[发明专利]搜索内容输出方法、装置、计算机设备及可读存储介质

权利要求书

1.一种搜索内容输出方法，其特征在于，包括：

对待搜索信息进行解析，得到所述待搜索信息的信息切词、实体标识以及语义向量，所述实体标识是将所述待搜索信息的搜索类型作为识别方向对所述待搜索信息进行识别得到的，所述语义向量是按照所述待搜索信息的信息类型对所述待搜索信息进行识别得到的；

获取包括所述信息切词的第一候选内容；

基于所述实体标识，获取第二候选内容，所述第二候选内容至少为所述实体标识对应的和/或与所述实体标识的相似度大于第一相似度阈值的样本实体；

将所述语义向量输入至向量模型，获取所述向量模型输出的第三候选内容，所述向量模型是采用文本素材、语音素材以及视频素材建立的，所述第三候选内容与所述语义向量的相似度大于第二相似度阈值；

根据所述第一候选内容、所述第二候选内容和所述第三候选内容，生成搜索内容，将所述搜索内容输出。

2.根据权利要求1所述的方法，其特征在于，所述对待搜索信息进行解析，得到所述待搜索信息的信息切词、实体标识以及语义向量之前，所述方法还包括：

获取样本信息，对所述样本信息中的素材进行解析，得到样本特征向量，所述样本信息至少为历史操作信息和/或预置信息；

采用排序算法对所述样本特征向量进行学习，生成多个样本向量组，所述样本向量组至少是由所述样本特征向量中的搜索词向量、第一名称向量和第二名称向量组成的三元组，所述第一名称向量为所述样本特征向量中与所述搜索词向量匹配的名称向量，所述第二名称向量为所述样本特征向量中与所述搜索词向量匹配的名称向量；

分别将所述多个样本向量组输入至语义匹配模型，获取所述语义匹配模型的隐含层中最后一层的输出向量，得到所述多个样本向量组的多个输出向量；

将所述多个输出向量作为所述向量模型。

3.根据权利要求2所述的方法，其特征在于，所述对所述样本信息中的素材进行解析，得到样本特征向量，包括：

在所述样本信息的素材中提取所述语音素材，调用语音识别算法对所述语音素材进行识别，得到预备文本素材；

在所述样本信息的素材中提取所述视频素材，采用视频关键帧提取算法对所述视频素材进行提取，得到预备图片素材；

在所述样本信息的素材中提取原有文本素材，采用语义训练算法对所述原有文本素材和所述预备文本素材进行训练，得到文本特征向量；

在所述样本信息的素材中提取原有图片素材，运行图片特征提取器，将所述原有图片素材和所述预备图片素材所属的实体类目作为所述图片特征提取器的第一提取目标，按照所述第一提取目标对所述原有图片素材和所述预备图片素材进行学习，将所述图片特征提取器中最后一层的特征向量作为图片特征向量；

将所述文本特征向量和所述图片特征向量作为所述样本特征向量。

4.根据权利要求1所述的方法，其特征在于，所述对待搜索信息进行解析，包括：

若所述信息类型为文本类型，则采用语义训练算法对所述待搜索信息进行识别，将识别得到的特征向量作为所述语义向量；

若所述信息类型为语音类型，则调用语音识别算法对所述待搜索信息进行识别，得到文本类型的所述待搜索信息，并采用所述语义训练算法对文本类型的所述待搜索信息进行识别，将识别得到的特征向量作为所述语义向量；

若所述信息类型为图片类型，则运行图片特征提取器，将所述待搜索信息所属的实体类目作为所述图片特征提取器的第二提取目标，按照所述第二提取目标对所述待搜索信息进行学习，将所述图片特征提取器中最后一层的特征向量作为所述语义向量；

若所述信息类型为视频类型，则采用视频关键帧提取算法对所述待搜索信息进行处理，得到图片类型的所述待搜索信息，并运行所述图片特征提取器，为所述图片特征提取器设置所述第二提取目标，按照所述第二提取目标对图片类型的所述待搜索信息进行学习，将所述图片特征提取器中最后一层的特征向量作为所述语义向量。