进行语义向量解析得到第一语义向量,包括:

采用神经网络模型对所述搜索语句进行语义向量解析得到第一语义向量。

3.根据权利要求1所述的方法,其特征在于,所述对所述至少一个搜索结果中的每个搜索结果进行语义向量解析得到所述每个搜索结果对应的第二语义向量,包括:

采用神经网络模型对所述至少一个搜索结果中的每个搜索结果进行语义向量解析得到所述每个搜索结果对应的第二语义向量。

4.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述第一语义向量和所述第二语义向量,确定所述搜索语句的类别,包括:

对所述第一语义向量和所述第二语义向量进行向量融合得到融合后的语义向量;

采用分类预测算法对所述融合后的语义向量进行分类预测得到所述搜索语句的类别。

5.根据权利要求4所述的方法,其特征在于,所述根据所述搜索语句和所述至少一个搜索结果的共性内容,确定所述搜索语句中属于所述类别的实体,包括:

采用神经网络模型对所述搜索语句和所述至少一个搜索结果的共性内容进行识别,确定所述共性内容为属于所述类别的实体。

6.一种搜索语句处理装置,其特征在于,包括:

获取模块,用于获取用户输入的搜索语句;根据所述搜索语句,获取与所述搜索语句对应的至少一个搜索结果;

语义向量解析模块,用于对所述搜索语句进行语义向量解析得到第一语义向量;对所述至少一个搜索结果中的每个搜索结果进行语义向量解析得到所述每个搜索结果对应的第二语义向量;

确定模块,用于根据所述第一语义向量和所述第二语义向量,确定所述搜索语句的类别;根据所述搜索语句和所述至少一个搜索结果的共性内容,确定所述搜索语句中属于所述类别的实体。

7.根据权利要求6所述的搜索语句处理装置,其特征在于,所述语义向量解析模块对所述搜索语句进行语义向量解析得到第一语义向量时,具体用于:

采用神经网络模型对所述搜索语句进行语义向量解析得到第一语义向量。

8.根据权利要求6所述的搜索语句处理装置,其特征在于,所述语义向量解析模块对所述至少一个搜索结果中的每个搜索结果进行语义向量解析得到所述每个搜索结果对应的第二语义向量时,具体用于:

采用神经网络模型对所述至少一个搜索结果中的每个搜索结果进行语义向量解析得到所述每个搜索结果对应的第二语义向量。

9.根据权利要求6-8任一项所述的搜索语句处理装置,其特征在于,所述确定模块根据所述第一语义向量和所述第二语义向量,确定所述搜索语句的类别时,具体用于:

对所述第一语义向量和所述第二语义向量进行向量融合得到融合后的语义向量;

采用分类预测算法对所述融合后的语义向量进行分类预测得到所述搜索语句的类别。

10.根据权利要求9所述的搜索语句处理装置,其特征在于,所述确定模块根据所述搜索语句和所述至少一个搜索结果的共性内容,确定所述搜索语句中属于所述类别的实体时,具体用于:

采用神经网络模型对所述搜索语句和所述至少一个搜索结果的共性内容进行识别,确定所述共性内容为属于所述类别的实体。

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广东神马搜索科技有限公司,未经广东神马搜索科技有限公司许可,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/201810497418.6/1.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