一种基于个性化深度神经网络的相似度确定方法及装置制造方法及图纸

本发明专利技术实施例公开了一种基于个性化深度神经网络的相似度确定方法及装置。该方法包括：获取用户输入的查询文本以及用户个性化信息，其中所述用户个性化信息是依据所述用户的历史搜索行为，或者所述用户持有的智能终端的属性信息确定的；对所述查询文本、搜索条目以及所述用户个性化信息进行深度神经网络处理，并依据深度神经网络处理结果确定所述查询文本与所述搜索条目之间的相似度。本发明专利技术实施例的技术方案，通过在深度神经网络学习中，融合了用户个性化信息，提升了传统语义相似度确定的模型效果，从而提高了查询文本与搜索条目之间相似度的准确性。

【技术实现步骤摘要】

本专利技术涉及通信
，尤其涉及一种基于个性化深度神经网络的相似度确定方法及装置一种图像分割方法及装置。
技术介绍
针对用户输入的查询文本，为用户返回搜索结果是搜索引擎系统的基础。其中确定用户输入的查询文本与查询文本对应的搜索条目之间的相似度，是为用户返回搜索结果的前提。目前，基于深度神经网络(Deep Neural Network，DNN)的相似度确定方法，仅对用户输入的查询文本以及查询文本对应的搜索条目进行DNN处理，并基于DNN处理结果得到相似度，而未考虑自然语言文本的一词多义或一义多词现象，因而现有相似度确定的准确性低，不能满足用户的个性化需求，在实际应用中往往不能达到令人满意的效果。
技术实现思路
有鉴于此，本专利技术实施例提供一种基于个性化深度神经网络的相似度确定方法及装置，以提高相似度确定的准确性，从而满足用户的个性化需求。第一方面，本专利技术实施例提供了一种基于个性化深度神经网络的相似度确定方法，包括：获取用户输入的查询文本以及用户个性化信息，其中所述用户个性化信息是依据所述用户的历史搜索行为，或者所述用户持有的智能终端的属性信息确定的；对所述查询文本、搜索条目以及所述用户个性化信息进行深度神经网络处理，并依据深度神经网络处理结果确定所述查询文本与所述搜索条目之间的相似度。第二方面，本专利技术实施例提供了一种基于个性化深度神经网络的相似度确定装置方，包括：查询文本获取模块，用于获取用户输入的查询文本以及用户个性化信息，其中所述用户个性化信息是依据所述用户的历史搜索行为，或者所述用户持有的智能终端的属性信息确定的；相似度确定模块，用于对所述查询文本、搜索条目以及所述用户个性化信息进行深度神经网络处理，并依据深度神经网络处理结果确定所述查询文本与所述搜索条目之间的相似度。本专利技术实施例提供的技术方案，通过在深度神经网络学习中，融合了用户个性化信息，从而依据用户输入的查询文本、查询文本对应的搜索条目以及用户个性化信息得到了个性化的神经网络，提升了传统语义相似度确定的模型效果，从而提高了查询文本与搜索条目之间相似度的准确性。附图说明图1是本专利技术实施例一提供的一种基于个性化深度神经网络的相似度确定方法的流程图；图2a是本专利技术实施例二提供的一种基于个性化深度神经网络的相似度确定方法的流程图；图2b是本专利技术实施例二提供的基于个性化深度神经网络的相似度确定方法的原理示意图；图3a是本专利技术实施例三提供的一种基于个性化深度神经网络的相似度确定方法的流程图；图3b是本专利技术实施例三提供的基于个性化深度神经网络的相似度确定方法的原理示意图；图4a是本专利技术实施例四提供的一种基于个性化深度神经网络的相似度确定方法的流程图；图4b是本专利技术实施例四提供的基于个性化深度神经网络的相似度确定方法的原理示意图；图5是本专利技术实施例五提供的一种基于个性化深度神经网络的相似度确定装置的结构图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1是本专利技术实施例一提供的一种基于个性化深度神经网络的相似度确定方法的流程图。本实施例的方法可以由基于个性化深度神经网络的相似度确定装置来执行，该装置可通过硬件和/或软件的方式实现，且本实施例的方法一般可适用于用户想要得到查询文本与搜索条目之间相似度的情形。参见图1，本实施例提供的基于个性化深度神经网络的相似度确定方法具体可以包括如下：S11、获取用户输入的查询文本以及用户个性化信息。具体的，在检测到用户通过触摸屏或键盘等输入设备在搜索输入框中进行文本输入时，获取用户输入的查询文本以及用户个性化信息。其中，用户个性化信息可以是依据所述用户的历史搜索行为确定的。相应地，还可以获取用户登录搜索引擎所使用的用户标识信息如用户身份标识号(Identification，ID)等，并且依据用户标识信息获取用户个性化信息。用户的历史搜索行为可以包括用户的历史查询文本以及用户从历史查询文本对应的搜索条目中选择的历史搜索条目。其中，用户个性化信息也可以是依据所述用户持有的智能终端的属性信息确定。示例性的，用户个性化信息可以包括用户的兴趣，用户所在地域，或者，用户持有的智能终端的型号、品牌、操作系统或浏览器等。其中，用户的兴趣可以包括体育、文学、IT、游戏、电子、水果、食物或农产品等，是依据用户的历史搜索行为得到的。用户所在地域也可以依据用户历史搜索行为得到。S12、对所述查询文本、搜索条目以及所述用户个性化信息进行深度神经网络处理，并依据深度神经网络处理结果确定所述查询文本与所述搜索条目之间的相似度。其中，深度神经网络技术用于学习词的向量表示，即通过深度神经网络处理将词表示成实数组成的向量。具体的，利用深度神经网络学习技术，依据用户个性化信息对用户个体进行建模，得到每个用户对应的个性化的用户嵌入，并把用户嵌入引入到传统深度神经网络语义模型中，并且基于包含用户嵌入的深度神经网络语义模型，确定查询文本与搜索条目之间的相似度，如余弦相似度。由于包含用户嵌入的深度神经网络语义模型既保持了传统的查询文本与搜索条目之间的语义相似度，又具有个性化的用户嵌入，以最大程度地满足用户的个性化需求，提高了查询文本与搜索条目之间相似度的准确性。需要说明的是，搜索条目指的是查询文本对应的搜索条目，且本实施例中对搜索条目个数不作具体限定。例如，查询文本是苹果时，搜索条目可以是农产品价格和手机零配件等。本实施例提供的技术方案，通过在深度神经网络学习中，融合了用户个性化信息，从而依据用户输入的查询文本、查询文本对应的搜索条目以及用户个性化信息得到了个性化的神经网络，提升了传统语义相似度确定的模型效果，从而提高了查询文本与搜索条目之间相似度的准确性。示例性的，依据深度神经网络处理结果确定所述查询文本与所述搜索条目之间的相似度之后，可以包括：根据所述查询文本与所述搜索条目之间的相似度，对所述搜索条目进行排序。具体的，针对任一搜索条目，若该搜索条目与查询文本的相似度越大，则该搜索条目排序越在前。实施例二本实施例在上述实施例一的基础上提供了一种新的基于个性化深度神经网络的相似度确定方法。在本实施例中将用户个性化信息视为查询文本的一部分信息，在深度神经网络模型顶层将用户个性化信息的表示与查询文本的表示进行融合。图2a是本专利技术实施例二提供的一种基于个性化深度神经网络的相似度确定方法的流程图，图2b是本专利技术实施例二提供的基于个性化深度神经网络的相似度确定方法的原理示意图。为了便于理解，本实施例中以查询文本是苹果，搜索条目是农产品价格为例进行说明。结合图2a和图2b，本实施例提供的基于个性化深度神经网络的相似度确定方法具体可以包括如下：S21、获取用户输入的查询文本以及用户个性化信息。其中，所述用户个性化信息是依据所述用户的历史搜索行为，或者所述用户持有的智能终端的属性信息确定的。具体的，获取用户在搜索输入框中输入的查询文本-苹果。S22、通过深度神经网络处理，将所述查询文本表示成查询向量，将搜索条目表示成搜索向量，并将所述用户个性化信息表示成用户嵌入向量。具体的，通过词嵌入(Word 本文档来自技高网...

【技术保护点】
一种基于个性化深度神经网络的相似度确定方法，包括：获取用户输入的查询文本以及用户个性化信息，其中所述用户个性化信息是依据所述用户的历史搜索行为，或者所述用户持有的智能终端的属性信息确定的；对所述查询文本、搜索条目以及所述用户个性化信息进行深度神经网络处理，并依据深度神经网络处理结果确定所述查询文本与所述搜索条目之间的相似度。

【技术特征摘要】
1.一种基于个性化深度神经网络的相似度确定方法，包括：获取用户输入的查询文本以及用户个性化信息，其中所述用户个性化信息是依据所述用户的历史搜索行为，或者所述用户持有的智能终端的属性信息确定的；对所述查询文本、搜索条目以及所述用户个性化信息进行深度神经网络处理，并依据深度神经网络处理结果确定所述查询文本与所述搜索条目之间的相似度。2.根据权利要求1所述的方法，其特征在于，对所述查询文本、搜索条目以及所述用户个性化信息进行深度神经网络处理，并依据深度神经网络处理结果确定所述查询文本与所述搜索条目之间的相似度，包括：通过深度神经网络处理，将所述查询文本表示成查询向量，将搜索条目表示成搜索向量，并将所述用户个性化信息表示成用户嵌入向量；融合所述查询向量与所述用户嵌入向量，以得到新的查询向量；确定新的查询向量与所述搜索向量之间的相似度。3.根据权利要求1所述的方法，其特征在于，对所述查询文本、搜索条目以及所述用户个性化信息进行深度神经网络处理，并依据深度神经网络处理结果确定所述查询文本与所述搜索条目之间的相似度，包括：通过深度神经网络处理，将所述查询文本表示成查询向量，将搜索条目表示成搜索向量，并将所述用户个性化信息表示成用户嵌入向量；确定所述查询向量与所述搜索向量之间的第一相似度；确定所述用户嵌入向量与所述搜索向量之间的第二相似度；依据所述第一相似度和所述第二相似度，确定所述查询文本与所述搜索条目之间的相似度。4.根据权利要求1所述的方法，其特征在于，对所述查询文本、搜索条目以及所述用户个性化信息进行深度神经网络处理，并依据深度神经网络处理结果确定所述查询文本与所述搜索条目之间的相似度，包括：通过词嵌入处理，将所述查询文本表示成查询中间向量，并将所述用户个性化信息表示成用户中间向量；融合所述查询中间向量与所述用户中间向量，以得到用户新增向量；通过深度神经网络处理，将所述用户新增向量表示成新的查询向量，并将搜索条目表示成搜索向量；依据所述新的查询向量与所述搜索向量，确定所述查询文本与所述搜索条目之间的相似度。5.根据权利要求4所述的方法，其特征在于，融合所述查询中间向量与所述用户中间向量，以得到用户新增向量，包括：通过深度神经网络处理，将所述查询文本表示成查询向量，并将所述用户个性化信息表示成用户嵌入向量；确定所述查询向量与所述搜索向量之间的第三相似度，并确定所述用户嵌入向量与所述搜索向量之间的第四相似度；对所述第三相似度与所述第四相似度作归一化处理，得到所述查询中间向量的第一权重和所述用户中间向量的第二权重；依据所述第一权重和所述第二权重，融合所述查询中间向量与所述用户中间向量，以得到用户新增向量。6.根据权利要求1所述的方法，其特征在于，用户个性化信息包括用户的兴趣，用户所在地域，或者，用户持有的智能终端的型号、品牌、操作系统或浏览器。7.根据权利要求1所述的方法，其特征在于，依据深度神经网络处理结果确定所述查询文本与所述搜索条目之间的相似度之后，包括：根据所述查询文本与所述搜索条目之间的相似度，对所述搜索条目...

【专利技术属性】
技术研发人员：廖梦，姜迪，石磊，李辰，王昕煜，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11