[发明专利]搜索目标实体的方法、装置、电子装置及存储介质

说明书

本申请提供了一种搜索目标实体的方法、装置、电子装置及存储介质，该搜索目标实体的方法，包括：基于目标实体的图谱确定多条关系路径，将每条关系路径作为样本；计算每个样本的联合概率，选取联合概率最大的样本作为目标实体的搜索结果。本申请将联合概率最大的样本作为目标实体的搜索结果，使得在各种搜索场景中能够得到目标实体的搜索结果，提高搜索目标实体的方法的场景适用性。

技术领域

本申请涉及人工智能技术领域，具体而言，涉及一种搜索目标实体的方法、装置、电子装置及存储介质。

背景技术

推理是人工智能一个重要的分支，并且推理技术可以应用在不同领域，极大减少人工工作，目前的基于规则的推理严格上说并不能称之为推理，因为它的规则都是基于人工设定，并且有严重的场景局限性，当面对稍微复杂点的场景，基于规则的推理就无法完成。可以将推理应用到搜索目标实体中，因此，现阶段的搜索目标实体的方法存在场景局限性高的问题。

发明内容

本申请的实施例在于提供一种搜索目标实体的方法、装置、电子设备及存储介质，以解决目前搜索目标实体的方法存在场景局限性高的问题。

第一方面，本申请的实施例提供了一种搜索目标实体的方法，所述方法包括：

基于目标实体的图谱确定多条关系路径，将每条关系路径作为样本；

计算每个样本的联合概率，选取联合概率最大的样本作为所述目标实体的搜索结果。

在上述实现过程中，将联合概率最大的样本作为目标实体的搜索结果，使得在各种搜索场景中能够得到目标实体的搜索结果，提高搜索目标实体的方法的场景适用性。

可选地，所述基于目标实体的图谱确定多条关系路径，包括：

将目标实体的图谱拆分成节点集、边集，所述节点集为描述所述目标实体属性的节点的集合，所述节点集包括头节点和尾节点，所述边集为所述节点之间关系的边的集合；

确定从所述头节点到所述尾节点之间的所述多条关系路径，每条关系路径为由所述节点集中的节点和所述边集中的边交替组成的向量。

在上述实现过程中，用点集和边集描述所述目标实体的图谱，能够生成所述关系路径，关系路径便于描述目标实体从头节点到尾节点的经过的节点和边的时序，基于所有关系路径进行目标搜索，从而提高搜索准确性和适用性。

可选地，所述确定从所述头节点到所述尾节点之间的所述多条关系路径，包括：

基于目标实体的图谱，通过图神经网络、结构深度网络嵌入或图递归神经网络确定从所述头节点到所述尾节点之间的所述多条关系路径。

在上述实现过程中，通过图神经网络、结构深度网络嵌入或图递归神经网络确定多条关系路径能够提高得到的关系路径的鲁棒性、稳定性、容错性。

可选地，所述计算每个样本的联合概率，包括：

基于联合概率第一计算公式计算每个样本的联合概率，所述联合概率第一计算公式包括：其中，表示到达头节点的概率，p(e_i|v_i)表示到达第i个节点v_i时经过边e_i的概率，P表示联合概率，n表示所述节点集中的节点数量。

在上述实现过程中，从所述头节点经过一个或多个所述节点到达所述尾节点，每相邻两个节点之间会有一条边，将所有对应节点下的对应边的概率相乘得到每个样本的联合概率，从而得到更加准确的样本可能性。

可选地，所述计算每个样本的联合概率包括：

获取用户的额外意图的文字描述；将所述文字描述转换为意图向量；