[发明专利]搜索方法、装置及智能终端

说明书

本发明提供了一种搜索方法、装置及智能终端，涉及搜索技术领域，该方法包括获取待搜索的语句；将语句输入至预先训练得到的分词模型；获取分词模型针对语句输出的分词结果；基于分词结果进行模糊搜索。本发明通过对语句进行合理分词，能够有效提升搜索准确度。

技术领域

本发明涉及搜索技术领域，尤其是涉及一种搜索方法、装置及智能终端。

背景技术

目前网络发展迅速，通过网络搜索所需信息已成为人们获知信息的常用方式。而目前的网络在对用户输入的语句进行搜索时，大多采用字符串匹配方式，但这种方式难以处理具有中文歧义的语句，容易造成语句理解错误。诸如，用户输入“西安市长安区”，理想的语句分词结果是“西安市/长安区”，并基于“西安市/长安区”进行搜索；但网络有可能得到的分词结果为“西安/市长/安区”，从而导致搜索结果并不准确，用户体验度不高。

发明内容

有鉴于此，本发明的目的在于提供一种搜索方法、装置及智能终端，通过对语句进行合理分词，能够有效提升搜索准确度。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种搜索方法，该方法包括：获取待搜索的语句；将语句输入至预先训练得到的分词模型；获取分词模型针对语句输出的分词结果；其中，分词模型是根据语句的语境对语句进行分词处理的；且分词结果包括标注有词性的短词；基于分词结果进行模糊搜索。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，获取待搜索的语句的步骤，包括：获取搜索系统的基础数据；基础数据包括商品应用日志和/或用户搜索日志；从基础数据中提取待搜索的语句。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，根据语句的语境对语句进行分词处理的步骤，包括：根据词义对语句进行划分，得到至少一个短词；获取每个短词的多种词性，以及语句的多种语境；计算短词的每种词性在各种语境下的先验概率；根据先验概率，确定短词对应的状态转移矩阵；根据状态转移矩阵，确定短词对应的混淆矩阵；根据先验概率、状态转移矩阵和混淆矩阵，确定短词的每种词性对应的词性概率；根据短词的每种词性对应的词性概率，确定短词的当前词性；根据短词的当前词性，对短词进行词性标注。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，分词模型的训练过程包括：从预先建立的语料词库中获取训练语句；每个训练语句均表示为标注有词性的短句；采用训练语句对待训练的分词模型进行训练，直至确定待训练的分词模型的模型参数时，停止训练。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，分词模型的模型参数包括先验概率、状态转移矩阵和混淆矩阵；其中，先验概率为：短词的不同词性在不同语境下的概率；状态转移矩阵为：短词在不同语境下，由一种语境中的一种词性转移到另一种语境中的一种词性的概率形成的矩阵；混淆矩阵为：短词的不同词性在不同语境下的概率形成的矩阵。

结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，先验概率的计算公式为：

其中，A_i表示A事件集合的第i个事件，B表示B事件集合，n表示A事件集合的事件总数。

结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，状态转移矩阵的计算公式为：

其中，#(S_t-1,S_t)表示不同的两个词性前后出现的次数，#(S_t-1)表示词性S_t-1出现的次数。

结合第一方面，本发明实施例提供了第一方面的第七种可能的实施方式，其中，混淆矩阵的计算公式为：